LSSVM在指数寿命型小子样IC寿命预测的应用

针对传统寿命预测方法需要大量样本与现代高可靠集成电路（IC）在寿命试验中通常只有少量失效样本的矛盾,提出了基于最小二乘支持向量机（LSSVM）的指数寿命型小子样IC寿命预测方法。用蒙特卡罗方法研究了该方法在指数寿命型IC寿命预测应用中的可行性,同时与基于神经网络的预测方法相比,结果表明基于LSSVM的方法能更精确地预测小子样下IC的寿命,可为预测指数寿命型小子样IC的寿命提供一种新的有效途径。     

可测量潜在故障模式的特种设备可靠寿命预测

由于失效样本少,传统的可靠性分析方法并不适用于特种设备的寿命预测.根据产品研制阶段的实验数据和同类产品的相关历史记录确定可靠性评估的验前信息.结合小样本现场试验数据,应用Bayes方法融合产品的验前信息和现场信息,得到产品寿命的验后分布,进而建立产品可靠寿命的预测模型.以桥式起重机为例,针对具有可测量退化量的潜在故障模式——主梁下挠超标,推导了主梁两阶段可靠寿命的退化规律,得出了在给定可信度下主梁从下挠值为0至发生潜在故障和发生潜在故障后继续使用至发生功能故障的工作时间,进而为主梁的检测和维修提供理论基础.该研究对于缺乏大样本试验数据的特种设备的可靠寿命预测与风险预防具有借鉴意义.     

可测量潜在故障模式的特种设备可靠寿命预测

由于失效样本少,传统的可靠性分析方法并不适用于特种设备的寿命预测.根据产品研制阶段的实验数据和同类产品的相关历史记录确定可靠性评估的验前信息.结合小样本现场试验数据,应用Bayes方法融合产品的验前信息和现场信息,得到产品寿命的验后分布,进而建立产品可靠寿命的预测模型.以桥式起重机为例,针对具有可测量退化量的潜在故障模式——主梁下挠超标,推导了主梁两阶段可靠寿命的退化规律,得出了在给定可信度下主梁从下挠值为0至发生潜在故障和发生潜在故障后继续使用至发生功能故障的工作时间,进而为主梁的检测和维修提供理论基础.该研究对于缺乏大样本试验数据的特种设备的可靠寿命预测与风险预防具有借鉴意义.     

考虑随机退化和信息融合的剩余寿命预测方法

针对性能退化过程服从Wiener过程的产品,运用贝叶斯统计推断法,提出了一种融合产品现场实测性能退化数据与同类产品常规退化试验信息、历史寿命信息的个体剩余寿命预测方法.建立了基于Wiener过程的产品剩余寿命模型;考虑到个体之间的性能退化差异性,假定Wiener过程参数服从随机分布模型,建立了个体现场实测退化数据下分布参数的贝叶斯估计模型,给出了超参数后验估计公式;分别建立了退化数据和寿命数据下的完全似然函数,构建了基于最大期望算法的超参数先验估计模型;通过实例分析验证了所提方法的正确性和优势,结果表明本方法可有效处理个体现场实测退化信息与同类产品先验信息之间的剩余寿命预测问题.     

双定时混合截尾下Pareto产品失效时刻的预测

假设受试样品的失效时刻服从Pareto分布，基于双定时混合截尾样本得到了未来失效时刻的概率密度函数，利用经典方法得到了未来失效时刻的点预测和区间预测.当形状参数的先验分布分别取为伽玛先验和无信息先验分布时，得到了未来次序失效时刻的等尾预测区间.根据所得到的双定时混合截尾数据，对于独立同分布于该Pareto分布的任一产品，得到了它的失效时刻的中位数预测和区间预测.借助一个数值例子，利用文中的结论计算出了相关的点预测和区间预测.     

基于多阶段-随机维纳退化过程的产品剩余寿命预测方法

针对退化失效型产品的剩余寿命预测是开展其视情维修的关键前提。考虑到一些产品性能退化过程具有多阶段非单调的特点,提出基于多阶段-随机维纳退化过程的产品剩余寿命预测方法。针对产品退化过程的每一阶段,主要考虑以高应力加速退化试验数据为先验信息,不预先给予Wiener过程参数的假定分布,而利用加速因子将高应力下的参数估计值折算到正常应力下的参数值;再通过使用Anderson-Darling方法确定参数的最优分布,作为参数的先验分布;然后通过Bayes方法利用产品正常应力下实时退化数据对参数先验分布进行更新,得到参数后验分布,进而对产品的剩余寿命进行预测;最后以某型加速度计为实例验证了所提出的方法适用性和有效性。     

Bayes方法在滚动轴承寿命考核中的应用

本文在收集并处理某轴承厂近十年来滚动轴承寿命试验数据基础上,拟合了 Weibull 寿命分布参数的先验分布.推出 Baycs 可靠性验证试验(简称 BRDT),并将其应用于滚动轴承寿命考核。由于该方法充分利用先验信息和当前试验信息,所以较现行考核方法大大缩短试验时间,降低试验费用.     

航空轴承寿命评估

基于航空轴承制造和使用上的特殊性,其寿命的评估也与民用产品不同,文章根据航空轴承试验的特点,结合先验的试验数据结果,采用小子样、无失效数据的数理统计方法,提出了一种新的航空轴承的"定寿"评估方法,介绍了新方法的原理,并举例说明其应用.     

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.     

产品失效的神经网络预测法

小子样的预测是一个比较复杂的问题．以产品失效为例，应用神经网络预测方法，成功地对产品失效的发展趋势进行了预测，获得了很好的效果．结果表明，神经网络预测法对小子样的分析精度能满足工程需要，实例分析的结果也符合工程实际．     

指数分布的无失效数据的Bayes统计分析

随着科学技术的进步,产品的质量也不断提高,产品的寿命越来越长,由定时截尾寿命试验获得的数据经常是"无失效数据,"特别是高可靠性样本试验的研究。本文根据指数分布的无记忆性,给出可靠度的先验分布,进而在无失效数据的情况下,得到了平均寿命的Bayes估计,并给出了某时间处的可靠度的Bayes估计。     

基于M-SVR与RVFLNs的高炉十字测温中心温度估计

由于高炉中心温度较高,十字测温中心位置传感器极易损坏,并且更换周期长,因而导致无法及时判断炉顶煤气流分布.采用多输出支持向量回归(M-SVR)和随机权神经网络(RVFLNs)两种数据驱动智能建模方法建立高炉十字测温中心带温度估计模型,并基于实际工业数据对建立的模型进行验证和比较分析.结果表明,在样本数量较小时,M-SVR模型和RVFLNs模型都具有较好的温度估计效果,但当样本数量充足时,M-SVR模型的泛化性能和估计精度更优于RVFLNs模型.     

基于混合威布尔分布的水稻插秧机的可靠性分析及剩余寿命预测

为了更准确描述水稻插秧机的失效规律,提高可靠性分析的准确性,对某型水稻插秧机的故障数据进行分析,采用两参数混合威布尔分布对水稻插秧机进行建模。以残差平方和最小为优化目标,建立参数估计优化模型,利用改进粒子群算法对其进行求解,然后采用K-S检验法对模型进行检验,对比单一威布尔模型、混合威布尔模型与水稻插秧机失效数据之间的拟合程度,得出使用两参数混合威布尔模型评估水稻插秧机可靠性的合理性,在此模型的基础上计算得到水稻插秧机的平均无故障工作时间为161.75h,中位寿命为147.14h,特征寿命为191.31h,且在可靠度为0.6时,预防性维修周期为115.19h,最后在混合威布尔分布模型的基础上计算出剩余寿命-可靠度的关系,可定量分析插秧机在一定使用时间下的剩余寿命,从而进行预测性维护。     

确定岩体力学参数先验分布的随机加权Bayes方法

岩体力学参数在进行Bayes法统计时必须利用先验分布,但经常出现先验信息少而不能确定先验分布的情况.为了解决小样本条件下先验分布确定的问题,采用随机加权重采样技术,产生岩体力学参数再生样本来模拟先验信息的总体分布,从而获得岩体力学参数先验信息统计分布的均值与方差,将其与当前样本分布信息代入贝叶斯公式,从而实现了对岩体力学参数后验分布的确定.仿真算例证明,这种方法在进行岩体力学参数估计时比经典参数估计方法有更高的精确性.     

恒定应力加速寿命试验下产品生存率的Bayes估计

本文介绍在恒定应力加速寿命试验下.产品生存率的 Bayes 估计。应用该方法、至少可以摆脱下述的二个假设:(1)在任一个应力水平上产品的寿命分布都是相同或近似相同类型的; (2)产品失效分布的参数和使用的应力之间有已知函数关系.而第二个假设不尽合理,叫人难以接受,即使假定是合理的,却需要大样本去估计这种关系中的参数本文的方法摆脱这个假设,可适用于小样本的情形,最后给出一个例子.     

含缺失数据时分组数据的AMSAA模型的Bayes分析

针对小子样变总体的含缺失数据时分组数据的AMSAA模型,提出Bayes可靠性增长分析方法,得到模型的参数以及系统能达到的MTBF的Bayes点估计和Bayes区间估计,结合实际例子进行运算.     

Weibull分布下绕线联轴器双应力加速寿命试验研究

针对绕线联轴器具有较长的工作寿命,其可靠性很难快速评定的问题,采用恒加试验方法,进行了绕线联轴器双应力加速寿命试验及其失效寿命数据的统计分析;在加速寿命试验中,通过对绕线联轴器的失效机理进行分析,确定了加速应力及加速模型,采用Escobar-Meeker（E-M）法确定了加速寿命试验的条件矩阵;失效寿命数据的统计分析中,假设绕线联轴器的寿命服从威布尔分布,利用威布尔概率纸检验和巴特利特检验相结合的方式对绕线联轴器的寿命分布进行检验;利用极大似然估计法（MLE）和最佳线性无偏估计法（BLUE）确定分布模型的形状参数和特征寿命,并对参数估计方法进行了分析比较;对绕线联轴器双应力恒加试验数据的统计分析表明：绕线联轴器的寿命可用双应力逆幂律-Weibull精确描述,获得了加速应力-寿命模型,某型绕线联轴器在正常转速水平1000r／min,正常扭矩水平0.6Nm下可靠性指标的最佳线性无偏估计。     

双边定数截尾下Topp-Leone分布的Bayes估计与预测

在双边定数截尾样本下得到了Topp-Leone分布中参数的极大似然估计.基于无信息先验分布和Gamma先验分布,在平方损失和预防损失下分别得到了参数的Bayes估计.根据后验密度函数得到了未知参数的Bayes可信区间和未来观测值的预测密度,进而可得预测值和预测区间.利用Monte-Carlo模拟计算了参数的各种估计的均方误差,研究结果表明:当取Gamma先验分布时,在平方损失下参数的Bayes估计是最优的.最后通过一个寿命数据的例子计算出未知参数的估计以及未来观测值的预测值和预测区间.