排序方式: 共有62条查询结果,搜索用时 453 毫秒
11.
综合考虑软件和硬件对空管自动化系统可靠性的影响,建立空管自动化系统故障树模型,并进行定性和定量分析,确定影响系统可靠性的关键因素。结果表明,该方法有利于保证和提高系统的可靠性。 相似文献
12.
在收集已发生故障数量和故障模式的基础上.应用故障树分析的原理,对某型照射器建立故障树模型和最小割集分析,根据计算概率重要度,确定照射器的质量改进内容。 相似文献
13.
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。 相似文献
14.
15.
矩独立重要性分析的Kriging代理模型方法 总被引:1,自引:1,他引:1
结构重要性分析是结构不确定性分析的重要研究内容之一。作为一种矩独立的重要性测度指标,基于失效概率的重要性测度能够有效地反映输入变量的不确定性对结构失效概率的影响。然而,相比于其他形式的重要性测度,对基于失效概率的矩独立重要性测度进行高效准确的求解仍然存在一定的困难。基于此,结合Kriging代理模型提出了一种高效的矩独立重要性分析的新方法。所提方法首先通过较少的实验设计样本构建能够充分近似真实输入输出响应函数的Kriging代理模型,进而通过数值模拟策略对所构建的Kriging模型进行分析,最终求解得到各个输入变量基于失效概率矩独立重要性测度的主效应和总效应,给出各个输入变量对于失效概率的影响程度排序。相比于现有方法,所提方法由于引入Kriging代理模型极大地降低了对响应函数的计算次数,同时保证了重要性分析的计算精度。两个工程应用实例结果表明了所提方法在计算效率和计算精度方面的优势,体现了所提方法良好的适用性。 相似文献
16.
研究用重要性抽样仿真方法估计线性分组码同时纠错和检错时的不可检错误概率。从理论上得到了最佳偏置转移概率和仿真效率的表达式。对 (1 5,7) BCH码和 (2 3,12 ) Golay码的仿真表明,重要性抽样是一种非常有效的仿真方法。 相似文献
17.
针对目前很多算法都无法准确、高效地计算小失效概率(10-4,甚至更小)情况下的全局可靠性灵敏度问题,本文提出了一种高效求解小失效概率情况下的全局可靠性灵敏度新算法。所提算法通过扩大标准差构造重要抽样密度函数来进行空间分割(SP),再与无迹变换(UT)结合,利用函数在分割后的子空间内非线性程度的降低和无迹变换方法可以高效计算低非线性程度函数的前二阶矩,来高效准确地计算小失效概率情况下的全局可靠性灵敏度。所提算法的优点有:重要抽样密度函数的选择可以使得空间分割时向重要区域偏移,并且在分割区域内功能函数的复杂性被降低,从而可以利用无迹变换方法高效计算失效概率,进而高效求得全局可靠性灵敏度。与已有的算法相比,算例说明了本文所提方法的优势。 相似文献
18.
针对最大似然估计(ML)方法求解测相位差变化率单站无源定位问题计算量大、定位慢的问题,本文提出一种利用蒙特卡洛重要性抽样技术(MCIS)高精度、低复杂度的估计方法。根据Pincus定理推导出ML问题的近似全局解,利用重要性抽样(IS)技术构建符合高斯分布概率密度(PDF)的重要性函数,作为样本选取的依据,通过逆变换采样获得样本集,统计样本均值直接得到辐射源位置估计结果。MCIS方法简单易实现且运算量低,能够克服传统ML估计多维网格搜索耗时较长的缺陷,而且对目标位置初始估计误差有较低的敏感性。实验结果表明,MCIS算法在相同测量噪声水平下,定位精度优于EKF、NLS算法,有效减小了初始化估计误差对算法定位精度的影响,也进一步讨论分析了算法参数和不同观测条件对定位性能的影响。 相似文献
19.
一种基于模糊重要度的多目标优化设计方法 总被引:1,自引:0,他引:1
针对工程设计中经常出现的多目标问题,对目标的重要度进行了模糊性描述,使权重系数的选取建立在重要度这个模糊概念之上。在此基础上提出了一种基于模糊评判的多目标折衷策略,并与遗传算法相结合,发展了一套多目标模糊折衷优化设计算法,通过包括损伤容限目标在内的多目标复合材料层板优化设计的算例,证明了该方法能给出指定设计要求下可能获得的最满意解。 相似文献
20.