动态系统元器件失效率的矩独立重要性测度分析

针对不确定性元器件失效率对动态系统失效概率影响程度的度量问题,研究了动态系统元器件失效率的重要性分析方法。分析了不确定性情况下动态系统失效概率的特点;依据Borgonovo的矩独立灵敏度分析思想,提出了两种新的矩独立不确定性重要性测度,给出了基于蒙特卡罗数值仿真的一般求解方法,分别用来分析系统工作时间给定和在区间变化两种情况下元器件失效率不确定对系统失效概率分布函数的贡献程度;建立了重要性测度的高效算法,通过稀疏网格积分技术将多元函数的积分问题转化成一元函数积分的张量积组合,通过Edgeworth级数方法将响应量分布函数的求解问题转化为基于其前四阶矩的失效概率估计,从而有效降低了功能函数的调用次数,提高了重要性测度的求解效率。最后,通过两个算例验证了所提方法的合理性和算法的高效性。     

基于神经网络模型预测的水声对抗子母弹跌落冲击仿真

为了评估水声对抗子母弹在不同跌落冲击条件下的可靠性,应用LS-DYNA对母弹在不同跌落参数下的冲击响应进行了数值仿真研究。在有限元计算结果作为样本的条件下,运用BP神经网络模型建立了母弹跌落冲击影响参数与子弹应力峰值的非线性映射关系。结果表明:弹体各子结构在跌落高度、角度及跌落面条件下具有不同的冲击响应规律;母弹体头螺、壳体结构冲击变形较大,内部子弹冲击应力值变化幅度较小;网络模型较准确预测子弹的应力峰值,可极大地降低仿真次数,提高跌落测试效率。     

AMSAA-BISE模型多台系统的同步可靠性增长

本文推广了 AMSAA 模型,讨论了多台系统进行同步可靠性增长的情况。给出了定数及定时截尾时,Weibull 过程参数的最大似然与无偏估计,MTBF 的区间估计。本所领导将之命名为 AMSAA-BISE 模型(Beijing Institute of Structureand Environment),该模型已被航天部标准所采用。     

神经网络BP算法预测可靠性增长

叙述可靠性增长的基本概念和神经网络BP算法,着重探讨BP算法用于可靠性增长预测的可能性。通过两个实例的预测结果,与常用的可靠性增长参数模型Duane,Gompertz的结果相比较。实例表明,该方法是可行的,而且是有效的,适应性强。可以预料,它不但能用于仪器设备试制过程中预测可靠性增长,而且可用于武器装备在储存过程之中可靠性下降的预估。     

一种用于可靠性参数指标分配的新方法

提出了一种按组成系统的各单元任务失效率比例，并考虑各单元的重要度来分配系统可靠性参数指标的新方法；给出了分别以失效率、平均故障间隔时间表达的分配比例因子及分配公式。该方法是ＡＧＲＥＥ分配法的改进。文末举例说明该方法的应用及其分配结果的合理性     

随时间变化的应变疲劳可靠性模型

鉴于应变载荷和应变强度的随机波动性和可靠性的时间变化性，建立了随时间变化的动态应变疲劳干涉模型，算例演示了2种情况下（Manson－Coffin公式和3参数暴函数公式广P－ε－N曲线）动态应变可靠度的计算方法。     

基于神经网络的大型矿用隔爆型干式变压器动态温升预测研究

分析了大容量隔爆型干式变压器热传递过程和特点,利用人工神经网络的非线性映射能力建立了其动态温升预测模型,并将计算结果和实测结果作了比较,验证了其可行性和优越性.     

基于模糊免疫策略的机场航班延误自适应实时预测方法

为了对航班实时延误情况做出准确的预测,在生物免疫检测的基础上,借鉴模糊隶属度的思想,提出了模糊免疫预测方法.给出了自体/非自体、抗体/抗原的定义以及抗体对延误航班集合的隶属度函数.在预测过程中,实时监测外界环境变化,自适应调整λ-截集,选取符合当前置信度的检测器,克服了基于确定性模型的局限性.对国内某大型机场做仿真实验表明,该方法比简单使用生物免疫方法更具适应性,能较准确地预测全天各个时段航班的延误数量.     

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。     

基于可靠性的非金属件备件数模型

研究了结构中非金属件自然老化时的备件数问题。基于反应论模型,考虑环境温度波动,研究了贮存条件下非金属件的老化规律,并应用Monte-Carlo仿真获得了非金属件的老化寿命分布。在此基础上,根据可靠性分析方法,建立了失效更换情况下可更换非金属件的最佳备件数模型,所得模型可以应用于非金属件备件数的理论预估。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

基于数字孪生的航班链延误动态预测模型

针对复杂多变的航班运行环境,提出一种基于数字孪生的航班链延误动态预测模型,以改善传统预测方法的精度及自适应性。模型基于数字孪生航班链系统构建,采用滑动窗口下的多通道特征建模完成单元级航班延误预测,并提出一种混合优化策略进行模型参数的动态优化,最后通过孪生数据驱动的链式分析方法实现了全航班链的延误分析与修正。采用国内航班数据进行实验,得到在各个窗口下的航班延误平均绝对误差（Mean absolute error, MAE）为11.79 min,低于其他基线模型和静态模型;且引入孪生数据驱动分析和修正后,紧随其后的航班预测误差比此前进一步降低了6.44%。结果表明,模型有利于数字孪生航班链系统实现虚实交互,并具有优良的预测精度和自适应性。     

一种小样本民机产品的可靠性预测方法

将最小二乘支持向量机(Least square support vector machine,LS-SVM)应用于小样本民机产品的可靠性预测分析。通过重构相空间的饱和嵌入维数,确定最小二乘支持向量机的最佳输入变量;然后,使用最小二乘向量机建立可靠度回归预测模型,运用自动网格搜索法,优化了最小二乘支持向量机的建模参数,实现了比现有方法精度高、泛化性好的模型。训练和测试的可靠性样本取自某机型襟翼液压锁寿命可靠性数据。与神经网络模型的比较实例表明,提出的方法合理有效。     

一种基于GA优化小波LS-SVR的实时寿命预测方法

针对性能非线性退化的产品,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法(GA)优化小波最小二乘支持向量回归机(LS-SVR)的实时退化轨迹建模和寿命预测方法。该方法根据特定个体与同类产品的Euclid距离确定隶属度权值,加权小波LS-SVR建立的同类产品退化模型得到特定个体的退化轨迹模型,结合实测数据更新模型并进行实时寿命预测。实例分析验证了所提方法的有效性。     

确定警告值的时间序列数据分析法

民用航空器的故障率警告值在民用航空器可靠性维修中起着重要的作用,本文提出了一种确定民用航空器故障率警告值的时间序列数据分析方法,这一方法可以较好地处理那些故障率由于受气候、环境等影响而发生周期性变化的零部件或系统,为它们的故障率预测和可靠性维修提供一种宏观的分析方法。文中最后根据某航空公司三种机型各自的重要事件的数据统计,给出了用该方法计算得到的故障率的估计值和实际值的比较,并对下一个月的故障率的警告值进行了预测。结果显示:用该方法获得的故障率的警告值是比较合理的     

基于灰色-神经网络联合模型的大型冷却塔风效应预测

基于灰色GM(1,1)模型和BP人工神经网络,建立灰色-神经网络联合的大型冷却塔平均位移和风振系数预测模型。该联合模型增强了预测结果的自适应性和准确性,能解决因气弹模型试验中测点样本数目太少而无法直接建立神经网络预测模型的局限。通过某大型冷却塔气弹模型风洞试验结果的算例分析,表明该组合模型对于平均位移和风振系数的预测结果均与试验结果吻合良好,随后基于已训练的模型给出结构风振反应精细化分析所需的输入参数预测结果。这为冷却塔结构风效应的精细化研究提供了一个新的有效方法。     

提高数控系统可靠性的解析余度研究

为提高航空发动机数字控制系统的可靠性，本文用解析余度技术，对系统传感器故障检测，隔离、调整的方法进行仿真研究，仿真系统中的发动机数学模型是用一系列小偏差线化模型去逼进某一实际发动机的试车数据而得到的，这里建立的传感器故障模型模拟各种故障的发生，设计分离的卡尔曼滤波器产生的残差秩序构造－决策函数，对故障进行检测及隔离调查。本文在ＭＡＴＬＡＢ语言环境，对可能发生的故障进行了仿真研究，所得结果说明，这种     

基于BP神经网络的内圆磨床主轴动态分析方法研究

通过对神经网络学习样本的选择问题的研究，本文提出了采用“多水平正交表”选取神经网络的训练样本的方法，建立了内圆磨床主轴系统的BP神经网络模型，并在试验的基础上借助于优化方法进行了模型修正和优化计算。该方法不仅计算方便、快捷，而且具有较高的计算精度。