屏蔽数据下并联系统广义指数部件的可靠性估计

针对具有屏蔽寿命数据的并联系统,研究了广义指数部件的可靠性估计问题.利用极大似然方法和贝叶斯理论给出了部件未知参数和可靠度函数的极大似然估计及贝叶斯估计.最后通过随机模拟对两种估计的效果进行了比较,并研究了样本量和屏蔽水平对估计精度的影响.     

定数截尾有缺失场合反延时电路可靠性分析

在定数截尾数据有缺失的情形下,对单个电子元器件寿命服从单参数指数分布的反延时电路系统进行了可靠性分析。应用Bayes方法并结合矩估计法,得到了单个电子元器件的失效率、系统可靠度及系统平均寿命3个可靠性指标的Bayes估计。数值模拟算例表明,所得可靠性指标的Bayes估计的精度高于可靠性指标的极大似然估计(MLE),Bayes估计和极大似然估计的估计效果均随着数据缺失个数的增加而变差,并且Bayes估计受数据缺失个数的影响小于极大似然估计。     

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。     

恒定应力加速寿命试验算法探讨

恒定应力加速寿命试验具有试验方法简单、理论成熟、得到信息多、试验结果较为准确等优点。本文利用三种被广泛运用的统计推断方法对同一恒定应力加速寿命试验结果进行推断,分析比较算法的优劣：在样本量较小的情况下极大似然估计优于线性无偏估计,但是当各应力水平下的样品失效数较大时,极大似然估计与线性无偏估计几乎等效,而线性回归的方法计算较为简单,但是在应力水平较少的情况下误差较大。     

混合Ⅱ型截尾样本下简单步加试验的统计分析

将Bootstrap方法引入到加速寿命试验中,在产品寿命服从Rayleigh分布的情形下,研究混合Ⅱ型截尾简单步加试验的可靠性统计分析问题,获得了参数的极大似然估计和区间估计,给出了正常应力水平下可靠度、失效率、平均寿命等可靠性指标的估计方法,最后利用Monte-Carlo方法验证了结论的正确性和可行性。     

简单步降应力加速寿命试验的最优设计

以正常应力下寿命分布函数中参数的极大似然估计的渐近方差为准则,考虑II型截尾的情形,对指数分布场合下简单步降应力加速寿命试验的最优设计问题进行了研究。通过一个实例表明,在总截尾数相同的情况下,简单步降应力加速寿命试验第一步的截尾数,要比简单步进应力加速寿命试验第一步的的截尾数少,并能保证相同的试验精度。     

一种改进的UWSAN最大似然目标定位方法

研究水声信道目标定位问题,由于水下定位精度与陆地不同。为了解决水下水声信道中有效传输信息,采用传统的无线传感器阵列网络(UWSAN)最大似然目标定位方法有效性差。为解决上述问题,提出将每个阵列的局域似然函数进行信息提取和压缩,并将信息进行融合。分析每个阵列的局域似然函数特性,并根据高斯函数对归一化似然函数进行拟合,结合各个阵列接收到的能量,在融合时先给拟合的归一化似然函数乘以其接收到的能量,再将各个阵列的对数似然函数相加得到全局对数似然函数,其中最大值的位置就是最大似然法估计的目标位置。数值仿真结果表明,改进方法不但大大降低了局部节点到融合节点的传输数据量,而且在高信噪比下与直接计算似然函数的数值非常接近,可以有效估计目标的位置。     

水平门限同积模型参数的拟极大似然估计

提出了用于非平稳非线性时间序列建模的水平门限同积模型,给出了模型参数的拟极大似然估计,由于对门限参数和同积向量似然函数既不可微也不光滑,不能直接运用传统的极大似然估计．因此首先利用遗传模拟退火算法估计门限参数和同积向量,然后用极大似然估计计算其余的参数,仿真结果表明,拟极大似然估计不受模型维数限制具有有效性和可行性,此外,数值计算结果的比较分析表明遗传模拟退火优于传统的遗传算法、模拟退火和随机搜索等优化算法．     

基于移动信标和DOA的声阵列网络自定位机制

研究了面向声阵列网络的自定位问题,提出了三种基于移动信标和波达方向(DOA)的最大似然自定位机制:基本最大似然估计(BML)、具有声信号传播延时补偿功能的最大似然估计(PCML)和基于二次计算的最大似然估计(RML).研究了声信号传播延时效应,并采用PCML和RML对此进行了补偿.详细分析了信标移动速度、DOA误差和信...     

基于相关向量机的高速列车牵引系统剩余寿命预测

高速列车牵引系统在运行过程中总是受到诸多不确定因素的影响, 例如, 由于列车的负载、运行环境及元器件的老化引起的不确定性, 不确定因素不可避免地影响牵引系统剩余寿命的预测精度. 为了提高不确定情景下剩余寿命预测的准确性, 本文首先采用改进的相关向量机(Relevance vector machine, RVM)方法, 建立鲁棒性能良好的多步回归模型, 由于t分布比常用的高斯分布更具有鲁棒性, 通过权重和随机误差服从t分布而非高斯分布, 改进了相关向量机回归模型, 随后将超参数的先验一并融入似然函数, 通过最大化似然函数估计未知的超参数, 此外, 利用首达时间方法从概率角度对剩余寿命进行了预测, 最后通过牵引系统中电容器退化的案例, 与传统的相关向量机方法、自回归方法和支持向量机方法进行对比, 验证了所提算法的有效性.