基于经典参数模型的制造执行系统多阶段可靠性增长分析与评估

该文以企业制造执行系统（MES）工程为背景,以系统可靠性增长模型与评估方法为研究内容,围绕MES的任务可靠性及其目标值、可靠性增长规划和分析方法展开研究。基于经典参数模型的MES多阶段可靠性增长分析与评估。在获取MES失效数据的情形下,采用黑盒测试技术和系统功能评估方法,以及Duane模型LSE方法,对MES功能进行可靠性增长分析,评估MES多阶段可靠性增长目标。     

配电系统可靠性分析

综述了配电系统可靠性指标和可靠性评估的基本方法.通过结线方式、硬件设施、运行管理及人为因素,分析了配电系统的可靠性,并提出提高其可靠性的有关措施.     

含位置参数的广义Weibull分布及其置信限估计

通过引入位置参数,建立了能够同时描述浴盆曲线失效率和最大安全寿命的广义Weibull分布模型族,进而采用秩分布理论给出确定该寿命分布族置信限估计的参数化方法。具体分析了目前广泛应用的一种广义Weibull分布,导出该模型参数的置信区间估计与分布函数的置信上、下限曲线函数关系式。文中还进行了模拟验证与实例对比分析。     

基于步进加速退化试验的电子产品可靠性评估技术

为实现高可靠、长寿命产品的可靠性评估,提出了步进加速退化试验的新方法.首先给出了步进加速退化试验方法及其基本假设,然后探讨了步进退化数据向恒加退化数据的折算方法,在此基础上提出了基于伪失效寿命的步进加速退化可靠性评估算法和基于随机退化轨迹的步进加速退化可靠性评估算法,最后利用试验数据对该方法进行了验证.结果表明:与恒加退化试验相比,该方法可以极大地缩短试验时间和减少试验样本,因此,具有更高的效费比.     

Oracle Restart在Oracle 19C中的应用

以Oracle 19C为例,阐述其在数据库软硬件出现故障时,尤其是数据库所在主机异常宕机重启后,通过Oracle Restart功能保障Oracle数据库实例、监听等关键组件在非人为干预下可以自动重启,使数据库持续、可靠地对外提供服务成为可能.     

矿井低压选择性漏电保护

为了提高井下低压电网选择性漏电保护的可靠性,通过故障参数特征及影响因素综合分析,以AVR单片机为核心进行了硬件和软件设计,克服传统设计不完整,电磁兼容性差,灵敏度低的缺陷,通过矿井低压电网选择性漏电保护运行,证明装置具有较高的可靠性,有利于提高矿井低压电网供电安全性,保证矿井安全生产。     

应急场景下基于可靠无线通信的D2 U功率控制机制研究

针对应急场景下通信可靠性低的问题,提出了无人机(unmanned aerial vehicle,UAV)辅助模式下基于自动重传请求(automatic repeat request,ARQ)的设备与无人机(device-to-unmanned aerial vehicle,D2U)通信功率控制策略.利用通信失败率来表示...     

通信网络服务可靠性参数分析

为用户提供信息传输服务是通信网络存在的意义。在明确通信网络服务可靠性内涵的基础上,依据国际通用标准,以用户的服务需求和用户的感知为中心,从时间可靠性、完整可靠性、正确可靠性3个角度建立了通信网络服务可靠性参数体系,并说明了其中各类参数的定义,解释了各参数间的相互关系。     

基于SoSE的装备体系RMS论证方法研究

装备体系可靠性、维修性、保障性(reliability-maintainability-supportability,RMS)是装备体系作战效能发挥的基础。体系工程中需求开发过程从能力要求分析开始,然后进行体系结构建模并基于体系结构给出需求方案。装备体系RMS论证即是对装备体系RMS能力要求进行分析并提出RMS指标,也遵循这一过程。首先,基于SoSE需求开发过程和装备体系特点给出装备体系RMS论证框架。接着,基于质量功能展开方法给出装备体系RMS能力要求分析过程,从装备体系使命任务出发,建立装备体系RMS能力要求映射模型,并提出相应的RMS能力指标求解方法。然后,基于面向RMS的装备体系结构框架,将RMS能力分析得出的初步RMS能力指标作为输入,基于多智能体仿真技术提出美国国防部体系架构驱动的装备体系RMS仿真框架,从而通过仿真权衡论证出最终的装备体系RMS指标。最后,对典型使命任务下的航母装备体系舰载机保障过程进行了案例分析。     

基于Bayes信息融合的人为差错概率计算方法

研究了人为差错概率的计算。首先,介绍了可用于人为差错概率计算的数据来源,主要包括：通用数据、专家数据、仿真实验数据和现场数据。然后,分析了Bayes信息融合方法的基本思想,强调了该方法的两个关键性问题：验前分布的构建和融合权重的确定。最后,构建了基于Bayes信息融合的人为差错概率计算方法。将前3种数据作为验前信息,融合形成验前分布。使用Bayes方法完成与现场数据的数据综合,得到人为差错概率的验后分布。基于该验后分布,完成人为差错概率的计算。通过示例分析,演示了方法的使用过程,证明了方法的有效性。