具有多失效模式机械构件的失效概率计算

将线性变换与统计试验法结合起来，考虑构件失效模式的相关性，采用相关抽样的方法计算机械构件的失效概率。     

基于粗糙集的现役管道失效可能性评价

现役管道的安全与广大居民的人身安全和财产息息相关。文中通过对油气管道系统的研究,提出了影响管道失效的管道覆土厚度、公众教育、外力损伤、运行管理等9个主要因素;根据失效损失的大小,确定了4个失效后果等级;在此基础上,结合管道失效的主要案例,运用粗糙集理论和层次分析法确定各层的权重,从而得出强化管理、优化设计、提高施工质量、加强公众教育等是影响现役管道失效的6大因素。     

基于改进蜂群算法和灰色模型的管道腐蚀预测

为了解决缺少大量数据样本情况下油气管道剩余寿命预测问题,采用GM（1,1）模型预测管道腐蚀趋势。考虑到GM（1,1）模型自身存在的缺陷,采用指数变换预处理原始数据和动态生成系数重构背景值两种方法改进GM（1,1）模型的建模过程,并运用改进的蜂群算法（IABC）求解全局最优动态生成系数,进而建立改进的蜂群算法优化的指数变换灰色模型（IABC-EGM（1,1））。利用弯头测厚数据进行验证分析,GM（1,1）模型的平均相对误差为4.92%,IABC-EGM（1,1）模型的平均相对误差为2.28%,表明模型的预测精度得到了提高。     

随机模型参数不确定时结构失效概率的区间估计

在缺乏足够数据或信息不完整的情况下，给出失效概率的界限，比给出一确定的单值具有更高的可信度。本文用区间变量描述随机可靠性模型参数的不确定性，提出了考虑随机模型分布参数不确定性时，机械结构失效概率的区间估计方法。实际算例表明：结构的失效概率对随机模型参数的偏差非常敏感。说明在进行可靠性建模时，对模型的可靠性必须给予足够的重视。     

化工设备失效概率JC修正模型研究

由数据库统计所得的设备通用失效概率,是在设备各失效模式下的参数变量均达到各自均值时所对应的失效概率.本文针对基于风险的检测技术(RBI)设备修正因子的应用缺陷,结合结构可靠度理论,分析均值一次二阶矩法在实际应用过程中的局限性,建立了基于当量正态化(JC)法的通用失效概率修正模型.实例分析表明,JC法考虑了随机变量的实际分布类型,能较准确地预测设备的失效情况.     

基于概率图模型的危险驾驶罪刑期预测

针对司法实践中对于可解释性及预测性能的需求, 本文提出了一种基于概率图模型的量刑智能辅助方法. 该方法以量刑要素为基石建立含有隐节点的概率图模型, 由极大似然准则估计刑期分布的参数, 进而计算分布的数学期望得到预测值. 关于危险驾驶罪的实验结果表明, 概率图模型的预测准确率优于基于决策树和神经网络等的模型, 且具有良好的可解释性.     

无失效数据场合失效概率的Bayes估计

在无失效数据场合中,失效概率的Bayes估计是常用的方法,对一类不同先验分布下基于无失效数据的失效概率的Bayes估计和多层Bayes估计进行探索,获得了三个有用的定理和两个推论.关于无失效数据的研究,对可靠性理论与应用技术发展具有重要参考价值且具有方法论上的指导意义.     

保险失效或退保概率的马尔可夫链预测模型

利用连续时间时齐马尔可夫链构建关于保险失效或退保概率的预测模型,用以计算任一时刻处于各个状态的概率,并给出参数估计的方法.由于实际中保单的状态在特定的时刻会发生离散事件,因此使用多阶段的马尔可夫链模型来刻画这一特点,即在发生离散事件的特定时刻,定义一个跳跃矩阵描述该时刻的状态转移情况.将该模型应用到保险公司的寿险失效或退保概率的研究中,通过实际的数据对模型参数进行估计和校准,通过校准的马尔可夫链模型对其寿险失效或退保概率进行预测并得到较好的预测结果.     

腐蚀管线的剩余寿命预测

预测管线的腐蚀变化趋势及腐蚀对管线结构完整性的危害是评价管线剩余寿命的关键步骤。将影响管线剩余寿命的各种因素看成是分布各异的随机变量，建立了预测管线失效的概率数学模型。利用这一模型，研究了腐蚀速率、缺陷深度、管道壁厚和工作压力等因素对管线可靠性的影响。结果表明，各参数的不确定性越大，管线的可靠性越低；缺陷深度在腐蚀缺陷形成初期，对管线的可靠性有很大影响，而随着时间的推移，腐蚀速率将对管线的可靠性有较大影响。对一条输油管线，基于管线腐蚀检测数据，对1km长度的管道进行失效概率统计分析得到的腐蚀速率能够对管线全线的安全状况做出合理预测，从而为管线的进一步维修与检测提供参考资料．     

基于不稳定块体失效概率的开挖面稳定性分析

基于团队开发的空间网络模型,利用一般块体理论进行块体分析,可以得到开挖面上不稳定块体的安全系数、体积及其棱长.利用棱长和迹长推出块体生成概率,并与安全系数一起求出块体失效概率.然后将失效概率大于失效标准的块体定为失效块体,并提出将开挖面上失效块体体积占所有不稳定块体体积的比例作为评价开挖面稳定性的指标,从而提出基于不稳定块体失效概率的开挖面稳定性分析方法.基于一个实际边坡工程,利用上述方法对其进行开挖面稳定性分析.     

基于贝叶斯网络的油田管道失效概率计算

针对事故树分析法不能对管道风险进行多态性分析,且无法实现双向推理问题,提出一种基于贝叶斯网络的油田管道失效概率计算方法.首先,建立油田管道失效风险事故树模型,利用事故树与贝叶斯网络的转换确定贝叶斯网络结构,完成管道失效风险贝叶斯网络模型结构的构建;其次,考虑到由专家知识经验及期望最大化算法确定的网络参数存在较大的估计误...     

开挖卸荷引起地铁隧道位移的预测方法

目前越来越多的基坑工程位于已建地铁隧道之上或两侧,近距离基抗土体卸荷势必引起弹道的移变化,因此如何预测和控制隧道变形、确保隧道使用安全日趋重要,为此研究了处于软土基坑之下的地铁隧道的位移变化规律,分析了基坑工程中时间、空间效应应对隆起的影响规律,提出了时间、开挖宽度影响系数,推导出考虑基坑施工影响的隧道位移变形的实用计算方法。     

开挖卸荷引起地铁隧道位移预测方法

目前越来越多的基坑工程位于已建地铁隧道之上或两侧 .近距离基坑开挖土体卸荷势必引起隧道的位移变化 ,因此如何预测和控制隧道变形、确保隧道使用安全日趋重要 .为此研究了处于软土基坑之下的地铁隧道的位移变化规律 ,分析了基坑工程中时间、空间效应对隆起的影响规律 ,提出了时间、开挖宽度影响系数 ,推导出考虑基坑施工影响的隧道位移变形的实用计算方法     

基于高斯过程回归的建筑物震陷量预测模型

城市抗震防灾系统是一个复杂开放巨系统,系统中由于灾情的动态演化导致的建筑物震陷量形成机理也日趋复杂。本文根据高斯过程理论和贝叶斯规则,对训练样本进行的“归纳推理学习”,即综合先验信息,调整各随机变量的后验分布,进而提出基于高斯回归过程的建筑物震陷量非线性预测模型。采用EP算法获得预测样本潜在函数的近似后验高斯分布,并对其超参数和协方差函数的选择进行了探讨,利用LSSVM模型、PLS模型和MLR模型等统计模型对建筑物实测震陷样本进行预测训练,通过模型的交叉验证分析及建模参数详细对比分析,验证了预测模型的科学性和可靠性,可为城市抗震防灾决策提供借鉴。     

基于冗余提升小波包及Volterra级数的机械故障预测方法

针对Volterra级数模型在染噪时间序列预测中精度较低,以及收敛速度慢的关键问题,提出了一种基于冗余提升小波包(Redundant Lifting Wavelet Packet,RLWP)及Volterra级数的机械故障预测方法。首先用冗余提升小波包对振动信号进行分解,对分解得到的末层所有频带信号用奇异值分解进行降噪。然后通过构造二阶Volterra级数预测模型对降噪后的各频带信号进行预测。最后用冗余提升小波包重构算法对各频带预测信号重构,获得预测信号。仿真结果表明:结合冗余提升小波包的多分辨率分析及奇异值降噪,能明显提高Volterra级数模型的预测精度及收敛速度。在工程应用中该方法准确预测出了某离心压缩机的不平衡故障。     

基于GRA和AHP的GRNN神经网络零件失效概率预测方法

为了提高对机械零件失效概率的预测精度,提出一种基于GRA和AHP的广义回归神经网络零件失效概率预测方法.在分析机械零件失效概率影响因素的基础上,首先利用灰色关联分析法(Grey Relational Analysis,GRA)分析影响机械零件失效概率的主要因素,通过层次分析法(Analytic Hierarchy Process,AHP)构建机械零件失效概率的评价指标层次体系,评估各个指标对于零件失效概率的权重;结合各个指标权重与初始值,以获取各指标的加权评价值;最后通过广义回归神经网络(Generalized Regression Neural Network,GRNN)建立以各指标加权评价值来预测机械零件失效概率的预测模型.利用本文方法所建立的预测模型对某企业数控转台的上齿盘失效概率进行预测,并与传统的GRNN神经网络预测模型、BP神经网络预测模型和回归预测模型进行对比,结果显示本文所建立的模型预测误差小于0.8%、残差在-0.2%～0.2%范围内,均优于对比模型的预测结果,表明所建立的预测模型具有更高的精度和更强的稳健性,适合于零件失效概率的预测.     

基于BP神经网络的实验室计算机故障率预测模型

随着信息化技术在各个学科领域的渗透,高校中越来越多的课程要求学生在计算机实验室完成相关操作,随着上机人次陡增,计算机的损耗也随之增大。为了更好地对实验室进行维护,以湖北大学知行学院计算机系2005年计算机实验室210台计算机的历史故障率为样本,采用JAVA语言,利用BP网络训练模型预测该批计算机的故障率,然后对照历史数据发现一定的误差,再利用增加动量项法对该BP算法进行改进,改进后的样本训练预测结果与历史数据基本保持一致。     

基于神经网络的细小液体管道堵塞预测模型

在分析反映管道堵塞工艺参数的基础上,提出了一种基于BP神经网络的细小液体管道预测方法,通过收集管道堵塞时的各种工艺参数,建立预测模型。仿真结果表明,模型预测结果与实际堵塞结果非常吻合,并能成功用于实际的细小管道的堵塞预测。