谐波减速器混合时变可靠性分析的单调函数法

由于数据匮乏与性能退化,谐波减速器的可靠性呈现出显著的概率-区间不确定性混合与时变特征.针对这一问题,提出一种混合时变可靠性分析的单调函数法.首先,基于应力-强度干涉理论构建谐波减速器的混合时变可靠性模型;其次,通过分析可靠性模型动态响应关于时间变量的单调性,以消去时间变量的影响;进一步结合偏导数判断可靠性模型响应关于区间变量的单调性,将概率-区间混合可靠性转换为概率静态可靠性,然后利用蒙特卡罗法求解谐波减速器的可靠度.结果表明:所提方法有效降低了计算复杂性,并准确反映出谐波减速器可靠性的动态变化过程.     

一种考虑模糊不确定性的概率-区间混合结构可靠性分析方法

基于概率-区间混合模型,提出一种考虑模糊不确定性的结构可靠性分析方法。应用模糊随机理论,引入隶属函数的补函数,将含区间变量的模糊随机可靠性模型等效转化为仅含随机变量和区间变量的混合可靠性模型,并运用传统的求解概率-区间混合可靠性模型的最大失效概率方法求得其等效的最大模糊失效概率。最后通过三个数值算例和一个工程算例验证了该方法的有效性。     

基于概率-概率盒混合模型的气囊座椅防护特性可靠性分析方法

针对不确定因素对载人空降气囊座椅防护性能的影响,提出一种基于概率-概率盒混合模型的气囊座椅防护特性可靠性分析方法。研制空降乘员气囊座椅,并建立相应的“假人-座椅”数值分析模型,通过开展装备落地碰撞试验对数值模型进行试验验证;然后,根据可靠性问题中的混合不确定性变量,在概率-概率盒混合模型基础上构建适用于气囊座椅防护特性的可靠性分析模型,并借助等概率变换和不确定性变量的区间分析将原始的双层嵌套的优化问题转化成单层优化问题,实现循环嵌套优化问题的解耦,从而提高可靠性指标的求解效率;最后,采用近似模型技术和隔代映射遗传算法完成对可靠性指标的高效求解。结果表明,该方法能有效对气囊座椅的防护特性进行可靠性评估,在装备空降技术领域具有一定的实际工程意义。     

一种基于概率-证据理论的滑动轴承可靠性优化设计*

针对传统的滑动轴承优化设计中,忽略了不确定因素对滑动轴承的影响,提出一种新的滑动轴承可靠性优化设计方法。在该优化中,由于部分参数存在认知不确定性,利用概率论和证据理论表示不确定参数的分布。将概率论、证据理论和一次二阶矩法相结合,构建基于概率-证据理论的滑动轴承可靠性优化设计模型,并采用遗传算法对滑动轴承进行优化设计。算例结果表明,采用新方法优化后滑动轴承的承载能力明显提高了60%,摩擦因数减小10%,发热量降低6.9%。虽然可靠性优化设计方法相对于确定性优化设计方法降低了轴承的部分最优设计参数,但是滑动轴承的润滑可靠性显著提高,能够降低润滑失效带来的轴承故障,具有较高的工程实用性。     

结构凸集—概率混合可靠性分析的新方法

对凸集不确定性和随机变量共存的结构混合可靠性模型行研究,以解决部分参量统计信息不足时的结构可靠性评定问题。基于Info-gap理论,建立一种统一的结构非概率可靠性模型,由此导出一种与概率可靠性方法等价的椭球非概率可靠性模型。用一种特定的椭球凸集模型描述随机变量不确定性,与一般性的凸集模型复合,将凸集不确定性和随机变量共存的混合可靠性问题统一为非概率可靠性问题。基于非概率可靠性方法,提出一种一般性的凸集-概率混合可靠性方法。给出的混合可靠性指标同时具有稳健可靠性和概率可靠性意义,可通过含约束的优化问题求解。算例分析显示,当数据分散性较强或较弱时,已有的混合可靠性方法不能有效度量结构可靠性,新方法更具合理性和适用性。     

工程机械柔性机械臂振动的混合可靠性分析

基于概率-区间混合不确定性模型及结构可靠性分析方法,针对工程机械多关节柔性机械臂的振动可靠性进行研究。根据机械臂不确定参数的信息完备程度,通过概率变量和区间变量对不确定参数进行度量。基于柔性臂架有限元仿真数据,构建机械臂参数与结构固有频率关系的径向基函数代理模型,进而通过概率-区间混合可靠性分析方法对机械臂共振的失效概率进行区间估计。最后将该方法应用于实际产品,通过工程实例验证了方法的有效性。     

证据理论与模糊分布相结合的可靠性方法研究

工程系统可靠性分析中,某些认知不确定性变量无法采用单一的理论模型进行准确地描述,常存在不确定性信息的丢失。为了准确处理工程系统的可靠性信息,文中提出了一种证据理论结合模糊分布的可靠性分析方法。首先通过对证据理论中的焦元赋予隶属度函数建立起模糊分布的证据理论模型。然后通过融合方法求得相应模糊焦元的BPA(Basic Probability Assignment)和融合后的隶属度函数,并通过归一化因子将融合后的隶属度函数转换为概率密度函数。最后根据BPA和等价概率密度函数建立初始样本点,采用MCMC(Markov Chain Monte Carlo Simulation)子集模拟法来分析工程系统的小概率失效性。通过工程应用说明:相比于单一的模糊理论或证据理论,证据理论与模糊分布相结合的可靠性方法具有更好地处理认知不确定性的能力,计算高效,分析结果精确,适合混合不确定性工程系统可靠性分析。     

考虑相关性的证据理论结构可靠性分析方法

构建了一种考虑相关性的证据理论高效求解模型,讨论了该模型在结构可靠性中的应用。为了提高证据理论进行结构可靠性分析的准确性和效率,引入了非概率凸模型中的椭球模型和一种高效分析方法。通过把非概率凸模型中的椭球模型应用到证据理论中,考虑每对变量的相关系数,把变量的边缘基本可信度分配(BPA)转化为联合基本可信度分配。提出了一种高效计算方法,通过寻找最可能失效点(MPP)将不确定域划分可靠域和待确定域,结构可靠性的求解只需要在待确定域中进行。该方法减少了需要计算的焦元数,提高了证据理论模型求解结构可靠性的效率。     

一种基于证据理论的可靠性设计方法

证据理论是一种用于描述不确定变量的非连续概率模型,本文提出一种基于证据理论的可靠性设计方法。在该方法中,将证据理论视为具有一定非精确概率分布的区间模型,运用区间模型的功能度量法,通过在约束函数中改变优化变量的取值摄动起作用约束中的不确定变量从而求得问题中不确定变量的最不可靠点,再综合运用序列优化策略与基于信赖域的响应面方法求得系统的最优解。算例表明,此方法能够解决基于证据理论的单学科及多学科可靠性设计问题并且具有较好的计算效率。     

随机-区间-模糊变量下的结构拓扑优化设计

研究具有随机-区间-模糊混合变量的平面连续体结构在刚度约束下的拓扑优化设计问题。考虑结构的材料物理参数、外部载荷及结构许用柔度分别同时为随机、区间或模糊三种不同类型的变量,首先利用信息熵转化法将模糊变量转换为等价的正态随机变量,然后基于概率可靠性分析方法获得随机变量和区间变量共存时的混合可靠性指标。在此基础上建立了以结构单元有无为设计变量,结构体积极小化为目标函数,满足结构柔度混合可靠性约束的平面连续体结构拓扑优化数学模型,并利用渐进结构优化法求解。通过两个算例验证文中所建模型的合理性及求解策略、方法的有效性。     

一种耦合区间-随机混合可靠性分析方法

考虑区间变量的耦合性,基于多椭球模型提出了一种高效的耦合区间-随机混合可靠性分析方法。为解决耦合区间变量导致的可靠性分析计算效率低的问题,采用序列迭代分析方法,将混合可靠性分析的双层耦合循环分解为概率分析与区间分析,并结合多项式插值法提出了一种适用于极限状态函数关于耦合区间变量单调与非单调两种工况的高效区间分析算法。算例结果表明,所提的混合可靠性分析方法具有较好的计算精度与计算效率。     

一种基于证据理论的稳健设计方法

提出了基于证据理论同时处理随机不确定性与认知不确定性的稳健设计方法。通过对随机不确定性参数的概率密度进行证据结构化,建立了随机与认知不确定性参数的统一量化和传播框架,构建了基于证据结构响应均值与变差的稳健设计准则。实例研究表明所提方法可行有效。     

A robust hybrid model integrating enhanced inputs based extreme learning machine with PLSR (PLSR-EIELM) and its application to intelligent measurement

In this paper, a robust hybrid model integrating an enhanced inputs based extreme learning machine with the partial least square regression (PLSR-EIELM) was proposed. The proposed PLSR-EIELM model can overcome two main flaws in the extreme learning machine (ELM), i.e. the intractable problem in determining the optimal number of the hidden layer neurons and the over-fitting phenomenon. First, a traditional extreme learning machine (ELM) is selected. Second, a method of randomly assigning is applied to the weights between the input layer and the hidden layer, and then the nonlinear transformation for independent variables can be obtained from the output of the hidden layer neurons. Especially, the original input variables are regarded as enhanced inputs; then the enhanced inputs and the nonlinear transformed variables are tied together as the whole independent variables. In this way, the PLSR can be carried out to identify the PLS components not only from the nonlinear transformed variables but also from the original input variables, which can remove the correlation among the whole independent variables and the expected outputs. Finally, the optimal relationship model of the whole independent variables with the expected outputs can be achieved by using PLSR. Thus, the PLSR-EIELM model is developed. Then the PLSR-EIELM model served as an intelligent measurement tool for the key variables of the Purified Terephthalic Acid (PTA) process and the High Density Polyethylene (HDPE) process. The experimental results show that the predictive accuracy of PLSR-EIELM is stable, which indicate that PLSR-EIELM has good robust character. Moreover, compared with ELM, PLSR, hierarchical ELM (HELM), and PLSR-ELM, PLSR-EIELM can achieve much smaller predicted relative errors in these two applications.     

不确定信息条件下Job-shop调度的混合智能算法

目前大多数生产调度的研究往往聚焦于经典调度问题的优化算法而忽略了车间中大量存在的不确定性，因而难以应用于实际车间调度。采用随机变量来描述真实车间中存在的一些不确定信息，在基于不确定规划理论的基础上建立了相应的不确定性调度模型，并研究了解决此类问题的混合智能算法。开发了混合智能优化原型系统，并结合仿真工具对该调度模型和混合智能算法进行了验证。     

Improved correlation analysis and visualization of industrial alarm data

The problem of multivariate alarm analysis and rationalization is complex and important in the area of smart alarm management due to the interrelationships between variables. The technique of capturing and visualizing the correlation information, especially from historical alarm data directly, is beneficial for further analysis. In this paper, the Gaussian kernel method is applied to generate pseudo continuous time series from the original binary alarm data. This can reduce the influence of missed, false, and chattering alarms. By taking into account time lags between alarm variables, a correlation color map of the transformed or pseudo data is used to show clusters of correlated variables with the alarm tags reordered to better group the correlated alarms. Thereafter correlation and redundancy information can be easily found and used to improve the alarm settings; and statistical methods such as singular value decomposition techniques can be applied within each cluster to help design multivariate alarm strategies. Industrial case studies are given to illustrate the practicality and efficacy of the proposed method. This improved method is shown to be better than the alarm similarity color map when applied in the analysis of industrial alarm data.     

基于Pareto挖掘的白车身侧碰安全件轻量化优化设计

为提高白车身轻量化优化效果,提出了熵权灰色关联分析法用于挖掘非支配Pareto解集中的最优解。建立了白车身及整车侧碰有限元模型,通过实车侧碰试验验证了所建模型的准确性。以侧碰安全件料厚为设计变量,综合考虑白车身弯扭刚度、振动频率等基本静-动态性能及侧碰安全性能,构建径向基函数神经网络结合Kriging（RBFNN-Kriging）混合近似模型并联合第二代非支配排序遗传算法（NSGA-Ⅱ算法）进行了多目标优化。最后,提出了熵权灰色关联分析法计算所有非支配Pareto解的灰色关联度,并以此为评价指标进行多目标决策。优化决策结果表明：在满足白车身性能设计基线的要求下,白车身侧碰安全件质量减小了2.68 kg,取得了较好的轻量化效果。