针对目前强化试验剖面效率低、成本高的问题, 提出了某型弹类电子产品温度强化试验剖面设计框架。结合产品可靠性框图对试验对象进行失效逻辑分析, 基于元器件降额的步长设计方法(step design method based on component derating, CD-SDM)优化步长、缩短试验时间, 采用基于有限元仿真的确定性分析方法获得工作极限和破坏极限估值, 降低步长划分时极限间工作裕度的影响, 实现步长、试验时间和其他要素的优化。以某型弹类电子产品高温步进为例验证所提方法, 结果表明获得的温度强化试验剖面较传统方法在试验时间上最少可缩短13.33%左右, 与传统方法相比减少了1/4的检测次数, 优化了目前可靠性强化试验剖面设计对弹类电子产品试验效率低、成本高的问题。
可靠性冗余设计优化是航天装备研发工作的重点之一。在系统可靠性平衡优化的基础上提出了协同平衡的新概念, 即利用单元协同变化实现复杂系统可靠性冗余设计的进一步优化。所提算法充分考虑冗余单元变化对复杂系统可靠度、费用、体积、质量和功耗等性能参数的影响, 可以解决各类可靠性冗余设计优化问题。计算结果表明基于单元协同平衡的可靠性冗余设计优化算法可以有效实现可靠性冗余设计的优化目标, 同时具有计算成本低、效率高等优点。
针对故障传播路径辨识问题, 提出了一种基于因果关系的故障传播路径辨识方法, 从因果关系的角度揭示了故障发生及传播的内涵。利用系统中故障发生的因果性, 确定故障发生时受影响的变量, 构建故障相关变量集合; 通过因果关系指示指标确定故障相关变量中各个变量的因果性, 构建因果矩阵; 提出保可达性的赋权有向图最小生成树算法, 根据因果矩阵对相关变量之间的因果性进行图示化表达, 确定故障相关变量之间的传播影响过程, 实现故障传播路径的辨识。所提方法在双带通滤波器电路上进行了实验验证, 实验结果表明了所提方法能够正确筛选故障相关变量集合, 分析变量之间的因果关系, 辨识出故障传播路径, 同时所提方法在时间成本上相较于常用的传递熵方法具有一定的优势。
针对变分模态分解(variational mode decomposition, VMD)在提取滚动轴承故障特征时预先设置多惩罚因子具有不确定性的问题, 结合灰狼优化(grey wolf optimization, GWO)算法提出一种基于多惩罚因子优化VMD的滚动轴承故障特征提取方法。首先利用GWO算法实现VMD的多惩罚因子自适应优化, 再利用优化得到的参数将滚动轴承的振动信号分解为多个本征模态函数(intrinsic mode function, IMF), 最后对各个IMF分量作包络解调提取滚动轴承的故障频率特征。研究结果表明, 在优化VMD参数时, 该方法相对其他方法优化效率有了明显提高, 并且提取滚动轴承故障特征效果显著, 得到特征频率幅值为其他方法的2~4倍, 证明了该方法的有效性和优越性。
针对现行可靠性鉴定试验标准GJB-899A中提供的试验鉴定方案存在试验时间过长或试验风险过大,且当前可靠性鉴定试验设计大多只依赖于产品自身的寿命数据,而对产品研制过程中的可靠性增长数据利用较少的问题,以寿命服从指数分布的产品为研究对象,基于美军陆军装备分析中心提出的可靠性增长模型AMSAA模型对产品研制阶段的可靠性增长过程进行建模。再利用Bayes方法基于产品可靠性增长过程的试验数据来获取产品寿命分布,计算产品可靠性鉴定试验方案的生产方风险和使用方风险,进而推导得到满足风险要求的产品可靠性鉴定试验方案。通过实例分析以及与GJB899A所提出的试验方案对比,验证了所提方法的可行性与先进性。
环境应力筛选依据环境试验标准规定的试验条件和程序开展试验, 剔除失效产品, 使产品尽快度过早期失效期。针对当前高可靠的制造背景下在筛选过程中发现的失效产品数量少、效费比低的问题, 提出了一种环境应力筛选方案设计流程。首先, 基于应力-强度干涉模型明晰了筛选的基本原理, 分析了筛选应力及强度分散性对筛选效果的影响; 其次, 结合关键质量特性的识别与测量、分散性分析, 制定了筛选方案的设计流程; 最后, 以某天线罩的筛选为例验证了所提方法的有效性。该方法为提高筛选效率、降低筛选成本提供了思路。
由于航空运行环境复杂, 仅考虑多应力单独作用的试验方法忽略了应力间的相互影响, 难以准确获取国产航空电子零部件的寿命指标, 使得理论结果寿命偏差较大。对此, 提出一种考虑广义耦合的多应力加速寿命评估方法。首先, 建立考虑实际工程条件下基于失效机理模糊映射关系的多应力广义耦合加速模型, 并引入模糊相关性选择最佳耦合项。然后, 构建不同试验类型的多应力广义耦合极大似然估计方法, 采用自适应正弦余弦算法解决多参数求解困难的问题。最后, 以某机载电子设备低噪声放大模块为对象进行三应力加速试验, 实现寿命评估。结果表明, 考虑广义耦合更贴近实际工作环境, 与传统数值计算方法相比, 误差控制在5%以内, 证明了所提方法的快速收敛性和准确性。
滚动轴承退化趋势预测中, 传统特征选择主要依赖人工经验和单一评价算法, 容易造成特征的少选或错选, 且单一深度学习网络无法充分挖掘数据中包含的性能退化信息, 导致模型预测精度较低。针对上述问题, 提出一种基于自适应马氏空间(adaptive Mahalanobis space, AMS)与融合深度学习网络的滚动轴承退化趋势预测方法。首先, 分解原始信号并利用相关峭度系数准则筛选固有模态函数(intrinsic mode function, IMF)分量重构新信号, 从多域视角提取特征; 然后, 构建基于AMS的多目标特征选择算法自动优选特征, 减少人工依赖, 加强自适应性和泛化性, 并将马氏距离(Mahalanobis distance, MD)与指数加权移动平均(exponential weighted moving average, EWMA)方法进行结合,对轴承性能退化趋势进行良好表征;最后, 利用稀疏自动编码器和门控循环单元(sparse auto encoder-gated recurrent unit, SAE-GRU)融合模型进行预测。实验结果表明, 所提方法能够有效筛选最优特征, 显著提高预测精度。
新一代相控阵雷达针对T/R组件部署了大量传感器, 为数据驱动的组件故障诊断提供了良好基础。然而, 实际监测数据大多没有表征其故障模式的标签。结合深度置信网络(deep belief network, DBN)在特征自学习方面的优势和自编码器(auto-encoder, AE)重构输入数据的能力, 提出一种基于DBN-AE半监督学习模型的故障特征提取及智能诊断方法, 并应用烟花算法优化模型结构。该方法利用原始无标签状态数据训练DBN-AE模型, 提取深层特征, 再通过有监督再训练建立深层特征与故障模式之间的关系模型。所提方法在某型相控阵雷达T/R模块上得到了实验验证, 有效提升了故障识别准确率和智能水准。
针对无人机(unmanned aerial vehicle, UAV)集群执行对地攻击任务可靠性评估问题, 考虑实际作战环境和任务规划, 建立了一种适用于具体任务过程的可靠性评估方法。首先, 建立了UAV集群作战的时态异构网络模型, 用时态打击链模拟UAV集群任务规划和协同作战过程。然后, 基于连续时间马尔可夫链(continuous-time Markov chain, CTMC)建立了UAV集群在威胁区域飞行的生存概率模型。进而, 综合UAV集群的作战能力和生存概率, 提出了任务可靠性评估方法。最后, 通过实例分析, 验证了该模型的实用性和合理性。该模型考虑到各方面影响战果的因素, 贴合实际, 为UAV集群任务可靠性评估和决策提供了参考。
针对传统方法构建的健康因子各类性能指标不高、信息冗余的问题, 提出一种基于改进受限玻尔兹曼机(restricted Boltzmann machine, RBM)的滚动轴承健康因子构建方法。首先, 提取滚动轴承振动监测信号时域、频域特征组成物理健康因子集。其次, 将RBM隐藏层节点数随时间变化斜率引入到正则化项中, 提取物理健康因子集中的趋势性特征。最后, 利用滚动轴承全寿命周期试验验证所提方法的有效性。实验结果表明,相对于主成分分析(principal component analysis, PCA)法、传统RBM虚拟健康因子构建方法, 基于改进RBM构建的虚拟健康因子单调性分别提高178.0%和33.3%, 趋势性分别提高126.8%和16%, 鲁棒性分别提高60%和6.02%。
针对用传统的故障诊断方法难以对非线性非平稳的柴油机故障信号进行准确高效诊断的问题, 提出基于小波时频图与Swin Transformer的柴油机故障诊断方法。该方法可以有效结合小波时频分析在处理非线性非平稳信号方面的优势和Swin Transformer强大的图像分类能力, 通过连续小波变换将原始信号表示为小波时频图, 将小波时频图作为特征图输入到Swin Transformer进行训练, 实现柴油机故障状态识别。实验结果表明, 与对比方法相比, 所提方法具有较好的故障识别精度及稳定性, 在公开数据集和实验室实测数据中的整体故障诊断准确率分别达到100%和98.88%, 为柴油机故障诊断提供了一种新的思路。
作为工业机器人的核心部件之一, 驱动器失效频发, 失效模式多样且具有一定相关性, 给工业机器人的正常工作带来了严峻挑战。同时, 工业机器人驱动器各失效模式的极限状态方程复杂, 甚至一些为隐函数, 这也造成了工业机器人驱动器可靠性建模的困难。为此, 本文引入多维响应高斯过程(multiple response Gaussian process, MRGP)模型来刻画驱动器内各失效模式间的相关性及其极限状态方程, 同时引入粒子群优化(particle swarm optimization, PSO)算法优化MRGP模型中的超参数, 结合主动学习策略, 对MRGP模型进行更新迭代, 直至其满足一定精度条件, 形成基于MRGP-PSO的工业机器人驱动器可靠性分析方法。最后开展相关算例分析, 验证了所提方法的有效性。
5G工业控制系统规模化应用的关键是保障其高可用性。若通过试验评估,其成本高昂且困难诸多。而已有的可用性建模方法很少考虑到5G对可用性的影响。对此,以一个实际的5G转钢系统为例,采用确定性随机Petri网(deterministic stochastic Petri net, DSPN)从业务流程的角度对5G技术改造后的工控系统的动态故障和维修过程进行形式化建模,评估不同的失效模式对系统业务可用性的影响。在案例中分析了5G工业控制系统中不同参数对系统业务可用性造成的影响,发现无线链路平均故障间隔时间(mean time between failures, MTBF)对系统业务可用性影响最大。实验结果表明,所提方法可用于评估5G工业控制系统的业务可用性,为系统设计人员提供参考。
高斯过程回归是锂离子电池剩余使用寿命的有效预测方法之一,其中核函数的选择对预测结果有着重要影响。对此,提出了一种自回归核自构建高斯过程回归的锂离子电池剩余寿命预测框架,可结合同型号电池的历史容量退化规律,自动构建出合适的组合核函数。通过与不同的机器学习方法及不同核函数比较,所提方法可在电池退化早期做出长期且准确的电池健康状态退化趋势预测,预测寿命均方根误差小于1%,相对误差小于6%,置信区间也更为集中,证明了所提方法能够有效提高电池剩余使用寿命的长期预测精度。
针对复杂工程系统中的稳健参数优化问题, 提出了一种新的基于Kriging代理模型的序贯优化设计方法。首先,用Kriging模型预测均值的最小值,代替真实观测的最小响应值来考虑噪声; 然后,对该加点准则的预测方差进行修正, 使其在足够的样本量下能够收敛; 最后,通过经典的低维、高维非线性数值算例和工程算例来验证所提方法的有效性。验证结果表明, 与已有的传统加点准则相比, 所提方法能以更少的加点次数获得更好的全局解, 具有更强的全局寻优能力和稳健性。
近年来,由于在航空航天、军事、核能等领域的广泛应用,多阶段任务系统(phased mission system, PMS)可靠性建模方法得到了广泛的关注。航天系统所包含的电子设备会由于自身的老化导致性能退化而失效,同时也会因为外界的随机冲击导致失效,严重影响系统可靠度。针对该问题,提出一种基于模块化方法的模型。首先,将冲击模型与半马尔可夫过程结合,计算受冲击影响的工作单元可靠度。然后,提出一种基于二元决策图(binary decision diagram, BDD)模型的方法,对同时考虑冲击与阶段备份的PMS进行可靠性建模。最后,以某型航天器中的推进子系统为例对所提方法进行说明,并应用蒙特卡罗方法进行验证,证明了所提方法的建模效率与准确性。
针对现有加速贮存寿命评估方法难以有效应对无失效数据、两参数Weibull模型拟合高可靠、长寿命机电产品寿命分布精度不高的问题, 提出了基于E-Bayes理论和三参数Weibull寿命分布模型的弹上机电产品加速贮存寿命评估方法。对两参数Weibull在拟合高可靠、长寿命机电产品寿命分布时存在的的精度不足问题进行了论述, 给出了三参数Weibull下的弹上机电产品寿命分布模型。在阿伦尼乌斯模型、Nelson累积失效假定等基础上, 建立了单次步进应力加速贮存寿命试验数据向多次常温应力定时截尾试验数据的等效折算方法, 并引入E-Bayes理论实现了对定时截尾试验无失效数据下失效概率的有效求解。针对复杂等效折算公式中的Weibull参数估计问题, 设计了粒子群优化算法实现对参数的高精度求解, 并给出了基于蒙特卡罗法的贮存寿命置信下限评估方法, 从而实现对弹上机电产品的高效贮存寿命评估。以某型弹上惯性测量单元为应用对象, 验证了所提方法的有效性和合理性。
针对当前无失效数据可靠性评估方法估计精度低, 难以同时得到参数的点估计和置信区间估计且难以避免结果不一致的问题, 考虑无失效数据的情况, 提出了一种基于最大信息熵和模拟退火算法并结合参数Bootstrap法的可靠度点估计和置信区间估计方法。首先考虑威布尔分布的失效概率次序特性, 在Bayes理论下通过失效概率的取值范围和最大化先验分布的信息熵构建超参数优化模型; 然后,采用模拟退火算法求解优化模型避免陷入局部最优解; 再利用加权最小二乘法得到可靠度的点估计; 最后,以参数Bootstrap法实现新样本的重新抽取, 进而得到可靠度的置信区间估计。通过仿真算例与谐波减速器无失效数据实际算例, 验证了所提方法不仅能够提高可靠度点估计和区间估计的精度, 还能够提高评估结果的可信度。
退化模型是评估长寿命产品可靠性的有效方法, 但已有参数退化模型忽略了退化量分布未知、最优退化量分布和退化量有界性等问题, 导致模型可靠性评估精度不足, 适用范围有限。针对已有方法的不足, 提出一种评估长寿命产品可靠性的半参数退化模型。首先, 通过考虑边界的非参数对数变换核密度估计方法拟合产品在各检测时刻的退化量分布; 然后, 基于退化量分布与寿命分布的关系, 利用最小二乘法与遗传算法估计产品寿命分布参数; 最后, GaAs激光器与合金钢的实例应用表明, 所构建模型能够更好地拟合退化数据, 可靠性评估精度更高。
在紧迫的战场环境下, 如何利用有限的时间、人力和资源保持或恢复装备战斗力, 使装备具有连续执行任务的能力, 是装备保障指挥人员最关心的问题之一。本文以装备执行多个作战任务为背景, 综合考虑维修保障时间、不完全维修效果、维修人员技能水平、装备性能状态等因素, 以最小阶段任务可靠度最大化为决策目标, 建立考虑维修任务分配的装备选择性维修决策模型, 采用遗传算法进行优化求解。结合算例, 分析了任务持续时间、维修人员技能水平对决策目标的影响, 验证了所提模型及算法的有效性。