多源异构数据贝叶斯统计融合可靠性评估模型

为解决小子样高可靠性长寿命产品的可靠性评估,提高可靠性评估的精准度,采用贝叶斯方法构建多个信息源数据融合的贝叶斯可靠性评估模型.首先,该模型选择一组数据作为另一信息源的最初先验信息,根据贝叶斯估计融合得到后验密度,并将其作为下一信息源的先验分布;通过依次迭代,得到多源异构数据的联合后验密度和可靠性指标数据,进而完成相应...     

蚁群算法在网络路径可靠性研究中的应用

用蚁群算法来解决网络可靠性优化中遍历所有节点的最短路可靠度问题和最可靠路径问题的研究中,并给出网络可靠度下界的一个估计。用MATLAB语言编程进行算法的实现和仿真。结果表明,用蚁群算法解决网络的可靠性问题是可行并有效的。     

基于改进证据融合的高可靠产品可靠性评估方法

对许多高可靠、高价值的产品进行可靠性评估时,常由于客观试验数据缺乏导致无法对产品可靠性进行准确评估。针对这个问题,为充分利用不同来源的可靠性信息,提出一种基于改进证据融合的高可靠产品可靠性评估方法。首先,结合可靠性工程特点,分别由各证据在信度层、决策层的一致性以及证据自身的不确定度来确定证据修正权重;其次,基于博弈论原理对各权重向量进行线性组合,从而得到最优综合权重;最后,利用Dempster组合规则融合修正后的证据,并通过Pignistic概率转化公式得到产品可靠性指标的概率分布,以完成产品可靠性评估。某电子设备的可靠度评估结果显示,所提方法相较于同样考虑多维权重修正的Jiang组合方法和Yang组合方法,赋予冲突区间的信度分别减小了69.6%、54.6%,赋予整个识别框架的信度分别减小了5.6%、3.7%。因此,在可靠性工程应用中,所提方法化解证据冲突、降低融合结果不确定性的表现优于对比方法,能够有效融合多源可靠性信息,提高产品可靠性评估结果可信度。     

串并联系统可靠性优化的蚁群算法

为获得高可靠性,串并联系统的设计中常采用不同型号的元件,由于系统中元件有数量型号等的限制,每一元件又有重量、费用、可靠度等标志,所以串并联系统可靠性优化问题为典型的NP-难问题。采用两种不同的状态转移规则和与系统属性紧密相关的信息素更新规则,通过局部循环和整体循环分别搜索代表各子系统结构和系统结构的解向量,用蚁群算法成功地解决了元件可选择不同类型的串并联系统可靠性优化问题,仿真结果表明,蚁群算法可以在相对短的时间内较快地找到问题的最优解,蚁群算法与其它元启发式算法一样,可以有效克服求解组合优化的计算复杂度问题。     

蚁群算法在复杂系统可靠性优化中的应用

复杂系统可靠性优化问题为典型的NP-难问题.不考虑系统的具体连接形式,将每个部件视为一级,产生随机数作为网络节点, 把蚁群优化算法成功应用到复杂系统可靠性优化中,搜索到其他算法未能得到的最优解.仿真结果表明,蚁群优化算法可以在相对短的时间内较快地找到问题的最优解.蚁群优化算法与其他元启发式算法一样,可以有效克服求解组合优化的计算复杂度问题.     

复杂系统可靠性冗余的蚁群优化算法

冗余技术是提高系统可靠性的有效方法。复杂系统的冗余优化设计是典型的non-deterministic poly-nominal问题,至今还没有很好的解决。用蚁群优化算法解决复杂系统可靠性冗余问题。把系统结构向量化,将复杂系统转化为分级网络,把信息素集中在网络的节点,作为节点对蚂蚁的吸引强度,指导蚂蚁在各级节点内搜索解向量的各级对应分量。采用与系统属性有关的罚函数,加快解的进化过程。仿真结果及与其他算法的比较表明算法的有效性。     

一种新形式的微粒群算法

标准微粒群算法在优化多峰、多维的复杂函数时,其效果并不理想,容易早熟收敛。为了改进微粒群算法处理此类问题的性能,提出了一种新的微粒群算法。该算法将标准微粒群算法迭代公式中的群体最优位置用个体最优位置的中心代替,有利于增强群体的多样性,避免早熟收敛,同时保持了迭代公式的简洁形式。3个常用测试函数的数值模拟表明,新的微粒群算法较标准微粒群算法在寻优能力上有明显的提高。     

基于灰色预测理论的加速试验数据可靠性评估模型

对失效数据量小、加速模型难以确定的情况,传统模型很难对试验结果做出较为准确的评估.基于灰色预测理论对服从Weibull分布的恒加寿命试验数据进行了分析,采用与应力有关的权重生成背景值补充缺失数据,建立等间距灰色预测模型,从而对加速寿命预测模型参数进行了修正.算例分析表明:灰色预测理论对加速试验数据评估模型得到的结果相对误差较小,有较高的预测精度.     

蚁群算法在冗余系统可靠性最优分配上的应用

针对各种进化算法所存在的早熟收敛,易陷人局部极值点的缺点,采用两种不同的状态转移规则和与系统属性紧密相关的信息素更新规则,用蚁群算法解决元件可选择不同类型的最优冗余分配问题,实例仿真结果表明蚁群算法可以在相对短的时间内较快的找到问题的最优解。