指数分布基于多重定数截尾样本中异常数据的检验

讨论多重定数截尾指数型寿命数据,对同时存在异常大数据和异常小数据的情形给出了检验方法,得到了检验异常数据的判别标准,最后以一实例说明其应用.     

Gray bootstrap method for estimating frequency-varying random vibration signals with small samples

During environment testing, the estimation of random vibration signals （RVS） is an important technique for the airborne platform safety and reliability. However, the available meth- ods including extreme value envelope method （EVEM）, statistical tolerances method （STM） and improved statistical tolerance method （ISTM） require large samples and typical probability distri- bution. Moreover, the frequency-varying characteristic of RVS is usually not taken into account. Gray bootstrap method （GBM） is proposed to solve the problem of estimating frequency-varying RVS with small samples. Firstly, the estimated indexes are obtained including the estimated inter- val, the estimated uncertainty, the estimated value, the estimated error and estimated reliability. In addition, GBM is applied to estimating the single flight testing of certain aircraft. At last, in order to evaluate the estimated performance, GBM is compared with bootstrap method （BM） and gray method （GM） in testing analysis. The result shows that GBM has superiority for estimating dynamic signals with small samples and estimated reliability is proved to be 100% at the given confidence level.     

基于DBN的不均衡样本驱动民航发动机故障诊断

在结合深度置信网络(DBN)、采样与集成技术的基础上,提出了基于不均衡样本驱动的民航发动机故障诊断模型。该模型通过分析民航发动机历史飞行数据,利用DBN提取性能参数中的内部特征,利用采样技术将不均衡样本均衡化,采用集成技术进行故障分类。将该模型应用到CFM56-7B系列发动机历史飞行数据,实验结果表明:与常用故障诊断方法相比,该模型的准确率高达0.996,AUC值高达0.948,可以有效处理民航发动机样本高维、不均衡问题。      

数据缺失场合下k/N(G)系统可靠性指标的经验Bayes估计

在定数截尾缺失数据样本下,研究了不可修k/N(G)系统的可靠性指标的估计问题。将极大似然估计法和Bayes方法相结合得到了部件的平均寿命、系统可靠度及平均寿命等可靠性指标的经验Bayes估计,最后利用随机模拟例子说明了本文方法的正确性和可行性。     

基于星间测距的卫星自主导航中异常值剔除方法

在星间观测值数据传输中,由于种种因素有个别值与其他值截然不同,对定轨精度造成了严重的影响,必须对这些违反测量过程规律的异常测量值进行剔除。提出一种运用轨道积分器与设定随时间实时变化的门限值对星间距离观测值进行异常值剔除的方法。仿真结果表明,这种异常值剔除方法能够成功剔除观测误差大于等于180m的异常值,较精确、实时地剔除了对定轨结果影响较大的异常值,在卫星导航领域具有一定的应用价值。     

一种自旋稳定卫星姿态传感器数据异常的诊断方法

针对自旋稳定卫星遥测数据异常时,故障类型和故障源难于辨识的问题,提出一种数据驱动的故障诊断新思路.该方法提出将卫星姿态与传感器之间固有冗余关系是否保持作为判断故障类型的依据,并利用主成分分析把这种关系通过测量空间的特征值进行量化,监测特征值之间相应比例的变化实施判定;借助正交子空间的结构分析,选择SPE统计量进行故障检测和故障源的定位.在遥测数据的基础上模拟风云某型气象卫星的不同故障模式,并应用本文方法进行分析,结果表明,该方法克服了传统贡献图方法无法判别故障类型的缺点,可以实现对故障的正确诊断.     

基于大变形蠕变分析的持久寿命预测方法

提出一种基于真应力真应变弹塑性蠕变本构模型和大变形有限元分析的高温构件持久寿命预测方法.该方法利用以真应力-真应变表示的材料高温拉伸应力-应变曲线建立材料的弹塑性模型,基于蠕变曲线建立蠕变本构模型,并采用大变形有限元方法计算高温构件在给定载荷下的变形响应曲线,根据其响应曲线的变化趋势来确定构件持久寿命.通过TC11钛合金缺口试件500℃下的持久试验对上述方法进行验证,并与三种基于小变形分析的持久寿命预测方法进行对比.结果表明:本工作提出的方法可以较准确地预测TC11缺口试件的高温蠕变响应和持久寿命,其预测精度优于基于关键点断裂应变、缺口净截面平均有效应力以及骨点应力的小变形有限元分析的寿命预测方法.     

在轨卫星异常报警和故障诊断方法研究

及时发现卫星出现的异常是卫星在轨管理的一项重要工作，它关系到卫星在轨使用寿命。能够及时发现并判断卫星异常的方法有很多，本文对这些方法进行了研究，并将其归纳为2类，一类是基于遥测参数超限报警方法，另一类是故障诊断方法。分别对这2类方法从功能、效果、软件实现的难度进行比较，结果表明，在不同的管理和实现难度要求下，这些方法完成卫星管理的效果不同。另外，本文还提出了一种遥测参数相对判断算法，简化了报警门限设置，能够及时发现卫星任何参数突跳，是一种有效的卫星异常报警方法。     

捷联惯组批次性能评估的稳健方法与应用

针对目前惯组批次性能评估方法中存在易受异常样本影响和结果无法检验的问题,提出了两种基于中位数理论的高效率稳健评估方法,称为rp方法与稳健标准差方法。两种方法合理利用了评估过程中的稳健信息,有效地克服了异常样本的影响,并且在此基础上构建了一套完备的批次惯组评估模型,确保统计结果准确可靠。最后,文中给出了具体的工程应用实例和结果分析。     

A fault diagnosis model based on weighted extension neural network for turbo-generator sets on small samples with noise

In data-driven fault diagnosis for turbo-generator sets, the fault samples are usually expensive to obtain, and inevitably with noise, which will both lead to an unsatisfying identification performance of diagnosis models. To address these issues, this paper proposes a fault diagnosis model for turbo-generator sets based on Weighted Extension Neural Network (W-ENN). W-ENN is a novel neural network which has three types of connection weights and an improved correlation function. The performance of the proposed model is validated against Extension Neural Network (ENN), Support Vector Machine (SVM), Relevance Vector Machine (RVM) and Extreme Learning Machine (ELM) based models. The results indicate that, on noisy small sample sets, the proposed model is superior to the other models in terms of higher identification accuracy with fewer samples and strong noise-tolerant ability. The findings of this study may serve as a powerful fault diagnosis model for turbo-generator sets on noisy small sample sets.