三状态系统的可靠性冗余设计及冗余优化

针对飞行器的电源系统 ,论述了三状态系统冗余设计的可靠性分析方法 ,给出了三状态系统最优冗余数的计算公式 ,所得出的结论不仅适用于各种飞行器电源系统 。

多阶段任务系统可靠性并联冗余优化模型

多阶段任务系统是一类普遍存在的复杂系统,研究其可靠性冗余优化对于该类系统设计具有重要的参考价值。针对多阶段任务系统的可靠性并联冗余优化问题,提出了采用冗余故障树和冗余BDD来描述系统冗余结构的方法。给出了冗余模块在多阶段任务系统中的可靠度计算方法,建立了整个冗余多阶段任务系统可靠度计算模型。在此基础上以费用最小为目标,构建多阶段任务系统可靠性冗余优化模型,并应用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。

可靠性冗余优化设计算法研究

系统可靠性冗余优化设计涉及到非线性约束的非线性整数规划问题的求解,对算法的高效性、准确性有很高要求。针对GAG1启发式算法和现有粒子群算法在求取最优解时的局限性,结合二者的特点,提出了二者联合算法。文中最后对一并串联系统建立优化模型,根据3种算法分别编写Matlab程序并进行计算,算例结果表明了联合算法的有效性、准确性。

系统实时可靠性冗余优化研究

根据系统实时可靠性优化设计的需求,在现有优化模型基础上,选取系统工作过程中三个时刻的可靠度为优化目标,建立了多目标优化模型,并将其转化为超目标优化模型。提出GAG1启发式算法和粒子群算法的联合算法用以求解模型。算例结果表明了该模型考虑问题的全面性以及联合算法的有效性。

基于满意度的多阶段任务系统可靠性冗余优化模型

冗余技术是提高多阶段任务系统可靠性的有效方法,目前对多阶段任务系统可靠性冗余优化研究甚少。分析了静态多阶段任务系统的特征和可靠性计算模型;构建了可靠度、体积、质量和价格的满意度函数并确定各个满意度函数的影响因子;建立了基于综合满意度函数的静态多阶段任务系统可靠性冗余模型,并利用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。

一种可靠性冗余优化设计的新方法

针对可靠性设计中现有冗余优化方法的不足，提出一种新的优化策略——平衡优化策略，证明了该策略的基本性质，给出了平衡优化方法的一般步骤。

并联机器人动力学建模及任务冗余优化

运用凯恩方法,以并联机器人动平台参考点的广义速度为系统的伪速度,在任务空间建立并联机器人的高效动力学模型。在此基础上,利用动力学模型中加速度项对具有任务冗余的并联机器人的驱动关节力进行优化。同时,根据并联机器人固有的结构特点,利用任务冗余的位形自由度,优化并联机器人的力传递性能,从而达到优化驱动关节力的目的。可以根据不同的情况选用合适的优化策略。

基于人工神经网络的复杂系统可靠性冗余优化

复杂系统可靠度函数具有非线性的特点,针对这种情况,在简要介绍人工神经网络及有关模型的基础上,提出了基于人工神经网络的可靠性冗余优化方法,并建立了复杂系统可靠性冗余优化的人工神经网络模型。最后,结合实例对该方法进行了验证。

面向DSP的超字并行指令分析和冗余优化算法

如今单指令多数据流(SIMD)技术在数字信号处理器(DSP)上得到了广泛的应用,现有的向量化编译器大多都实现了自动向量化的功能,但是编译器并不适合支持DSP为特征的SIMD自动向量化,主要由于DSP复杂的指令集、特有的寻址模型,以及依赖关系或者数据非对齐等原因而导致向量化效率不高。为了解决此问题,在基于Open64的超字并行(SLP)自动向量化编译系统后端,对SLP自动向量化中的指令分析和冗余优化算法进行了添加和改进,生成更加高效的向量化源程序。实验结果表明,该优化方法能有效提高DSP性能并降低功耗。

潜艇自航模试验系统可靠性冗余优化

可靠性设计水平直接影响潜艇自航模系统设计的成败.在某潜艇自航模任务与系统构成分析的基础上,开展了某潜艇自航模系统的可靠性分析,应用多阶段任务系统可靠性模型理论建立了该系统的任务可靠性分析和计算模型,综合潜艇自航模的设计约束条件,并结合满意度的概念,建立了系统可靠性冗余优化模型且利用微粒群算法求解.示例证明了模型的可用性及可信性.

生存进化阶段性搜索微粒群算法及其可靠性冗余分配优化应用

为高效解决含有异质冗余的多态系统(MSS)可靠性优化问题,并弥补微粒群优化(PSO)算法易早熟收敛的不足,从作用力方式和种群拓扑结构两方面对算法进行改进。改进PSO算法中单一的作用力方式,设置前后两个搜索阶段,对应两个搜索阶段分别构造平衡引斥力方式和双层引力(个体和全局最优解引力、中间适应度微粒引力)方式,提出阶段性搜索微粒群(SPSO)算法;利用生物个体“择友而交”和优胜劣汰的生存体系构建生存进化(SE)拓扑结构,以结构演化和算法进化并行方式将该拓扑结构融入SPSO算法,提出生存进化阶段性搜索微粒群(SPSO-SE)算法,进一步提升算法的优化性能;利用Benchmark函数对所提算法与PSO的改进算法进行测试对比,结果表明,所提SPSO-SE算法具有更好的寻优能力。采用SPSO-SE算法对串-并联和桥式结构的多态系统的可靠性冗余分配问题进行优化,得到的系统结构费用更低、可靠度更高。

基于Copula函数的系统可靠性冗余优化

针对系统可靠性冗余优化设计中冗余部件间可靠性的相关性经常被忽略而导致优化结果与工程实际有差距的问题,利用Copula连接函数中的Gumbel Copula函数来描述这些相关性,并根据相关性对冗余优化模型进行了改进.针对模型的求解方法,选用GAG1启发式算法,并根据Gumbel Copula函数对其中的敏感因子进行了修正.算例结果表明了改进方法的全面性、可行性.

基于遗传算法的冗余任务并联机器人驱动优化

以六棱锥式并联机器人为研究对象,采用拉格朗日法建立机构动力学模型,结合直线电动机设计原理,获得驱动电流与任务轨迹之间变化的对应关系。基于遗传算法以瞬时动能最小为优化目标对电动机驱动力进行优化,优化后能耗较非冗余任务能耗降低了47.6%。进行了样机冗余任务轨迹实验,实验结果表明电流变化与仿真结果吻合,验证了优化方法的可行性和合理性。

不确定并串联系统的贮备冗余优化

在可靠性工程中，可靠性优化设计是系统设计阶段需要解决的一个重要问题．文章针对不确定并串联系统，研究了具有不确定寿命和不确定费用的贮备冗余优化问题．以最大化系统可靠性，最大化系统寿命和最小化系统费用为目标，构建了3种不同的贮备冗余优化模型．在不确定理论框架下，给出了3种模型的等价模型，且根据决策者的偏好构建了3种带有优先级的模型．此外，给出的数值算例说明了所构建模型的合理性．

基于g_λ变量的冗余优化模型

为了解决Sugeno测度空间上系统寿命期望值、系统寿命的α乐观值和系统可靠性的系统性能优化问题,提出用g_λ变量来表征冗余元件寿命的冗余优化模型。首先,建立Sugeno冗余期望值模型、Sugeno冗余机会约束规划模型和Sugeno冗余相关机会规划模型;其次,为了求解模型,设计一种基于Sugeno模拟、多层神经网络和遗传算法的混合智能算法;最后,通过桥式系统的系统性能优化的算例验证所提模型和算法的可行性。

基于BP神经网络的连续状态并串联系统冗余度优化设计

提出一种以费用为约束条件的连续状态并串联系统冗余度优化设计模型。用传统的优化算法很难求得该模型目标函数的显性表达式,文中提出用BP(back propagation)神经网络对目标函数进行逼近,得到的近似目标函数是标准sigmoid函数的线性组合。仿真结果表明,该方法可以精确地求得系统的最优冗余度。

安全仪表系统冗余分配的多目标优化

为综合优化安全仪表系统(SIS)的多个性能指标,并确定系统各模块的冗余结构和测试周期(TI),提出一种SIS多目标优化方法。首先研究SIS可靠性、可用性和生命周期成本(LCC)的计算模型,然后通过计算模型得到以冗余结构、TI为优化变量,以可靠性、可用性和生命为目标函数的优化问题,最后应用多目标遗传算法(MOGA)来优化系统。结果表明:多目标优化能够综合考虑可靠性、可用性和LCC,比单目标优化得到的结果更有参考价值;TI对系统的影响不可忽略;SIS的多目标优化能得到一组有意义的解,可供SIS工程设计参考。

基于动态规划法对滚珠螺旋作动器电液控制系统进行冗余可靠度优化

航空飞行器所用的作动器系统,除要求零部件组成系统的可靠度高外,还必须配置冗余零部件或子系统.通过储备子系统或零部件的冗余数来提高系统的可靠性,使系统在费用、质量或体积等方面付出相应的"代价",因此,对航空用作动器系统进行冗余可靠性优化设计势在必行.论文介绍了几种基本可靠性模型的方框图,根据零部件串-并联可靠性方框图模型,建立了基于动态规划法对系统冗余可靠度优化的数学模型及其优化方法,并采用基于控制序列的动态规划法,对滚珠螺旋作动器系统的零部件或子系统进行了冗余可靠度的优化设计计算,在满足系统约束条件下,得到了可靠度为最大的各级部件的冗余度.

基于遗传算法的模糊可靠性冗余最优化分配模型及其实现

该文在经典系统可靠性冗余最优化的基础上,应用遗传算法对模糊目标和模糊约束分别为线性和非线性隶属函数的系统模糊冗余最优化问题作了研究,最后给出了一个应用实例。

基于大数据的深度卷积神经网络冗余参数优化算法

针对冗余参数占用较多网络存储空间的问题,提出一种基于大数据的深度卷积神经网络冗余参数优化算法。根据大数据的特点来确定冗余参数特点,由此构建基于大数据的深度卷积神经网络模型。计算属性数据集合的冗余参数熵,以熵值为依据压缩冗余参数。通过梯度下降的方式训练深度卷积神经网络参数,确定冗余参数拥塞程度,控制数据冗余拥塞队列,以此完成冗余参数优化。由实验结果可知,该算法所占网络存储空间最小为2 GB,参数可用效率最高可达92%,具有良好的优化效果。