两个独立部件并联系统的随机序性质

考虑两个独立且服从指数分布的部件组成的并联系统,研究两个并联系统Σ_1和Σ_2,其中Σ_1和Σ_2有一个部件参数相同,另一个部件参数不同,得到了Σ_1和Σ_2在随机序、似然比序、故障率序和反故障率序意义下的随机比较性质。同时,得到了部件服从成比例故障率模型和韦布尔分布模型的相应结论。     

n阶Laplace变换比率序的一些性质

研究了n阶Laplace变换比率序的一些性质.研究了该序和似然比序之间的关系、该序的等价刻画以及混合下的封闭性质.最后,得到了该序用于比较成比例反向故障率混合模型的一个结果.     

装配故障率的灰色最小二乘支持向量机分析

为了对装配故障率进行定量研究,用最小二乘支持向量机(LSSVM)对装配故障率与属性之间的关系进行了建模。在该模型中对影响故障率的5M1E(Man, Machine, Material, Method, Measurement and Environment)因素用装配可靠性评价方法(Assembly Reliability Evaluation Method, AREM)提取的装配故障率属性进行了改进,建立了装配故障率的全属性模型;为提高求解效率以及使装配可靠性控制更具有目的性,用灰色关联分析对装配故障率的属性进行提取,得到了主要属性,并用遗传算法对主要属性建立的装配故障率模型进行参数优化。用灰色关联分析提取的主要属性的LSSVM模型与全部属性建立的LSSVM模型和主要属性建立的BP神经网络模型的装配故障率预测进行比较,结果表明用灰色关联分析的LSSVM故障率模型不仅建模简单而且还具有预测精度高等优点。     

基于综合故障率的配电网实时风险评估

针对现有故障率计算模型不能同时兼顾设备运行状态和网架结构对设备故障率的影响,以及配电网的风险评估模型不能有效反映设备的实时状态等问题,提出了一种基于综合故障率的配电网实时风险评估方法.该方法考虑了主要故障因素之间的协同作用,对原有的状态评价模型进行改进,将计算准确的设备故障率代入基于健康指数的实时故障率模型中,拟合得到待定系数,根据在线监测数据计算设备在渐变性因素影响下的故障率,根据待评估配电设备所处环境突发性因素的实时强度、装备水平和网架结构水平,计算突发性潜在故障率和综合故障率.采用馈线分区的方法计算各负荷点的实时停电概率和停电风险,并通过广州地区的实例分析找到了配电设备和负荷点的薄弱环节.     

基于役龄和健康指数的可加故障率模型研究

针对传统的可加故障率模型(AHM)在描述设备状态对故障率的影响时存在缺陷,提出采用健康指数作为表征设备状态的变量,建立起以役龄和健康指数作为变量的AHM模型,基于该模型的构建原理提出模型解法,共三步:首先,求解基准故障率函数时,运用基于LS-SVM的EMD改进算法获取故障率演变曲线,用遗传算法优化该曲线;然后,求解协变量函数时,运用了灰色理论的NGDM模型;最后,对基准故障率函数和协变量函数进行联合优化。通过仿真数据验证,该方法的拟合误差小于2%,预测误差小于3%。结合真实案例探讨了模型适用性的初步检验方法,最终对模型的使用方法进行了论述。     

基于可靠度的高铁制动机周期预防维修优化研究

针对高铁制动机维修难、维修成本高等问题,建立了周期性预防维修优化模型。首先,基于可靠性理论,以最低成本为目标函数,引入改善因子来描述故障率演化规则;其次,以故障率服从威布尔分布为例,并用Matlab工具进行求解,求得设备最佳预防性维修次数,以及可靠度与成本、可靠度与改善因子间的关系;最终通过算法编程得出的结果验证了该模型在实际中的有效性。     

成比例反向失效率混合模型中的随机比较

成比例反向失效率混合模型可表示为G（x）=E[-F（x）^θ],其中,G为总体变量y的分布函数,θ为随机比例参数,F为基本分布函数。研究了θ分布函数的不同选择所对应的成比例反向失效率混合模型之间的随机比较。证明了θ和y是正似然比相依的。     

一种考虑风险的机会维修模型

基于对部件故障导致设备停机的风险评价,建立了考虑风险的机会维修模型.该模型采用役龄残余因子描述不同维修方式对部件故障率的影响,并推导了多次维修时故障率演化的递推关系.克服了以往模型仅考虑运行时间,忽视设备劣化过程非线性以及部件故障导致设备停机损失的不足.以故障率服从威布尔分布的多部件设备的算例分析结果表明,该模型符合实际情况,能够为维修决策提供有力支持.     

一类时滞微分方程的稳定性

讨论了媒介传染的时滞模型．此模型是根据可传染媒介与感染人数成比例建立的．证明了在一些条件下解的渐近稳定和全局渐近稳定．从而提供了预防传染病的埋论依据．     

基于混合故障率的并联系统预防维修优化及其仿真

针对并联冗余系统,引入基于役龄回退因子和故障率增加因子的混合故障率,构建了有限时间分别以可靠度和费用为目标函数的两种预防维修优化模型,结合模型给出一算例,利用Matlab实现的遗传算法对系统的维护策略进行优化及其仿真,并研究了系统总费用与可靠度之间的相互约束关系,实例验证了该模型的正确性。     

基于改进比例失效率模型的设备剩余寿命预测

产品的剩余寿命预测能够为产品的维修和更换提供重要的决策依据.传统的比例失效模型方法在剩余寿命预测中得到了广泛的应用,然而此方法没有充分利用产品的历史寿命信息,对产品的退化过程也没有很好地描述.针对此问题,提出了一种融合退化过程与失效率建模的产品剩余寿命预测方法.该方法首先利用线性过程对产品的退化过程建模,然后利用比例失效模型融合退化过程对失效率的影响,达到充分利用产品历史信息的目的.此外,与传统比例失效模型方法不同,模型中的比例参数分为两部分,分别将产品退化的初始信息和产品的退化增量联系起来,进一步利用产品的当前退化信息对产品的参数进行Bayes更新,基于此进行剩余寿命预测,从而实现产品历史数据和当前退化数据的有效融合.通过激光发生器的退化数据验证了所提方法的有效性.     

二维反向失效率和一类二维分布

介绍了二维反向失效率,引入一个新的度量来研究两个随机变量的相依性,考虑了反向失效率成比例时的二维分布函数情形,并且基于分布函数指数表达式得到了一类新的二维分布.     

高压燃气管道破裂的定量风险分析

高压燃气管道破裂将会危及到破裂点附近的生命财产安全．管道泄漏率是分析和评价管道破裂事故的前提和基础，将复杂的泄漏率模型进行简化，由简化模型得到的计算值与复杂模型计算值之间的最大偏差为9．3％、基于该简化模型得到的气体喷射扩散模型，其计算值与复杂模型计算值之间的最大偏差为18％．管道发生火焰喷射时，其危险域的计算值与实际值之间的最大偏差只有4m．研究表明，管道破裂危险域是与气体泄漏率的1／2次方成正比，与输气压力的1／2次方成正比，与管径的5／4次方成正比，与破裂管长的1／4次方成反比．     

基于密度依赖模型的建筑企业死亡率

基于密度依赖理论及其分析方法,研究建筑企业死亡率密度依赖过程及其影响因素,并以江苏省建筑企业1989--2007年数据为例,建立企业一年数据结构,运用Cox比例风险模型进行实证分析.研究结果表明,产业层面的演化过程对建筑企业的死亡具有显著影响,但这种影响并不符合一般产业中密度依赖模型所得出的结果.种群密度对建筑企业死亡率的影响主要表现为随种群密度的增大而不断上升,但这一过程也同时受到组织年龄的影响.除此之外,建筑企业规模、宏观环境因素等也对企业死亡率有影响作用.     

Cox比例风险模型的桥估计

在经济领域和生物科学领域的研究中,经常会遇到包括有变量指标多、样本量大的数据集.一般来说,在一个复杂模型中如果包括有很多微不足道的变量,统计结果往往很难解释.因此,为了减少这种误差,在没有先验的专业知识情况下,研究变量的选择方法非常重要.Cox比例风险模型是生存分析中重要的模型之一.本文将桥估计的变量选择方法应用于Cox比例风险模型中,该方法使用的惩罚函数是p∑j=1｜βj｜γ.用桥估计方法估计未知参数和变量选择,在一定条件下,讨论了基于惩罚部分似然的桥估计方法在Cox比例风险模型中的Oracle性质,即：相合性和渐近正态性.     

Cox比例风险模型中的校正经验似然方法

提出了一种校正经验似然方法来构造Cox比例风险模型中回归系数的置信域.该方法通过Monte Carlo模拟与基于极大偏似然估计的正态逼近的方法相比较.另外,也用该方法分析了一组急性粒细胞性白血病的临床数据.     

高速公路冰雪湿滑路面车辆换道越线时间生存分析

通过同济大学驾驶模拟器采集高速公路冰雪低摩阻路面换道驾驶行为数据,通过生存分析方法对换道越线时间(TLC)分布特征进行研究,定量分析潜在因素对越线时间的影响,并建立越线时间Cox比例风险模型。结果表明,路面摩阻系数每升高0.1或车速每提高1 km·h-1,车辆在该时刻完成越线的风险率分别提高为原来的1.14倍和1.02倍,处于跟驰状态下的车辆完成越线的风险概率提高为原来的1.29倍,越线时间相应缩短;而换道初始位置每远离目标车道1 m,风险率降低为原来的0.23倍,越线时间延长。此外,不同换道方向下的换道越线时间无显著性差异。     

鞅在分层比例风险模型中的应用

用极大似然估计的方法确定带有右删失数据的具有Cox强度的时间相依协变量分层比例风险模型的参数估计形式,并采用鞅方法得出该模型的参数估计是相合的且是渐近正态的.由此得出,在临床试验中该模型的参数采用极大似然法来估计是可行的.     

Modelling the Dropout Patterns of MOOC Learners

We conduct a survival analysis for the viewing durations of massive open online courses. The hazard function of the empirical duration data presents as a bathtub curve with the Lindy effect in its tail. To understand the evolutionary mechanisms underlying these features, we categorize learners into two classes based on their different distributions of viewing durations, namely lognormal distribution and power law with exponential cutoff.Two random differential equations are provided to describe the growth patterns of viewing durations for the two classes respectively. The expected duration change rate of the learners featured by lognormal distribution is supposed to be dependent on their past duration, and that of the remainder of learners is supposed to be inversely proportional to time. Solutions to the equations predict the features of viewing duration distributions, and those of the hazard function. The equations also reveal the features of memory and memorylessness for the respective viewing behaviors of the two classes.