高温结构可靠性分析的时变响应面法

高温条件下结构的本构方程和承载能力都随时间变化,传统的结构可靠性模型在分析这种时变结构可靠性问题时效率较低.提出一种可用于高温结构可靠性分析的热响应与响应量阈值均随时间变化的时变响应面法.首先,通过引入结构各基本变量与时间的交叉二次函数并结合Box-Behnken试验设计建立结构热响应量的时变模型;进而,以温度为中间变量,建立结构响应量阈值与时间的函数关系,据此得到用随机过程表示的时变极限状态函数.具体给出了基本变量服从正态分布情形下的结构时变可靠度计算方法.算例分析表明该方法切实可行,能够在保证计算精度的基础上大幅提高计算效率.     

基于POD曲线的预警机雷达检飞概率模型

针对预警机雷达检飞试验中距离取样间隔及检飞航线边界条件的确定问题,以保证发现概率(POD)曲线的覆盖率与精确性为目标,提出基于POD曲线的预警机雷达检飞概率模型.首先,根据POD曲线的覆盖率和精确性要求确定检飞试验拟合曲线所需的采样点数.然后,根据POD曲线的经验分布函数建立检飞试验中最小探测距离和最大探测距离的计算方法,并由此确定检飞航线上距离取样间隔的长度.最后,根据发现概率的统计特性得到距离取样间隔内采样点数以及航次数等试验参数,为雷达检飞试验设计与预警性能评定提供定量依据.     

相关系数平稳过程时频分析方法

相关系数平稳过程是从非平稳过程中分离出的一类工程上常见且便于研究的随机过程,其均值和方差都可随时间变化,传统的平稳随机过程是它的一个特例。本文提出了相关系数AR(p),MA(q)和ARMA(p,q)序列的概念,建立了相关系数平稳过程的时频分析方法。该方法首先在时域进行全程分析,得到相关系数平稳过程的均值函数、方差函数和相关系数函数,然后可以对其进行傅里叶变换、短时傅里叶变换或小波变换,给出相关系数平稳过程的谱密度,同时提出了随机项谱密度和趋势项谱密度的概念。文中还讨论了线性系统对相关系数平稳过程输入的响应。     

产品性能可靠性评估的时序分析方法

针对航空航天产品高可靠性、长寿命的特点,通过综合时序模型对随机序列自拟合性强与短期预测精度高的优点,提出了两类基于性能退化数据的产品可靠性评估时序模型方法.首先,从性能退化量分布的角度出发,在假设退化量分布类型不随时间变化的前提下,利用时间序列建立了性能退化分布参数的分析模型,进而根据可靠度与性能退化量分布的关系进行可靠性评估.然后,从退化轨迹的角度出发,对所有样本的退化轨迹进行时序分析与建模,外推伪失效区间与伪失效寿命值,进而采用完全寿命试验数据的统计方法进行可靠性评估.最后,对某金属材料疲劳裂纹扩展数据进行可靠性评估与寿命预测,结果表明该方法具有良好的稳健性.     

基于比例风险模型的可靠性灵敏度分析

为了定量描述产品可靠性随环境因素的动态变化,研究了环境因素对可靠性的影响,提出了一种基于比例风险模型的可靠性灵敏度分析方法。首先利用比例风险模型描述产品可靠性水平与环境因素的定量影响关系。结合试验数据选取基准环境协变量,对比例风险模型进行变换,并利用广义线性模型给出了可靠性模型参数的极大似然估计。进而给出了产品关于不同环境因素的可靠性灵敏度,用于度量可靠性对环境因素的灵敏性。结合实例表明该方法综合利用了不同环境条件下的试验数据,提高了可靠性灵敏度分析精度,可用于分析产品可靠性关于环境因素的动态变化特征。     

基于比例风险模型的环境折合系数确定方法

研究了环境因素对产品可靠性的影响,给出了一种综合利用变环境试验数据的环境折合系数确定方法.利用比例风险模型来描述可靠性与环境因素的关系,给出了环境因素对产品可靠性影响的定量度量.基于该模型给出了常用寿命分布下的环境折合系数的统计推断方法.针对复杂环境,采用广义比例风险模型用于度量不同环境因素之间对可靠性的交互作用.利用径向基函数法来拟合该模型,并对模型进行了优化.计算实例表明:该方法合理可行,便于工程应用.     

广义Weibull分布参数的收缩估计

在右删失样本下,研究了双参数广义wemull分布参数的极大似然估计.针对在小样本或高度删失样本下参数估计效果筹的问题,引入了收缩估汁方法,将先验信息与样本信息相结合,用于改善参数估计.分别在单参数和舣参数含有先验信息两种情形下,给出了分布参数的收缩估计.以定数截尾样本为例,利用Monte-Carlo方法对收缩估计与极大似然估计进行了比较,模拟结果表明在一定的条件下,收缩估计具有更优的统计性质.数值算例表明,在小样本或高度截尾样本下,双参数广义weibull分布参数的收缩估计具有较好的效果.     

非等间距相关系数平稳序列分析方法

工程实际中由于数据缺损或受测试条件所限,常常得到非等间距的时间序列。而传统的时序分析方法只适用于等间距采样的数据,目前工程上对这类问题通常采用插值等近似处理方法,这往往导致较大误差。本文提出非等间距相关系数平稳序列的概念,建立了非等间距相关系数平稳序列自回归模型,给出了非等间距相关系数AR(p)序列的精确极大似然估计和条件极大似然估计,能够高精度地确定非等间距序列的均值函数、方差函数和相关系数函数。     

非等间距相关系数AR(p)序列预测方法

针对非等间距时间序列预测中存在误差较大的问题,本文建立了非等间距相关系数AR(p)序列预测方法,详细讨论了非等间距相关系数AR(1)序列和AR(2)序列的预测公式和误差估计。大量计算表明,本文方法与通过插值将非等间距序列变换为等间距序列进行预测的传统方法相比,具有更高的预测精度。     

监测位移预报的非等间距相关系数平稳序列法

建立了监测位移时间序列分析、建模和预报的非等间距相关系数平稳序列法.采用随机过程理论导出了模型的整体极大似然估计,在保证参数估计量优良统计特性的同时,克服了现行组合模型方法难以处理非等间距监测位移序列的问题.通过数字模拟仿真技术解释了传统插值处理产生较大误差的原因.计算实例表明该方法具有较高的建模和预报精度.