基于果蝇算法和灰色神经网络的电子装备故障预测方法研究

针对电子装备故障数据小样本、非线性的特点,在相空间重构处理原始时间序列数据的基础上,基于k折交叉验证和果蝇算法优化灰色神经网络模型参数,从而提出一种基于果蝇算法和灰色神经网络的故障预测方法,并以某型雷达高压电源监测数据仿真结果为例验证其模型性能;实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度方面都具有一定优势。     

考虑非周期检测的视情维修与备件订购联合策略优化

针对单部件系统/关键部件提出视情维修与备件订购联合策略,其中系统退化服从两阶段延迟时间过程且采用非周期检测策略,退化初期以检测间隔T₁检查系统状态,而在第一次识别缺陷状态时,缩短检测周期为T₂、订购备件且进行不完美维修;若系统在随后的退化中被识别处于缺陷状态,执行不完美维修直至超过阈值次数N_max并采取预防性更换,但若在检测周期内发生故障则进行更换。根据系统状态和备件状态分析各种可能更新事件及相应的联合决策,利用更新报酬理论构建最小化单位时间内期望成本的目标函数,优化T₁,T₂, N_max。与对比模型策略相比,算例结果表明所提出的联合策略能有效降低单位时间内的期望成本。     

基于熵的不确定性敏感性分析

为确定影响维修保障信息分析结果不确定性的关键输入参数,提出一种基于熵的不确定性敏感性分析方法.首先分析了模型输出结果的不确定性的表现形式、度量方法、产生机制;其次基于条件熵思想给出分析不确定性的敏感性参数以及敏感性分析方法;然后,简单介绍了盲数理论在计算不确定性数据中的应用;最后,结合平均维修时间模型进行了案例研究,说明了基于熵的不确定性敏感性分析方法的可用性,并证明了不确定性敏感性分析与求导不能等同的结论.     

考虑负载共享的线性连续k-out-of-n:F系统检测策略优化

针对线性连续k-out-of-n:F系统提出定期检测策略,每隔固定周期对系统中各部件状态进行检查并以新部件更换故障部件,若系统发生故障则立即停机并更换故障部件.由于受到负载共享的影响,各工作部件故障率不仅与系统中发生故障的部件数量相关,还与其相邻部件状态有关;为此,引入损伤故障率模型描述部件故障率.基于故障序列图和更新报酬理论建立定期检测策略优化模型以最小化单位时间内的期望成本,确定最优检测周期.最后,通过算例分析验证模型的有效性.