基于退化模型的失效机理一致性检验方法

有效的加速试验必须保证产品的失效机理不变。针对加速退化试验(ADT)可靠性建模的特点,提出了一种基于退化模型的失效机理一致性检验方法。以基于随机过程和基于退化轨迹拟合的退化模型为例,通过加速系数的2种等效定义分别建立了模型参数与失效机理不变的内在联系,进一步推导出其参数在不同应力下须满足的关系。在合理假定检验样本服从正态分布的基础上,利用t统计量对样本的一致性进行检验。通过2个ADT实例验证了所提检验方法的合理性与可行性。     

基于累积磨损量分布的飞机刹车片可靠性分析

针对高可靠、长寿命型产品可靠性分析难于获得寿命数据的问题,基于累积磨损量分布研究刹车片的可靠性评估方法。在飞机刹车片退化机理分析的基础上,选择正态分布、对数正态分布、威布尔分布描述其累积磨损量,通过建立累积磨损量分布参数的时序模型,确定未来时刻累积磨损量的分布,对刹车片进行寿命预测。     

2.5维机织复杂结构件的静强度

采用宏细观结合方法,针对经纱和纬纱等材料组分可能发生的多种失效模式,分别建立了基于改进的Hashin准则的系统性的材料失效准则及不同失效模式下的刚度退化模型.引入逐渐损伤的思想,建立了2.5维机织复杂结构件静强度系统性分析方法.模拟并分析了材料经向拉伸和纬向拉伸的应力-应变曲线,与实验得到的材料应力-应变曲线相比,相同应变下应力误差不超过6.5%,具有较好的重合度;对2.5维机织压气机静子连接结构模拟件开展了逐渐损伤模拟,结果表明:结构损伤主要集中在叶根倒角附近,其中吸力面叶根处的基体压缩失效形式会引起结构大幅变形,是结构破坏的主要原因.      

基于气路参数融合的涡扇发动机性能退化预测

针对单参数驱动的涡扇发动机性能退化预测精度不高的问题,提出了一种基于气路参数融合的涡扇发动机性能退化预测的方法。通过监测发动机性能退化过程中多源参数,采用专家经验和核主成分分析相结合的方法,进行发动机性能参数的选择和融合,从而构建健康参数。基于非线性Wiener过程构建涡扇发动机退化模型,采用极大似然方法求得发动机退化模型的离线参数估计值;由于不同发动机性能退化的差异性,基于贝叶斯更新理念对随机参数进行实时更新,可以实现对单台发动机的性能退化实时预测。通过实例验证,采用此方法在预测末端方均根误差为0.028 3,整体预测精度提升了54.5%,可以辅助指导维修决策。      

退化发动机加速性能恢复控制方法

针对退化发动机加速性能下降的现象,提出一种变喘振裕度约束的模型预测控制方法。通过分析退化发动机在加速过程中的工作特点,将加速过程分为三个阶段,在不同阶段采取不同的喘振裕度约束。鉴于模型预测控制能够显式处理约束、采用在线滚动优化来获取最优控制输入,采取模型预测控制方法,并采用具有较高实时性的交替方向乘子法求解优化问题,实现了退化发动机加速性能的恢复。数字仿真结果表明,采用本文所提出的加速性能恢复控制方法后,相比退化发动机,加速过程中所耗费的时间缩短了35%以上。     

随机环境应力冲击下基于多参数相关退化的导弹部件寿命预测

为了解决某型导弹部件的贮存寿命预测问题,提出了一种随机环境应力冲击下基于多参数相关退化的寿命预测方法。针对产品存在退化失效与突发失效两种失效模式,利用Wiener、Gamma及Inverse Gaussian等随机过程模型拟合各性能参数的退化数据,并采用Copula函数进行相关性退化失效建模;利用随机环境应力冲击解释突发失效的机理,并采用非均匀泊松过程对突发失效建模;进而建立退化失效与突发失效竞争的贮存寿命预测模型。实例应用说明所提方法能够反映出导弹部件的失效规律,比传统预测方法具有更高的预测准确性,具有较好的工程应用价值。     

基于优化智能网络的发动机推力指令模型

针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法.其中子模型Ⅰ采用BP网络映射与推力密切相关的气路参数,其输出作为子模型Ⅱ的输入;子模型Ⅱ采用优化极端学习机(ELM)算法,输出为额定发动机推力,并以此推力为性能蜕化缓解控制指令.为了减小ELM网络规模,提高推力指令模型实时性,采用微分进化算法(DE)优化ELM初始网络参数.数字仿真验证表明:各飞行包线内推力指令模型预测值最大相对误差小于4‰,远优于单一神经网络最大8.17％和单一极端学习机最大14.5％的误差,模型推力指令计算时间仅需0.64ms,实时性好,验证了该推力指令模型的有效性.     

基于相关分析和组合神经网络的退化预测

产品剩余寿命预测是加速退化试验和故障预测与健康管理两大热点领域中的关键技术之一.为了解决复杂退化的预测问题,提出了一种新型预测方法,对退化轨迹能够实现较长距离的预测.此方法首先对复杂退化数据进行小波变换,通过Durbin-Watson方法和偏相关图分析各级分解序列的自相关性,最后根据序列的特点,组合BP(Back Propagation)和小波神经网络对退化轨迹进行预测.为了验证所提组合神经网络方法的有效性,采用小波神经网络的预测结果进行对比分析.实际退化数据的预测结果表明,所提方法比单独采用小波神经网络,具有更小的均方差(MSE,Mean Square Error),对剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度.     

加速度计贮存稳定期分析

在石英挠性加速度计有限元仿真分析的基础上,得到了加速度计标度因数稳定性随温度及时间的变化数据,采用乘积型最小二乘曲面拟合方法对标度因数稳定性、时间、温度数据进行拟合,建立了标度因数稳定性的加速退化近似模型;考虑不同产品间的分散差异和试验测试误差,对加速退化近似模型进行随机化处理,基于一阶泰勒展开计算方差的方法,给出含置信度的加速退化近似模型;结合加速度计贮存条件,进行基于模型的贮存稳定期分析,得到贮存条件下给定稳定性判据时的加速度计稳定期;同时,也可以给出加速度计稳定性评价结果,判断某贮存条件下贮存一段时间后的稳定性是否能够满足要求.     

费用约束下含应力优化的CSADT设计

恒定应力加速退化试验(CSADT,Constant Stress Accelerated Degradation Testing)方案中需要确定的变量有应力水平、各应力下样本量、监测间隔和各应力下监测次数.如何对CSADT的应力水平进行优化目前很少有人探讨.针对这一问题提出一种在费用约束下将上述4个变量进行综合优化的方法.首先用随机过程描述CSADT下产品的性能退化过程,然后以产品在使用条件下p分位寿命可靠度的渐近方差最小为目标,以试验费用不超过预算为约束条件,给出CSADT的4个优化变量,并给出应用该优化方法的仿真算例.最后,优化方案对模型参数偏差的敏感性分析表明,在一定偏差范围内优化结果具有良好的稳健性.