风力发电机输出功率条件子集区间估计方法

根据风力发电机的风速和输出功率历史数据,对风机输出功率均值与风速的关系进行最小二乘参数辨识,以此为基础求出风机输出功率偏差与风速的关系。采用Python概率分析确定风机输出功率偏差各子集的概率分布类型,估计其特征参数,以求出其概率密度函数,进而对风机输出功率偏差进行概率置信区间预测。基于风机输出功率均值与风速的关系和风机输出功率偏差子集的置信区间估计模型,实现了根据风速预报值对风机输出功率的置信区间进行预测。用实际风机的历史纪录对所提方法进行了测试和验证。结果表明:基于风速将风机输出功率偏差划分成多个子集,可提高风机输出功率概率置信区间预测的精准度。     

推力室冷却通道结构可靠性仿真及参数敏感性分析

为了准确高效评估液体火箭发动机推力室身部再生冷却通道的结构可靠性,建立了基于有限元热结构耦合计算的结构可靠性仿真流程。考虑发动机干扰因素、身部结构尺寸及内外壁材料性能的随机性,利用Monte Carlo(MC)仿真和Epps-Pulley(EP)检验确定危险点的等效应力分布,根据基于参数估计区间的应力-强度干涉模型及点估计下限和Lindstrom-Maddens(L-M)法,确定冷却通道结构可靠度置信下限,并进行参数敏感性分析。结果表明:该结构可靠性仿真能够确定内壁失效的危险点,得到工程上更具实用价值的可靠度置信下限;外壁的强度裕度远大于内壁,冷却通道的结构可靠性取决于内壁;提高推力室燃烧效率或选用导热率稍低,而强度更高的内壁材料,是提高冷却通道结构可靠性的有效途径。      

基于维修成本的波音737NG飞机ACM预防性维修间隔决策建模

基于国航波音737NG机队ACM的故障数据,利用威布尔分布和可靠度函数建立基于维修成本的决策ACM预防性维修间隔的数学模型,并对数学模型进行详细解析得到可行性结论,该模型的建立与解析过程对航空公司维修成本的控制具有积极的作用。     

二维单侧容限系数方法

给出了一种二维单侧容限系数公式,并提出确定高自由度的子样均值和标准差方法。从而能充分利用以往的数据和经验,大大减少了试件个数。与国际上常用的(一维)单侧容限系数法相比,可节省大量试件;而在试件个数相同的情况下,则可得到更接近于母体百分位值的置信限(如安全寿命、安全强度或安全载荷等)。文中还给出了可靠度置信下限公式。     

LF21板材胶贴修补件的裂纹扩展统计分析

针对LF21防锈铝合金(JX机副油箱材料)CCT试样,通过采用两种胶贴剂的复合材料(T300)胶贴修补,对其裂纹扩展过程作了两种分布的统计分析,从而为建立新的胶贴裂纹扩展模型提供了一个很好的可靠性分析基础。计算结果表明XH-11结构胶在95％置信水平下其抗疲劳性能优于Metallplastic铝粉胶,共结果可供飞机结构胶贴修补时参考。     

ACT验证机FBW系统的率模可靠性分析

率模(Profust)可靠度是一种新的可靠性指标,能全面刻划系统的可靠性行为。将ACT验证机FBW系统的故障分为三个等级:影响安全的故障、影响任务的故障和需要维修的故障,从而对该系统进行率模可靠性分析。还基于率模不可靠度定义故障危害度,使得故障危害度不仅可以合理比较不同故障模式的影响大小,而且直接反映故障模式对系统可靠性行为的影响程度。结论是将率模可靠度作为系统的一个设计指标是可取的。     

结合测试性验证的任务可靠性验证方法

针对目前任务可靠性尚无工程验证的现状,在基于现有测试性试验工程应用的基础上提出了一个任务可靠性验证方法。阐述了该方法的理论,分析了需评估的参数,介绍了验证的流程,给出了数据收集和处理的方法,并根据收集处理的结果给出了任务可靠性的评估方法,包括点估计、置信下限估计和置信区间估计。在基本可靠性评估的基础上综合测试性的数据,实现了对任务可靠性的有效评估,为任务可靠性的考核提供了依据。     

一种寿命设计曲线构建方法

针对现有建立寿命设计曲线方法的不足,采用容限法建立寿命设计曲线,对比并分析了各种方法的差异.对于大样本的疲劳试验数据,试验结果表明在不同应力水平材料寿命的分散性不同.为此在近似Owen容限法基础上提出了一种包含应力水平的分散性模型建立设计曲线,使其能够满足材料寿命在高应力分散性较小,低应力分散性较大的特点.根据Ti-6246疲劳试验结果,利用该方法计算得到的设计寿命在疲劳载荷为925MPa时提高了146%,在820MPa时减小了60.2%.从而提高了设计的经济性和可靠性.      

基于KPCA 和DBN 的航空发动机排气温度基线模型

为了给航空发动机整体性能的实时监控与健康管理提供技术手段,提出1种基于核主成分分析和深度置信网络相结合的航空发动机排气温度基线模型构建方法。以配装CFM56-7B发动机的飞机在运行过程中各系统产生的快速存取数据作为原始的数据样本,利用核主成分分析进行降维处理,选用高斯函数作为核函数,将降维后的数据作为深度置信网络的输入,建立航空发动机EGT基线模型,通过大量QAR数据验证了模型的有效性和正确性。与传统神经网络建模方法相比,所提出的建模方法不但降低了网络结构的复杂度,同时也提高了模型的精度。