基于二元决策图的共因失效系统Birnbaum重要度计算

在传统Birnbaum重要度理论及其计算方法基础上,提出了针对系统受共因失效影响情况下的共因失效故障树扩展方法和共因失效决策建模方法.以提高共因失效系统Birnbaum重要度计算效率为目标,借助二元决策图,对二态共因失效系统重要度计算模型进行构建,给出了模型的相关算法,并以算法验证模型及算法的有效性.     

材料定额系统研究与开发

为了解决目前材料定额编制过程中效率低、工作量大、准确性差等问题,设计开发了一种基于C／S结构的材料定额系统,实现了定额的编辑、汇总、管理、材料编码等功能,并介绍了系统的体系框架结构、工作流程及相应功能。     

基于DBN-LSTM的滚动轴承剩余寿命预测模型

针对滚动轴承退化数据的复杂性和传统的寿命预测方法不能充分利用数据的相关性从而导致预测精度不高的问题,提出了一种基于融合深度置信神经网络（deep belief neural , DBN）和长短时记忆神经网络（long-short term memory , LSTM）的剩余寿命预测模型。该模型首先采用带通滤波降噪对滚动轴承振动数据进行去噪,然后依据均方根特征和峭度特征在轴承全寿命周期内的趋势图确定模型的预测起始点;其次利用优化后的4层DBN网络完成深度特征提取并用于LSTM的训练与测试。通过轴承全寿命周期试验证明提出模型的可靠性,并且与传统LSTM、BP(back propagation)神经网络和DBN-BP模型的预测结果进行对比,验证了本文模型的有效性。     

采用参数自适应最大相关峭度解卷积的滚动轴承故障特征提取

针对滚动轴承故障特征信号因受传输路径和强噪声的干扰而导致周期性故障脉冲难以提取以及最大相关峭度解卷积(MCKD)参数依赖人为经验选择的问题，提出一种参数自适应MCKD的滚动轴承故障特征提取方法。以解卷积信号的包络谱熵作为适应度函数，利用麻雀搜索算法强大的全局搜索能力自适应地选择MKCD方法的最佳参数组合；利用参数优化后的MCKD方法对故障信号进行解卷积运算，滤除掉信号中的噪声，以突显由轴承故障激发的周期性故障脉冲；对解卷积信号进行包络解调，以提取出轴承故障特征频率成分。仿真结果表明，与遗传算法和粒子群算法相比，采用麻雀搜索算法可使MCKD参数在优化中具有更快的收敛速度和更强的稳定性。对滚动轴承进行全寿命周期实验及对工程案例的实验结果表明：所提方法能自适应提取强噪声中的轴承周期性故障脉冲成分，信号的峭度提高了3倍，鲁棒性更强；与直接谱分析和快速谱峭度方法相比，所提方法能完整提取信号中的故障特征频率成分，成功率可达100%,有效提高了滚动轴承的故障诊断精度。     

基于风险规避特性的供应链回购契约机制

针对风险规避供应商与风险中性零售商组成的二级供应链协作激励问题。对比分析供应商为风险中性和风险规避者两种情形下,回购契约对零售商多订货行为的影响。采用数值分析手段,定量刻画了回购契约参数与供应商风险规避程度之间的关系。研究结果表明：一但供应商风险规避程度超过一定的限制,回购契约已经不能完善协调供应链,此时需要设计新的协调机制。