基于DGM(1,1)的成败型系统可靠性增长Bayes评价模型

针对有多个研制阶段的成败型系统,提出了一种可靠性增长的Bayes评定模型。该模型首先根据Laplace检验,确定系统的可靠性是否增长;然后根据各个阶段可靠度的点估计,运用DGM(1,1)模型对现场试验的可靠度进行预测,得到验前信息,再运用列联表分析计算验前信息与现场试验信息的相似程度;最后,结合Bayes方法对验前信息和现场信息进行融合,在给定的置信度下,得到系统的可靠度置信下限。实例分析表明了该模型的有效性。     

机械系统的Bayes可靠性评估

讨论了机械系统的Ｂａｙｅｓ可靠性评估问题,当应力、强度均服从正态分布,且分布参数未知的情况下,首先分析了机械产品单元可靠性评估问题,讨论了给定验前分布情况下的单元可靠性Ｂａｙｅｓ精确下限,给出了无验前信息时的可靠性Ｂａｙｅｓ精确下限,鉴于精确限计算的复杂性,给出了应力－强度模型可靠性下限的近似计算方法,同时给出了可靠性的近似分布,然后把机械单元的可靠性信息折合到机械系统上,利用最大熵方法得到了系统可靠的验前分布,若没有做系统的可靠性试验,则根据此验前分布就可以对机械系统的可行性进行评估;若做了系统级可靠性试验,则利用Ｂａｙｅｓ公式求得系统可靠的验后分布,然后利用验后分布进行可靠评估,仿真实例说明机械系统Ｂａｙｅｓ可靠性评估的应用。     

基于改进贝叶斯方法的稳健性设计建模技术

针对模型不确定性条件下的稳健参数设计问题,在贝叶斯模型平均方法的基础上,通过考虑因子效应原则,提出基于因子效应原则的贝叶斯模型平均(BMA-EP)稳健性设计建模技术.结合先验信息与贝叶斯法则,计算主效应的后验概率并构建传统的贝叶斯模型平均模型;根据各主效应的后验概率,逐步运用效应层次原则和效应遗传原则更新各主效应的先验,确定模型的后验概率,并以该后验概率作为权重,对各模型进行加权,得到预测性能较佳且符合试验设计原则的稳健性模型.结合实际工业案例和仿真试验验证了所提方法的有效性,结果表明,所提方法不但改善了模型的预测性能,而且提高了最佳参数设置的可靠性.     

基于后验概率SVM的航空发动机滚动轴承状态评估北大核心

为了准确地进行航空发动机滚动轴承状态评估,提出了一种基于后验概率支持向量机的航空发动机滚动轴承状态评估方法。首先利用仿真数据建立了后验支持向量机模型,进行了分类试验和后验概率预测验证,然后利用航空轴承失效监控试验系统进行了滚动轴承性能退化试验,得到轴承不同工作状态的振动数据,最后利用获取的试验数据进行了滚动轴承状态评估,充分验证了该评估方法的正确性。     

基于后验概率SVM的航空发动机滚动轴承状态评估

为了准确地进行航空发动机滚动轴承状态评估,提出了一种基于后验概率支持向量机的航空发动机滚动轴承状态评估方法。首先利用仿真数据建立了后验支持向量机模型,进行了分类试验和后验概率预测验证,然后利用航空轴承失效监控试验系统进行了滚动轴承性能退化试验,得到轴承不同工作状态的振动数据,最后利用获取的试验数据进行了滚动轴承状态评估,充分验证了该评估方法的正确性。     

基于研制阶段试验数据的复杂装备测试性评估

针对当前测试性评估方法中,经典方法无法利用历史测试性试验信息,且在小样本量下,评估结论置信度低、风险大的问题,提出了一种基于研制阶段试验数据的复杂装备测试性评估模型。在对经典评估方法进行建模与分析的基础上,运用Bayes理论,建立了综合利用研制阶段历史试验信息和现场试验数据的Bayes测试性评估模型;该模型结合验前信息与现场信息的相容性给出了一种混合验前分布,并利用拟合优度检验确定继承因子。最后开展了案例应用研究,结果表明,在相同的现场试验条件下,该模型能给出较高置信度的测试性评估结论,比经典评估方法更合理。     

小子样高速电主轴的Bayes可靠性分析

针对高速电主轴可靠性分析存在的问题,应用Bayes理论提出小子样高速电主轴性能退化可靠性试验分析方法,推导了小子样高速电主轴可靠性参数的验前、验后分布及置信限表达式,据此评定高速电主轴可靠性指标。对两根170MD18Y16型高速电主轴进行可靠性试验,利用性能退化量试验数据分析了Weibull寿命分布模型参数,并利用170MD18Y16型高速电主轴轴端跳动量测试数据,应用Bayes方法评定了该型高速电主轴可靠性指标,分析结果与电主轴实际工况使用值一致,表明Bayes理论可用于小子样高速电主轴可靠性分析。     

基于CHMM的旋转机械故障诊断技术

隐马尔可夫模型(Hidden Markov model,HMM)是一种具有较强的时间序列建模能力的信号模式处理工具, 在语音处理中获得了广泛应用,特别适合于非线性、重复再现性不佳的信号的分析。基于振动信号与语音信号的相似性,将CHMM(Continuous Hidden Markov model)引入了旋转机械的故障诊断中。采用12阶LPC倒谱系数进行特征提取,建立CHMM,为防止数据下溢,引入前向一后向比例因子算法求其对数似然概率,并且采用K-means 算法对CHMM进行参数初始化。在给定的观测序列中每一种模型的优化路径通过Viterbi算法实现,用Baum-Welch 算法实现参数重估,并给出了重估公式。最后,在转子试验台上模拟了四种故障试验,建立了四种故障的CHMM 模型,通过求其最大似然概率值来决定机器的运行状态,试验结果证明了该方法的有效性。     

鱼雷可靠性评定中的 Bayes 方法

Ｂａｙｅｓ方法是在小子样产品可靠性评定中应用较多的一种方法,但产品验前分布确定得是否合理,将直接影响评定结果。在采用Ｂａｙｅｓ方法对鱼雷可靠性进行评定时,常常是将成败型分系统试验的验前分布取为β（０,０）。这种对鱼雷的成败型分系统验前分布的取法是不够科学的。本文从理论上和工程实践上说明了鱼雷产品的成败型分系统验前分布应取为β（１／２,１／２）,从而给出了由分系统试验数据折合成系统试验数据的Ｂａｙｅｓ方法修正公式。     

验前信息的决策方法

在一些实际的可靠性工程中,对产品提出可靠性指标(如可靠度、可靠度置信下限等)要求的同时,试验经费又决定了只能做少量的试验.在这种小子样数据情况下,Bayes方法所获的可靠性评估结论依赖于验前信息.为了评定产品是否满足可靠性指标,须给出验前信息的决策域.文中提出一种验前信息决策域的计算方法,并将其用于计算成败型和指数寿命分布型产品验前信息的决策域.通过两个算例说明以上方法是有效可行的.     

基于NARX网络模型的挖掘机液压系统故障检测

提出了一种针对挖掘机液压系统的非线性有源自回归(nonlinear auto-regressive with extrainputs,NARX)网络模型的故障检测方法。NARX网络模型是一种将有源自回归(auto-regressivewith extra inputs,ARX)模型与神经网络相结合的系统建模方法,具有很强的非线性辨识能力。该方法首先选取合理的网络模型结构,并根据AIC准则确定最佳模型阶数;使用正常状态样本对NARX网络进行训练,建立系统的辨识模型;然后运用序贯概率比检验(sequential probability ratiotest,SPRT)对NARX辨识模型的残差进行假设检验,检测系统的故障状态。实验分析表明,基于NARX网络模型的故障检测方法能够有效地应用于挖掘机液压系统。     

Mathematical model of changing the reliability level of products considering the control actions expressed in the form of probabilities

The suggested model of changing the processed products’ reliability level is based on the volume of tests, applied types of updates and test conditions considered as antithetic events by random and nonrandom failures. The mathematical model of changing the reliability level is based on use of the total probability formula. It is shown that the mathematical model of the reliability level growth depends irregularly on different types of updates and different test conditions.     

测算通讯产品系统调试标准工时方法的探讨

分析通讯产品系统调试生产过程 ,提出采用概率论和“标准合同”的方法测算标准工时     

基于正交试验和神经网络的液压杆稳定性研究

以Euler公式为基础,发现动力猫道液压杆的稳定性与其缺陷的形状、面积、深度及位置有关.通过对液压杆屈曲载荷的模拟计算,运用正交试验法分析缺陷的形状、面积、深度及位置对液压杆屈曲载荷的影响.研究结果表明:缺陷的面积、位置和深度对液压杆稳定性具有显著影响,其发生不显著情况的概率分别为0.007,0.021,0.008;缺...     

基于模糊理论的PMT水下防爆试验故障树分析

为解决光电倍增管（photomultiplier tubes,简称PMT）水下防爆试验系统的故障诊断问题以及故障发生概率存在模糊不确定性的特点,应用模糊集数学方法和可能性理论,把模糊数学和故障树模型相结合,提出一种基于三角形模糊数算法的PMT试验系统失效模式分析方法。根据试验系统工作原理,采用下行法建立故障树并对其进行定量分析,获得了顶事件的结构函数及多种失效模式,进而利用专家语言评价法,计算顶事件发生的模糊概率和各底事件的模糊重要度,得到了PMT试验中故障发生率较高的环节,最后对故障分析结果进行改进测试。结果表明,该方法能够准确地诊断出存在的故障,为PMT防爆试验系统进行故障诊断以及提高PMT保护罩的水下防爆性能提供参考依据。     

利用研制阶段试验数据制定测试性验证试验方案新方法

现有的测试性验证试验方案,在一定的风险承受能力下都需要较大的故障样本量。针对这一问题,以故障检测率(Fault detection rate,FDR)为验证指标,提出利用研制阶段试验数据制定测试性验证试验方案的新方法。在传统的FDR的统计检验模型基础上,提出产品研制阶段的成败型试验数据的等效折合方法;考虑Beta分布函数的概率特性,将FDR的置信下限估计转化为Beta分布的置信度分位点,求得FDR的置信概率密度函数;引入差异因子 ,用来反映研制阶段产品的FDR水平和产品验证需达到的FDR水平的差异,求得产品验证需达到的FDR的置信概率密度函数;参考风险的定义,重新确定了测试性验证试验方案。由于充分考虑了研制阶段的试验信息,因此在保证有较好的验证效果的条件下,与传统的验证方案相比,可以明显减少故障样本量,或在故障样本量保持不变的情况下降低双方风险。     

基于条件分布的陆军装备系统分析中心模型可靠性增长预测

针对可靠性增长试验中未来故障发生时间的预测问题,提出基于条件分布的陆军装备系统分析中心模型可靠性增长预测建模方法。基于Weibull过程理论和可靠性增长预测理论,在故障截尾和时间截尾两种情况下,根据系统已发生故障时间的联合概率密度函数和未来故障发生时间的联合条件概率密度函数,建立未来故障发生时间的边缘条件概率密度函数,给出未来故障发生时间的预测子和预测区间。通过引入方差系数,分析未来故障发生时间的预测精度。并利用某型风力发电机组变桨系统在现场试运行中伴随维修而获取的可靠性增长试验数据,验证本方法的可行性和有效性。不仅克服传统预测方法的局限性,而且预测精度较高。研究结果对于动态分析系统可靠性增长变化趋势,科学调整增长试验时间,合理确定设备交付时间、制定维修策略等都有明显的指导意义。     

Minimizing costs while meeting safety requirements: Modeling deterministic (imperfect) staggered tests using standard Markov models for SIL calculations

In industry, potentially hazardous (technical) structures are equipped with safety systems in order to protect people, the environment, and assets from the consequences of accidents by reducing the probability of incidents occurring. Not only companies but also society will want to know what the effect of these safety measures is: society in terms of "likelihood of undesired events" and companies in addition in terms of "value for money," the expected benefits per dollar or euro invested that these systems provide. As a compromise between demands from society (the safer the better) and industry (but against what cost), in many countries government has decided to impose standards to industry with respect to safety requirements. These standards use the average probability of failure on demand as the main performance indicator for these systems, and require, for the societal reason given before, that this probability remain below a certain value depending on a given risk. The main factor commonly used in industry to "fine-tune" the average probability of failure on demand for a given system configuration in order to comply with these standards against financial risk for the company is "optimizing" the test strategy (interval, coverage, and procedure). In industry, meeting the criterion on the average probability of failure on demand is often demonstrated by using well accepted mathematical models such as Markov models from literature and adapting them for the actual situation. This paper shows the implications and potential pitfalls when using this commonly used practical approach for a situation where the test strategy is changed. Adapting an existing Markov model can lead to unexpected results, and this paper will demonstrate that a different model has to be developed. In addition, the authors propose an approach that can be applied in industry without suffering from the problems mentioned above.     

Goodness-of-Fit Test Based on Biinomial Probability Distribution

This paper describes the goodness-of-fit test based on binomial probability distribution, which reduces to a sequence of bilateral hypothesis test for the value of the probability distribution function with different values of its argument. It is shown that each element of this sequence is unbiased locally by the most powerful test. This paper proposes an algorithm for calculating the significance level, free of probability distributions. The quality of this test is evaluated by numerical modeling.     

Info-gap robustness for the correlation of tests and simulations of a non-linear transient

An alternative to the theory of probability is applied to the problem of assessing the robustness, to uncertainty in model parameters, of the correlation between measurements and computer simulations. The analysis is based on the theory of information-gap uncertainty, which models the clustering of uncertain events in families of nested sets instead of assuming a probability structure. The system investigated is the propagation of a transient impact through a layer of hyper-elastic material. The two sources of non-linearity are (1) the softening of the constitutive law representing the hyper-elastic material and (2) the contact dynamics at the interface between metallic and crushable materials. The robustness of the correlation between test and simulation, to sources of parameter variability, is first studied to identify the parameters of the model that significantly influence the agreement between measurements and predictions. Model updating under non-probabilistic uncertainty is then illustrated, based on two complementary immunity functions: the robustness to uncertainty and the opportunity from uncertainty. Finally an info-gap model is embedded within a probability density function to represent uncertainty in the knowledge of the model's parameters and their correlation structure. Although computationally expensive, it is demonstrated that info-gap reasoning can greatly enhance our understanding of a moderately complex system when the theory of probability cannot be applied due to insufficient information.