基于二元相关的器件级可靠性建模与剩余寿命预测研究

器件作为部件及设备的主要组成部分,其可靠性及健康状态对设备功能完好性及任务可靠性具有重大影响。本文针对复杂应力条件下单一性能退化的可靠性建模不能全面地评估器件的状态和退化,提出基于Copula函数的二元性能退化联合建模的流程和方法,将联合建模分解为边缘退化模型选择与确定和性能参数之间关联性的构建两部分。同时,基于卡尔曼滤波方法,提出二元性能退化的剩余寿命预测方法,并利用芯片试验数据进行验证,应用于基于两焊点退化的芯片可靠性建模和剩余寿命预测。     

基于双重注意力机制及S-BiGAN的机电设备故障诊断

标签样本少条件下机电设备的准确故障诊断对于提高复杂机电设备的健康管理能力具有重要意义。针对标签样本少条件下难以建立准确故障诊断模型的问题,在半监督生成对抗网络的基础上,将注意力模块引入生成对抗网络,并利用格拉姆角场将一维数据转换为二维图像;结合双向生成对抗网络特点,提出一种基于双重注意力机制的半监督双向生成对抗网络（S-BIGAN）机电设备故障诊断模型,以轴承数据为例进行验证。结果表明：与CNN-SVM、SGAN 等算法相比,本文提出的模型能够提高样本生成质量和故障分类特征,有效解决标签样本少情况下的故障诊断问题,极大地提高了故障诊断准确率。