基于维护的产品使用可靠性评估及应用

在对定期维护条件下的产品进行可靠性分析时,由于现有性能退化处理方法没有考虑维修行为对产品性能信息的影响,导致处理结果无法准确反映工程需要。考虑维护对该类产品退化量的影响,利用复合Poisson过程对其退化过程进行了建模,并给出了模型参数的矩估计方法,进而给出了一种与定期维护条件下的产品退化过程更加相符的可靠性评估方法。通过进行仿真算例分析,验证了方法的可行性,并说明了方法对合理选取维修决策具有一定的应用价值。     

不可修复产品的组合维修和备件供应策略

为了保证产品的技术状态,避免发生失效,部分不可修复产品会采取定期维护与视情更换的组合维修策略,其中备件供应直接影响产品的维修能力。针对该类产品,重点对其组合维修策略和备件供应策略进行了联合优化研究。首先,分析了定期维护条件下产品的性能变化特点,结合累积失效理论,利用复合泊松过程建立了该条件下产品的性能退化模型;其次,给出了组合维修与备件供应策略要求,并构建了产品维修和备件供应概率模型;再次,建立了以产品长期运行条件下费用率最低为目标的优化模型,对维护周期、预防性更换阈值、备件供应时刻等策略值进行了优化确定;最后,利用算例分析了费用率与策略值之间的关系,并说明了该策略的优点。     

海军新型舰船修理价格管理的思考

为了规范海军新型舰船修理价格管理工作，提高舰船维修管理费使用效益，针对现有舰船修理价格管理模式存在的不足，从遵循舰船修理价格形成机制的角度，提出了分阶段报审价，以及定期调整修理价格的管理模式，并重点对新型舰船首次等级修理前的报价工作进行了规范。     

一种Weibull型备件需求量的改进算法

由于模型复杂、计算困难, Weibull型备件的需求量通常采用指数型备件的需求模型进行近似计算(称为指数算法). 虽然指数算法计算简单, 工程应用方便, 但结果保守, 容易造成备件资源的浪费. 文章根据"累积失效概率相等"原则, 利用Weibull型与指数型备件在保障时间内期望累积故障次数相等的关系, 提出一种改进的指数算法, 能够更加方便准确地确定备件需求量. 通过蒙特卡洛模拟和算法比较, 结果显示: 当保障时间小于平均寿命时, 改进算法的计算结果比原指数算法的保守度大大降低, 更加接近真实需求量, 从而能够有效减少备件的浪费.     

考虑模型选择的退化数据分析方法

对于高可靠长寿命产品,利用产品的退化数据进行可靠性评估的一种常用方法是基于退化量分布的方法。这种方法需要假设产品各检测时刻退化量分布服从相同的分布形式,这在实际中往往不能满足。本文提出的方法充分利用各检测时刻退化数据的信息,利用模型选择的方法获得产品在各检测时刻的退化量分布,在不依赖分布参数的退化轨迹前提下,通过分布拟合估计产品寿命分布参数进行可靠性评估。最后通过实例分析,验证了本方法的灵活性和有效性。     

基于退化数据的可靠性评估方法探讨

一般对退化数据的分析是基于建立退化轨道模型进行的,但这些方法对于退化轨道未知的产品的可靠性评估效果较差。提出了不假定退化轨道模型的评估方法,利用试验得到产品的退化信息,进而获得产品在各检测时刻的可靠度,并用具有保证参数的分布族对寿命变量分布进行假设,通过分布拟合获得参数的估计值进行可靠性评估。给出实例进行了不同方法的比较,验证了该方法的可行性和有效性。     

装备研制过程中“技术”与“经济”双控的几点思考

针对以往装备研制过程中重技术、轻经济的问题，根据军品价格工作改革的指导意见，结合装备研制特点，建立成本监控的组织机构，明确在装备研制不同阶段的监控时机、监控内容和成本信息收集内容，并给出了成本超标处理方法和标准，以及对实际购置成本超过目标成本情况进行处置的方法，从而实现对装备技术状态和成本的双控制。     

装备研制项目中止决策探讨

分析了装备研制项目中止决策的重要性及其特征,论述了结合转阶段评审对项目进行中止评估的可行性,并给出了装备研制项目中止决策的运行程序,最终规范了装备研制项目中止与否的科学决策程序。     

基于主成分分析与核独立成分分析的降维方法

根据主成分分析（principal component analysis, PCA）法的降维去噪技术和核独立成分分析（kernel independent component analysis, KICA）法的盲源分离技术,提出了一种关于两者的融合方法,即PCA-KICA方法。将该方法应用于线性和非线性高维混合信号的降维处理中,以相关系数和Amari误差为标准,同主成分分析与独立成分分析（principal component analysis independent component analysis, PCA-ICA）融合方法进行比较。仿真结果标明,PCA KICA方法与PCA-ICA方法相比,在处理复杂非线性高维混合信号时效果相当,但在处理线性高维混合信号时的效果较好。