基于特征选择和ELM神经网络的轴承可靠性预测

针对滚动轴承可靠性预测问题,提出了基于特征选择和ELM网络的可靠性预测方法。首先,对振动信号提取特征,构成特征参数初选集;其次,引入单调性、相关性、鲁棒性三个特征评价指标对特征参数初选集进行特征评价,并定义了一种新的限制性指标,得到可以反映轴承退化过程的参数,构成退化特征参数集;再次,对退化特征参数集进行维数约简,构成低维特征向量集;最后,以退化特征参数集和特征向量集分别为输入数据和标签带入ELM网络中做可靠性预测。通过西安交通大学轴承振动信号数据集证明了该方法的有效性。

基于深度迁移学习的再制造零/部件可靠性预测方法

可靠性是反映再制造零/部件质量及其稳定性的重要指标。相比于新产品零/部件,影响再制造零/部件的可靠性因素多、机理关系复杂,且毛坯剩余价值高,难以开展大量的可靠性试验,使得可靠性数据样本量少,导致再制造零/部件可靠性预测精度低。为此,提出一种基于深度迁移学习的再制造零/部件可靠性预测方法。首先,分析制造阶段个性化工艺过程对再制造零/部件可靠性的影响,结合服役阶段运行数据对可靠性进行预测,通过引入新产品与同一产品不同型号零/部件服役阶段运行数据、制造阶段工艺质量数据进行样本扩充,利用主成分分析法获取影响可靠性的运行时间、状态信息及加工精度等关键特征数据并构建源域数据集;其次,采用卷积神经网络构建源域关键特征数据与可靠性之间的深度学习模型,以再制造零/部件数据为目标域数据集,通过自适应梯度算法将模型迁移应用到再制造零/部件可靠性预测中,以提高预测精度;最后,以某数控机床需要再制造的零/部件为例,对所提出预测方法的有效性进行验证。

新型饲草揉碎机可靠性预测与分配的研究

试验针对新型饲草揉碎机工作过程中普遍存在关键零部件故障率较高且整机可靠性较低的问题,采用专家评分法对饲草揉碎机进行可靠性预测,改进综合因素法(IFM)进行可靠性分配。结果显示,饲草揉碎机可靠性预测值为0.668,无法满足我国饲草揉碎机可靠性标准要求。基于预测结果对可靠性进行重新分配,为转子与动力传动部分分配了较低的失效率权重、较高的可靠度;为揉碎机机体分配了较高的失效率权重、较低的可靠度。重新分配各子系统可靠度后,整机的可靠度为0.90259,满足饲草揉碎机系统可靠性要求。研究表明,研究可为饲草加工机械可靠性预测与分配提供方法参考。

基于可视化物联网的大型医疗设备运行可靠性预测平台研究

针对医疗设备可靠性在临床实践中的问题,开发了一个基于物联网和可视化技术的大型医疗设备运行可靠性预测平台。首先引入可视化物联网仿真建模技术,利用传感器集群实时获取大型医疗设备运行多维状态数据,形成大型医疗设备运行可靠性核心要素样本集;然后对大型医疗设备运行可靠性核心要素样本集进行池化处理,构建融合前置训练集和后置测试集的可靠性核心要素样本特征数据池;最后利用深度卷积神经网络DCNN对特征数据池进行特征辨识,构建时间正序下的大型医疗设备运行可靠性核心要素样本集精准预测机制。选取某三甲医院核磁共振成像设备为案例分析载体,对平台进行了临床应用实践验证,结果表明,该平台有效地满足了大型医疗设备运行可靠性预测的智慧化改造需求,显著优化了预测的智慧可控感知机制,且平台的核心参数符合临床实践的标准要求。

水电机组运行数据分析在可靠性预测与评估中的应用研究

水电站是一种将水力能转化成电能的装置,具有环境友好、可再生等特点,在能源生产中具有重要影响地位。水电站因其具体工作时条件较为苛刻,极其容易发生故障,同时其可靠性无法得到有效保证。为有效解决这一问题,对其进行可靠度的预测与评价具有十分重要的意义。运行参数是衡量水电机组可靠度的重要基础,通过对这些参数的分析,可以更好地掌握机组的运行状况、故障原因等,从而为提高机组的运行可靠性提供重要的支撑。基于此,本文章对水电机组运行数据分析在可靠性预测与评估中的应用进行探讨,以供相关从业人员参考。

基于区域失效的数据中心和5G基站冷却设备可靠性预测方法研究

对数据中心和5G基站用冷却设备在不同安装区域的现场失效大数据进行分析,通过极大似然法建立寿命分布模型,其寿命分布最优拟合符合威布尔三参数分布规律,故障复发符合非齐次泊松过程,按区域聚类可靠性呈现显著性差异。对典型区域失效数据按可修复系统和不可修复系统分别进行可靠性预测,按可修复系统的预测结果与实际维修数据相关性良好。建立的基于区域失效的寿命分布、故障复发及可靠性预测方法适用于数据中心和5G基站用冷却设备的使用现场失效大数据分析,故障预测及维修备件、包修策略制定。

基于Copula函数模型的计算机网络可靠性预测方法

由于计算机网络组件之间的依赖关系无法有效捕捉,导致计算机网络可靠性预测时间延迟较长。对此,设计一种基于Copula函数模型的计算机网络可靠性预测方法。从起始节点出发,通过优先搜索逐步扩展至相邻节点,直至到达目标节点,确定网络的最小路集。运用Copula函数模型有效捕捉多个网络组件之间的依赖关系,设置可靠性指标。基于这些可靠性指标和最小路集信息,构建一个计算机网络可靠性预测模型。该模型不仅考虑了网络结构的特点,还融合了历史运行数据,从而能够实现对计算机网络可靠性的准确预测。实验结果表明,设计的基于Copula函数模型的计算机网络可靠性预测方法,平均预测时间延迟仅0.27 s,优势显著,表明该方法能够在较短的时间内完成预测任务,且预测结果可靠。

复杂机电系统可靠性预测的若干理论与方法

复杂系统可靠性综合、可靠性增长、可靠性预测已成为可靠性工程的三个重要研究方向,如何从方案论证、初设计、研制、试运行、投产的全过程,科学评估和预测复杂机电系统可靠性是工程实践中亟待解决的瓶颈问题。立足事前分析、事中分析、事后分析三个层面,探讨单元为不同分布时的系统可靠性综合及预测、试运行阶段系统可靠性增长分析、系统可靠性增长预测、系统可用性评定等命题中的若干理论与方法。针对具体工程背景,提出解决问题的新思路,并进行实例验证,为系统研究大型复杂机电系统可靠性提供理论依据和技术支持。

利用运行状态信息的机床刀具可靠性预测方法

针对数控机床类退化失效型设备,提出了一种基于设备运行状态信息的可靠性预测方法,主要包括状态特征指标选取、瞬时可靠度计算以及神经网络预测模型的建立和应用.其中,瞬时可靠度计算是准确预测的关键,结合Bayes方法和KM估计器思想提出的基于状态特征指标比例关联关系的瞬时可靠度算法简单高效.针对刀具加工过程中的磨损量时变数据,以可靠度为评价标准,正确预测出了刀具的失效时间,该过程表明设备状态信息用于可靠性预测的可行性和有效性,是未来可靠性发展的一个重要方向.

基于相关向量机模型的设备运行可靠性预测

针对机械设备失效数据少、传统基于统计的可靠性评估方法不能有效评估设备可靠性的问题,引入运行可靠度的概念来描述设备运行状态,并提出了一种基于相关向量机的设备运行可靠性预测方法。该方法首先采用运行可靠性计算模型,建立特定特征指标与运行可靠性的关系;然后采用相关向量机预测不同时刻下特征指标的值及其概率密度函数,并将其输入到运行可靠性模型,计算获得其所对应的运行可靠度。将该方法应用到航空发动机转子轴承运行可靠性分析中,预测的轴承失效时间与实际失效时间误差<5%,证明该方法的有效性和合理性。

基于PCA和RVM的电网供电可靠性预测模型研究

供电可靠性是评价电力系统供电能力的一个重要指标。根据电网运行的实际特点,采用相关向量机方法以电网供应能力和电网面临的自然灾害等因素作为模型的输入变量,以影响供电可靠性的电网故障停电时间作为模型的输出量,训练并建立电网可靠性预测模型。在模型的建立过程中,通过对相关向量机网络训练样本集进行主成分分析来改进样本的输入因子数,减少网络的输入数,简化网络结构,提高网络的精度。通过实例验证了该算法的有效性和适应性,为今后的供电可靠性预测提供一种新的方法。

基于AGA-LVQ神经网络的软件可靠性预测模型研究

针对当前大多数软件可靠性预测模型预测准确率不高等问题,利用LVQ神经网络的非线性运算能力和自适应遗传算法(AGA)的参数寻优能力,提出了一种基于AGA-LVQ的软件可靠性预测模型。首先对待预测的数据用主成分分析(PCA)等方法进行预处理以降低维度,去除冗余和错误数据,然后根据自适应遗传算法来计算最优的LVQ神经网络初始权值向量,最后运用LVQ神经网络进行软件可靠性预测实验。通过与传统方法的对比,证明该方法具有较高的预测准确率。

基于性能劣化的可靠性预测与系统开发

为了给数控装备可靠性预测提供更丰富、更精确、更及时的信息源,探讨了运用数控装备使用过程中的性能劣化数据对数控装备可靠性进行预测的方法与工具。给出基于性能状态监测的性能劣化建模与可靠性预测原理,并提出一种基于非平稳自回归积分滑动平均模型的数控装备性能劣化建模方法,以监测与分析数控装备关键性能参数的时变特性;提出基于隐马尔科夫链模型的数控装备可靠性预测方法,以揭示数控装备使用过程中的性能状态变化特征及其可靠性变动情况。在此基础上,开发了数控装备可靠性预测原型软件系统。该系统对于提高数控装备利用率、减少数控装备维修费用以及延长数控装备使用寿命等具有重要的意义。

T91/P91钢持久性能的统计分析及可靠性预测

利用Z参数方法分析了T91/P91(9Cr-1Mo V-Nb)钢高温持久性能数据的统计分布规律.结果表明:形状、热处理工艺等不同的T91/P91钢的高温持久性能数据交替重叠地分布在以应力σTTP(时间-温度参数)关系主曲线为中心的数据带中,而表征T91/P91钢持久性能数据分散性的Z参数服从正态分布.基于Z参数法对材料高温持久性能的可靠性分析结果,提出了T91/P91钢的σ-TTP-可靠度R曲线、σ断裂时间tr-R曲线和许用应力[σ]-温度T-R曲线.预测结果与NRIM及ECCC公开的实验数据均符合良好.

遗传优化支持向量机的软件可靠性预测模型

软件可靠性预测在软件开发的早期就能预测出哪些模块有出错倾向。提出一种改进的支持向量机来进行软件可靠性预测。针对支持向量机参数难选择的问题,将遗传算法引入到支持向量机的参数选择中,构造基于遗传算法优化支持向量机的软件可靠性预测模型,并用主成分分析的方法对软件度量数据进行降维,通过仿真实验,证明该模型比支持向量机、BP神经网络、分类回归树和聚类分析等预测模型具有更高的预测精度。

某柴油机气缸盖疲劳的可靠性预测

应用Pro/E三维造型软件和Ansa有限元前处理软件建立某柴油机气缸盖组合实体模型和有限元模型,基于Ansys的有限元结果利用FE-Fatigue软件对该柴油机气缸盖进行疲劳可靠性预测。疲劳试验验证缸盖是安全的,预测结果与试验结果吻合较好。

基于威布尔概率统计分析方法的设备可靠性预测研究

以设备或部件的失效数据为对象,利用威布尔概率统计分析方法,对可靠性预测进行了研究。首先分析威布尔概率图上数据的散落情况,判定建立单个威布尔模型还是混合威布尔模型;其次估计模型的参数:对单个威布尔模型,提出了垂直残差平方和最小的y关于x的最小二乘法,以及水平残差平方和最小的x关于y的最小二乘法,并给定了两者择优选用的依据,对混合威布尔模型,提出了经多次迭代而收敛的最大期望值(expectation maximization,EM)算法;最后通过两组失效数据的实例分析,验证了模型选择原则和参数估计方法的可行性和有效性,并实现了设备的可靠性预测。

软件可靠性预测的相关向量机模型

相关向量机是一种解决回归问题非常有效的方法,针对软件失效时间及其之前的m个失效时间数据使用相关向量机进行学习,以建立失效时间之间内在的依赖关系,由此构建新的基于相关向量机的软件可靠性预测模型.在4个数据集上的实验结果表明,新模型在预测能力上较之广泛使用的基于支持向量机或人工神经网络的软件可靠性预测模型有明显的提高,同时也表明现时失效数据的预测能力比很久之前观测的失效数据更强,最后通过实验对合理的m值及不同数据集上核函数参数取值进行研究.

基于非参数核密度估计和Copula函数的配电网供电可靠性预测

为了提高配电网供电可靠性预测精度,借鉴Copula函数在可靠性评估方面的应用,提出了基于非参数核密度估计法和Copula函数相结合的配电网供电可靠性预测算法。首先通过考虑线路平均故障率和平均维修时间之间的相关性,采用非参数核密度估计法拟合二者的边缘分布,通过最大似然法估计Copula函数的相关参数;然后采用最小欧式距离进行Copula优选,进而建立线路故障率和维修时间的模型,预测下一年的供电可靠性指标;最后以华东某地供电公司提供的数据为例进行仿真分析。结果表明,该模型能较好地满足供电可靠性预测要求,预测精度高于BP算法。

存储系统可靠性预测综述

对存储系统的可靠性预测,可以用来评估、比较不同容错机制以及评价不同系统参数对存储系统可靠性的作用,有利于创建高可靠的存储系统。因此,存储系统可靠性预测的研究一直是领域热点之一。从硬盘单体和存储系统两种预测对象的角度,对近年来该领域的相关研究进行了介绍和分析。首先从硬盘个体和群体两种对象,主动容错和被动容错两种容错方式,以及纠删码和副本两种冗余机制几个角度分类介绍当前可靠性预测研究现状,然后进一步指明当前该领域研究中尚未解决的一些难题和未来可能的发展方向。分析表明,目前对副本存储系统和主动容错存储系统的可靠性预测研究尚显不足,是未来很有价值的研究方向。