叶片振动可靠性评估方法研究

提出一种用于发动机叶片振动可靠性评估方法，该方法基于叶片共振转速图（Ｃａｍｐｂｅｌ），引入概率故障树ＰＦＴＡ（ＰｒｏｂａｂｉｌｉｔｙＦａｕｌｔＴｒｅｅＡｎａｌｙｓｉｓ）概念，改善了传统评估方法。其目的是为发展叶片共振识别和可靠性评估的有效方法。在Ｃａｍｐｂｅｌ图上，叶片共振系统定义由工作转速点和附近的多个共振点组成。利用ＰＦＴＡ分析该系统能获得更多的叶片振动信息。该方法发展了常规的叶片振动可靠性设计方法，为叶片设计和叶片振动疲劳排故中改善叶片振动特性提供有益的工程评估方法。

基于n维等效方法的岩质边坡楔体稳定体系可靠度分析

提出岩质边坡楔体稳定体系可靠度分析的n维等效方法,建立考虑多失效模式相关的楔体稳定体系可靠度分析的概率故障树模型。采用四参数β分布来描述可靠度分析中基本随机变量的分布。最后采用n维等效方法计算楔体稳定体系可靠度,并着重分析随机变量敏感性分析的3个层次及不同层次上的可靠度对基本随机变量的敏感性。结果表明,n维等效方法计算的楔体体系失效概率均在Cornell简单上下限法的范围内,它能够有效地评价楔体体系可靠度。概率故障树模型能够清晰直观地模拟多失效模式相关的楔体体系可靠度问题,忽略失效模式间的相关性将会明显高估楔体体系失效概率。此外,黏聚力和内摩擦角之间的负相关性对边坡的可靠度具有有利的影响。随机变量敏感性分为单一极限状态方程、单一失效模式以及体系可靠度3个不同的层次,在研究随机变量敏感性时必须明确相应的分析层次。水压力和结构面产状的敏感因子较大,因此布置良好的边坡排水系统以及进行详细的地质勘测工作是提高楔体可靠度有效的方法。研究成果为边坡风险分析奠定了一定的基础。

考虑多失效模式相关的岩质边坡体系可靠度分析

岩质边坡稳定的可靠度分析中包含多个相关的失效模式,传统的岩质边坡体系可靠度分析方法不能有效地考虑多失效模式相关的体系可靠度问题。为此,提出考虑多失效模式相关的岩质边坡平面滑动的体系可靠度分析方法。建立考虑多失效模式相关的岩质边坡平面滑动体系可靠度分析的概率故障树模型。采用β分布描述岩质边坡稳定分析中张裂缝的位置、岩体的黏聚力和内摩擦角。张裂缝中充水深度用截尾指数分布来描述。采用自适应重要抽样方法计算岩质边坡平面滑动的体系可靠度,并进行随机变量分布参数的敏感性分析。算例结果表明,概率故障树模型能够有效地分析岩质边坡多失效模式相关的体系可靠度问题,如果不考虑失效模式间的相关性对边坡体系可靠度的影响,岩质边坡的体系可靠度将会被低估。岩质边坡2个块体之间不发生相互作用的可能性明显地比2个块体之间发生相互作用的可能性要高。建议在进行岩质边坡体系可靠度分析时将张裂缝中充水深度系数取为区间[0.0,1.0]内的截尾指数分布。此外,变量的均值敏感性因子和标准差敏感性因子都表明,张裂缝中充水深度和张裂缝位置对边坡的体系可靠度影响最大,因此设置良好的边坡排水系统以及进行详细的地质勘测工作是提高边坡稳定性的有效措施。变量的均值和标准差敏感性因子之间是高度相关的,它们都可以用来识别最敏感的随机变量。

Application of Maximum Probability Approach to the Fault Diagnosis of a Servo System

In an actual control system, it is often difficult to find out where the faults are if only based on the outside fault phenomena, acquired frequently from a fault system. So the fault diagnosis by outside fault phenomena is considered. Based on the theory of fuzzy recognition and fault diagnosis, this method only depends on experience and statistical data to set up fuzzy query relationship between the outside phenomena (fault characters) and the fault sources (fault patterns). From this relationship the most probable fault sources can be obtained, to attain the goal of quick diagnosis. Based on the above approach, the standard fuzzy relationship matrix is stored in the computer as a system database. And experiment data are given to show the fault diagnosis results. The important parameters can be on line sampled and analyzed, and when faults occur, faults can be found, the alarm is given and the controller output is regulated.