金属化膜脉冲电容器的可靠性评估

 为更加高效地评价自愈式高储能密度金属化膜脉冲电容器的可靠性水平,提出了一种基于步降加速退化试验的金属化膜脉冲电容器可靠性评估算法。对步降加速退化试验进行了阐述,深入探讨了可靠性评估中的关键步骤——试验数据折算过程。在此基础上,提出了基于伪失效寿命的步降加速退化可靠性评估算法和基于随机退化轨迹的步降加速退化可靠性评估算法,最后利用具体实例对该方法的有效性进行了验证。结果表明,与现有方法相比,该方法在保证评估精度的基础上,试验时间可以缩短45%。     

基于加速退化数据的金属化膜脉冲电容器可靠性分析

 基于金属化膜脉冲电容器的失效机理，研究了基于加速退化数据的金属化膜脉冲电容器可靠性评估问题，给出了一个该型电容器的加速退化失效模型和参数统计推断方法。基于试验数据可求得该型电容器可靠性模型中未知参数的估计值分别为9.066 9×10^{-8sup>和0.022 1，将该值代入失效分布函数即可确定电容器的失效模型，由此模型求得该型电容器充放电20 000次的可靠度为0.972 4。使用这种分析方式对金属化膜脉冲电容器进行可靠性分析将更能节省试验时间和费用。}     

随机阈值冲击模型金属化膜脉冲电容器可靠性分析

基于惯性约束聚变强激光装置中金属化膜脉冲电容器"自愈"的失效机理,提出了更为适合的冲击模型金属化膜脉冲电容器可靠性评估方法。现有的加速退化试验中,失效阈值往往是事先确定的,但考虑可靠性产品个体差异及环境影响的不同,这是不合理的,针对此问题提出了基于随机阈值的冲击模型金属化膜脉冲电容器退化建模的方法。由于模型过于复杂,采用MCMC方法进行参数估计。最后通过对电容器的仿真实验,将随机阈值下的评估结果与固定阈值的情况相对比,说明了该模型和方法的合理性,并进一步分析了不同的阈值分布均值和方差对产品可靠性的影响。     

自愈式金属化膜脉冲电容器耗损失效模型

 自愈式金属化膜脉冲电容器广泛应用于各类激光装置的能源系统中，它的可靠性直接影响到系统的可靠性与运行费用。在参考国外相关研究方法的基础上，分析了金属化膜脉冲电容器的失效机理，提出了一种新的耗损失效模型-Gauss Poisson模型，该模型将电容器的损耗分成自然损耗和突发损耗，与脉冲电容器传统的寿命分布模型Weibull模型相比具有预测更为精确的特点，而且基于该模型的寿命试验具有设计简单、时间较短、费用较低等优点，是一种较好的退化失效模型，应用前景较为广阔。     

加速退化试验下金属化膜脉冲电容器可靠性评估

 分析了金属化膜脉冲电容器的失效机理。根据金属化膜脉冲电容器加速退化数据,研究了其可靠性评价问题。基于疲劳失效的Birnbaum-Saunders模型,建立电容器失效分布函数。根据试验数据可求得该型电容器可靠性模型中参数估计值,并将该值代入失效分布函数即可确定电容器的失效模型,求得该型电容器充放电20 000次的可靠度为0.972 4。使用这种分析方式对金属化膜脉冲电容器进行可靠性分析将更能节省试验时间和费用。     

基于耗损失效模型的金属化膜脉冲电容器可靠性评估

 高储能密度金属化膜脉冲电容器是惯性约束聚变装置的关键元器件，由于其“自愈”特性，在短时间内很难得到它的失效数据。通过分析电容器的失效机理，给出了金属化膜脉冲电容器的一个耗损失效模型，推导了该模型的失效概率密度函数和分布函数，并利用电容器的性能衰退数据对其进行了可靠性分析。所选的某型金属化膜脉冲电容器未知参数估计值为0.000 119 4和0.006 7，将该值代入失效分布函数和概率密度函数中，从而确定电容器的失效模型，由此模型求得该型电容器充放电10 000次的可靠度为0.988 5，预计寿命为23 461次充放电。在工程实践中使用该模型对该型电容器进行可靠性分析可节约大量的试验成本。     

基于性能退化数据的超辐射发光二极管可靠性评估研究

作为光纤陀螺仪中的关键元件与薄弱环节,超辐射发光二极管(SLD)的可靠性在很大程度上决定了光纤陀螺仪的可靠性。针对其长寿命特点,研究了基于性能退化数据的可靠性评估方法。在对SLD失效机理分析的基础上,提出用正态-沣泊松复合随机过程模型对产品在环境应力作用下的退化特性进行建模,基于所得模型,由SLD的性能退化信息估计模型中的参数进而评估得到SLD可靠性指标。克服了传统可靠性分析方法依赖寿命数据的缺点,能够在没有寿命数据的情况下评估得到SLD的可靠性指标,从而节约大量的试验经费和时间。     

基于贝叶斯的智能电能表可靠性评估方法

针对具有高可靠、长寿命特点的智能电能表,应用加速退化试验方法进行可靠性评估是一种有效的方法。开展加速退化试验过程中,在高加速应力激发下,一方面可观测到智能电能表的性能退化,也可能出现智能电能表的整表失效。如何融合智能电能表加速寿命试验过程中的整表失效数据、性能退化数据转化得到的伪寿命数据,从而进行智能电能表的综合可靠性评估,是智能电能表可靠性评估急需解决的问题。本文研究提出基于贝叶斯方法的智能电能表可靠性评估方法,给出融合智能电能表的整表失效数据、伪寿命数据的数据处理方法及计算模型,探讨了伪失效数据计算方法、整表失效数据与伪失效寿命数据相容性检验方法等。     

基于高储能密度电容退化数据的可靠性评估

 根据强激光能源模块高储能密度电容器在工作过程中，受到连续冲击而使退化失效具有累积效应的特点，提出了利用产品运行过程中性能参数退化的信息，用复合Poisson过程对退化轨道建模并进行可靠性评估的方法。给出了模型参数的矩估计和电容器的平均退化量、可靠度、平均寿命等可靠性指标评估的Bootstrap仿真过程。并通过实例说明了该评估方法在工程中的应用。基于电容退化信息的可靠性评估方法，可以在极少甚至没有寿命数据的情况下给出客观可信的评估结果，在理论和应用上都具有重要的价值。     

基于信息熵的机械传动油液光谱监测数据选择方法

机械传动装置磨损产生的金属微粒在润滑油中均匀混合并不断积累，是一个缓慢退化过程，可通过油液光谱分析监测。MOA Ⅱ型原子发射光谱仪能够分析得到多达15种元素浓度数据，应用分析得到的油液光谱数据，便能够实现机械传动装置健康状态的监测与评估。然而，并不是所有的油液光谱数据都能够表征装备的健康状态，只有部分油液光谱数据能够提供有用的退化表征信息。应用全部油液光谱数据进行机械传动装置的健康状态监测会增加退化模型的复杂性。鉴于此，为实现机械传动装置健康状态的准确表征，提出了基于信息熵的油液光谱监测数据的选择方法，旨在为机械传动装置的健康状态监测与剩余寿命预测提供有效的退化数据。与传统的油液光谱监测数据选择方法相比，该方法使用信息熵表征各监测数据中蕴含退化信息量的大小，并以此为指标定量选择机械传动装置的退化数据。通过对综合传动装置可靠性试验油液光谱监测数据的实例分析证明了该方法的有效性，能够实现油液光谱数据的定量选择，提高了综合传动装置寿命预测的准确性，也为其他装备监测数据的选择提供了指导。     

基于DSP的高功率TEACO2激光器控制系统的高精度数据采集

针对基于DSP的高功率TEA CO2激光器控制系统直接利用DSP F2812内置A/D转换器（ADC）进行模拟量采样时存在转换误差较大,且模拟量易受电磁干扰等问题,从硬件和软件两个角度提出了校正DSP2812内置ADC的方法。硬件上采用硬件模拟滤波和隔离等手段对输入的模拟量进行处理;软件校正则通过将两路给定的参考电压值送入DSPF2812内置A/D转换器的两个转换通道,计算出ADC的偏置误差和增益误差,以此误差对其它通道A/D转换器进行校正。最后,实验分析了参考电压和A/D采样时钟频率对A/D转换精度的影响。结果表明,提出的方法能有效地提高A/D转换器的精度,A/D转换误差达到±3 LSB,特别是在对腔压值精度要求很高的0～12 000 Pa区段,A/D转换精度达±1 LSB,可以保证TEA CO2激光器的可靠运行。     

精密离心机动态半径测试方法研究与实现

为了对精密离心机动态半径进行有效的测量,提出了一种基于外基准的定点定位测量方法,并利用电容测微仪、24位高精度PXI数据采集卡搭建了动态半径测试系统;在测试过程中,首先对离心机动态半径数据进行等角度采样,然后精确提取精密离心机定位平台所在的转盘外边缘的局部数据,再将不同转速下的局部数据进行点对点的比较,计算出动态半径;对测量结果的不确定度进行了评定,评定结果表明,本文提出的测试方法能够实现对精密离心机动态半径较高精度的测量。     

基于油液光谱Wiener过程的综合传动装置失效预测

原子发射光谱是分析油液中微小磨损颗粒元素浓度的重要方法。作为一种非直接测量方法,油液光谱数据是车辆综合传动装置可靠性评估中的系统性能劣化的重要监测指标,可用于系统失效评估与剩余寿命预测。针对油液光谱数据这类型的一元劣化失效,随机过程尤其是Wiener过程模型具有良好的计算分析性质,在基于性能劣化的可靠性分析中应用日趋广泛。通过对车辆综合传动装置运行中的实时采样,共取得50个油液光谱样本。采用其中三种指示元素的线性回归方程来计算综合传动装置运行中每个瞬时的特征值与均值。基于正漂移Wiener过程,建立了综合传动装置的劣化失效预测模型,并基于R语言环境进行了随机微分方程的仿真与求解。得到了油液光谱中的Fe,Cu和Mo元素含量增长趋势的预测结果以及三种指示元素各自的首中时间。经比较,劣化失效周期的预测值较之条件维护时间延长了27 Mh(15.9%)。维护时间的延长,能够有效的减少全寿命周期内的维护次数,并最终降低维护成本。研究结果表明,该方法适用于综合传动装置的磨损与失效预测、全寿命周期费用与维护计划的优化。同时,也可推广至其他复杂机械系统的失效预测与评价等相关领域。