综合退化数据与寿命数据的某型电连接器寿命预测方法

针对基于寿命数据的预测方法效率不高的问题,在进行温、湿度双应力加速退化试验的基础上,研究了通过分析加速退化数据而进行寿命预测的途径.为了充分利用所收集的产品寿命数据来提高预测精度,提出了综合退化数据与寿命数据的寿命预测方法.分别使用Wiener过程、逆高斯分布和广义Eyring模型对产品性能的退化数据、少量寿命数据以及产品反应率进行建模,并建立了综合以上信息的可靠性模型.在此基础上,利用Markov Chain Monte Carlo仿真方法得到模型参数的点估计值,通过Bootstrap自助抽样法获得了模型参数的估计区间.结果表明,所提出的综合退化数据与寿命数据的方法可以提高寿命预测精度.     

基于性能退化的控制力矩陀螺寿命预测

控制力矩陀螺具有高可靠、长寿命特点,传统试验方法难以获取失效样本。但是控制力矩陀螺在轨工作期间的遥测数据中包含了很多性能退化信息,在详细分析这些数据的产生机理、影响因素和变化规律的基础上,结合已知的失效指标,选择合适的性能退化参数,针对性能退化参数建立陀螺的寿命预测模型。利用遥测数据拟合模型参数,进行趋势外推计算陀螺的预测寿命。文章最后给出了两种性能退化指标的控制力矩陀螺寿命预测实例,验证了该方法的有效性。     

集成RS和SVR的电力系统短期负荷预测方法

基于粗糙集(RS)理论和支持向量回归(SVR)方法,提出一种电力系统短期负荷预测方法.采用粗糙集理论对影响负荷预测的各因素进行约简,将约简后得到的最小条件属性集,以此确定输入样本的维数并构造训练样本,作为支持向量回归机的输入进行训练预测.在此基础上,利用已知历史负荷数据构造训练样本群,作为SVR的输入进行训练,采用训练完毕后的SVR模型进行负荷预测.实验结果表明,与神经网络方法和标准SVR方法相比,集成粗糙集和支持向量回归的负荷预测方法,可以在缩短训练时间的前提下获得较高的预测精度.     

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.     

一种基于遗传算法优化小波支持向量回归机的实时寿命预测方法

针对现有实时寿命预测方法没有充分利用同类产品性能退化数据信息的问题,从研究退化轨迹相似性的角度出发,提出一种基于遗传算法（GA）优化小波支持向量回归机（WSVR）的实时退化轨迹建模和寿命预测方法.首先基于GA优化WSVR建立各同类产品的性能退化轨迹模型,然后以特定个体的历史测量时刻向量为基准,计算同类产品的相应退化测量值向量及其与特定个体退化测量值向量的Euclid距离,并根据Euclid距离确定隶属度权值,基于加权思想建立特定个体的退化轨迹模型,最后结合实时测量数据依次更新退化测量值向量、Euclid距离、隶属度权值和退化轨迹模型,实现实时寿命预测.实例分析验证了所提出的方法是有效的.     

基于主成分分析和支持向量机的区域降水预测应用研究

将主成分分析和支持向量机回归相结合, 以广西5、6月区域平均日降水量作为预报对象, 进行区域日降水量预测研究.首先,整理分析大量的T213数值预报产品信息数据进行主成分分析, 得到主成分数据序列; 其次, 根据主成分数据序列建立训练集训练支持向量机, 并利用遗传算法优化参数; 最后, 输入支持向量机所需数据, 得到主成分预测结果, 建立广西日降水预报模型. 实例计算结果表明, 支持向量机回归模型比逐步回归模型有更好的预测能力.     

基于相关向量机的发动机剩余寿命预测

针对民航发动机寿命预测中监测参数较多筛选困难的问题,提出一种基于信息融合与相关向量机的发动机剩余寿命预测方法。首先通过核主元分析方法从发动机多维监测数据中提取退化特征信息;然后利用非线性模型将主元序列融合成反映发动机退化趋势的健康指数序列;最后采用相关向量机以历史失效数据为训练样本建立预测模型,对现有的发动机健康指数序列进行外推预测得到当前样本的寿命预测值。通过NASA Ames研究中心公开的涡轮风扇发动机仿真数据验证了该方法的有效性,其预测性能优于常用的支持向量机模型和过程神经网络模型。     

出砂预测新方法及应用研究

针对东辛油区出砂严重及其复杂机理,常规出砂预测方法精度差的问题,从储层特点、开发参数出发,系统分析出砂原因,在此基础上提出了基于支持向量机的出砂预测方法.通过选取不同的核函数,对已知出砂情况的井及其影响因素进行学习,建立了支持向量机出砂预测模型.结果表明,该模型采用径向基核函数具有较高的预测精度,同时避免了常规出砂预测...     

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。     

TB-200飞机航空电机的使用可靠性及故障分析

航空电机是现代飞机电气设备的重要组成部分。针对飞行训练中常用的TB—200型飞机,根据机载航空电机的故障数据,进行各类航空电机的使用可靠性分析。得出故障率、寿命分布函数和可靠度分布函数。比较了几种电机故障率与可靠性之间的差异。统计出各种航空电机的故障类型。分析了故障原因。最后总结了航空电机的维护注意事项。     

基于灰色理论的海底管道腐蚀剩余寿命预测方法

以灰色理论的基本模型为基础,探讨了灰色模型的改进方法.分析了海底管道腐蚀因素与腐蚀量之间的规律以及应用灰色理论进行剩余寿命预测的可行性.提出了基于灰色理论的海底管道剩余寿命预测方法.利用灰色理论预测腐蚀海底管道剩余寿命的步骤主要包括:最小允许厚度的确定,腐蚀速率的预测以及剩余寿命预测.利用该方法,可以在测量数据很少的情况下预测海底管道的剩余寿命.     

金属物质社会蓄积量理论分析模型

将金属物质流分析与金属产品生命周期链群结合起来,构建了金属物质社会蓄积量理论分析模型.由该模型分析得出,金属物质社会蓄积量及其净增量与金属制品消费量、消费量的年变化率和金属制品使用寿命密切相关.初始年的金属制品消费量愈大、消费量的年变化率愈快、金属制品使用寿命愈长,金属物质的社会蓄积量及其净增量就愈多.金属制品使用寿命超过平均使用寿命而延长时,金属物质社会蓄积量的回收率将降低.分析结果对于金属工业产业政策的制定有一定的参考价值.     

GA-SVM和神经网络组合模型预测充填钻孔寿命

 充填钻孔是充填料浆从地表输送到井下采场的咽喉工程,是矿山正常运转的保障,因此对矿山充填钻孔使用寿命进行预测十分重要。通过建立支持向量机（SVM）和BP神经网络组合预测模型,用训练集对模型进行训练,以验证集预测值的均方误差作为SVM适应度函数,通过遗传算法（GA）对SVM模型参数进行优化选择,应用优化得到的SVM模型进行预测,并结合BP神经网络进行残差修正,最终得到预测结果。以某矿为例,通过GA得到SVM模型最优参数：适应值（均方误差mse）=0.0111,惩罚系数C=47.0768,核函数参数σ=2.2638。通过优化的SVM模型,对预测集充填钻孔寿命进行预测,经BP神经网络残差修正,预测结果的相对误差均控制在3%左右。对比单一预测模型,组合预测模型预测结果更加理想,精度更高,在类似的预测工程中有良好的推广价值。     

拉深模的失效分析与对策

针对拉深模的主要失效形式，分析了影响拉深模失效的因素，并提出了提高拉深模使用寿命的措施。采用这些措施．可较大地提高拉深件的加工质量和生产效率，取得较好的经济效益。     

电子产品的贮存可靠性研究

该文研究无线电及电子产品的贮存可靠性问题，针对某典型无线电产品建立仿真分析的数学模型，进行加速寿命试验，以试验数据为基础建立“三大关系”，进而完成了仿真分析，得出电子产品贮存失效的基本规律，确定电子产品的具体可靠贮存年限，并得出加速寿命试验与自然储存的时间对应关系。     

基于关联价格网的产品价格预测方法

为实现产品价格影响因素较大波动情况下的价格快速预测,提出了一种关联价格网产品价格预测模型.对引起产品价格变化的主要因素进行了分析,分别以产品、原材料、竞争产品的价格、供需量的变化引起产品价格的变化为基础构建产品的关联价格网.然后,对关联价格网性质进行理论推导,得出可以用产品的关联价格子网替代整个关联价格网对产品价格进行预测的结论,从而简化模型.进而采用神经网络构建一个反映关联价格子网中价格波动因素的预测网络(PFN),并利用神经网络学习和计算方法对产品的价格进行预测.理论分析和仿真实验显示该价格预测方法具有很好的应用价值.     

基于蚁群优化支持向量机模型的公路客运量预测

针对公路客运量预测难以建立精确预测模型的问题,文章引入基于蚁群优化的支持向量机算法对公路客运量进行预测。由于支持向量机的预测精度很大程度上取决于参数的选取,因此利用蚁群算法来优化其训练参数的选择,以得到优化的支持向量机预测模型,利用其对小样本及非线性数据优越的预测性能进行公路客运量的预测。以北京市的数据作为应用算例,并与BP神经网络及传统SVM的预测结果进行对比分析。实验结果表明,基于蚁群的支持向量机模型的预测精度更高,误差更小,可以更有效地对公路客运量进行预测;也说明利用蚁群算法进行支持向量机参数优选的方法是可行有效的。     

基于多应力综合加速模型的产品可靠性评估方法

提出一种基于多应力综合加速模型的产品可靠性评估方法,主要通过利用加速退化数据或加速寿命数据以及加速模型对产品进行寿命加速模型建模与参数估计,进而进行产品可靠性评估。首先基于加速退化试验数据,外推产品伪寿命数据或基于加速寿命试验获取产品寿命数据;并对寿命数据进行分布拟合优度检验确定寿命最优分布。其次结合工程中常用加速模型,选取合适多应力综合加速模型来描述分布参数与应力水平的关系。采用整体推断方法,将所有寿命数据信息作为整体进行统计分析,给出模型参数的极大似然估计。然后对产品进行可靠性评估以及可靠寿命估计。最终以某型电表为例验证了所提出的方法适用性和有效性。     

基于产品生命周期的汽车项目投资阶段识别模型

针对汽车产品投资的特殊不确定性和其投资数额大、分阶段投入的状况,应用产品生命周期理论判定汽车产品项目的投资阶段,进而获得准确的阶段投资决策点,据此构建了基于汽车产品生命周期的汽车产品投资阶段判定和汽车企业投资决策点识别模型,并就影响识别的因素、阶段、模型进行数学表述,就汽车产品投资决策点抉择问题提出了解决的思路和方法.     

影响电梯钢丝绳使用寿命的因素及对策

分析了影响电梯钢丝绳使用寿命的原因,提出了延长电梯钢丝绳使用寿命的对策。