火工切割器的一种小样本可靠性验证试验

提出了火工切割器的一种小样本计量型可靠性验证试验方法及偏保守的可靠性评估方法,将火工切割器的燃气压力峰值作为可靠性特征量进行可靠性验证试验,分别测试额定工况(双边点火工况)下的燃气压力峰值和单边点火工况下的燃气压力峰值。基于应力-强度干涉理论,用小样本可靠性验证试验数据开展可靠性评估。这种验证方法既可避免特征量临界值分布规律摸底试验中消耗一定数量的产品,又能实现计量法代替计数法,还避免了人为设定强化系数,评估结果能够反映产品在加严条件下的可靠度水平。文章给出了用60个火工切割器样本进行可靠性验证试验及可靠性评估的应用实例,为航天器火工装置小样本可靠性验证提供技术途径。     

基于压电阻抗技术和BP网络的结构健康监测

以装有多个螺栓和多片压电元件(PZT)的铝梁为实验对象,研究激励频率对PZT导纳值的影响以及PZT传感器感知较近螺栓松动与较远螺栓松动的灵敏性.构建BP网络,以各个螺栓分别松动时所测得的所有压电元件的导纳值作为网络的模式样本,输入到神经网络进行训练.实验结果表明:PZT传感器的导纳谱能灵敏地反映结构状态的微小变化;且离松动螺栓近的PZT导纳谱的变化远大于离松动螺栓远的PZT的导纳谱的变化;对于同一PZT传感器,激励频率不同,其阻抗变化量不同;选取PZT阻抗值变化明显的频率点来构成神经网络输入向量,训练后的BP神经网络能够快速并精确地判断出松动的螺栓位置.     

M.Shinozuka方法在风荷载模拟中的应用

通过分析现有的风荷载数值模拟方法,认为M.Shinozuka方法得到的脉动风荷载样本的统计特征值能较好的符合理论值。系统阐述了这种方法的分析过程,其中涉及到脉动风压规格化功率谱的推导以及脉动风荷载功率谱的计算。采用MATLAB可以方便有效的进行编程,其中的矩阵函数能够容易的实现Cholesky分解以及随机数的求取等。     

复合材料防弹板性能小样本分析

二维配对升降法小样本统计分析方法可在较少的试验量下,获得高可靠度的结果.在靶试数据基础上运用该统计方法,推导出三种复合材料防弹板在确定置信度和一定穿透率下的临界穿透速度、最小全穿透速度和最大不穿透速度,以及一定未穿透概率下的临界面密度.得到三种防弹板的穿透率—着速关系曲线.      

基于小样本的试验系统可信度评估方法

针对小样本试验数据信息匮乏、难以利用概率统计方法进行可信度评估的问题,将重抽样方法与小样本区间估计方法相融合,提出了小样本试验系统新型可信度评估方法。利用重抽样理论,获取多个具有相同样本量的相似小样本。根据灰色系统理论,提出了改进的灰色置信度及置信区间的定义及计算方法。并在此基础上通过求公共区间的方式计算原小样本数据的灰色置信区间。该置信区间在相同的置信度下,区间宽度更窄,精度更高。通过算例仿真,验证了上述方法的合理性、有效性,对工程试验中的小样本数据系统评估提供了一定的方法指导。      

基于PCA和WPSVM的航天器电特性识别方法

针对航天器电特性监测系统识别过程中存在测试数据量大、特征维数高、样本少、计算速度慢和识别率低等问题,提出基于主成分分析(PCA)的特征提取和加权近似支持向量机(WPSVM)的在线故障诊断方法.实现了对信号故障特征的主成分分析、选择和提取,并对高维特征数据实现了降维,提高了航天器电特性在线故障诊断的准确性和速度.针对PCA中的结果选取问题,提出运用数据贡献度阈值进行数据截取的方法,有效地保证了数据的有效性与一致性.结果表明:该方法充分利用了航天器电特性监测系统的有用数据特征,有效提高了识别的精度,且计算时间较短,效率较高.      

小样本下基于孪生神经网络的柱塞泵故障诊断

针对目前基于深度神经网络的柱塞泵故障诊断方法在小样本条件下精度低、模型欠拟合问题,提出一种小样本条件下基于孪生神经网络的柱塞泵故障诊断方法。搭建了柱塞泵故障实验台,采集柱塞泵在不同健康状态下的壳体振动信号;使用由卷积层和池化层组成孪生子网络自适应地从原始振动信号中提取低维特征,使用欧式距离判定输入样本对的特征相似度;通过相似度对比的方法扩大训练样本数量并训练孪生神经网络模型;最后,对测试样本进行健康状态识别。实验结果表明：与传统深度神经相比,所提方法在小样本情况下具有更高的准确率。同时,多通道数据融合实验表明：所提方法能够从不同通道的信号中学习到有关故障信息,多通道数据融合可以进一步提高诊断准确率。     

样本量为2的极小样本相容性检验方法

在航空航天领域由于成本、时间周期等原因进行疲劳寿命及可靠性评估时样本量通常极少（m=1或2）,利用相容性检验方法可对样本量进行扩充。常规的Wilcoxon秩和检验和K-S（Kolmogorov-Smirnov）检验适用于小样本情形,而极小样本相容性检验方面研究较少,且缺乏对方法合理性的详细说明和对不同方法检验功效优劣的比较。航空航天产品疲劳寿命多服从正态分布,因此本文主要以正态分布作为研究对象。利用Monte Carlo仿真发现从某一正态分布N（μ,σ²）中随机抽取两个样本x₁、x₂计算均值μ₁和标准差σ₁后构建新正态分布N（μ₁,σ₁²）,其±σ₁、±2σ₁和±3σ₁范围内的点落在原正态分布N（μ,σ²）±3σ范围内的概率依次为99.80%、98.13%和97.37%。在此基础上针对现场试验数据样本量为2的情况,本文提出利用3σ原则对先验信息数据进行相容性检验从而扩充样本量的方法。将该方法与两种文献方法对比后发现其误差率明显更低并呈现出检验性能随先验数据增加而不断提高的优势。     

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。     

故障样本量确定与分配一体化设计方案

针对当前测试性验证领域未能考虑故障样本量确定和样本分配2个环节的相互联系,以及现有样本分配方案对影响因子的选择没有统一的框架,导致确定的故障样本量和样本分配不合理的问题,提出了一种故障样本量确定与分配一体化设计方案。首先,以层次Bayes网络模型为框架,融合各节点测试性指标先验信息得到顶层测试性指标的融合分布,并建立故障样本量确定流程;其次,引入结构重要度作为样本分配影响因子,同时结合故障模式影响及危害性分析（FMECA）信息确定节点和故障模式的样本分配影响因子,提出基于节点和故障模式的二次分配框架实施样本分配;最后,通过实际案例进行对比分析。结果表明:相比其他样本分配方案,所提方案能充分考虑系统结构及其先验信息,进而实现了故障样本量确定和分配一体化方案的设计,保证了所确定的故障样本量和分配的合理性,具备更好的工程适用性。