基于分段Weibull分布的使用可靠性统计模型

使用可靠性理论的统计模型是综合优化维修策略、维修备件库存/订货、维修资源等的关键问题.阐述了可靠性分析中常用的6种Weibull分布形式,研究了基于分段Weibull分布的使用可靠性统计模型的建立方法,拟合质量指标e的计算与不同分布函数的拟合精度比较,分布函数的X2拟合检验,并建立了汽车整车使用可靠性统计模型.     

基桩正常使用极限状态失效概率区间估计方法

提出了基桩正常使用极限状态失效概率区间估计方法。首先,介绍了基桩标准化荷载-位移双曲线参数的定义,并给出了钻孔现浇灌注桩双曲线参数的现场试验数据。其次,采用Copula方法构造了双曲线参数的二维分布模型,并应用Bootstrap方法表征了双曲线参数二维分布模型的统计不确定性。最后,给出了考虑双曲线参数二维分布模型统计不确定性的基桩失效概率区间估计方法,并比较了基桩失效概率点估计和区间估计结果的优缺点。结果表明:基于有限双曲线参数试验数据估计的样本均值、标准差、Kendall秩相关系数和AIC值具有较大的变异性,这种变异性进一步导致双曲线参数的二维分布模型存在明显的统计不确定性。通过考虑双曲线参数二维分布模型的统计不确定性,基桩失效概率可以表示为具有一定置信度水平的置信区间。基桩失效概率的区间估计相比点估计能更加合理地表征基桩的真实可靠度水平。     

基于最大熵概念的复杂随机变量统计模型

基于最大熵概念的随机变量统计模型,能得到最少偏见的随机变量的概率分布.建立了汽车发动机和离合器随机工作载荷的基于最大熵概念的概率密度函数统计模型.示例表明,基于最大熵概念上的随机变量统计模型是可行、有效的.     

基于贝叶斯统计方法的精细地面灌溉智能控制系统合理数据量研究

确定需要采集灌溉信息的合理数据量是根据已知灌溉信息准确预测未知灌溉过程,实现对地面灌溉全过程智能控制和管理的首要问题。基于贝叶斯统计方法,以借助灌溉模型所得的水流推进过程模拟值与实测值之间的平均相对误差为随机变量,基于50个典型田块的实测信息估算其先验分布,再结合样本及统计模型(似然函数),导出后验分布,计算出随机变量的95%置信区间,从而从理论上论证对地面灌溉过程进行智能控制需采用的能够准确估算入渗参数并预测灌溉全过程的合理数据量。     

模式搜索在轮胎纵向刚度估计中的应用

通过建立轮胎动力模型,利用基于模式搜索的最小二乘法对轮胎的纵向刚度和滚动半径两个参数进行了动态估计.该方法避免了求解模型参数时最优化函数导数的求取,改善了由于初值选取不当,迭代不收敛的困难,MATLAB仿真说明了该算法的可行性.该方法应用于车辆的实际数据,可以实时估计轮胎参数变化,对于间接胎压监测系统的研究具有重要的意义.     

基于Weibull分布函数的龙眼果肉微波真空干燥模拟研究

为探索龙眼果肉微波真空干燥过程内部水分变化规律,采用Weibull分布函数建立龙眼干燥动力学模型,并对干燥动力学曲线进行拟合分析。干燥试验条件如下:微波功率为300、400、500W,真空度为280、230、180Pa。试验结果表明:Weibull分布函数拟合的龙眼果肉干燥曲线与试验曲线一致;尺度参数α随着微波功率增加、真空程度升高而减小;在微波真空单一干燥方法下,形状参数β变化不大;水分有效扩散系数的变化范围为4.8846×10-8~16.1217×10-8m^2/s;Weibull分布函数计算出在不同真空度280、230、180Pa下的干燥活化能分别为8.1813、8.1892、9.021W/g。     

土壤渗透参数空间变异性的试验研究

通过野外布点试验，应用Guelph渗透仪测得了各点的土壤饱和渗透系数Kfs和土壤特性参数α。对试验结果分析表明，Kfs和α两参数具有较大的空间变异性，并服从对数正态分布，应用指数解析模型模拟了lnKfs和lnα两空间随机变量的半方差函数，拟合模型所得到的方差与实验结果的统计值基本接近，两参数的相关距离分别为6m和10m，文中得到的随机变量的统计结构和统计值可用于宏观弥散系数和宏观非饱和渗透系数的计算分析。     

分布函数拟合的最优化方法

本文从常规的分布函数拟合的基本原理出发,应用最优化思想将分布函数参数估计问题归结成优化问题,提出了三类通用的分布函数参数估计优化模型,讨论了分布拟合的全过程,编制了相应的计算机程序,并用Monte-Carlo模拟试验验证了所述模型的正确性。 对常用的参数估计的极大似然法、概率纸法、分布图法分别进行解析,可构造三类相应的参数估计优化模型:     

可靠性实验数据混合威布尔分布的参数优化估计

分别采用单一威布尔分布和多个威布尔分布组合的混合威布尔分布,对齿轮传动的可靠性实验数据进行了寿命分布描述。在用最大似然函数法对这两种分布进行分布参数的估计过程中,提出了一种通过最优化方法求得最大似然函数的新算法。通过对实验数据的计算,得出如下结论：该法的原理简单,方便实用;对带有折点的失效概率分布曲线,混合威布尔分布更能准确真实地反映实验数据的统计特性;该法可以推广到多于3个以上子分布组合的混合威布尔分布的参数估计。     

基于无迹卡尔曼滤波的车辆状态与参数估计

准确获取车辆运动过程中的状态变量和时变模型参数可以提高动力学控制的鲁棒性.引入了车辆模型时变参数的概念,建立了车辆动力学状态空间模型,应用无迹卡尔曼滤波(UKF)算法对车辆状态变量和参数进行了估计.与车辆动力学软件CarMaker建立的参考模型对比表明,该估计方法具有可行性和准确性.在估计系统中,提出含自适应参数的简化...     

一种随机载荷作用下疲劳可靠性估算的新方法

应用随机过程理论研究了疲劳过程中结构材料的剩余强度退化行为,分析了疲劳过程中两类随机性因素（内在随机涨落和外在随机涨落）在不同载荷条件下对疲劳寿命的影响。在此基础上,提出了一种随机载荷下疲劳可靠怀估算新方法。最后,以１５ＭnＶＮq钢试样的小样本疲劳寿命数据对该方法进行了验证。     

任意分布参数的后桥壳可靠性优化设计

讨论了随机参数服从任意分布的后桥壳可靠性优化设计问题。在基本随机参数前四阶矩已知的情况下,应用随机摄动法和Edgeworth级数方法对后桥壳进行可靠性优化设计,通过计算机程序可以实现随机参数服从任意分布的后桥壳可靠性优化设计,迅速准确地得到了后桥壳的可靠性优化设计信息。计算结果表明,本文提出的方法是一种有效、实用的方法。     

两级行星齿轮传动的离散变量优化设计

行星齿轮传动中各齿轮的齿数受传动比条件、同轴条件和装配条件的限制而不能任意取值,齿轮的模数也受国家标准的制约只能取一些离散值,用以数学规划理论为基础的经典约束优化方法求解效果很差,用基于模拟退火算法的离散变量优化设计方法则可以方便快捷地获得满足各方面要求的最优设计方案.提出了一种基于模拟退火算法的离散变量智能优化设计方法,建立了两级2Z-X行星齿轮传动优化设计的数学模型,给出了具体算例.与约束随机方向法对比表明,该方法可以方便快捷地获得全局最优解,而且无需任何后续处理即可以直接用于工程实际.     

基于NSGA-Ⅱ算法的水轮机活动导叶多目标优化设计

建立了基于NSGA-Ⅱ算法的叶片多目标水力优化设计系统,该系统以叶片的形状参数为优化变量,以能量性能和空化性能为目标函数,将NSGA-Ⅱ遗传算法引入作为优化工具以实现叶片的多目标优化设计.对某电站水轮机模型活动导叶的水力性能进行了优化设计,优化后导叶流道的进出口总压损失减小了26.97%,导叶表面上的最低静压力值上升了34.176%.结果表明,优化后的导叶不仅减小了流动损失,而且具有更好的空化性能.所提出的优化方法能以较少的变量控制叶片几何形状,且能有效分析各设计变量对目标函数的影响程度和范围,缩小优化问题的规模,得到满意的优化结果,可作为一种有效的水力机械叶片优化设计工具.     

基于RBF神经网络和NSGA-Ⅱ算法的海水淡化高压泵多工况优化设计

为提高透平式能量回收一体机的水力性能,采用RBF神经网络、NSGA-Ⅱ遗传算法和数值模拟集成的设计方法,对高压泵进行多工况优化设计.以高压泵三工况点的加权平均效率为优化目标,设计工况点下的扬程为约束条件,结合Plackett-Burman筛选试验,将进口安放角、出口安放角、叶片出口宽度及叶片包角作为优化变量,采用最优拉丁超立方设计试验空间,基于Isight多学科优化平台,通过编写批处理命令集成CFturbo,ICEM,CFX等,搭建智能水力优化平台,实现高压泵的CFD自动预报.基于数值模拟结果,利用RBF神经网络建立目标函数与几何参数之间的非线性关系,并运用NSGA-Ⅱ算法对该模型寻优.研究结果表明:RBF神经网络模型能够准确预测高压泵效率以及扬程与设计变量之间的关系;优化后高压泵与初始方案相比,3个工况点加权平均效率提高了3.38%,在0.8Q_d,1.0Q_d和1.2Q_d工况下效率分别提高了2.21%,3.59%和4.23%;优化后叶轮在设计工况点附近轴功率略有减小;对比优化前后叶轮的流场分布,优化后的叶轮进口低速区减小,内部速度梯度分布更加均匀,流场得到明显改善,能量耗散减小.研究结果可为高压泵多工况水力优化设计提供一定理论依据.     

整车产品故障分布规律与可靠性评价指标分析

基于随机过程和可靠性理论,对整车产品可靠性试验数据的处理及评价指标进行了分析,阐述了利用随机过程模型解决复杂可修复系统寿命分析的方法和整车产品故障分布规律的模型识别.通过实例分析,得出某中型载货汽车首次故障里程和故障间隔里程都属于威布尔分布,给出了可靠性函数表达式和相关评价指标值.     

基于动态反馈A*蚁群算法的平滑路径规划方法

针对移动机器人提出了一种基于动态反馈A~*蚁群算法的平滑路径规划方法。首先,为了克服蚁群算法收敛速度慢的缺点,提出了简化A~*算法来优化初始信息素设置以解决初次搜索的盲目性,并借鉴多策略进化机制加强算法的全局搜索能力。其次,为了进一步提高算法在路径规划中的适应能力,解决陷入局部极小和停滞问题,引入闭环反馈思想来实现参数的动态自适应调节。最后,结合三次B样条曲线对所规划的路径进行平滑处理,以满足移动机器人实际运动路径的要求。通过仿真表明:与原蚁群算法相比,动态反馈A~*蚁群算法平均可减少10.4%的路径成本和65.8%的计算时长。同时,该算法在动态和静态环境中,均能快速规划出一条光滑优质路径。     

时变多车型下的生鲜农产品配送路径优化模型

针对农业供应链的运输环节中生鲜农产品配送模型存在的速度恒定、碳排放计算方法单一的问题，本研究结合路网时变特征和新的多车型碳排放计算方法，提出了考虑配送距离、多车型碳排放量、货物损耗和车辆固定成本等4个优化目标的生鲜农产品配送路径优化模型；并根据模型特点提出了一种改进的双策略种群协同蚁群算法（Double-Strategies Co-Evolutionary Ant Colony System，DC-ACS ）。利用改进蚁群算法对Solomon数据集的C105算例进行了求解，在4个优化目标上分别取得最优解为937.94 km、4961.48元、4081.78元和7500.87元，证明了本研究提出的模型的有效性。在模型有效的基础上，通过试验结果证明，改进蚁群算法比基本蚁群算法在4个优化目标上的配送总成本平均降低幅度超过14%，证明改进蚁群算法更具有优越性。使用改进蚁群算法对集中、随机和混合3种不同分布的大规模算例进行求解，3种分布上分别求得最优总成本为19,939.53、24,095.00和24,397.58元。综上所述，所提模型和算法可以为冷链物流企业的城市配送路径决策提供良好的参考依据，对完善智慧农业供应链的配送路径优化模型和优化方法提供了新的思路，为企业进一步扩大规模提供了参考。