乏信息动态测量误差灰自助预报

综合灰色系统理论和自助法的理论知识,提出一种实现乏信息测量误差预报方法。首先对动态测量数据中各误差源影响进行标定,计算各误差源对测量结果的误差传递系数,并对各误差源数据序列进行自助法抽样,通过灰自助融合建模获得误差源标定预测值;然后按照误差合成的方法实现动态测量误差的灰自助预报;具体实例表明,该方法得到的预报结果与实验测量结果非常吻合,验证了灰自助预报方法的有效性。

用灰自助泊松方法预测滚动轴承振动性能可靠性的变异过程

将灰自助原理融入泊松过程,提出灰自助泊松方法,以预测滚动轴承振动性能可靠性的变异过程。凭借时间序列的计数过程,在短时间区间内获取轴承振动表现出的变异强度的极少量原始信息;经过对变异强度原始信息的自助再抽样,模拟出变异强度的大量生成信息;用灰预测模型处理生成信息,获取变异强度估计值;用泊松过程表征可靠性函数,实时预测轴承振动性能可靠性的变异过程。轴承振动时间序列可靠性的试验研究表明,性能可靠性变异状态可以被真实描述,预测值与检验值具有很好的一致性。

乏信息材料布氏硬度测量误差的灰自助预报

乏信息材料布氏硬度测量误差的预报是硬度计量领域的新兴课题,有别于传统的统计学理论,综合灰色系统理论和自助法的理论知识,提出一种实现乏信息材料布氏硬度测量误差预报新方法.对小样本空间的材料布氏硬度测量数据中各误差源影响进行标定,计算各误差源对测量结果的误差传递系数,并对各误差源数据序列进行自助法抽样,通过灰自助融合建模获得误差源标定预测值;按照误差合成的方法实现乏信息材料布氏硬度测量误差的灰自助预报.通过具体的实例进行计算,所得的预报结果与采用标准硬度机所得测量结果一致,验证了乏信息材料布氏硬度测量误差灰自助预报新方法.

基于灰自助最大熵法的机床加工误差的调整

基于灰自助最大熵法,进行了机械制造工艺中输出的误差分布及机床加工误差调整研究。在分析误差分布时,首先运用自助法对当前少的信息量进行自助再抽样得到大量样本数据,然后利用灰色系统理论建立误差的灰自助动态预报模型GBM(1,1),最后用最大熵法获得了输出误差的概率分布。根据输出误差的概率分布,对机床的加工误差进行调整,使加工的产品误差满足要求。计算机仿真和实际案例的研究表明,灰自助最大熵法能够对机床进行准确调整,且预报准确率高。

基于灰自助模型的气压动态测量结果评估方法

通过融合灰色模型GM(1,1)、Bootstrap方法以及不确定度评定理论,建立了气压动态测量结果的灰自助评估模型GBM(1,1),并选取估计真值、估计区间和平均不确定度等参数描述其估计结果。实验结果表明,GBM(1,1)模型融合了灰色模型GM(1,1)和Bootstrap方法的优势,可以准确模拟动态测量数据的概率分布,并跟踪动态测量过程中被测量的变化趋势,其估计误差最大值和平均值均小于原始数据的测量误差最大值和平均值。区间估计的可靠度高于96%,估计区间能够较完整地包络被测量的动态波动范围,由此证明GBM(1,1)模型能够提高气压测量精度,并可对动态测量结果的不确定度做出准确评估。

基于灰自助法的轴承温度区间预测的数学模型研究

轴承温度是影响主轴系统刚度和运转精度的主要因素,若能实时预测轴承温度区间波动及其稳定性信息,可及时发现轴承工作性能失效隐患。基于灰自助法对每组数据序列进行区间预测,利用温度数据进行预报分析,对相关数据进行模型验证,预测结果表明温度预测区间几乎包含所有实验值,误报率小,精度高。然后基于模糊集合理论进行轴承温度稳定性评估,有效挖掘出轴承温度变化趋势的本质特征。

基于灰自助GBM(1,1)的滚动轴承摩擦力矩不确定性的动态预报方法

针对滚动轴承摩擦力矩变异过程的不确定性,通过融合灰预测模型GM(1,1)、自助原理以及扩展不确定度的概念,在乏信息条件下,建立了滚动轴承摩擦力矩不确定性的动态灰自助预报模型GBM(1,1),该模型可以由小样本数据预报大量数据,进而得到摩擦力矩的概率分布,获得给定置信水平下滚动轴承摩擦力矩的动态不确定度。通过试验研究,验证了该模型的正确性与有效性。

乏信息空间机械臂随机振动信号的灰自助评估

经典的统计学方法无法解决乏信息数据的评估问题。结合自助法和灰色系统理论,提出一种实现乏信息空间机械臂随机振动数据估计的灰自助方法。运用自助法对乏信息振动功率谱密度进行自助再抽样得到大量样本数据;利用灰色系统理论和最大熵理论建立灰自助模型,构建振动功率谱密度在不同频率点的灰自助分布。利用灰自助方法得到随机振动功率谱密度的真值估计和区间估计。提出了可靠度偏差和区间准确度2个指标对区间估计进行评价。灰自助方法与灰色方法和自助法的对比与测量实例表明,真值估计平均相对误差小于5%,在不同置信度水平下区间估计的准确度高于97%。

基于改进灰自助法的可靠性原始参数预测

针对电力系统可靠性评估中原始参数缺乏的问题,提出原始参数预测的改进灰自助法,它将GM(1,1)模型与自助(Bootstrap)法相结合,利用Bootstrap法产生大量再生样本,用改进灰色模型来减小误差,避免小样本特别是极小样本情况下自助法可信度不高的问题。采用改进灰自助法对算例进行仿真结果表明:在点估计、区间估计以及预测的置信度和可信度上都优于Bootstrap法以及传统的极大似然法,可信度和实用性高,解决电力系统可靠性评估解决原始数据不足的问题。

基于灰自助和未确知有理数的小样本试验数据估计

针对小样本试验数据的参数估计问题,提出了一种基于灰自助和未确知有理数的新方法。使用灰自助方法对小样本试验数据进行自助再抽样,通过灰色模型GM(1,1)挖掘生成较多的样本数据;构建虚拟样本的未确知有理数表达模型,提出了未确知有理数阶数的优化算法;分别建立了基于未确知有理数的小样本试验数据点估计和区间估计模型,并提出了相应的估计置信度模型;对某型装备干扰功率测试数据进行了参数估计。示例结果表明所提方法合理可行,不涉及原始数据的概率分布特征,能在较高的可靠度下解决小样本数据的参数估计问题。

一种桥梁实测小样本数据的区间优化方法--灰自助抽样与灰色系统理论相结合

针对农村公路桥梁的非概率可靠性评估中现场实测获得的数据属于小样本、贫信息且概率分布未知而难以精确估计参数变化区间这一问题,提出将灰自助抽样与基于灰色系统理论的区间估计方法相结合对桥梁实测的小样本数据进行区间估计。该方法通过自助法产生多组相似样本后利用灰色预测模型减小其误差,再通过基于灰色系统理论的区间估计方法计算各样本的灰色置信区间,并通过取交集的方式排除随机误差对结果的影响来获得更为精确的置信区间。最后将实测桥梁混凝土强度数据作为小样本数据,计算3种区间估计方法的区间估计结果,结果证明了本文所提方法的合理性及有效性。

正反向结合灰自助滤波法在滚动轴承性能可靠性评估中的应用

基于正反向结合灰自助滤波法提取出有效的轴承性能退化信息,从而精准地计算轴承运行过程中的性能可靠度。分别运用正向灰自助滤波法和反向灰自助滤波法对采集到的滚动轴承振动加速度数据进行降噪,并将其进行融合得到新的数据序列;基于概率密度函数交集法,将滤波前后数据序列的概率密度函数交集面积作为定量评定滤波效果的新指标;选定性能阈值,计算各个数据序列的变异个数、变异概率和性能可靠度,定量分析轴承运行过程中的性能变异程度。两个案例均表明正反向结合灰自助滤波法的效果最好,将其用于评估滚动轴承的性能退化过程是可行的。

基于Logistic回归、Markov过程和改进灰自助法的导弹备件需求预测

为了提高预测间断性需求导弹备件的精度,提出一种基于Logistic回归、Markov过程和改进灰自助法的组合预测模型。将样本序列划分为解释变量序列和自相关序列,对解释变量采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,把这两方面组合得到提前期非零需求发生概率,再运用改进灰自助法进行需求分布确定,得到最终的提前期需求。改进灰自助法先进行Bootstrap抽样,进行GM(1,1)二次数据拟合,既克服了Bootstrap法在小子样下的重复抽样问题,又克服了Bootstrap法在小子样下仿真结果不可信的问题。实例表明,提出的组合预测方法降低了预测误差,说明了该方法的有效性、可行性和实用性。

改进灰自助法及其在可靠性评定中的应用

极小子样情况下的抽样仿真一直是可靠性仿真评估的热点和难点,目前没有较好的解决办法。运用灰自助法的思想,改进灰自助法的抽样方法克服自助法在极小子样下的重复抽样问题,运用GM(1,1)二次数据拟合模型克服Bootstrap方法在极小子样下仿真结果不可信问题。将改进的灰自助法运用到极小子样可靠性评估中,多个算例表明该方法仿真评估精度较高,并具有较高的可信度和较强的适用性。

动态测量不确定度贝叶斯评定的改进方法研究

动态测量不确定度的评定一直是比较复杂的问题,到目前为止,国内外有许多学者对这一问题进行了探索与研究,给出了一些评定的方法,但这些方法都存在自身的缺点与不足,还不能给出十分精确的评定结果。因此,通过对现有基于贝叶斯理论的动态测量不确定度评定方法进行分析,用最大熵原理改进其先验分布的选择与计算方法,从而有效提高计算后验分布的精度,最终提高不确定度的计算准确度。

轴承振动性能预报及可靠性分析

轴承振动信号包含有主轴系统参与退化的大量信息,借助加权一阶局域法,将轴承振动时间序列进行混沌预报,预报值与实际值对比分析得到预报误差,来验证模型的可行性。将轴承未来状态的预报结果灰自助处理,根据主轴系统对轴承振动性能的要求给定振动阈值,借助泊松过程实现轴承性能可靠性预报。研究表明,振动性能预报模型的预报结果真实可靠,最大相对误差为13.92%,可靠性曲线可真实地描述轴承性能退化历程。所提模型可用于轴承性能健康的监控与预报,并可及时发现失效隐患。

轴承温度区间预测与稳定性分析

通过温度检测装置测试了不同时刻下轴承的工作温度信息,获得2套轴承温度时间序列,每套包含50个数据。基于灰自助法对每组数据序列进行区间预测,利用前6个温度数据进行预报分析,后44个数据进行模型验证。预测结果表明,温度预测区间几乎包含所有试验值,误报率小,精度高。然后基于模糊集合理论进行轴承温度稳定性评估,挖掘出轴承温度变化趋势的本质特征及其性能退化迹象。

密闭空间爆炸温度动态不确定度评估方法研究

融合了灰色模型GM(1,1)、Bootstrap方法以及不确定度评定理论,建立了密闭空间内爆炸温度动态测量不确定度的灰自助评估模型GBM(1,1),选取某次爆炸试验300 s的温度数据作为分析数据,运用估计真值、估计区间和平均不确定度等参数表征其估计结果。实验结果表明,GBM(1,1)模型融合了灰色模型GM(1,1)和Bootstrap方法的优势,可以准确模拟动态测量数据的概率分布,并实时跟踪被测量瞬时值的变化趋势。相比于灰色模型GM(1,1)和Bootstrap方法,灰自助模型GBM(1,1)具有更高的真值估计准确度和区间估计可靠度,其估计误差分布区间为[-12.62,13.58],标准差为8.69℃,最大相对误差为1.2%,区间估计可靠度高于90%,估计区间能够较完整地包络被测量的动态波动范围。由此证明GBM(1,1)模型能够对密闭空间内爆炸温度的动态测量不确定度做出准确评估。

小样本微量移液压力控制区间预测方法研究

为了实现对生物医学仪器中移液过程的精确检测,提高仪器的测试精度,提出了一种在小样本下利用灰自助法获取微量移液过程压力控制区间的方法。首先,针对小样本问题,将灰色预测模型和自助再抽样方法相结合建立微量吸液灰自助法模型(GBM(1,1));然后,利用模型在小样本信息下获取压力控制区间;最后,通过搭建微量移液系统对该方法进行验证。实验结果表明,灰自助法用10条压力曲线能准确获取正常压力控制区间,并对正常吸液过程以及气泡、堵针、样本量不足等异常吸液过程进行准确检测及报警。

多传感器信息融合的滚动轴承振动性能研究

在变工况和多传感器条件下,分析滚动轴承振动性能的主要影响因素并进行排序。对采集到的数据样本进行均值归一化处理,运用最大熵法计算归一化样本的概率密度函数;基于概率密度函数交集法,求解载荷、转速等数据样本与振动数据样本的概率密度函数的重合面积;融合灰自助法和最大熵法,分析4个工位温度数据样本对轴承振动性能的综合影响度,最终求解出滚动轴承振动性能的主要影响因素。试验研究结果表明,滚动轴承C276909NK2W1在服役过程中,径向载荷、轴向载荷、转速和温度对其振动性能的影响度分别为0.7446、0.2910、0.2903、0.2436,即该轴承的振动性能的主要影响因素为径向载荷,然后依次为轴向载荷、转速和温度。