导读:本文包含了退化数据论文开题报告文献综述及选题提纲参考文献，主要关键词:加速退化数据,贮存寿命,温漂效应,加速模型
退化数据论文文献综述
陈志军,周芳,杨学印,王薇,胡彦平[1]（2019）在《基于加速退化数据的某导电膜电阻贮存寿命预测方法》一文中研究指出提出了一种基于加速退化数据的某导电膜电阻贮存寿命预测方法。首先对该导电膜电阻采用温度应力进行加速性能退化试验,试验中将该导电膜电阻的总阻值作为反映其性能的指标判据,在不同加速应力水平下得到在线测试和离线测试获取的加速性能退化数据;然后通过引入温度因数去除在线测试数据的温漂效应,再融合在线数据和离线数据进行退化轨迹模型参数辨识,获得该导电膜电阻在各加速应力水平下的伪寿命;然后结合经过修正的叁参数温度加速模型评估得到该导电膜电阻在正常应力下的贮存寿命。最终以某导电膜电阻为例验证了所提方法的适用性和有效性。(本文来源于《空军工程大学学报(自然科学版)》期刊2019年04期）
马济乔,陈均,刘海涛,王雷[2]（2019）在《基于加速退化数据的液压泵寿命预测与可靠性分析》一文中研究指出论文设计了液压泵加速退化试验的试验方案,在分析了加速退化试验的理论模型的基础上,给出了威布尔分布下加速退化模型模型参数的评估方法,并对威布尔分布下液压泵的可靠度、平均寿命以及可靠度寿命进行了研究。最后,以某型液压泵为实例,对其进行了可靠性评定和剩余寿命预测。(本文来源于《计算机与数字工程》期刊2019年07期）
李锋,苑志凯,何祯鑫,王兆强[3]（2019）在《退化数据驱动的气缸剩余寿命在线预测》一文中研究指出针对气缸可靠性研究中剩余寿命预测方面的问题,提出了一种基于退化路径的气缸剩余寿命在线预测方法。在建立了基于维纳过程的气缸退化模型基础上,推导了退化路径决定下的气缸剩余寿命的概率密度函数解析表达式,提出了一种融合Bayes估计和期望最大化算法的参数在线估计方法,实现了气缸剩余寿命在线预测,并通过气缸性能退化实验数据验证了方法的有效性。通过与同类方法对比结果表明,在小样本情况下,所提方法能更准确地预测气缸剩余寿命且预测的不确定性更低。(本文来源于《振动.测试与诊断》期刊2019年03期）
安宗文,张永明,马强,寇海霞[4]（2019）在《基于核密度估计的性能退化数据建模分析方法》一文中研究指出针对现有性能退化建模分析方中存在试验样本数据量少和先验分布假设过于严格的不足,提出了一种基于核密度估计的性能退化数据建模分析方法,并详细说明了进行核密度估计时最佳窗宽的确定方法.通过实际算例对建模分析方法进行了验证,结果表明:基于核密度估计方法能有效地克服试验样本数据量少和先验分布假设严格的不足,从而为该情况下产品的性能退化分析提供了一种新方法.(本文来源于《兰州理工大学学报》期刊2019年03期）
马洁,王立德,岳川,申萍,邱霁[5]（2019）在《基于加速退化数据的动车组电连接器寿命预测研究》一文中研究指出电连接器对于动车组安全可靠稳定地运行至关重要。为提高电连接器产品寿命预测的效率与准确度,通过设计实施连接器加速试验,获取产品性能退化数据,采用寿命预测物理模型与数据处理算法,基于退化量分布的加速退化数据建模流程,实现动车组电连接器可靠度与寿命的评估。据此设计了基于退化数据的寿命预测软件,实现了退化数据预处理、数据分布拟合、模型参数计算、模型曲线绘制与寿命值的预测。(本文来源于《机车电传动》期刊2019年03期）
徐廷学,刘崇屹,朱桂芳,张海军,曲旭[6]（2019）在《基于退化数据与失效数据的导弹雷达导引头竞争失效状态预测》一文中研究指出针对导弹雷达导引头测试数据获取困难、失效机理多样的问题,在分析导弹雷达导引头退化数据和失效数据特点的基础上,提出了一种退化失效与突发失效相关的竞争失效状态预测模型。针对退化数据的小样本、非线性和不确定性的特点,采用相关向量机(RVM)对其分布参数序列进行回归预测,并基于量子粒子化算法(QPSO)和Hannan-Quinn(H-Q)准则分别对核参数和嵌入维数进行寻优;考虑到突发失效与退化失效之间的相关性,引入位置-尺度模型描述突发失效分布参数与退化数据间的相关关系,进而对下一阶段导弹雷达导引头的失效状态进行预测。实例预测结果验证了模型的可行性及合理性。(本文来源于《电光与控制》期刊2019年05期）
周源,吕卫民,许建国[7]（2018）在《基于多元加速退化数据的可靠性统计推断方法》一文中研究指出针对很多退化失效型产品的性能退化参数并不唯一的问题,基于多元加速退化试验方法,在耦合性多元退化建模,加速退化建模,模型参数估计等方面进行了有益探索,提出了较为客观的统计推断方法。传统方法大都假定相同测量时刻的退化量之间才具有耦合性,方法的适用性不强。为了克服此缺陷,所提方法假定各边缘生存函数之间具有耦合性,并采用Copula函数描述其耦合性。此外,根据拟合优劣选择最优的随机退化模型推导出各边缘生存函数,使之具有更广的适用范围和更好的工程应用性。最后,通过O型橡胶密封圈可靠性评估实例验证了所提方法的可行性与实用性。(本文来源于《战术导弹技术》期刊2018年06期）
符赛[8]（2018）在《基于退化数据的航天继电器贮存可靠性分析与寿命预测方法研究》一文中研究指出航天继电器是一种军用的自动控制电子元器件,常被应用在需要长期贮存的武器装备中。正确预估航天继电器的贮存寿命对保证国防武器在正常寿命周期内的使用具有重要作用,也可为国防武器的“合理定寿,科学延寿”提供理论和技术指导。目前,传统的试验方法无法较快的获得失效数据,航天继电器贮存寿命预测方法较为单一。针对以上问题,本文在分析航天继电器贮存可靠性及失效模式的基础上,对航天继电器加速退化试验方法和贮存寿命预测方法进行了研究。首先,对航天继电器在长期贮存过程中影响因素进行分析,确定了几种影响航天继电器性能退化的影响因子。通过建立以接触电阻异常为顶事件的故障树,初步确定温度是影响航天继电器贮存可靠性的主要环境应力。在此基础上,研究了航天继电器触头表面腐蚀膜生长扩散过程,进一步确定了温度对航天继电器触点表面腐蚀膜形成的影响,为航天继电器退化试验的设计提供了依据。其次,通过确定试验类型、试验应力、试验应力水平、样本数量、监测周期以及监测参数等内容,设计了航天继电器加速退化试验方案。结合试验系统进行航天继电器加速贮存退化试验,得到接触电阻、吸合时间、释放时间和超程时间等试验数据,在此基础上分析了接触电阻的变化规律。为了避免误差带来的影响,本文利用小波去噪对试验数据进行去噪处理。同时,为了避免在后期的学习中奇异样本数据引起训练时间增加的问题,本文利用最值归一法对去噪后的数据进行归一化处理,这也为下文预测模型对航天继电器贮存寿命预测提供了依据。然后,分析了动态神经网络在航天继电器贮存寿命预测上的适用性。通过对非线性自回归神经网络网络结构的分析,网络模式以及模型参数的选择,建立了基于非线性自回归神经网络的航天继电器贮存寿命预测模型。利用该模型对接触电阻进行训练、学习及预测,并对预测结果进行分析。最后,建立了一种基于结构风险最小化原则的支持向量机航天继电器贮存寿命预测模型。通过对支持向量机核函数的研究、模型参数的选择及优化,建立了基于支持向量机航天继电器贮存寿命预测模型。通过所建的支持向量机预测模型对接触电阻进行训练、预测,并对预测结果进行对比分析。结果表明,两种预测模型都可以较好的预测航天继电器贮存寿命,且支持向量机预测模型的准确性较高于非线性自回归神经网络模型。(本文来源于《江苏科技大学》期刊2018-06-15）
周源,吕卫民,王少蕾,孙媛[9]（2018）在《基于Copula函数耦合性建模的二元加速退化数据统计分析方法》一文中研究指出以某型继电器为研究对象,提出了一种二元加速退化数据建模方法:利用Wiener过程建立性能参数的退化模型,然后结合阿伦尼斯方程建立模型参数的加速退化模型,采用Copula函数建立二元加速退化过程之间的耦合性模型;为了一体化估计二元加速退化模型中的多个参数,设计了一种基于Bayesian马尔可夫链蒙特卡罗的参数估计方法;利用继电器二元加速退化数据统计分析实例验证了所提建模方法与参数估计方法的可行性;研究工作为解决类似产品的可靠性评估问题提供了有益借鉴,为完善二元加速退化数据统计分析理论做出了一定贡献。(本文来源于《兵器装备工程学报》期刊2018年05期）
段凤君[10]（2018）在《基于随机过程的退化数据分析与试验设计》一文中研究指出基于产品性能退化数据的可靠性建模方法可以有效地评估高可靠产品的寿命特征.性能退化数据可以通过额定应力退化试验、恒定应力加速退化试验、步进应力加速退化试验等方式获取.在各种试验方式下,产品的性能退化过程表现出随机性,因而其可以借助维纳过程、伽玛过程、逆高斯过程或指数扩散过程等随机过程模型来描述.本论文致力于解决基于随机过程模型的产品性能退化数据的可靠性评估以及退化试验设计两个问题.可靠性评估问题包括产品可靠度、产品平均寿命、剩余寿命等可靠性指标的评估.具体地,首先借助一些参数估计方法获取随机过程模型中未知参数的估计;其次将这些参数估计结果带入可靠性指标的数学表达式以获得其估计结果.退化试验设计问题包括额定应力退化试验设计、恒定应力加速退化试验设计、步进应力加速退化试验设计等.试验设计本质上是优化问题,其目标是通过合理地安排样本量、检测间隔、检测次数、应力水平等,提高产品可靠性指标估计的精度.本文的具体研究内容包含以下几个方面:(1)从贝叶斯统计角度提出了基于逆高斯过程的产品可靠度和平均寿命的评估方法.考虑产品具有两个退化性能特征的情况,每个性能特征的退化服从逆高斯过程,两个退化性能特征之间的相依关系借助Copula函数描述.从贝叶斯的角度讨论了以逆高斯过程为基础的一个二元固定效应模型和叁个二元随机效应模型(随机漂移模型,随机波动模型,随机漂移波动模型),各个模型中的未知参数采用贝叶斯MCMC算法估计,并借助首达时间的概念给出了产品可靠度和平均寿命的数学表达式.最后通过一组模拟数据和实例数据验证所提出的四种模型和估计方法的有效性.(2)讨论了基于指数扩散过程的产品寿命和剩余寿命的评估问题.指数扩散过程是一类宽泛的随机过程,它包含维纳过程、伽玛过程以及逆高斯过程为特例.指数扩散过程的独立增量服从指数扩散分布,首先借助鞍点逼近的方法估计指数扩散分布的概率密度函数.在指数扩散模型的基础上引入随机效应来描述不同产品间的异质性,引入协变量来表达环境因素的影响.针对带有随机效应和协变量的指数扩散模型,采用EM算法估计模型中的参数,并借助BS分布逼近指数扩散过程的首达时间分布以得到产品寿命和剩余寿命的累积分布函数.最后将提出的模型应用到两组实例数据中,并将指数扩散过程、维纳过程、伽玛过程、逆高斯过程模型的分析结果进行了比较,比较结果表明,针对这两组实例数据,指数扩散过程的拟合效果比其他叁种常用的过程更好.(3)给出了伽玛过程下恒定应力加速退化试验设计的理论方案.针对固定效应和随机效应伽玛过程模型,考虑叁种优化设计问题(D-最优化,V-最优化和A-最优化).在一定的模型假设下,对叁种优化问题,证明了多应力水平恒定应力加速退化试验的最优试验方案均会退化为仅使用最小和最大应力水平的方案.进一步地,从理论上给出了最小和最大应力水平下的样本分配比例,同时考虑了应力水平大小对优化问题目标函数的影响,得出较低的应力水平应安排得尽可能小、较高的应力水平应安排得尽可能大的结论.最后借助一组实例数据和模拟数据验证了所得到的理论结果.(4)提出了非平稳伽玛过程模型下的步进应力加速退化试验设计方案.在非平稳伽玛过程中引入随机效应,并借助累积损伤模型连接步进应力加速退化试验在不同应力水平下的退化量.累积损伤模型假设产品的退化路径仅取决于已经累积的退化量和当前应力水平,与退化量的累积方式无关.针对随机效应非平稳伽玛过程下的步进应力加速退化模型,采用EM算法估计模型中的未知参数.以最小化产品在给定时刻可靠度估计的渐近方差为目标函数,在总试验费用不超过给定预算和决策变量存在上下界的约束下,给出了最优的试验样本量、每个应力水平下的检测间隔和检测次数.最后借助一组实例数据阐述了所提出的模型和方法.(5)解决了逆高斯过程下步进应力加速退化试验设计问题.借助逆高斯过程描述产品性能特征的退化,提出了比例退化率模型连接步进应力加速退化试验在不同应力水平下的退化量.比例退化率模型假设产品在两个应力水平下的平均退化率函数的比率为两个应力水平之差的指数函数.针对逆高斯过程下的步进应力加速退化模型,讨论了两种优化问题,即最小化产品在正常使用条件下平均寿命估计的渐近方差和最小化产品在给定时刻可靠度估计的渐近方差.在总试验费用不超过给定预算的约束下,针对提出的两个优化问题,给出了最优的样本量、检测间隔和检测次数.最后借助一组实例数据说明了所提出的模型与方法.(本文来源于《东南大学》期刊2018-05-01）
退化数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
论文设计了液压泵加速退化试验的试验方案,在分析了加速退化试验的理论模型的基础上,给出了威布尔分布下加速退化模型模型参数的评估方法,并对威布尔分布下液压泵的可靠度、平均寿命以及可靠度寿命进行了研究。最后,以某型液压泵为实例,对其进行了可靠性评定和剩余寿命预测。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
退化数据论文参考文献
[1].陈志军,周芳,杨学印,王薇,胡彦平.基于加速退化数据的某导电膜电阻贮存寿命预测方法[J].空军工程大学学报(自然科学版).2019
[2].马济乔,陈均,刘海涛,王雷.基于加速退化数据的液压泵寿命预测与可靠性分析[J].计算机与数字工程.2019
[3].李锋,苑志凯,何祯鑫,王兆强.退化数据驱动的气缸剩余寿命在线预测[J].振动.测试与诊断.2019
[4].安宗文,张永明,马强,寇海霞.基于核密度估计的性能退化数据建模分析方法[J].兰州理工大学学报.2019
[5].马洁,王立德,岳川,申萍,邱霁.基于加速退化数据的动车组电连接器寿命预测研究[J].机车电传动.2019
[6].徐廷学,刘崇屹,朱桂芳,张海军,曲旭.基于退化数据与失效数据的导弹雷达导引头竞争失效状态预测[J].电光与控制.2019
[7].周源,吕卫民,许建国.基于多元加速退化数据的可靠性统计推断方法[J].战术导弹技术.2018
[8].符赛.基于退化数据的航天继电器贮存可靠性分析与寿命预测方法研究[D].江苏科技大学.2018
[9].周源,吕卫民,王少蕾,孙媛.基于Copula函数耦合性建模的二元加速退化数据统计分析方法[J].兵器装备工程学报.2018
[10].段凤君.基于随机过程的退化数据分析与试验设计[D].东南大学.2018