Degradation Reliability Analysis Based on TOPSIS Model Selection Method

It is necessary to determine the degradation path model of products at first when using the method based on degradation path model to evaluate the degradation reliability of products.At present,the degradation path model is mainly determined by scatter plots of degradation data.However,this method has strong subjectivity and is liable to cause the evaluation results to be inconsistent with the actual situation.In this paper,a degradation reliability analysis method based on TOPSIS(technique for order preference by similarity to an ideal solution)model selection is proposed,and its implementation process is given.The optimal degradation path model is selected according to the calculated proximity.With the help of TOPSIS method,various degradation path models can be selected and quantified,and the original degradation path method can be improved to avoid the risk of errors in product reliability evaluation caused by inaccurate subjective hypothesis,so as to ensure the objectivity and accuracy in the process of model determination.The validity and practicability of the proposed method are verified by the degradation analysis of the injector of a certain type of diesel engine.     

����·�������г�ʱ��Ԥ���о�

本文提出了一种基于状态空间神经网络（SSNN）和拓展卡尔曼滤波（EKF）的混合式行程时间预测模型。以往的研究表明，状态空间神经网络能够较好的处理复杂的非线性时空问题。然而，状态空间神经网络需要大量的历史数据作为离线训练之用。其不足之处在于，首先是需要花费大量的时间和精力去收集、准备数据，以及训练神经网络。其次，输入输出随着时间不断增加，训练过程需要不断的从新重复。为了提高状态空间神经网络的有效性，扩展卡尔曼滤波代替了传统的方法来对神经网络进行训练。荷兰的一条城市道路被选择为模型验证的试验路段。通过与另外两个预测模型之间的对比验证，该模型的预测能力能够达到满意的有效性、准确性和鲁棒性。     

基于数据驱动的机场水泥混凝土道面性能退化预测

针对机场道面性能退化过程的精确预测问题，本文采用数据驱动的机场道面预测性维护方法，通过指示变量将两种数据集进行联合分析，考虑机场道面性能退化过程受飞行交通量和道面面层厚度的影响，以机场道面性能状况指数衰变的非线性函数为期望函数，建立一种机场道面性能退化双参数预测模型；根据模型的参数估计结果，采用边际效应分析结合预测性能曲线图示，对不同飞行交通量水平和不同道面厚度等级的道面性能退化过程预测进行分析。结果表明，采用数据驱动和非线性混合效应方法，搭载联合估计技术，能较为显著地提高机场道面性能退化预测的精度和效果。     

基于多尺度排列熵和长短时记忆神经网络的航空发动机剩余寿命预测

针对航空发动机性能退化失效的变点和多状态参数的时间序列预测, 构建了基于多尺度排列熵算法和长短时记忆神经网络的剩余寿命预测模型; 使用多尺度排列熵算法对时间序列进行变点分析, 求解出性能退化过程中的突变点, 得到了有故障征兆的性能退化起始点; 构建了包含多变量的长短时记忆神经网络模型, 将多个状态参数代入到模型中得到对应的剩余寿命; 将变点后的航空发动机多状态参数和剩余寿命作为样本, 代入到长短时记忆神经网络模型中进行多步和多变量的时间序列预测; 通过综合航空发动机状态参数变点分析方法和时间序列预测模型, 得到最终的剩余寿命预测结果。研究结果表明: 多尺度排列熵算法能够及时监控各个状态参数的变化, 当发现状态参数异常时, 排列熵的值会发生跳变, 从而有助于及时发现故障征兆; 长短时记忆神经网络模型通过门控单元对长时间序列数据进行信息筛选, 充分保留了有效信息用于时间序列预测; 多变量长短时记忆神经网络能够对多状态参数进行同步分析, 并且将状态参数直接与剩余寿命相对应, 提高了模型效率; 通过多尺度排列熵算法和长短时记忆神经网络模型的结合, 能够考虑到航空发动机的多退化模式, 得到更符合实际退化过程的剩余寿命预测结果; 经过算例分析, 提出方法的剩余寿命预测的均方根误差为5.3, 与长短时记忆神经网络、反向传播神经网络和支持向量机相比, 误差分别降低了63%、72%和78%。      

基于贝叶斯网络组合模型的公交驻站时间预测

公交驻站时间是公交行程时间的主要组成部分,其预测精度直接影响智能公交系统中公交信息发布的准确性.为了提高公交驻站时间的预测精度,提出一种基于贝叶斯网络的组合预测模型,它由反向传播神经网络和径向基函数神经网络模型组成.首先利用两种神经网络模型预测公交驻站时间;然后利用改进后的等宽数据离散方法,将两种神经网络的预测结果和观测的驻站时间数据离散后用于贝叶斯网络学习;最后通过贝叶斯网络推理得到驻站时间组合预测结果.实例分析表明,贝叶斯网络组合模型驻站时间预测结果的误差指标均优于单一模型,证明其可有效提高单一模型的预测精度.     

结构动力抗震可靠度理论的研究进展

从状态变量模型、基本变量模型和实用简化模型3个方面,对结构动力抗震可靠度理论的研究进展系统地进行了总结与评述.针对状态变量模型,结合随机振动理论,将随机振动分析方法分为两类:第1类是面向数字特征的方法,主要解决结构的随机反应从基本随机变量空间到状态变量空间的统计矩演化问题;第2类是面向概率密度的方法,主要解决结构的随机反应从基本随机变量空间到状态变量空间的概率密度演化问题.分别评述了两类方法中的代表性方法:等价线性化方法和概率密度演化方法.针对基本变量模型,分别总结了考虑系统参数随机性的结构动力抗震可靠度分析方法,以及将动力可靠度问题转化为静力可靠度问题的理论和方法,对近年来提出的尾部等效线性化方法、子集模拟法、等价极值法等进行了对比分析.针对实用简化模型,总结评述了3种方法:基于随机地震动模拟-确定性时程分析的直接方法、基于一致危险性反应谱和等效非线性体系的简化方法、基于可靠度简化解析表达式与数值模拟的半解析方法.最后,对新近提出的结构整体抗震可靠度理论及其存在的问题进行了归纳分析,并从地震作用的输入模型、主要失效模式的搜索、结构的破坏准则、结构失效模式的多重性、结构的整体极限状态方程等方面给出了研究建议.      

服役公路桥梁的时变可靠指标计算

为了对服役结构的可靠性进行正确评估,必须考虑时间变化的影响,将结构服役时间离散为若干个时间点,利用各个时间点上随机的结构抗力和荷载效应,给出服役结构时变可靠指标简化计算公式,分析抗力衰减模式、可变荷载增加大趋势以及服役时间对可靠指标的影响。分析结果表明:在结构抗力和荷载效应保持不变情况下,随着服役时间的增长,结构的可靠指标降低,结构可靠指标的变化规律因抗力衰减模式和荷载增大趋势的不同而有差异。     

基于概率烈度的结构抗震损伤可靠性分析

基于结构在地震作用下的不同程度损伤,探讨了更为准确、实用的抗震可靠性分析方法。以混凝土多孔砖砌体结构为例,采用抗震损伤指标标定结构在地震作用下的损伤状态等级,将结构损伤状态分级化;考虑抗震设防区实际地震烈度的发生概率,引入概率烈度来改进传统的可靠度计算公式,构建了基于概率烈度的结构抗震损伤可靠性分析方法。实现结构抗震损伤状态及其概率的分级量化评价,为进一步结构抗震研究及抗震风险评估提供分析基础。     

Numerical simulation to reliability analysis of fault-tolerant repairable system

In the traditional method for the reliability analysis of fault-tolerant system, the system structure is described by means of binary decision diagram (BDD) and Markov process, and then the reliability indexes are calculated. However, as the size of system augments, the size of state space will increase exponentially. Additionally, Markov approach requires that the failure and repair time of the components obey an exponential distribution. In this study, by combining dynamic fault tree (DFT) and numerical simulation based on the minimal sequence cut set (MSCS), a new method to evaluate reliability of fault-tolerant system with repairable components is proposed. The method presented does not depend on Markov model, so that it can effectively solve the problem of the state-space combination explosion. Moreover, it is suitable for systems whose failure and repair time obey an arbitrary distribution. Therefore, our method is more flexible than the traditional method. At last, an example is given to verify the method.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

基于梯度推进决策树的日维度交通指数预测模型

城市交通运行监测和预测是掌握交通运行变化特点,制定缓解交通拥堵策略的重要工作,其结果能为公众提供有效的路况信息,亦为政策措施的制定和效果评估提供重要支撑.有别于传统的短时交通预测,本文提出的预测模型不是针对相邻时段的运行状态预测,而是更长跨度上,针对日级别高峰时段交通运行状态的预测.构建了包含时间周期、特殊天气、节假日、限行、大型活动等因素的多维度影响因素集;以长期历史交通指数构建数据训练集,提出了基于梯度推进决策树的日维度路网状况预测模型.应用最优模型进行验证,结果表明,模型预测精度可达 90%以上,与其他 4种回归模型的对比分析也显示,本文所提出的模型在各项评分中均表现最优,说明其更适合于大样本、多因素的回归分析.本文所提出的日维度预测模型对提升城市路网运行质量、缓解交通拥堵具有重要的应用价值.     

基于组合模型的城市轨道交通短时客流预测

针对城市轨道交通短时客流的非线性分布特征,本文提出一种基于变点模型、小波变换、自回归滑动平均模型(ARMA)的组合预测模型.首先,利用变点模型将车站进站客流数据划分为具有不同特征的时间段;然后,使用自相关和偏自相关分析确定时间序列的平稳性;之后,分别采用 ARMA模型与小波 ARMA组合模型对北京市某地铁站的进站量进行客流预测,并对预测结果的误差进行了比较分析.经过对比分析表明,小波 ARMA组合模型能够较好地预测出未来的短时客流,预测效果优于单一 ARMA模型,计算速度也能够满足短时预测的需求,该方法可为城市轨道交通的运营组织提供参考建议.     

短时公交客流小波预测方法研究

短期客流表现出不同于中长期客流的特性,本文在研究短期客流序列特性的基础上建立预测方法．采用离散傅里叶变换研究短时公交客流序列的频域特性;基于混沌理论,通过计算Lyapunov指数判断短时客流序列的混沌特性;最终建立短期客流序列的小渡预测方法．研究结果表明短时公交客流序列信号包含高频成份与低频成份,低频成份构成信号主体,高频成份导致信号波动,且短时公交客流序列具有混沌特性,这些特性导致单一方法短时客流预测精度较低;小渡预测方法通过信号分解重构在保留全部客流信息的基础上有效降低了客流信号的波动性,实例分析证明该方法可以有效提高客流预测精度．     

基于LSTM 神经网络的降雨天旅行时间预测研究

降雨给城市道路行程时间的计算和预测带来了许多不确定因素. 以出租车GPS数据为研究对象,在考虑降雨数据的基础上,设计一个基于非最小路段的行程时间计算方法,建立基于LSTM(Long Short-Term Memory)循环神经网络的行程时间预测模型进行算法验证. 最后,以北京市中关村西区出租车行驶的10 d 的GPS数据进行方法验证. 结果表明,加入降雨特征预测的结果比未加入降雨特征拥有更高的准确率. 并与应用较为广泛的BP 神经网络和 SVM进行对比分析,发现在满足数据精度的前提下,本文应用的算法和预测模型有较高的训练速度和预测可靠性.     

Human reliability analysis method on armored vehicle system considering error correction

Human reliability analysis(HRA) is an expansion of man-machine engineering. It is also a new multidisciplinary based on behavioral science, cognitive science, information processing, system analysis and probability statistics in order to analyze, predict, reduce and prevent human errors. Firstly, the quantitative analysis model of HRA is proposed based on Markov process theory by using human error probability(HEP) and error correction cycle(ECC) as parameters. And human reliability evaluation criterion is built. Then, the HRA process considering error correction is proposed based on cognitive reliability and error analysis method(CREAM). Finally, according to the characteristics of armored vehicle system, common performance condition(CPC) in CREAM is improved.A reliability impact index is characterized by the overall contexts of tasks. Human reliability evaluation criterion of armored vehicle system is formulated. And the result of HRA is obtained based on the method presented in this paper. In addition, the relative weights are estimated by combining scale of 10/10—18/2 and analytical hierarchy process(AHP), and the triangular fuzzy number considering confidence factor and optimism index is adopted in order to reduce the subjectivity. The analysis results show that the method presented in this paper is reasonable and feasible. Meantime, the method can provide guidance for human reliability analysis of other weapon systems.     

基于实车数据的电动汽车电池剩余使用寿命预测

电动汽车电池剩余使用寿命预测是当下电池研究领域的热点内容,现有电池剩余使用寿命预测模型大多基于单一预测指标,预测精度较低,模型的泛化性能较差。本文通过实车数据构建了GM-LSTM的Stacking融合模型,实现电动汽车电池剩余使用寿命的准确预测。首先根据电池剩余使用寿命影响因素,提取车辆真实的运行参数和环境参数,基于随机森林算法筛选最优特征集合作为模型输入,其次选择差分整合移动平均自回归算法对所选特征进行惯性延伸,克服数据时间维度上的限制,最后基于数据特点,分别建立灰色预测模型和长短时记忆神经网络模型实现电池剩余使用寿命预测,并通过Stacking模型融合进一步降低预测误差。结果表明：模型融合 后平均相对误差为1.6%,平均绝对误差为0.013,能够稳定可靠的实现电动汽车电池剩余使用寿命预测。     

时空因素影响下在线短时交通量预测

考虑交通流的时空因素进行短时交通流预测,能够提高预测的精度.为此,引入径向基核函数,将复杂的预测问题转化为高维空间的回归问题;然后,基于支持向量回归机并考虑时空因素影响作用建立在线的短时交通量预测模型,通过网格搜索的方法对模型参数进行优化;最后,构造时间-空间状态向量,通过不同的状态向量对时间和空间维度的影响进行了分析.利用高速公路检测器数据,对比不同模型的精度,对在线短时交通量预测模型的有效性和可行性进行了验证.结果表明：在线模型精度优于传统的支持向量回归模型,考虑时空因素影响后交通量预测模型具有更高的精度和稳定性.     

圬工拱桥承载力可靠度分析

针对拱式桥结构体系中的主要受力构件 拱肋进行分析,借鉴拱桥设计中的"五点重合法"确定研究截面,并对该截面进行不利布载.对每一种荷载布置型式,采用荷载增量法进行拱桥结构失效模式的寻找和截面抗力的计算.给出其承载力可靠度功能函数,推导功能函数中结构抗力和作用效应概率模型,并利用改进的一次二阶矩法计算圬工拱桥承载力可靠度指标评估值.最后给出实桥验证算例.     

CRH3动车组轮缘润滑系统可靠性分析

将GO法引入到CRH3动车组轮缘润滑系统可靠性分析中.根据轮缘润滑系统的结构原理图构建GO图模型,基于GO法的运算规则及GO法状态概率公式对轮缘润滑系统进行可靠性定量计算,并对其可靠性做出评估.分析计算结果表明该方法可为轮缘润滑系统的可靠性分析和评价提供了科学的量化根据,并为类似系统的可靠性分析提供参考.     

高速铁路桥梁-轨道体系检测监测与行车安全研究进展

为了提升桥梁-轨道结构服役安全性能,保证复杂环境条件下高速铁路结构适应性和行车安全舒适性,研究了高速铁路桥梁-轨道体系检测监测装备的改进与优化,分析了桥梁-轨道结构服役性能动态演变规律,总结了复杂条件下桥上行车安全评价与预测方法,展望了未来研究重点与方向.研究结果表明:在桥梁-轨道体系检测监测技术方面,现有研究聚焦于传...