一、3-状态部分2-树网络可靠度的一个多项式时间算法（论文文献综述）
侯宇涛[1]（2021）在《基于Gamma过程与Bayes推理的缸套可靠性评估》文中研究表明内燃机作为交通运输装备和现代舰船的核心动力源,其受到了各国政府和国防军工部门的高度关注和持续性研发支持。缸套是内燃机的核心零部件之一,其性能和可靠性在很大程度上决定了内燃机整机的性能和服役可靠性。论文针对内燃机在向着高性能和高服役可靠性方向发展时对其核心部件可靠性评估提出的要求,围绕缸套退化模型建模、缸套退化模型Bayes推理、缸套可靠性和寿命评估展开研究工作,为高性能内燃机的可靠性评估研究提供了指导。论文的主要工作包括:（1）基于内燃机缸套退化原理,使用经验评估方法研究了缸套退化的规律以及磨损量与当前退化时间和退化状态的关系。结果表明:缸套的平均磨损量随着运行时间呈单调递增趋势,标准差呈现先增再减的趋势,且缸套的退化过程既与当前时间有关又与当前磨损状态有关。（2）基于缸套退化过程特点,采用变换伽马（Gamma）过程和状态依赖模型两种方法对缸套退化过程进行建模。结果表明:变换伽马（Gamma）过程模型相比于状态依赖模型对观测数据的拟合精度更高,是一种缸套建模的更优方法。（3）基于缸套退化样本的先验信息,使用Bayes方法实现了变换伽马（Gamma）过程模型的后验分布推理,运用马尔科夫链蒙特卡洛（Markov Chain Monte Carlo,MCMC）方法计算模型参数和最大后验密度可信区间（Highest Posterior Density Credible Interval,HDI）。结果表明:缸套退化的先验信息可以转化为状态函数和时间函数的先验信息,Bayes推理过程能够有效地实现退化模型的后验分布,基于先验信息的Bayes评估可以提供更准确的估计。（4）针对变换伽马过程下缸套的可靠性评估,使用Bayes推理和一般熵损失函数（General Entropy Loss Function,GEL）方法,实现了缸套的可靠度评估,同时研究了缸套磨损增量对当前退化时间和退化状态的依赖性。结果表明:Bayes评估下的变换伽马过优于无先验信息下的变换伽马过程和状态依赖模型;GEL函数下的Bayes评估结果比Bayes后验评估结果小;在未来时间间隔下,缸套退化的磨损增量对当前磨损水平和当前退化时间具有很强的依赖性,表现为模型参数的先验信息对Bayes后验评估结果产生的影响,参数的先验信息越多,评估结果越接近于真实观测值。
王雨冰[2]（2021）在《基于多模型交互的关键设备剩余寿命预测》文中认为近年来,随着现代科学的不断进步和技术的飞速发展,工业化程度逐渐提高,工业设备的运行环境也日渐复杂。设备在运行过程中,其性能无可避免的会发生退化情况,进而直接导致设备的失效。一旦设备失效造成严重事故,便会面临重大的人力财力损失。目前,对设备的维修已从传统的被动维修转变为计划性维修或视情维修。视情维修与传统的被动维修相比针对性更强、维修效果更好、更节省成本。作为实现视情维修的重要方法,预测与健康管理技术在各个领域得到了广泛应用。该技术由故障预测和健康管理两部分组成,在实施的过程中,对其当前状态进行估计并对未来状态进行预测尤为重要,而其中的关键步骤就是对设备进行剩余寿命预测。因此,本文围绕关键设备的剩余寿命预测问题展开以下研究:（1）针对退化过程呈现非线性的关键设备寿命预测问题,首先分析其退化过程并建立退化模型,对模型参数进行估计得到准确的状态方程,并使用扩展卡尔曼滤波和粒子滤波算法对其进行剩余寿命预测。使用马里兰大学和美国宇航局的锂电池数据集进行寿命预测实验,结果表明相对误差均小于10%,体现了较好的预测效果。（2）针对设备的退化过程中存在多个阶段的特征,用单一模型描述其退化过程准确度较低,本文提出一种基于多阶段退化过程建模的寿命预测方法。根据退化特征建立恒定速度退化模型及恒定加速度退化模型,并使用交互多模型算法对仿真退化过程进行寿命预测。将预测结果与单一模型预测结果进行对比,证明本文所提方法有较好的预测效果及较高的预测精度。（3）针对传统的非线性退化过程寿命预测中单模型预测结果单一,泛化能力弱等问题。本文提出基于多模型交互的非线性退化过程寿命预测方法。采用多模型对复杂退化过程进行交互建模,表征退化模式的转变;并根据退化过程非线性非高斯的特点,使用交互多模型融合粒子滤波进行寿命预测。在锂电池数据集上进行仿真验证,并将预测结果与单模型预测结果进行对比,结果表明本文所提方法预测的寿命更接近真实寿命,且预测误差更小。
梁禾[3]（2021）在《不确定性影响下复杂机电系统可靠性及敏感性分析》文中提出现代工业设备结构精密,功能复杂,高度集成声、光、电、液、气等技术于一体。为确保大型机电设备稳定运行,系统可靠性分析发挥着巨大的作用。可靠性为评价设备性能的重要指标,刻画了系统可靠度、平均寿命、失效率等产品的寿命特征。此外,在缺乏长时间、大批量的统计试验下,对系统工作状态的判定会受不确定性影响,如何有效对不确定性量化与传播分析将会影响可靠性评估结果的准确性。同时大型机电系统结构复杂,零件繁多,每个零件自身不确定性对系统不确定性的影响程度也不相同,因此精准定位对系统不确定性影响程度较高的零件能为后期维护或系统设计初期提供有效的优化意见,这就是敏感性分析的目的与意义。本文就不确定性系统可靠性与敏感性分析评估方法展开了深入研究,主要研究内容包含以下几个部分。基于贝叶斯网络与“缩减法”完成混合不确定性下从可靠性到敏感性的量化工作,并提出了基于缩减法的双循环Monte Carlo仿真分析流程,通过分层遍历时间域与参数域,实现混合不确定性下可靠性与敏感性评估。文中混合不确定性通过概率盒完成量化与可视化,传播过程使用遗传算法寻优。该方法通过算例及实例分析,成功量化零件不确定性对系统不确定性的影响程度,验证了在实际工程中的可行性。贝叶斯网络推理是可靠性推导的经典方法,但推理过程难以像Survival Signature有效分离系统结构与先验信息。但传统Survival Signature仅适用于二态系统,因此本文对将该方法实现从二态到多态系统的扩展,对于组件状态概率分布,通过齐次马尔科夫模型建模推导。本文提出了适用于含有多个同类零件构成的多态系统可靠性评估方法,并且基于双循环Monte Carlo仿真法完成敏感性量化。最后将该方法应用于桥型结构算例,结果表明,该方法对于状态转移规则较为规律的系统具有较高的可行性。最后,将所提两种混合不确定性下系统可靠性与敏感性分析方法应用于XKA28系列动梁桥式数控龙门铣镗床的进给控制系统中。该系统分为W、X、Y、Z轴进给控制子系统,根据子系统零件类型与数量,对W/X轴子系统采用多态Survival Signature方法,对Y/Z子系统采用贝叶斯网络完成可靠性建模。对于系统整体,采用Survival Signature完成建模并推导不确定性传播分析与敏感性分析。
王强[4]（2021）在《基于Copula函数的系统可靠性分析及风险优先数计算方法研究》文中研究指明随着科技的快速发展,装备和系统日趋大型化、复杂化。在工程实际中,一旦大型装备和系统运行发生故障,轻则导致不同程度的经济损失,重则导致重大人员伤亡。因此,对大型装备和复杂系统的可靠性及安全性的评估具有重要的工程应用价值。通常情况下,系统各部件间存在相互作用、相互影响,并且处于相同的环境中运行,因此系统中各部件间具有较强的非线性相关性。但现有的系统可靠性分析和风险评估方法,其常常假定各部件之间是相互独立的,这样虽然能够为分析计算过程带来便利,但是对计算结果有较大的误差,在一定程度上影响了决策的正确性。从而,如何考虑可靠性分析中系统变量间的相关性问题,是目前需要解决的难点之一。针对上述存在的问题,本文利用Copula函数对变量和部件的相关性进行建模,对基于Copula函数的系统可靠性分析及风险优先数计算方法进行研究,主要研究内容如下:（1）相关条件下多状态系统重要度计算方法。重要度计算被用于可靠性工程中寻找系统的薄弱环节,其对于关键部件的可靠性分析有着重要的意义。鉴于此,提出了一种多状态系统相关条件下的重要度计算新方法,将Copula函数模型运用在系统综合重要度的计算过程中。通过贝叶斯公式联系部件集合C与系统集合S间的关系,并利用部件的先验概率计算系统以及子系统的后验概率,从而对整个系统各部件的重要度进行分析排序。由于Copula函数对部件间相关性的建模,解决了重要度计算过程中主要关注部件的可靠性或结构特性而忽略部件间相互作用、相互影响的问题。（2）基于Copula函数下多状态监测数据的系统可靠性分析方法。现有对于系统可靠性评估的研究重点主要集中于基于失效时间下的可靠性分析,然而该方法无法反应不同系统个体间的失效差异规律。鉴于此,提出了相关条件下多状态系统部件监测数据融合的可靠性分析方法,运用贝叶斯公式兼顾监测数据的不确定性问题,以监测得到的实时数据更新系统的可靠度模型。该方法不仅提高了系统个体可靠度评估的准确度,而且解决了部件间存在非线性相关性的问题,为之后系统的维护与检修策略提供依据。（3）相关条件下考虑权重的系统风险优先数计算新方法。采用最小割集理论对大型复杂系统进行简化,基于Copula函数对部件和割集的相关性进行建模,考虑各个部件和最小割集的发生度O（Occurrence）、探测度D（Detection）及严重程度S（Severity）的权重并基于层次分析法进行层次单排序和层次总排序,可以有效确定出对系统风险影响较大的部件及失效模式组合。由于所提方法基于最小割集并且考虑了相关性,解决了传统风险优先数方法中假定部件间独立和仅适用于单点故障的局限性。
李泽宇[5]（2021）在《基于设备可靠性分析及耦合潮流的综合能源风险评估研究》文中指出随着社会经济发展,能源需求增加,同时环境保护也称为重要议题。随着新能源占比不断增加,多地投入建设大、中、小型综合能源园区。因应多种设备的移入,其建设与运行安全性,以及风险评估与管控都得到广泛关注。自21世纪以来的多起能源事故,更是对设备健康度评估提出了更高要求。本文针对完善综合能源体系下的风险评估方案,以电-热综合能源系统为案例,开展以下工作:首先,本文从电-热综合能源系统的设备与需求出发,以电网中常使用的风险值定义和比例故障模型为基础,提出了综合能源系统风险评估方案的指标体系与实际应用方案;该指标分析了多个设备的故障状态,本文选取风机、变压器两个主要设备为例,分析了过往基础的可靠性评估在实际运行状况中的缺陷,提出了基于SCADA系统数据建立的风电机组状态参数异常辨识广义模型以及考虑在线监测信息的变压器时变停运模型;随后推演并简化了电热耦合网络中热水管网的潮流计算模型;根据以上两部分结果可计算出风险评估方案中所提的指标之结果;最后将本文所述结论实现编程化、应用化。给出了态势感知的界面与相关数据显示方案。
张博远[6]（2020）在《多状态系统多层次状态监测策略优化方法研究》文中研究表明状态监测是保障复杂工程系统安全服役和可靠运行的重要技术手段,有效地利用状态监测数据可以揭示系统服役阶段的健康状态,并预测其状态演化规律,从而为系统的可靠运行提供重要依据。然而,由于系统复杂的工作环境以及状态监测技术精度的局限性,状态监测数据无法准确地反映系统的真实状态;另一方面,复杂工程系统往往包含多个结构层次（如:系统层、子系统层和部件层）,状态监测数据可以来源于系统的多个结构层次。此外,由于监测资源（如:时间、预算和人力）有限,往往无法同时收集所有部件、子系统或系统在服役阶段的状态监测数据。因此,考虑状态监测数据的不确定性和系统多结构层次的特征以及有限的监测资源,如何制定复杂多层次系统最优的状态监测策略,进而准确地揭示系统健康状态的演化规律成为当前复杂工程系统可靠性研究中亟待解决的难题。确定复杂系统最优状态监测策略的关键在于衡量不同状态监测策略对揭示系统健康状态的差异性。本论文以多状态系统为研究对象,针对其状态监测数据的不确定性和系统多结构层次特征以及监测资源有限的普遍问题,开展多状态系统多层次状态监测策略优化方法的研究。本文的主要内容和创新点有:（1）提出了一种不完全监测下的多状态系统多层次状态监测策略优化方法。针对状态监测数据的不确定性和系统多结构层次特征以及监测资源有限的问题,本文利用了监测概率矩阵量化状态监测数据的不确定性,以所有可能的状态监测数据为样本空间,利用全概率公式,并结合系统动态可靠度评估方法,构造了一种多层次状态监测策略的评价指标,以评估特定状态监测策略揭示多状态系统中所有部件状态或感兴部件状态组合健康状态的有效程度,进而构建了以监测资源为约束的状态监测策略优化模型。算例发现,该方法所获得的最优多层次状态监测策略能够合理地分配监测资源,以提高揭示多状态系统中所有部件状态或重要部件状态组合健康状态的有效程度。（2）提出了一种面向任务可靠度的多状态系统多层次状态监测策略优化方法。针对如何确保系统以高可靠度执行任务的问题,本文引入目标任务可靠度,用于判断系统是否能以高的任务可靠度执行下一次任务,并构造了一种面向任务可靠度的多状态系统多层次状态监测策略评价指标,以评估利用特定状态监测策略判断系统的任务可靠度是否满足目标任务可靠度的置信度。以最大化所提的评价指标为目标函数,建立了以监测资源为约束的状态监测策略优化模型。研究结果发现,该方法能够在有限的监测资源下找到最优的状态监测策略,以提高系统是否能以目标任务可靠度执行下一次任务的判断置信度。（3）提出了一种序贯监测下的多状态系统多层次状态监测策略优化方法。考虑到状态监测数据和系统真实状态对应的所有情况,本文构建了序贯监测下多状态系统多层次序贯监测策略的平均监测效果指标。将该指标与不考虑序贯监测的最优状态监测策略的监测效果进行了对比,建立了序贯监测信息价值表达式。算例分析表明,采用序贯监测策略不仅能节省监测资源,还能在监测资源有限的条件下提高监测的有效程度。
韩凤霞[7]（2020）在《高端数控机床服役过程可靠性评价与预测》文中研究说明随着新一代信息技术、人工智能技术与制造技术的不断融合,制造产业向智能化转型已成为发展的必然趋势。高端数控机床及由其组成的柔性制造系统是智能制造的重要基础。高端数控机床服役过程中,使用工况多变、运行环境复杂,导致数控机床系统性能状态呈现不可逆的退化趋势。在服役阶段,性能劣化及频繁的故障会严重的影响加工精度和生产效率。因此,如何保证数控机床的服役性能成为了设计者、生产厂商及使用者共同关注的焦点问题。对于高端数控机床,其部件退化特征多样,可靠性数据具有小样本特征,传统的基于失效数据的单一性能评估方法有一定的局限性。本文基于“状态监测数据”、“标准S形试件”及“多源数据融合”,在寿命预测、整机运行可靠性评价方面对高端数控机床的服役性能进行评价与预测。主要研究内容如下:（1）构建了基于混合预测方法的关键部件剩余寿命预测模型。对于退化型失效的数控机床关键功能部件,由于运行工况、使用环境、维修程度等因素的影响,功能部件的退化程度和失效时间存在较大的离散性。采用数据驱动和人工智能相结合的综合预测方法,构建了基于RVM和改进幂函数相结合的剩余寿命预测模型,该模型可以适应退化过程的不确定性,在不影响实际的切削过程的前提下,快速、便捷地对运行状态进行评估并对剩余寿命进行预测。（2）研究了基于S试件的高端数控机床整机运行可靠性的评价方法。对于服役阶段的高端数控机床,在复杂、多因素动态作用下,使其运行性能及精度保持性在时间维度内的退化情况各异。目前,在运行工况下,基于加工精度的运行可靠性评价还没有形成统一的标准。探讨了结合面性能劣化与加工精度映射的误差传递模型,提出基于S形试件整机运行可靠性的评价模型。该模型通过标准化S试件的加工工况,对整机施加恒定的激振力,定期监测固定切削工况的特征信号。构建三个维度评价指标（熵值维度、三维希尔伯特幅值谱的可视化维度,边际谱的重心频率的数值量化维度）来综合评估机床的劣化程度,从而对数控机床整机的运行性能及加工质量进行量化与评估。（3）构建了多源信息融合的高端数控机床综合可靠性评价模型。高端数控机床的运行可靠性不但与设计制造阶段的固有可靠性有关,而且与服役阶段的使用维修水平相关。系统地研究了维修履历数据、运行状态信息、加工精度三个维度的可靠性数据融合建模方法,构建了基于模糊层次分析法的高端数控机床综合可靠性评价模型。建立了运行可靠性及质量可靠性评价指标体系,提出的可靠性评估方法既能兼顾机床故障时间反映的“先天因素”,也能兼顾运行状态和加工质量反映的“后天因素”,以此多维度、准确地评价数控机床的综合可靠性。（4）构建了基于模糊贝叶斯网络的生产线中数控机床可靠性评价模型。深度融合子系统可靠性实验数据、现场运维数据、相似系统的维修数据。将模糊理论和贝叶斯网络相结合,解决了多态系统各根节点状态概率难以精确获得的问题,提高了处理不确定性问题的能力。（5）提出了基于寿命预测的联合维修决策模型。为保障高端数控机床高可靠性、低成本运行,针对计划维修容易造成过修或欠修,提出了基于视情维修与计划维修的联合决策模型。该模型综合利用了关键功能部件的整体的寿命分布函数及个体部件的寿命预测结果,以平均维修费用最小为优化目标,采用维修时间间隔和剩余寿命维修阈值为优化变量。通过蒙特卡罗仿真进行了维修费用、维修间隔及维修阈值的协同分析,为维修方案的决策及维修费用的预算提供技术支撑。
孙伟博[8]（2020）在《基于状态监测数据的航空发动机的寿命预测与维修决策研究》文中研究指明随着航空工业的高速发展,飞机的“安全性”,“可靠性”逐渐成为大家最为关心的问题。航空发动机作为一架飞机的“心脏”,也是唯一的动力装置,其运行的可靠性是衡量一架飞机安全性的重要指标。因此,为了避免由于航空发动机故障而引发的安全事故,常需对其可靠性进行评估,并根据评估结果预测剩余寿命,制定合理的维修优化方案。目前,国内外对于该类问题的研究,主要采用基于失效物理模型的方法,该类方法普遍存在预测精度低,效率差等问题。本文为了提高预测精度,从航空发动机的状态监测数据分析入手,建立基于状态监测数据的航空发动机的寿命预测与维修决策方法,以期最终实现航空发动机经济型与安全性水平的进一步提升。主要研究内容如下:第一,本文在进行寿命预测与维修决策之前,为了更好的理解航空发动机系统的相关状态数据,判断预测的结果和制定的维修决策是否合理。本文首先对航空发动机的结构组成、工作原理进行简单的介绍。并在此基础上,分别从失效性能指标、典型故障模式、重要性能参数等角度研究其失效机理及传播方式。第二,在基于多状态变量维修决策方面,本文采用协变量比例风险模型作为维修决策模型。由于通过线性回归分析中的K-M法确定航空发动机的寿命分布服从威布尔分布,这里将模型中的基函数设定为二参数威布尔分布函数。对于模型中需考虑的协变量种类,采用逐步回归法对所有协变量进行显着性分析。如果满足引入条件,则引入模型;反之,则剔除;经过不断地引入、剔除确定引入模型的协变量。然后采用极大似然估计法估计出模型中待确定的参数,完成威布尔比例风险模型的构建。并根据航空公司维修经验,本文选取最大可用度和最小维修费用作为维修优化目标,进行视情维修决策。第三,本文针对马尔可夫模型的无记忆性和齐次性的优点,在马尔可夫模型的基础上进行改进,建立基于模糊C-聚类的加权马尔可夫模型的多变量寿命预测方法。本文选取航空发动机的可靠度指标作为预测性能指标,以性能指标的增量序列作为预测模型的输入序列,采用模糊C-聚类法对输入序列的状态区间进行划分,计算不同步长的转移状态概率矩阵和预测状态的状态概率,引入权重思想依据预测状态概率的所占权重大小确定预测时刻所处状态,采用级特征值概念确定预测的增量,根据航空公司常采用的失效准则判定预测的性能指标是否失效,根据失效情况计算剩余寿命。最后采用试验数据仿真结果与实际结果对比的方法进行验证。第四,本文为提高预测精度,将不确定量化问题引入寿命预测研究中,在充分分析寿命预测过程中的不确定因素后,对威布尔可靠度函数中的估计参数进行不确定量化,采用广义多项式混沌法构建多项式代理模型,将代理模型预测的失效阈值边界值重新代入模糊C-聚类加权马尔可夫模型重新预测剩余寿命,得到寿命预测区间,并将两种方法的预测结果与实际结果对比,评估预测结果的准确性。这种方法不仅可以避免由于不确定性引发的失效后维修。还可以为航空领域的健康监理技术提供了新方法、新思路。
李中生[9]（2020）在《曲轴磨削自动化柔性系统可靠性提升技术研究》文中研究说明我国的经济结构正面临着关键的战略转型期,汽车制造业已发展成为引领传统制造业转型升级的先驱,并逐步成为中国民族产业的重要支柱。虽然目前我国的汽车产量逐年增加,但国内高档发动机生产线几乎均采用了进口设备,而且主流发动机生产线大多已进入淘汰期,大批的设备需要更新换代。因此,如何充分利用国产高档数控装备,改造现有的生产线乃至于组建具有自主知识产权的全新生产线,显得十分迫切。要自主研发发动机自动化加工系统,就必须攻克在高效加工、连续运转工况下的可靠性保障等技术难题,从而打破发达国家在高端自动化生产线行业的垄断地位,降低我国国产高端汽车的生产成本,提高我国制造企业为用户提供成套装备的能力,提升我国汽车制造业的国际竞争力。论文以2016年国家科技重大专项中的子课题“轿车发动机曲轴磨削自动化高效柔性单元示范工程”为依托,重点开展了曲轴柔性生产线可靠性提升技术的研究,主要研究工作如下:（1）分析了曲轴柔性制造系统的加工设备、工艺流程与系统布局。根据现场采集的234条设备故障和维修数据,分析了柔性制造系统各加工设备的生产率、故障率与维修率等可靠性指标。基于曲轴磨削系统的特点,运用马尔可夫过程理论分析了柔性制造系统的马尔可夫状态转移图和状态转移矩阵,讨论了含缓冲区的曲轴柔性制造系统的稳态可用度。然后基于Petri网理论建立了柔性制造系统的广义随机Petri网（GSPN）模型并阐述了其工作原理,构建了包含16个显状态的马尔可夫链,通过求解退化嵌入马尔可夫链的激发率矩阵研究了各种工作状态的稳态概率,进而讨论了曲轴柔性制造系统的固有可用度。（2）为全面分析机电系统维修如故的运行特性,掌握曲轴柔性生产线的整体运行状态,定义了生产系统的可靠性,归纳总结了六种目前常用的串行系统可靠性指标——平均无故障间隔时间（MTBF）的运算方法,然后根据系统运行数据对六种算法进行了求解,并对运算结果进行了比较分析。（3）研究了两种基于延缓纠正策略的可靠性增长预测模型AMSAA（Army Materiel Systems Analysis Activity）预测模型和AMPM（AMSAA Maturity Projection Model）—斯坦预测模型。依据不同的子系统重组了故障数据,求解了各组数据的斯坦收缩因子,计算了各个子系统失效强度的斯坦估计值,推导了系统整体的失效强度预测值,提出了一种计及相似失效机理和维修策略的AMPM—斯坦预测扩展模型,并基于Relia Soft公司的可靠性数据验证了新模型的鲁棒性。根据不同的故障发生机理和维修特性,将参与可靠性增长试验的数控磨床划分为五个子系统,通过三个阶段的可靠性增长试验实例展示了新预测模型的具体应用。（4）研究了两种基于延缓纠正策略的连续系统可靠性增长规划模型:PM2模型（Planning Model based on Projection Methodology）和CE模型（CrowExtended Model）,分析了两种模型参数的灵敏度,结果表明CE模型的总体测试时间不便控制,PM2模型不能正确反映模型参数变化对增长规划曲线的影响。分析了PM2模型中的管理策略、纠正有效性系数、系统初始MTBF等参数的下限值,讨论了管理策略和纠正有效性系数两参数乘积的取值下限。基于参数之间的负相关关系,运用MATLAB生成了300组模拟数据对,采用曲线拟合模块进行了数据拟合和模型求解,构造了由管理策略和纠正有效性系数表述测试持续时间的非线性数学方程式,给出了95%置信区间的常系数推荐值。基于此数学方程,提出了一个不含测试持续时间的PM2规划扩展模型。通过对某公司曲轴搬运装卸系统开展的4 200小时可靠性增长试验验证了新规划模型的有效性。（5）构建了设备可靠度、设备修复率和设备生产率与成本之间的函数关系,以曲轴柔性制造系统的改进成本最低为目标函数,以构造的函数表达式和缓冲区容量单位建造成本为约束条件,建立了柔性制造系统优化分配模型。随后构建了试验持续时间、纠正有效性系数和管理策略与成本之间的函数关系,以设备可靠性提升成本最低为目标函数,建立了基于可靠性增长规划技术的设备可靠性增长分配模型。采用具有全局寻优功能的遗传算法分别以柔性制造系统目标MTBF不小于某特定值和系统可靠性提升改造成本不大于某特定值为优化目标,对曲轴柔性制造系统开展了可靠性优化分配工作研究,为曲轴柔性制造生产线可靠性提升提供了基础。然后以设备目标MTBF不小于某特定值和设备可靠性提升成本不大于某特定值为优化目标,对设备OP110开展了可靠性增长试验优化工作研究,为设计加工设备的可靠性增长试验提供了依据。
孙钰[10]（2020）在《机械滚动轴承可靠运行剩余寿命预测及维修决策研究》文中研究指明滚动轴承作为旋转机械中应用最为广泛、最易损坏的零部件,对其运行状态进行准确认知、预测其健康服役时间,进而提供有效的维修决策,是保障机械设备能够健康高效工作的关键内容。文章根据比例风险模型能够将装备故障规律统一性和个体状态劣化过程特殊性进行有效结合的能力、实时状态监测数据进行设备可靠性及时更新的能力、针对性的为轴承寿命预测与故障维修策略提供依据的能力,进行如下内容研究:（1）简要介绍威布尔分布的2种表现形式,将其引入比例风险模型形成威布尔比例风险模型（Weibull proportional hazards model,WPHM）,并对WPHM的具体表现形式进行分析说明,揭示WPHM基准风险率函数为二参数形式原因。讨论WPHM协变量离散取值规则及参数求解方法:（1）提出离散协变量“阶跃假设”,分析“右阶跃”规则存在弊端以此确认协变量取值方式为“左阶跃”;（2）探索WPHM参数分步计算原理,在基准风险率函数参数已知情况下,结合优化理论原理,将极大似然函数作为目标函数,建立WPHM的极大似然优化估计模型,并利用改进收缩因子粒子群算法MCFPSO实现剩余参数的快速收敛。（2）轴承运行寿命判断关键即WPHM中协变量发展趋势预测。文章以灰色理论为基础,首先利用粒子群算法优化原灰色模型GM（1,1）内部参数,构成PGM（1,1）预测方法;随后引入模糊数学理论,将原始数据拟合产生历史相对误差对后续数据预测的影响进行模糊处理;最后结合马尔科夫链预测理论,弥补灰色模型对状态跳变情况预测效果较差的缺陷,形成一种新的组合预测模型PGFM（1,1）,实现轴承后续协变量发展趋势的准确预测。（3）利用辛辛那提大学智能维护中心提供的滚动轴承全寿命周期退化试验,对比分析实际剩余寿命、WPHM预测剩余寿命与PGM+WPHM预测剩余寿命3者之间的关系,验证了文章所提寿命预测方法的真实有效性;随后进行以PGM+WPHM为基础的轴承最大可用度维修决策应用,得到三阶段维修时机预测决策图,为轴承维修时间点及有效分配状态监测资源提供合理建议。（4）由于轴承破坏形式主要为结构在周期性变幅载荷作用下产生的疲劳故障失效,因此在文章最后进行了以交变应力循环提取——平均应力修正——累积损伤准则为路线的疲劳寿命计算流程介绍,为滚动轴承疲劳寿命的预测计算提供相应的思路方法。
二、3-状态部分2-树网络可靠度的一个多项式时间算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、3-状态部分2-树网络可靠度的一个多项式时间算法（论文提纲范文）
（1）基于Gamma过程与Bayes推理的缸套可靠性评估（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 缸套退化模型研究现状 |
| 1.2.2 Bayes可靠性评估研究现状 |
| 1.2.3 马尔科夫链蒙特卡洛法研究现状 |
| 1.3 本文的主要研究内容 |
| 2 缸套退化过程描述 |
| 2.1 缸套的磨损原理 |
| 2.1.1 缸套的磨合 |
| 2.1.2 缸套的磨损 |
| 2.2 缸套退化数据 |
| 2.3 退化过程的经验评估 |
| 2.4 本章小结 |
| 3 缸套退化过程建模 |
| 3.1 变换伽马过程模型 |
| 3.1.1 变换伽马过程 |
| 3.1.2 变换伽马过程的状态函数和时间函数研究 |
| 3.1.3 变换伽马过程可靠性指标 |
| 3.2 状态依赖模型建模 |
| 3.2.1 状态依赖模型 |
| 3.2.2 马尔科夫链 |
| 3.2.3 状态依赖模型可靠性指标 |
| 3.3 退化模型的参数估计 |
| 3.3.1 参数估计 |
| 3.3.2 变换伽马过程的参数估计 |
| 3.3.3 状态依赖模型的参数估计 |
| 3.4 两种磨损模型对比 |
| 3.5 本章小结 |
| 4 变换伽马过程的Bayes推理过程 |
| 4.1 变换伽马过程的Bayes推理 |
| 4.1.1 状态函数的先验分布研究 |
| 4.1.2 时间函数的先验分布研究 |
| 4.1.3 变换伽马过程的后验分布 |
| 4.2 蒙特卡洛法马尔科夫方法 |
| 4.2.1 Metropolis-Hastings采样算法 |
| 4.2.2 Gibbs采样算法 |
| 4.2.3 slice sampling算法 |
| 4.2.4 OpenBUGS计算流程 |
| 4.2.5 MCMC计算过程 |
| 4.3 变换伽马过程参数的MCMC计算 |
| 4.4 本章小结 |
| 5 基于变换伽马过程的缸套可靠性分析 |
| 5.1 Bayes与 GEL函数下的后验均值和方差 |
| 5.2 Bayes后验与GEL函数下的可靠度、剩余可靠度 |
| 5.3 缸套的磨损量和寿命预测 |
| 5.3.1 缸套磨损量预测 |
| 5.3.2 缸套寿命预测 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（2）基于多模型交互的关键设备剩余寿命预测（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 机理模型的方法 |
| 1.2.2 数据驱动的方法 |
| 1.2.3 融合型方法 |
| 1.3 论文研究内容及结构安排 |
| 2 寿命预测基本理论知识 |
| 2.1 预测与健康管理技术 |
| 2.2 可靠性基本概念 |
| 2.3 性能退化失效定义 |
| 2.4 剩余寿命基本概念 |
| 2.5 本章小结 |
| 3 非线性退化过程的剩余寿命预测 |
| 3.1 基于扩展卡尔曼滤波的剩余寿命预测 |
| 3.1.1 卡尔曼滤波 |
| 3.1.2 扩展卡尔曼滤波 |
| 3.1.3 基于扩展卡尔曼滤波的剩余寿命预测 |
| 3.1.4 实验验证 |
| 3.2 基于粒子滤波的剩余寿命预测 |
| 3.2.1 贝叶斯估计 |
| 3.2.2 蒙特卡洛采样 |
| 3.2.3 基于粒子滤波的剩余寿命预测 |
| 3.2.4 实验验证 |
| 3.3 本章小结 |
| 4 基于多阶段退化过程的寿命预测 |
| 4.1 问题描述 |
| 4.2 多阶段退化过程建模 |
| 4.3 基于多阶段退化过程的寿命预测 |
| 4.3.1 交互多模型算法 |
| 4.3.2 寿命预测仿真实验 |
| 4.4 本章小结 |
| 5 基于多模型交互的非线性退化过程剩余寿命预测 |
| 5.1 问题描述 |
| 5.2 基于多模型交互的非线性退化过程剩余寿命预测方法 |
| 5.3 实验验证 |
| 5.3.1 退化模型建立 |
| 5.3.2 模型参数估计 |
| 5.3.3 剩余寿命预测 |
| 5.3.4 实验结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（3）不确定性影响下复杂机电系统可靠性及敏感性分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 可靠性建模与分析方法研究现状 |
| 1.2.1 故障树 |
| 1.2.2 贝叶斯网络 |
| 1.2.3 Survival Signature |
| 1.3 不确定性系统可靠性分析 |
| 1.4 敏感性分析方法研究现状 |
| 1.5 论文的研究内容 |
| 1.6 论文的主要结构 |
| 第二章 基于贝叶斯网络的不确定性系统可靠性及敏感性分析 |
| 2.1 引言 |
| 2.2 基于贝叶斯网络的系统可靠性建模与推理 |
| 2.2.1 贝叶斯网络建模方法 |
| 2.2.2 贝叶斯网络前向推理 |
| 2.3 基于概率盒方法的不确定性量化与传播 |
| 2.3.1 基于参数化概率盒的混合不确定性量化 |
| 2.3.2 基于遗传算法的混合不确定性传播算法 |
| 2.4 系统的非精确敏感性分析 |
| 2.5 混合不确定性下可靠性推理与敏感度的量化 |
| 2.6 算例分析 |
| 2.7 工程实例 |
| 2.8 总结 |
| 第三章 基于多态Survival Signature的不确定性系统可靠性及敏感性分析 |
| 3.1 引言 |
| 3.2 多态系统可靠性建模方法 |
| 3.2.1 多态系统理论概述 |
| 3.2.2 齐次马尔科夫模型 |
| 3.3 基于多态Survival Signature的多状态系统可靠性建模 |
| 3.3.1 基于系统Signature可靠性建模 |
| 3.3.2 基于Survival Signature的二态系统可靠性建模 |
| 3.3.3 二态Survival Signature的多态扩展 |
| 3.4 混合不确定性下基于多态Survival Signature可靠性及敏感性分析 |
| 3.5 算例分析 |
| 3.6 总结 |
| 第四章 不确定性下重型数控机床进给系统可靠性及敏感性分析 |
| 4.1 引言 |
| 4.2 重型数控机床电气控制与驱动系统介绍 |
| 4.2.1 重型数控机床电气控制与驱动系统结构 |
| 4.2.2 XKA28 电气控制与驱动系统的子系统分类 |
| 4.3 电气控制与驱动系统故障分析 |
| 4.3.1 故障位置分析 |
| 4.3.2 故障模式分析 |
| 4.4 进给控制系统可靠性建模 |
| 4.4.1 进给控制系统概述 |
| 4.4.2 进给控制系统功能框图 |
| 4.4.3 进给控制系统可靠性框图 |
| 4.5 考虑不确定性的重型数据机床进给系统可靠性分析 |
| 4.5.1 不确定性下X轴进给控制系统可靠性分析 |
| 4.5.2 不确定性下W轴进给控制系统可靠性分析 |
| 4.5.3 不确定性下Y轴进给控制系统可靠性分析 |
| 4.5.4 不确定性下Z轴进给控制系统可靠性分析 |
| 4.5.5 进给系统可靠性分析 |
| 4.6 总结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）基于Copula函数的系统可靠性分析及风险优先数计算方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 系统可靠性分析方法研究 |
| 1.2.2 多状态下重要度和可靠度分析方法研究 |
| 1.3 本文主要研究内容及章节安排 |
| 第二章 Copula函数理论及选择方法 |
| 2.1 引言 |
| 2.2 Copula函数基本理论 |
| 2.3 Copula函数模型选择 |
| 2.3.1 相关系数 |
| 2.3.2 经验分布公式 |
| 2.3.3 贝叶斯选择法 |
| 2.4 本章小结 |
| 第三章 基于Copula函数的系统重要度分析 |
| 3.1 引言 |
| 3.2 相关性下系统重要度计算 |
| 3.2.1 多状态系统变量描述 |
| 3.2.2 多状态系统重要度计算 |
| 3.3 算例分析 |
| 3.4 本章小结 |
| 第四章 基于Copula函数下多状态监测数据的系统可靠性分析 |
| 4.1 引言 |
| 4.2 融合多状态监测数据及Copula函数的系统可靠性分析 |
| 4.2.1 系统描述及基本假设 |
| 4.2.2 多状态系统部件状态监测可靠性评估 |
| 4.2.3 系统可靠性评估 |
| 4.3 算例分析 |
| 4.4 本章小结 |
| 第五章 考虑权重及相关性的系统风险优先数计算方法 |
| 5.1 引言 |
| 5.2 风险优先数RPN简介 |
| 5.3 考虑权重及相关性的系统风险优先数计算新方法 |
| 5.3.1 复杂系统的最小割集 |
| 5.3.2 基于Copula函数的最小割集相关性建模 |
| 5.3.3 基于层次分析法的层次单排序 |
| 5.3.4 风险优先数计算总排序 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得研究成果 |
（5）基于设备可靠性分析及耦合潮流的综合能源风险评估研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 引言 |
| 1.2 国内外研究现状 |
| 1.3 电-热综合能源系统的风险指标体系设计及计算方法 |
| 1.3.1 指标体系设计 |
| 1.3.2 风险计算及定级 |
| 1.4 本文主要内容 |
| 2 风力发电机组运行参数异常辨识方法 |
| 2.1 引言 |
| 2.2 风电机组状态参数与数据选择 |
| 2.3 风电机组状态参数预测模型 |
| 2.3.1 基于遗传算法优化BPNN(GA-BPNN)的预测模型 |
| 2.3.2 样本数据与输入参数的优化选择 |
| 2.3.3 预测精度分析 |
| 2.4 风电机组状态参数异常辨识模型 |
| 2.4.1 TLS分布模型的定义 |
| 2.4.2 TLS分布模型参数估计 |
| 2.4.3 分布模型拟合效果分析 |
| 2.4.4 状态参数预测误差分布特性 |
| 2.4.5 残差异常程度量化 |
| 2.4.6 异常辨识流程 |
| 2.5 算例分析 |
| 2.5.1 发电机后端轴承温度预测 |
| 2.5.2 TLS分布拟合残差的量化分析 |
| 2.5.3 EAI分析 |
| 2.5.4 异常辨识准确度分析 |
| 2.6 本章小结 |
| 3 变压器运行可靠性评估方法 |
| 3.1 引言 |
| 3.2 变压器状态分段与状态转移过程 |
| 3.3 基于时变停运模型的变压器可靠性评估流程 |
| 3.3.1 确定已知条件 |
| 3.3.2 场景生成 |
| 3.3.3 计算可靠度函数 |
| 3.3.4 收敛条件 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 4 综合能源能量管理系统软件态势觉察方法与应用 |
| 4.1 引言 |
| 4.2 热网水力模型 |
| 4.3 热力系统潮流计算流程 |
| 4.4 事故集风险值表达式 |
| 4.5 系统结构体系设计 |
| 4.6 实时展示界面 |
| 4.7 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 作者介绍 |
| 发表的论文及所取得的科研成果 |
（6）多状态系统多层次状态监测策略优化方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 多状态系统可靠性建模与评估方法 |
| 1.2.2 系统动态可靠度评估 |
| 1.3 论文的研究内容 |
| 1.4 论文的主要结构 |
| 第二章 不完全监测下的多状态系统多层次状态监测策略优化方法 |
| 2.1 引言 |
| 2.2 多状态系统可靠性理论基础 |
| 2.2.1 多状态系统基本特征 |
| 2.2.2 马尔可夫模型 |
| 2.2.3 通用生成函数 |
| 2.3 系统动态可靠度评估理论基础 |
| 2.3.1 多层次状态监测数据 |
| 2.3.2 不完全状态监测数据 |
| 2.3.3 不完全监测下的系统动态可靠度评估 |
| 2.4 多层次系统状态监测策略优化 |
| 2.4.1 基本假设 |
| 2.4.2 不完全监测下的状态监测策略评价指标 |
| 2.4.3 状态监测策略优化模型 |
| 2.4.4 基于蚁群算法的状态监测策略决策优化 |
| 2.5 算例分析 |
| 2.5.1 算例Ⅰ |
| 2.5.2 算例Ⅱ |
| 2.6 本章小结 |
| 第三章 面向任务可靠度的多状态系统多层次状态监测策略优化方法 |
| 3.1 引言 |
| 3.2 基本假设 |
| 3.3 面向任务可靠度的状态监测策略优化 |
| 3.3.1 系统的部件状态组合概率分布 |
| 3.3.2 系统任务可靠度评估 |
| 3.3.3 目标任务可靠度 |
| 3.3.4 面向任务可靠度的状态监测策略评价指标 |
| 3.3.5 状态监测策略优化模型 |
| 3.4 算例分析 |
| 3.5 本章小结 |
| 第四章 序贯监测下的多状态系统多层次状态监测策略优化方法 |
| 4.1 引言 |
| 4.2 基本假设 |
| 4.3 序贯监测下的系统状态监测策略优化模型 |
| 4.3.1 序贯监测的作用 |
| 4.3.2 序贯监测平均监测效果 |
| 4.3.3 序贯监测信息价值 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得研究成果 |
（7）高端数控机床服役过程可靠性评价与预测（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文选题背景 |
| 1.2 课题来源 |
| 1.3 数控机床可靠性指标体系 |
| 1.3.1 数控机床固有可靠性 |
| 1.3.2 数控机床运行可靠性 |
| 1.3.3 数控机床加工精度可靠性 |
| 1.4 国内外研究现状 |
| 1.4.1 数控机床可靠性研究现状 |
| 1.4.2 寿命预测研究现状 |
| 1.4.3 数控机床精度评价研究现状 |
| 1.4.4 数控机床维修策略研究现状 |
| 1.5 论文主要研究内容 |
| 1.5.1 综述总结与问题提出 |
| 1.5.2 本文主要内容 |
| 第2章 高端数控机床功能部件剩余寿命预测方法研究 |
| 2.1 引言 |
| 2.2 性能退化相关概念 |
| 2.3 电主轴/刀柄结合面性能退化建模 |
| 2.3.1 主轴/刀柄性能退化指标构建 |
| 2.3.2 电流损耗与刀柄性能退化分析 |
| 2.3.3 小波包降噪 |
| 2.4 融合RVM和改进幂函数的预测模型 |
| 2.4.1 小波包熵 |
| 2.4.2 相关向量机概述 |
| 2.4.3 回归模型及拟合性能评价 |
| 2.4.4 剩余寿命综合预测模型 |
| 2.5 实验验证 |
| 2.6 本章小结 |
| 第3章 基于S试件的高端数控机床运行可靠性评价 |
| 3.1 引言 |
| 3.2 基于S试件的机床运行精度分析 |
| 3.2.1 S试件的结构特点 |
| 3.2.2 数控机床的运动误差分析 |
| 3.3 数控机床结合面动特性研究 |
| 3.3.1 数控机床结合面性质 |
| 3.3.2 结合面研究概述 |
| 3.4 高端数控机床切削过程中动态性能评价 |
| 3.4.1 运行状态感知 |
| 3.4.2 基于CEEMDAN的特征提取 |
| 3.4.3 基于S试件的运行状态评价 |
| 3.5 实验验证 |
| 3.6 本章小结 |
| 第4章 基于多源信息数据数控机床综合可靠性评价 |
| 4.1 引言 |
| 4.2 高端数控装备的多源可靠性评价指标 |
| 4.2.1 基于故障时间的可靠性评价 |
| 4.2.2 基于运行状态的可靠性评价 |
| 4.2.3 基于加工质量的可靠性评价 |
| 4.3 高端数控装备多源信息融合评价体系 |
| 4.3.1 基于层次分析法的权重分配 |
| 4.3.2 基于故障数据的模糊可靠性评价 |
| 4.3.3 基于多源信息数控机床评价体系构建 |
| 4.3.4 实例验证 |
| 4.4 本章小结 |
| 第5章 基于贝叶斯网络生产线中数控机床可靠性评价 |
| 5.1 引言 |
| 5.2 航空结构柔性生产线可靠性评价模型 |
| 5.3 制造子系统信息融合及状态划分 |
| 5.4 构建多状态贝叶斯网络 |
| 5.5 实例验证 |
| 5.6 本章小结 |
| 第6章 基于寿命预测的维修策略研究 |
| 6.1 引言 |
| 6.2 维修保障与维修策略概述 |
| 6.2.1 维修决策模型 |
| 6.2.2 维修程度及优化决策 |
| 6.3 基于寿命预测的维修决策模型 |
| 6.3.1 视情维修相关研究 |
| 6.3.2 视情维修与定期维修的联合维修策略 |
| 6.3.3 基于维修时机和维修阈值的联合优化 |
| 6.4 蒙特卡罗仿真 |
| 6.5 实例验证 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 研究结论 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文和参加科研情况 |
| 作者简介 |
| 详细摘要 |
（8）基于状态监测数据的航空发动机的寿命预测与维修决策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 寿命预测研究现状 |
| 1.3.2 维修决策研究现状 |
| 1.3.3 国内外研究综述 |
| 1.4 本文主要研究内容 |
| 第2章 航空发动机结构组成及失效机理 |
| 2.1 航空发动机结构组成 |
| 2.2 航空发动机失效机理 |
| 2.2.1 失效性能指标 |
| 2.2.2 性能退化分析 |
| 2.2.3 典型的故障模式 |
| 2.2.4 状态监测数据 |
| 2.3 本章小结 |
| 第3章 基于威布尔比例风险模型的维修决策 |
| 3.1 威布尔分布检验 |
| 3.1.1 威布尔分布 |
| 3.1.2 拟合检验 |
| 3.2 威布尔比例风险模型的构建 |
| 3.2.1 协变量筛选 |
| 3.2.2 威布尔比例风险模型 |
| 3.2.3 参数估计 |
| 3.3 维修优化目标选择 |
| 3.3.1 最大可用度 |
| 3.3.2 最小维修费用 |
| 3.4 基于威布尔比例风险模型的维修决策 |
| 3.5 算例 |
| 3.6 本章小结 |
| 第4章 基于改进马尔可夫模型的寿命预测 |
| 4.1 马尔可夫模型基本理论 |
| 4.1.1 马尔可夫链过程 |
| 4.1.2 状态分类 |
| 4.1.3 状态转移概率矩阵 |
| 4.2 模糊C聚类—权马尔可夫寿命预测模型的构建 |
| 4.2.1 模糊C均值聚类法 |
| 4.2.2 基于模糊C聚类—权马尔可夫的寿命预测 |
| 4.3 算例 |
| 4.4 本章小结 |
| 第5章 基于不确定性分析的寿命预测 |
| 5.1 航空发动机寿命预测的不确定因素分析 |
| 5.1.1 不确定因素来源 |
| 5.1.2 不确定性量化 |
| 5.2 基于广义多项式混沌法的不确定分析 |
| 5.2.1 广义多项式混沌法 |
| 5.2.2 基于广义多项式混沌法的寿命预测 |
| 5.3 算例 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（9）曲轴磨削自动化柔性系统可靠性提升技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 自动化柔性加工系统可靠性研究现状 |
| 1.2.2 可靠性增长技术研究现状 |
| 1.2.3 可靠性优化分配技术研究现状 |
| 1.2.4 存在的不足 |
| 1.3 课题来源 |
| 1.4 论文主要研究内容与架构 |
| 1.4.1 论文主要研究内容 |
| 1.4.2 论文架构 |
| 第2章 曲轴柔性制造系统可用度分析 |
| 2.1 可靠性评估概述 |
| 2.1.1 可靠性的基本概念和意义 |
| 2.1.2 可靠性的定义 |
| 2.1.3 设备可靠性评价指标 |
| 2.1.4 制造系统的可靠性评估指标 |
| 2.2 曲轴磨削自动化柔性制造系统 |
| 2.2.1 曲轴结构及功能 |
| 2.2.2 曲轴精密磨削系统的加工工艺与设备组成 |
| 2.2.3 曲轴磨削自动化柔性制造系统的布局 |
| 2.2.4 生产线各设备的可靠性指标 |
| 2.3 基于马尔可夫过程理论的制造系统可用度研究 |
| 2.3.1 随机过程 |
| 2.3.2 马尔可夫过程理论概述 |
| 2.3.3 带有缓冲区的串联制造系统可用度研究 |
| 2.4 基于Petri网理论的制造系统可用度研究 |
| 2.4.1 Petri网理论 |
| 2.4.2 Petri网分析制造系统的固有可用度 |
| 2.5 本章小结 |
| 第3章 制造系统可靠性分析 |
| 3.1 系统可靠性基本理论 |
| 3.1.1 系统可靠性定义 |
| 3.1.2 系统可靠性的度量指标 |
| 3.2 串联系统的MTBF算法研究 |
| 3.2.1 固有可用度法 |
| 3.2.2 生产线开动率法 |
| 3.2.3 故障数据拟合法 |
| 3.2.4 运行平均值法 |
| 3.2.5 带缓冲区的串行法 |
| 3.2.6 计算机仿真法 |
| 3.3 柔性制造系统的MTBF |
| 3.4 本章小结 |
| 第4章 可靠性增长预测技术 |
| 4.1 可靠性增长纠正方式 |
| 4.1.1 系统性故障 |
| 4.1.2 残余性故障 |
| 4.1.3 A类故障 |
| 4.1.4 B类故障 |
| 4.1.5 时间截尾数据 |
| 4.1.6 故障截尾数据 |
| 4.1.7 纠正比 |
| 4.1.8 纠正有效性系数 |
| 4.1.9 三种纠正方式 |
| 4.2 可靠性增长预测模型 |
| 4.2.1 AMSAA预测模型 |
| 4.2.2 AMPM—斯坦预测模型 |
| 4.2.3 AMPM—斯坦预测扩展模型 |
| 4.3 新模型鲁棒性分析 |
| 4.4 实例研究 |
| 4.5 本章小结 |
| 第5章 可靠性增长规划技术 |
| 5.1 可靠性增长规划概述 |
| 5.2 可靠性增长规划模型 |
| 5.3 规划模型纠正有效性系数灵敏度分析 |
| 5.3.1 PM2模型的纠正有效性系数灵敏度分析 |
| 5.3.2 CE模型的纠正有效性系数灵敏度分析 |
| 5.4 规划模型管理策略灵敏度分析 |
| 5.4.1 PM2模型的管理策略灵敏度分析 |
| 5.4.2 CE模型的管理策略灵敏度分析 |
| 5.5 PM2模型参数的边界条件 |
| 5.5.1 PM2模型试验总时间分析 |
| 5.5.2 PM2模型管理策略参数的边界条件 |
| 5.5.3 PM2模型纠正有效性系数值的边界条件 |
| 5.5.4 PM2 模型系统初始MTBF值的边界条件 |
| 5.5.5 参数混合关系分析 |
| 5.6 新可靠性增长规划模型的建立 |
| 5.7 实例研究 |
| 5.8 本章小结 |
| 第6章 柔性制造系统可靠性优化分配 |
| 6.1 可靠性分配概述 |
| 6.1.1 可靠性分配的意义 |
| 6.1.2 可靠性分配准则 |
| 6.1.3 可靠性分配方法 |
| 6.2 可靠性分配的影响因素 |
| 6.2.1 单台设备的可靠度 |
| 6.2.2 单台设备的修复率 |
| 6.2.3 单台设备的生产率 |
| 6.2.4 缓冲区容量 |
| 6.2.5 成本约束 |
| 6.3 柔性制造系统可靠性优化分配模型 |
| 6.3.1 设备可靠度─费用函数 |
| 6.3.2 设备修复率─费用函数 |
| 6.3.3 设备生产率与费用间的关系 |
| 6.3.4 系统优化分配模型 |
| 6.4 基于可靠性增长规划技术的设备可靠性分配模型 |
| 6.4.1 试验持续时间与成本的关系 |
| 6.4.2 纠正有效性系数与成本的关系 |
| 6.4.3 管理策略与成本的关系 |
| 6.4.4 设备可靠性分配模型 |
| 6.5 优化算法的选择 |
| 6.6 柔性制造系统可靠性分配 |
| 6.6.1 特定可靠性水平下的柔性制造系统优化 |
| 6.6.2 特定成本下的柔性制造系统优化 |
| 6.6.3 特定可靠度水平下的设备可靠性优化 |
| 6.6.4 特定成本下的设备可靠性优化 |
| 6.6.5 柔性制造系统改进方向分析 |
| 6.7 本章小结 |
| 结论 |
| 参考文献 |
| 附录 A 300组模拟数据对 |
| 附录 B 攻读博士学位期间参与的科研项目 |
| 攻读博士学位期间发表的学术成果 |
| 致谢 |
（10）机械滚动轴承可靠运行剩余寿命预测及维修决策研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 轴承寿命预测技术研究现状 |
| 1.2.2 比例风险模型研究现状 |
| 1.2.3 状态数据预测技术研究现状 |
| 1.2.4 维修决策技术研究现状 |
| 1.3 研究内容及结构安排 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究技术路线 |
| 第二章 轴承失效形式及振动特征提取 |
| 2.1 轴承失效基本形式 |
| 2.2 轴承振动机理 |
| 2.3 异常数据处理 |
| 2.4 振动信号特征量提取 |
| 2.4.1 时域特征提取 |
| 2.4.2 频域特征提取 |
| 2.5 本章小结 |
| 第三章 轴承运行可靠性评估方法分析 |
| 3.1 引言 |
| 3.2 可靠性指标 |
| 3.3 威布尔分布函数 |
| 3.3.1 二参数威布尔分布 |
| 3.3.2 三参数威布尔分布 |
| 3.4 比例风险模型 |
| 3.5 威布尔比例风险模型 |
| 3.5.1 威布尔比例风险模型建模 |
| 3.5.2 模型参数估计方法分析 |
| 3.6 本章小结 |
| 第四章 轴承衰退指标协变量预测 |
| 4.1 引言 |
| 4.2 预测模型建立流程分析 |
| 4.3 传统灰色模型GM(1,1) |
| 4.3.1 灰色模型 |
| 4.3.2 实例分析应用 |
| 4.4 基于粒子群优化的灰色模型PGM(1,1) |
| 4.4.1 PGM(1,1)实例计算 |
| 4.4.2 预测效果分析 |
| 4.5 新组合预测模型PGFM(1,1) |
| 4.5.1 模糊数学理论 |
| 4.5.2 马尔科夫链预测 |
| 4.5.3 PGFM(1,1)模型建立流程 |
| 4.5.4 PGFM(1,1)实例计算 |
| 4.6 案例总结分析 |
| 4.7 本章小结 |
| 第五章 基于WPHM的轴承剩余寿命预测及维修决策 |
| 5.1 引言 |
| 5.2 轴承可靠运行剩余寿命预测系统建立思路 |
| 5.3 基于WPHM的轴承剩余寿命预测 |
| 5.3.1 实验数据采集 |
| 5.3.2 WPHM模型建立及寿命预测 |
| 5.4 视情维修 |
| 5.4.1 视情维修理论基础 |
| 5.4.2 视情维修状态监测 |
| 5.5 基于WPHM的轴承最大可用度维修决策 |
| 5.5.1 最大可用度维修策略制定思路 |
| 5.5.2 视情维修决策实例分析 |
| 5.6 本章小结 |
| 第六章 轴承疲劳寿命计算 |
| 6.1 引言 |
| 6.2 雨流计数法 |
| 6.2.1 雨流计数法简介 |
| 6.2.2 雨流计数法在MATLAB中的程序实现 |
| 6.3 平均应力修正 |
| 6.4 疲劳累积损伤准则 |
| 6.4.1 线性Miner准则 |
| 6.4.2 非线性Corten Dolan准则 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文及研究成果 |
四、3-状态部分2-树网络可靠度的一个多项式时间算法（论文参考文献）
- [1]基于Gamma过程与Bayes推理的缸套可靠性评估[D]. 侯宇涛. 西安理工大学, 2021
- [2]基于多模型交互的关键设备剩余寿命预测[D]. 王雨冰. 西安理工大学, 2021(01)
- [3]不确定性影响下复杂机电系统可靠性及敏感性分析[D]. 梁禾. 电子科技大学, 2021(01)
- [4]基于Copula函数的系统可靠性分析及风险优先数计算方法研究[D]. 王强. 电子科技大学, 2021(01)
- [5]基于设备可靠性分析及耦合潮流的综合能源风险评估研究[D]. 李泽宇. 浙江大学, 2021(08)
- [6]多状态系统多层次状态监测策略优化方法研究[D]. 张博远. 电子科技大学, 2020(01)
- [7]高端数控机床服役过程可靠性评价与预测[D]. 韩凤霞. 机械科学研究总院, 2020
- [8]基于状态监测数据的航空发动机的寿命预测与维修决策研究[D]. 孙伟博. 哈尔滨工业大学, 2020(01)
- [9]曲轴磨削自动化柔性系统可靠性提升技术研究[D]. 李中生. 北京工业大学, 2020(06)
- [10]机械滚动轴承可靠运行剩余寿命预测及维修决策研究[D]. 孙钰. 浙江海洋大学, 2020(01)