贝叶斯神经网络建模预测方法及其应用

针对神经网络建模时,其模型的复杂性难以控制而且缺乏分析结果的工具,以及贝叶斯方法可以通过定义一些超参数的模糊先验来控制模型参数复杂性,并且可对任何感兴趣的变量产生后验预测分布,使得置信区间的计算成为可能.研究了贝叶斯神经网络的建模预测问题,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布.通过动调陀螺仪漂移数据建模应用分析结果证明此方法可以达到较好的建模预测效果.     

预测结构性能退化的混合粒子滤波方法

由于载荷,环境以及材料内部因素的作用,结构的性能一般随时间而逐渐退化. 为了评估结构服役期间的状态,常采用随机变量模型来描述结构性能的退化规律. 即,采用含不确定性模型参数的物理模型来逼近结构响应特性. 利用同类型结构的先知数据集信息可确定模型参数的先验分布. 结合结构服役期间的检测信息和贝叶斯原理,对模型参数进行更新,从而提高物理模型的准确性. 本文提出一种混合粒子滤波方法(particle filter-differential evolution adaptive Metropolis,PF-DREAM)用于模型更新,即:在确定参数先验分布时,采用证据理论(Dempster-shafer theory, DST)初始化模型参数;结合差分进化自适应 Metropolis 算法(differential evolution adaptive Metropolis, DREAM)和粒子滤波(particle filter, PF)算法,来计算更新公式中的复杂的高维积分. 相比于传统的 PF 算法,混合 PF-DREAM 方法可以有效提高样本粒子的多样性,解决重采样算法中粒子多样性匮乏的问题,从而得到更加合理的物理模型. 为了证明该方法的有效性,将提出的方法分别应用于电池性能退化和裂纹扩展规律预测. 算例表明采用本文提出的模型参数确定方法,使得物理模型更加合理,性能预测更加准确. 用于更新的数据越多,模型参数的分散性越小. 本文方法应用于高维问题或隐式函数问题时,计算原理和步骤不发生改变,但函数评价次数和计算时间会随之增大.      

预测结构性能退化的混合粒子滤波方法

由于载荷,环境以及材料内部因素的作用,结构的性能一般随时间而逐渐退化.为了评估结构服役期间的状态,常采用随机变量模型来描述结构性能的退化规律.即,采用含不确定性模型参数的物理模型来逼近结构响应特性.利用同类型结构的先知数据集信息可确定模型参数的先验分布.结合结构服役期间的检测信息和贝叶斯原理,对模型参数进行更新,从而提高物理模型的准确性.本文提出一种混合粒子滤波方法 (particle filterdifferential evolution adaptive Metropolis,PF-DREAM)用于模型更新,即:在确定参数先验分布时,采用证据理论(Dempster-shafer theory,DST)初始化模型参数;结合差分进化自适应Metropolis算法(differential evolution adaptive Metropolis,DREAM)和粒子滤波(particle filter,PF)算法,来计算更新公式中的复杂的高维积分.相比于传统的PF算法,混合PF-DREAM方法可以有效提高样本粒子的多样性,解决重采样算法中粒子多样性匮乏的问题,从而得到更加合理的物理模型.为了证明该方法的有效性,将提出的方法分别应用于电池性能退化和裂纹扩展规律预测.算例表明采用本文提出的模型参数确定方法,使得物理模型更加合理,性能预测更加准确.用于更新的数据越多,模型参数的分散性越小.本文方法应用于高维问题或隐式函数问题时,计算原理和步骤不发生改变,但函数评价次数和计算时间会随之增大.     

P-CS不确定性量化模型与其性能数据驱动更新方法

在实际工程中, 广泛存在大量的不确定性信息, 直接或间接影响着工程结构形式设计、结构性能评估与预测以及在役结构损伤识别等工作的开展与决策. 这些多源不确定性信息往往需要用多种不同的不确定性量化模型加以描述; 与此同时, 不确定性变量在使用过程中可能随时间变化且难以直接测量, 需要间接根据性能测试信息在使用工程中更新不确定性量化模型. 为兼顾上述两个问题, 本文基于等概率变换原则提出了一种P-CS (probability-convex set) 不确定性量化模型, 该模型将不确定性变量用概率随机变量与非概率凸集变量组合表征, 可统一表达概率模型、非概率模型以及非精确概率模型, 实现多源、多类型不确定性的统一量化. 本文进一步基于贝叶斯理论提出了一种针对该P-CS不确定性量化模型的性能数据驱动更新方法. 该更新方法根据性能测试数据信息更新P-CS不确定性量化模型参数取值的信度分布, 从而根据后验信度分布计算得出当前P-CS不确定性量化模型参数集合. 通过数值算例详述了P-CS不确定性量化模型的构建方法与其概率、非概率特性, 并验证了性能数据驱动更新P-CS模型方法的适用性.      

基于逆Gaussian过程的MEMS加速度计寿命融合预测方法

为了高效预测MEMS加速度计的总体寿命特征与个体剩余寿命,提出了一种基于性能退化数据融合的寿命预测方法。将MEMS加速度计的零位电压百分比增量作为性能退化参数,通过逆Gaussian随机过程对性能退化数据建模。为了提高寿命预测准确性,采用了随机参数退化建模方法,并设计了EM(Expectation Maximization)算法一体化估计随机参数的共轭先验分布超参数值,建立了基于逆Gaussian随机过程的个体剩余寿命预测模型。为了克服性能退化数据量少造成的预测结果不准的难题,以个体退化数据为现场信息并将总体退化数据作为先验信息,提出了基于Bayes信息融合的个体剩余寿命预测方法。通过以上方法预测出某型MEMS加速度计的可靠寿命t0.99=45.155?103 h,并在线预测出某个体剩余寿命为42.408?103 h,验证了所提一体化预测方法的可行性和有效性,表明此方法具有较好的工程应用价值。     

一种基于位相型近似的退化可靠性分析方法

提出了一种用于产品性能退化数据的统计模型和分析方法。研究了由于可观测环境过程影响引起退化的单一单元系统可靠性。仅用单元当前的工作环境观测量估计失效时间分布,单元的当前工作环境被表征为有限状态半马尔可夫过程(SMP)。为了利用马尔可夫特性,通过状态保留时间的观测量和转移率将环境状态逗留时间近似为位相型(PH)随机变量。PH分布的使用使得现有解析结论容易应用于遭受连续时间马尔可夫链形式变化环境过程的单元可靠性评估。利用陀螺仪性能退化分析作为实例阐明了提出方法的有效性,并与通过Monte Carlo仿真获得的结果进行了比较。     

剪切型钢筋混凝土柱临界斜裂缝倾角的概率模型

对于剪切型钢筋混凝土(RC)柱,传统的确定性临界斜裂缝倾角模型难以有效考虑其材料参数、几何尺寸和边界约束条件等方面不确定性因素的影响,导致计算精度有限,且离散性较大。鉴于此,本文研究建立了剪切型RC柱临界斜裂缝倾角的概率模型。首先,基于变角桁架模型理论,建立了剪切型RC柱临界裂缝倾角的确定性模型;然后,考虑主观不确定性和客观不确定性因素的影响,结合贝叶斯理论和马尔可夫链蒙特卡洛(MCMC)法,建立了剪切型RC柱临界斜裂缝倾角的概率模型,并推导了均值和方差的解析表达式,从而能够合理描述临界斜裂缝倾角的概率分布特性;最后,利用试验数据对比验证了该模型的有效性,并校准了现有确定性模型的置信水平,进而确定了不同置信水平下剪切型RC柱临界斜裂缝倾角的概率特征值。     

在截尾数据下的运行可靠性评估及其在数控刀具上的应用

根据实际机械生产过程中设备的全寿命数据集不易获取以及性能退化数据难以在线监测的情况,提出了一种在只有少子样的截尾数据时利用设备运行状态信息来对单个设备的运行可靠性进行评估的方法。在该方法中,首先从设备的振动、电流信号中提取并优选出几项退化特征量;其次针对截尾数据,采用了高斯过程机械学习法拟合预测出设备失效时的各项退化特征指标值;然后以这些特征指标值为输入,借助于分布假设、贝叶斯推理,构建了一个运行可靠性的评估模型;最后通过数控刀具的失效实验对该方法进行了验证。结果表明:预测精度可以达到3%。此结果证明了该方法的可行性和有效性。     

融合先验知识的混凝土侵彻深度试验数据异常点检测算法

为剔除混凝土侵彻深度试验数据异常点,提出了一种融合先验知识的异常检测算法。利用反向传播（back propagation, BP）神经网络模型拟合试验样本数据的分布,结合偏差指标筛选离群样本点,并通过经验算法评价模型异常检测性能。针对试验数据特点选择全量梯度下降结合动量优化方法,从而提高模型迭代训练的稳定性和效率,并且在构建模型过程中融合领域先验知识约束对样本数据的拟合,使得模型在训练过程中能反映附加特征的影响。结果表明,BP神经网络模型适合于刚性弹对混凝土侵彻试验数据异常点的检测,加入合理的领域先验知识可有效提高模型的检测精度。     

采用马尔可夫链的光纤陀螺温度建模与补偿

由于光纤陀螺各组件对温度敏感,因此温度成为影响光纤陀螺精度的重要原因之一。为了消除温度效应并提高陀螺精度,通常采用对光纤陀螺进行温度建模的方法对其输出进行补偿。在对随机过程中的马尔可夫过程进行深入研究的基础上,推导出了单入单出系统的一阶受控马尔可夫链与差分方程的关系,并以此为依据建立了光纤陀螺温度模型,利用时齐转移概率对模型进行辨识,最后利用蒙特卡罗方法进行补偿后的结果仿真。通过对比补偿前后的输出可以看出,使用该方法建立的模型具有较好的预测效果,具有一定的应用前景,对光纤陀螺温度补偿工程化实现有一定的意义。     

磨损与动力学耦合的行星传动齿轮动力学研究

行星齿轮磨损会导致齿轮齿侧间隙非线性增大、传动精度下降、齿面冲击力增大, 进而会导致齿轮传动系统振动加剧, 因此需要对行星齿轮的齿面磨损与动力学耦合特性进行研究. 本文构建了齿轮非线性磨损与考虑齿轮齿侧间隙的非线性动力学耦合计算模型, 对行星传动齿轮磨损动力学特性进行了研究. 首先建立齿轮啮合非线性动力学模型, 获得齿轮运行过程中的非线性啮合力; 进一步将非线性啮合力与齿轮齿面磨损模型相结合, 研究齿轮齿面磨损分布规律; 并根据齿轮磨损后的齿侧间隙对齿面重构, 同时对齿轮动力学模型进行更新; 进而得到行星齿轮传动中动态啮合力和磨损特性的变化趋势, 并获得齿轮传动系统齿轮齿向振动响应. 数值计算结果表明, 行星齿轮磨损导致齿轮在单?双齿交替啮合时产生的冲击增大, 同时太阳轮?行星轮啮合齿对对磨损较为敏感, 齿面啮合条件剧烈恶化, 是造成行星齿轮传动性能退化的主要原因, 本文研究结果为行星齿轮传动系统运行状态评估与可靠性预测提供了理论基础.      

含孔复合材料层合板静拉伸三维逐渐损伤分析

针对面内静拉伸纤维增强复合材料含中孔层合板，发展了参数化三维逐渐损伤模型. 该模型 可以模拟含中孔层合板损伤起始、发展及最终结构破坏整个过程，并能较好地预测含中孔层 合板的破坏模式和破坏强度. 采用所发展的模型和有限元三维逐渐损伤分析技术即应力分 析、失效判定准则及损伤过程中材料性能退化等，对其他文献所提供的9种不同类型含中孔层合板进行了损伤扩展分析及强度预测，同时对层合板的损伤基本机理、类型及其相互关联作用进行了探讨，计算结果与文献实验结果非常吻合.     

不完美维护活动干预下的设备剩余寿命估计

剩余寿命估计是保障设备安全性和可靠性的关键技术。现有文献在研究维护活动干预下的设备剩余寿命估计问题时,通常仅考虑维护活动对退化水平或退化速率的单一影响,忽略了维护活动对两者的双重影响。鉴于此,提出了一种考虑不完美维护活动影响的性能退化建模与剩余寿命估计方法,融合了维护活动对设备退化水平和退化速率的双重影响。首先基于扩散过程分阶段建立存在不完美维护活动干预下的随机退化模型,然后基于设备的状态监测数据和维护数据对模型参数进行极大似然估计和Bayesian更新,最后在首达时间的概念下,推导得到了剩余寿命的解析概率分布。实验结果表明,所提出方法能够大大提高存在不完美维护活动影响设备的剩余寿命估计精度。     

基于CFD流态分析技术的座便器虹吸管道优化设计

在Fluent软件中应用RNG $k$-$\varepsilon$湍流模型及流体体积函数(VOF)对座便 器内部三维湍流流动进行了雷诺平均N-S方程的数值模拟，得到 了座便器内流场三维流动形态，研究了座便器虹吸管内流动规律，分析了虹吸管形状对流速 分布、压力分布及虹吸性能的影响，以三维湍流场的分析结果为依据，实现了座便器虹吸管 道的优化设计. 通过PIV测试数据验证了三维湍流数值模拟结果的准确性.     

延性单晶非均匀变形的三维有限元模拟

对延性单晶在拉伸载荷作用下的应变局域化和颈缩等非均匀变形过程进行了三维有限元数值模拟。将相关晶体塑性本构模型及一种新的数值积分方法补充到ABAQUS6.1商用有限元软件中。该方法的特点是，利用晶体塑性的动力学方程，获得一个关于晶体弹性变形梯度的演化方程，采用半隐式积分方案进行求解。本文推导出一种新的应力变本构矩阵。按此方式更新本构矩阵，计算速度和计算稳定性大大提高。加载方式，边界条件和变形程度等因素影响着滑移系的启动状况，这是平面模型所不能预测的。本文利用三维有限元方法模拟了不同取向下滑移系的启动状况，全面地考虑了FCC单晶材料12个可能滑移系在变形过程中的启动状况，合理地模拟了FCC面心立方单晶沿不同取向加载时晶轴旋转导致的应变局域化和颈缩等非均匀变形过程。     

开孔纸蜂窝芯层的面外静态压缩特性

针对双层侧壁开孔的纸蜂窝芯层的面外静态压缩特性，通过试验分析无孔和开孔纸蜂窝芯层在面外压缩量为85%时的压缩变形过程，研究相对湿度和圆孔直径对其强度性能的影响。基于蜂窝结构的对称性，利用两种基本单元模型，将面外受载的蜂窝胞壁视为无孔和开孔简支弹性薄板，推导出弹性屈曲临界应力和塑性屈曲平台应力的预测公式，结果表明理论计算与试验结果具有良好的一致性。结合纸基材的正交各向异性和纸蜂窝芯层的面外压缩特性，建立无孔、开孔纸蜂窝的有限元模型，仿真模拟蜂窝胞壁在弹性和塑性屈曲阶段的弯折变形演化过程，与静态压缩试验中所观察到的变形过程是一致的。     

基于顺序雨流法和临界平面法的多轴变幅低周疲劳寿命评价

 在多轴变幅疲劳寿命预测过程中，合适的雨流计数法对复杂加载历程分析非常重要，但是大多数雨流计数过程往往无法保持原始的加载顺序特性，进而会导致非保守的疲劳损伤和寿命预测．本文提出一种考虑加载顺序效应并基于临界面概念的多轴实时顺序雨流法，该方法既具有实时顺序计数特点，同时与Bannantine-Socie多轴雨流法结合，可以实现对主要通道内的载荷历程实时的雨流计数．基于Morrow 模型，提出一种新的考虑加载顺序的线性损伤累积方法．相对于传统雨流计数法需要得到完整的载荷数据后才能进行分析的特点，新方法计算效率更高，实用性更强．通过对316L 不锈钢的多轴疲劳试验数据的分析，验证了该方法在多轴疲劳寿命预测过程中的有效性．     

基于深度强化学习算法的颗粒材料应力?应变关系数据驱动模拟研究

颗粒材料的宏观力学行为受颗粒组分等材料参数, 孔隙率、配位数等状态参数的影响, 同时又具备复杂的加载路径和加载历史相关性, 建立包含多个内变量以及各变量间相互关联的颗粒材料本构模型是一个重要的科学难题. 不同于传统的基于屈服面、流动法则和硬化函数框架下的唯象本构模型, 本文基于颗粒物质力学的研究基础, 以颗粒材料平均孔隙率、细观组构参数和弹性刚度参数作为内变量, 结合深度学习方法建立以有向图表征的数据本构模型. 有向图中以不同的链接网络表示不同的内变量信息流动方向, 各个内变量间的映射关系采用循环神经网络来建立, 将各个神经网络相互组合, 形成包含不同内变量且具有不同预测能力的本构模型. 该本构模型的建立过程等价于在众多可能的内变量链接关系空间中寻找最能描述实际材料宏观应力应变行为的优化问题. 因此, 可将有向图本构模型的建立过程看作“马尔可夫决策过程”, 采用深度强化学习算法构建有向图的内变量链接组合优化过程, 具体采用AlphaGo Zero算法自动寻找最优的颗粒材料数据驱动本构模型建模路径. 研究结果表明, 采用有向图和深度强化学习算法可建立起完全依靠“数据驱动”的颗粒材料应力?应变关系. 此外, 本方法提供了一种将不同理论模型从数据角度统一起来, 且基于人工智能算法发展更优模型的研究思路, 可为相似问题的研究提供借鉴.      

基于GABP的压力容器表面裂纹断裂研究

压力容器在长期运行过程中表面裂纹问题难以避免,进行基于断裂分析的安全评估对压力容器的稳定运行具有较强的现实意义.针对二维J-积分理论难以应用于表面半椭圆裂纹,数值模拟耗时冗长的问题,论文提出一种采用三维J-积分量化压力容器表面裂纹尖端应力强度,再结合神经网络进行预测的安全评估方法.通过有限元方法计算了1200例不同几何尺寸、裂纹尺寸和内压载荷的含表面裂纹的压力容器问题,分析了半椭圆裂纹尖端三维J-积分结果,构建修正系数F表征材料性能、裂纹尖端奇异性以及容器几何特征对三维J-积分的影响.基于生成的机器学习数据集,搭建反向传播神经网络(BPNN)模型,采用遗传算法优化,形成GABPNN预测模型.结果表明：BPNN和GABPNN模型预测精度高达96%以上,在未知数据上亦可以取得较为准确的结果,可以高效地预测裂纹尖端三维J-积分,对于实现计算机辅助压力容器安全性现场快速评定提供新的思路和方法.     

冻结立井爆破近区井壁振动信号基线漂移校正和消噪方法

冻结立井爆破过程中，近区监测信号中含有的基线漂零及噪声成分对其局部特征精细化提取影响显著。在对近区井壁振动信号有效采集基础上，通过互补总体经验模态分解（complementary ensemble empirical mode decomposition, CEEMD）方法、稀疏化基线估计消噪（baseline estimation and de-noising with sparsity, BEADS）方法和隐马尔可夫模型消噪（hidden Markov model de-noising, HMMD）方法等，解决了信号中基线漂移和随机噪声消除难题，并采用交叉小波变换对校正和消噪效果进行了相关性评价。实例分析结果表明:信号中缓变的基线成分遍历信号各个模态分量的整个过程，且主要集中于低频分量中，而噪声则集中在高频分量。组合分析方法对低频基线漂零和高频噪声的处理效果好，是一种高效且相对保幅的信号分析方法，可用于批量信号数据的预处理过程。