无失效威布尔情形下基于双修正多层Bayes的可靠性评估

利用配分布曲线法构建无失效数据的可靠性评估模型时,往往采用E-Bayes或多层Bayes来估计失效概率,但因其估计能力有限,整体可靠度点估计精度不高。针对威布尔分布数据提出了一种新的双修正多层Bayes方法,用于改善失效概率估计,并完成可靠度点估计。在多层Bayes的基础上,通过修正失效概率上下限值来减小失效概率估计误差,然后结合加权最小二乘法和威布尔分布可靠度函数确定参数估计值和可靠度曲线,从而得到可靠度点估计。利用Monte-Carlo仿真试验,发现新方法能将参数估计相对误差控制在10%以下,并且得到的可靠度值更加趋近真值。通过实例分析发现,在超参数c取不同值的情况下,采用新方法得到的可靠度都更加接近工程实际。新方法适用性分析表明,形状参数β是影响估计精度的关键因素,且在β>2.2时新方法具有明显的优势及良好的稳健性。研究结果可为其他寿命分布无失效数据的可靠性评估提供参考。

基于CMPSO算法的无人机复杂三维路径规划

为了增强粒子群优化(PSO)算法跳出局部最优的能力,以及提高PSO算法在解决复杂实际工程问题的寻优性能,提升PSO算法在路径规划问题中的优化效果,提出了一种融合压缩策略和变异策略的粒子群(CMPSO)算法。在压缩策略基础上,设计了全新变异策略,二者的融合有效实现了粒子的自适应调节、增强了种群的多样性,提高了算法跳出局部最优的概率。经过CEC2017部分测试函数的验证,证明了CMPSO算法优秀的寻优能力。最后综合考虑多种约束条件,将CMPSO算法应用于无人机复杂路径规划,与其他改进PSO算法比较,CMPSO算法能够获得更短的路径航程,且耗时更少,代价更小。表明该算法能为无人机复杂路径规划提供有力技术支撑。