基于Wiener过程的DRO加速退化试验方法研究

针对微波介质振荡器（DRO）样本量少、寿命长、贮存试验费用高的困难,提出了适用的基于Wiener过程的SSADT（Step-stress Accelerated Degradation Testing）试验方法,并给出试验方案。根据贮存期失效分析和环境应力分析,给出了加速方程。结合预试验结果,将DRO的性能退化过程建模为Wiener过程。为提高寿命预测精度,对模型参数统计量的无偏性和渐近方差进行分析,并对试验方案进行了优化设计。最后用仿真算例验证了方法的正确性。     

自然随机温度应力条件的加速退化模型研究

目的利用加速退化试验对免维护导弹服役期进行分析评估,给出自然温度环境应力等效处理方法和加速退化因子数学模型。方法对环境温度实测数据进行统计处理,利用阿伦尼斯模型给出时域内的等效温度均值函数,将随机温度应力转换为温度循环应力。利用基于统计数据的加速退化模型求得产品激活能,推导给出相对随机温度应力的加速退化因子数学模型。结果利用给定加速模型,定量给出了某产品在典型地区的服役期,评估结论符合预期。结论改进后加速模型综合了自然环境随机温度应力对产品性能影响,能够较好地对产品服役期进行评估。     

弹用电连接器湿热环境下寿命预测

目的 预测某型电连接器的剩余寿命。方法 以某弹用电连接器为研究对象,在分析导弹服役环境和电连接器失效机理的基础上,基于电连接器接触电阻性能退化特点,利用Wiener过程拟合电连接性能退化轨迹。然后,以Wiener过程的漂移参数为中间变量,采用广义Eyring模型,对温度、湿度应力进行建模,进而根据试验数据对性能退化数据似然函数的参数进行估计。最后,结合加速模型,推导得到正常应力水平下的漂移参数值,从而确定出电连接器的可靠度模型。结果 计算出样品电连接器的平均寿命,可进一步推断该型电连接器的其他寿命信息。结论 Wiener过程可以拟合湿热环境下电连接器的性能退化轨迹,温湿应力是开展弹上设备试验需重点关注的因素,考虑进一步提高类似环境载荷下的加速退化试验效率,可在一定程度上增大温度应力水平。     

某天线加速贮存试验与寿命评估方法研究

目的对某天线进行加速贮存试验研究,利用试验数据进行寿命评估,得到产品的加速因子。方法通过步降应力试验方法对某天线的12台产品进行了四个不同应力量级的高温加速贮存试验,获得产品的退化数据。分别采取两种加速模型对试验数据进行处理,对比确定最优评估方法。结果采用基于漂移布朗运动的加速模型评估得到产品的激活能,从而求出加速因子和贮存寿命。结论步降应力试验方法能加速产品损伤的累积,便于快速获得产品的性能退化数据,而基于漂移布朗运动的评估方法为天线类产品的寿命评估提供了一种新的参考方法。     

基于退化轨迹的锂离子电池加速试验研究

针对锂离子电池长寿命、高可靠的特点,提出了使用恒定应力加速退化试验对其进行可靠性评估与寿命预测的方法。首先对锂离子电池进行FMEA分析,得出容量衰减是最常见的失效模式,并以温度作为主要的加速应力。其次,确定锂离子电池的加速退化模型和参数退化轨迹模型,并进行锂离子电池的加速退化试验设计。确定加速应力水平时,在锂离子电池参数退化轨迹的基础上,根据巴特利特检验统计量确定退化机理一致的边界应力。最后,基于伪寿命对锂离子电池的可靠性进行评估。     

某O型密封圈的双参数加速退化规律分析

目的研究某O型密封圈在温度影响下的退化规律。方法以压缩永久变形率和压缩应力松弛率作为参数,在50、60、70、80℃对某O型密封圈进行恒定应力加速退化试验,根据退化数据建立退化轨迹模型,确定伪失效寿命的分布,结合阿伦尼斯模型外推20℃时某O型密封圈的寿命,并进行可靠性分析。结果某O型密封圈的性能退化过程具有可加速性,它的伪失效寿命服从正态分布。根据压缩永久变形参数外推20℃下、0.9可靠度时,某O型圈的寿命为8.695年,根据压缩应力松弛参数外推的寿命为8.748年,根据双参数不相关的情况外推的寿命为8.655年,3次评估结果较为接近。结论文中使用的试验方法和数据处理方法能有效地评估某O型密封圈的寿命。考虑两个参数不相关情况时,得到的评估结果会小于单参数情况下的评估结果。     

加速寿命试验三参数威布尔分布的极小变异-极大似然估计

目的 在加速试验中,对寿命服从三参数威布尔分布的产品进行可靠性评估与寿命预测,解决形状参数小于1时传统方法难以计算的问题。方法 利用三参数威布尔分布与指数分布之间的转换关系,以变异系数误差最小为优化目标,在确定最优位置参数估计值的基础上,应用拟极大似然方法估计分布模型中的其余参数,建立极小变异–极大似然估计（MV-MLE）。根据加速寿命试验中失效机理不变的原则,在失效机理等同条件下,将该方法推广至多应力水平下的可靠寿命评估。结果 在单一应力与多应力水平下,通过仿真模拟验证了所提方法的有效性。与传统方法相比,在小样本条件下,所提方法可提高形状参数（机理等同性参数）估计精度40%以上。结论 所提方法对于三参数威布尔分布的参数估计和寿命评估具有较高精度,能够有效克服传统方法的不足,在加速寿命试验评估中具有良好的应用效果。     

某机械陀螺长贮性能演变规律及性能退化模型研究

目的 针对长期贮存后机械陀螺的性能退化会影响制导系统侧偏和射程的问题,提出一种性能退化预测模型的建立方法,用于掌握机械陀螺长贮性能退化规律。方法 首先,针对机械陀螺结构特性和贮存环境,确定敏感应力为温度,加速模型为阿仑尼乌斯模型,开展机械陀螺的加速贮存试验。其次,对加速贮存试验过程中的机械陀螺进行周期性的参数检测,分析各性能参数随试验时间的性能退化演变规律,确定垂直漂移为其退化敏感参数。最后,拟合垂直漂移参数在各温度应力下的性能退化曲线,建立性能退化轨迹模型。结果 采用实际自然环境贮存6、7、8、10 a的性能数据对模型进行验证,模型预测准确度分别为86.70%、96.28%、91.53%、85.92%。结论 建立的性能退化模型评估准确度在85%以上,该模型可应用于指定贮存时间下机械陀螺仪的性能退化行为预测。     

基于性能参数退化的发动机推进剂加速退化试验建模

目的 针对某火箭弹发动机推进剂加速退化试验数据,建立性能参数退化模型,分别基于最大伸长率和最大抗拉强度等不同参数,计算推进剂的激活能和不同温度下的加速因子。方法 建立基于退化轨迹的性能参数退化模型,对发动机推进剂进行加速退化试验建模,利用最小二乘法计算性能变化参数,利用阿伦尼斯模型计算加速模型的参数,并得到激活能和加速因子。结果 针对推进剂加速试验数据,给出推进剂激活能和不同温度下加速因子的计算方法。采用基于退化轨迹的性能参数退化模型,可有效评估推进剂的寿命。结论 该方法可有效地对推进剂加速试验数据进行建模,给出激活能和加速因子,更能反映推进剂的寿命特征,为寿命评估提供支撑。     

基于功能仿真的电子产品性能退化分析方法

目的研究基于功能仿真对电子产品长期工作过程中性能退化问题进行分析的方法。方法以DC-DC电源模块为对象,一种方式是直接对电源模块进行加速退化试验,并基于试验数据进行可靠性分析;另一种方式是对电源模块中性能退化关键元器件进行加速退化试验,并将试验数据模型注入到电源模块功能仿真模型中,进行性能退化仿真与可靠性分析,最终对两种分析结果进行对比,验证仿真分析技术的有效性。结果对比显示,加速退化试验分析得到的电源模块平均寿命为281 560 h,仿真分析得到的电源模块平均寿命为357 290 h。结论由于仿真分析方法只考虑了性能退化的关键元器件,结果偏乐观,但是偏差在合理的范围内,证明该方法对于性能退化可靠性分析是有效的,并且应用该方法更便于进行设计改进和迭代分析。     

基于IPSO-DE-MH算法的突发水污染事件预测模型参数识别

预测模型是有效应对突发水污染事件的前提与基础。为了提高预测模型的准确性,提出了一种新的参数识别方法。首先从反问题与贝叶斯估计的视角构建突发水污染事件预测模型;然后在Metropolis-Hastings抽样方法的基础上,引入混沌理论、粒子群算法、微分进化算法等的思想,设计了一种新的参数识别方法,即IPSO-DE-MH算法;最后通过数值分析验证所设计方法的有效性和准确性。结果表明:新方法能较好地识别模型参数,为突发事件应急预测模型的快速构建提供了新思路。     

引信步进应力加速试验贮存寿命预测研究

目的 针对某机电引信加速寿命试验数据,采用传统统计分析方法存在计算量大、寿命预测精度难以保证的问题,开展与智能算法相结合的引信贮存寿命预测研究。方法 针对步进应力加速寿命试验数据,采用贝叶斯理论的环境因子法,对各级应力下的贮存时间进行折合计算。利用进化策略对粒子群算法进行改进,进而对所建立的BP神经网络预测模型的全局参数进行调整和优化,突破传统方法的局限。将折合后的试验时间、样本量、应力水平作为网络输入,失效数作为输出,来预测引信贮存寿命。结果 利用训练好的 BP神经网络预测引信在正常应力水平下的失效数,计算其贮存可靠度。在迭代402次后,模型找到最优解,且预测误差在1%以内。结论 步进应力加速寿命试验与智能算法相结合的方法计算过程简单,预测精度较高,可有效提高引信贮存寿命的预测精度。     

ABC算法优化SVR的磨损故障预测模型

目的为了提高故障预测的精度,针对支持向量回归SVR(Support vector machine for regression,SVR)参数选择困难的问题,提出一种采用人工蜂群(artificial bee colony,ABC)算法优化支持向量回归(SVR)的故障预测模型(ABC-SVR)。方法该模型先对样本数据进行重构,然后将故障预测误差(适应度)作为优化目标,通过ABC算法寻优找到最优的SVR参数,建立故障预测模型。最后通过实例仿真验证模型的优越性。结果采用ABC算法优化的SVR故障预测模型进行时间序列预测,能够较好地跟踪发动机滑油金属元素浓度的变化过程,并且能够提前2个取样时间预测异常情况的出现。结论 ABC-SVR模型有效解决了SVR参数选择难题,能够更加准确地表现故障变化规律,提高了故障预测精度。     

基于代理模型的制导子弹气动外形优化设计

目的 针对传统气动外形优化设计依赖于高精度仿真耗时过长的问题，为有效提高气动优化设计的效率，提出一种基于代理模型的气动外形优化方法。方法 以12.7 mm制导子弹为研究对象，通过CFD仿真，分析尾翼收缩段长度、弹底半径和尾翼收缩扩张段交界处半径对制导子弹飞行过程中阻力系数的影响。基于代理模型技术，综合运用试验设计、参数化建模、CFD技术和四阶响应面模型，构建制导子弹气动外形优化设计代理模型，以制导子弹飞行过程中的最小阻力系数为优化目标，结合遗传算法对制导子弹外形参数进行优化。结果 对比四阶多项式响应面和Kriging模型建立的代理模型预测精度，与测试样本点CFD仿真计算结果相比，四阶响应面代理模型阻力系数预测值的平均误差为0.386%。表明四阶响应面代理模型能够有效替代CFD仿真，可用于预测不同外形参数下制导子弹的阻力系数。结论 相对于最初的制导子弹外形，制导子弹的阻力系数下降了14.59%，有效减少子弹飞行过程中的能量损失和缩短了优化时长。该方法在保证精度的前提下，减少了制导子弹的设计周期，为相关工程应用与研究提供了一定的参考。     

机器学习在材料服役性能预测中的应用

针对材料服役性能预测存在误差大、计算复杂、适用性差等问题,提出了基于数据挖掘的机器学习预测方法。首先阐述了机器学习的应用流程,并总结了常用模型原理及其在材料性能预测中的应用。然后采用多种机器学习模型对RPV钢的辐照性能进行预测,并通过Stacking集成方法提高了模型的预测精度。结果表明,机器学习可用于材料服役性能预测,具有较高的预测精度和可靠性。根据材料服役数据的不同特征选择合适的学习模型,同时进行模型融合和参数优化,可有效提高模型的预测精度及运算速度。     

多点激励振动试验振前优化方法研究

目的研究多点激励振动试验的振前优化方法。方法提出一种基于传递函数的多点激励振动试验的动态仿真方法,通过振前仿真可以实现试验方案和试验参数的优化。通过预试验获取传递函数矩阵,然后以传递函数为仿真对象,以时域信号的卷积代替时域信号的驱动,最后模拟MIMO控制仪的控制过程形成一套完整的仿真试验方法。结果通过仿真结果和试验结果的对比,仿真精度较高,完全能够说明实际的试验控制状态。结论实际应用表明,通过振前仿真进行试验方案和控制参数的优化,有效减少了预试验的时间和次数,达到了较好的控制效果。     

基于GA优化的SVR水质预测模型研究

针对污水中BOD₅参数不易直接测得的特点,提出了基于遗传算法(Genetic Algorithm,GA)优化参数的支持向量机回归(Support Vector Regression,SVR)水质预测模型。采用机器学习的方法,通过建立污水中COD等参数与BOD₅的数学关系模型的方式对BOD₅进行测定。使用遗传算法对SVR中的关键参数进行寻优,解决了传统SVR预测模型参数选择的问题。以北京市污水处理厂进水污水作为研究对象进行实验,结果表明,与BP神经网络与SVR相比,使用GA-SVR方法进行预测的结果更优,其平均误差与均方根误差分别降至0.009443与16.88 mg/L。     

改进BFO优化BPNN的自来水混凝加药预测

本文给出一种量子粒子群（QPSO）算法、改进菌群觅食（IBFO）算法优化反向传播神经网络（BPNN）的混凝投药预测模型,利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置;通过细菌协同改进趋化算子提高优化精度,结合差分算法改进繁殖算子解决部分维度退化问题,加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷;进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试,结果表明,所提算法预测结果的均方误差（MSE）达0.0116mg/L,平均绝对误差百分比（MAPE）达1.36%,在预测精度和稳定性上优于BFO-BPNN、PSO-BPNN等模型.     

Forecasting of dissolved oxygen in the Guanting reservoir using an optimized NGBM (1,1) model

An optimized nonlinear grey Bernoulli model was proposed by using a particle swarm optimization algorithm to solve the parameter optimization problem. In addition, each item in the first-order accumulated generating sequence was set in turn as an initial condition to determine which alternative would yield the highest forecasting accuracy. To test the forecasting performance, the optimized models with different initial conditions were then used to simulate dissolved oxygen concentrations in the Guanting reservoir inlet and outlet(China). The empirical results show that the optimized model can remarkably improve forecasting accuracy, and the particle swarm optimization technique is a good tool to solve parameter optimization problems. What's more, the optimized model with an initial condition that performs well in in-sample simulation may not do as well as in out-of-sample forecasting.