基于BA-WPHM的滚动轴承两阶段剩余寿命预测方法

为了提高滚动轴承剩余寿命预测的准确性,根据滚动轴承运行过程的两阶段性特点,提出了一种基于蝙蝠算法(BA)和威布尔比例风险模型(WPHM)的滚动轴承两阶段剩余寿命预测方法。首先,构建基于WPHM的剩余寿命预测模型;其次,提出了两阶段极大似然估计法,建立新的似然函数,并利用BA算法进行求解,以提高参数估计的准确性;最后,建立BA-WPHM模型对滚动轴承进行剩余寿命预测。案例分析表明,相比于Newton-Raphson算法、自组织分层猴群算法(SHMA)和独特的自适应粒子群算法(UAPSO),提出的方法参数估计的准确性更高,剩余寿命的预测精度优于支持向量回归(SVR)方法,验证了所提方法的有效性,为滚动轴承维修决策的可行性提供了依据。

多元参数退化的系统相关竞争失效可靠性评估方法

为了解决系统相关性竞争下的可靠性问题,提出一种突发失效与多元参数退化失效相关性竞争失效的可靠性评估方法。以Wiener随机过程与Inverse Guassian随机过程描述系统多元参数退化失效过程,利用Copula函数对系统多元退化失效过程进行建模,通过二阶段极大似然法估计退化失效相关参数;构建突发失效关于退化量的条件概率,利用Bayes-Bootstrap法对极大似然估计所得的突发失效参数进行修偏,进一步建立系统的相关性竞争失效模型。以航空发动机的退化数据为例进行综合分析,研究其突发失效和多退化失效之间竞争下的可靠性问题。获得的分析结果能够反映出航空发动机的性能可靠性,验证了模型的有效性,具有较好的工程应用价值。

基于分层阿基米德Copula的金融时间序列的相关性分析

与阿基米德copula相比,分层阿基米德copula(HAC)的结构更具一般性,而相比于椭圆型copula它的待估参数个数更少。用两阶段极大似然法来估计HAC函数,主要的步骤是先估计出每个分量的边际分布,以此为基础再估计copula函数。实证分析中,采取Clayton和Gumbel型的HAC分析四只股票价格序列之间的相关性。在得出HAC的结构和估计其参数之前,运用ARMA-GARCH过程消除了序列的自相关性和条件异方差。通过比较赤迟信息准则,认为完全嵌套的Gumbel型HAC能更好地刻画这种相关性。