项目名称: 基于DBN的多状态时变系统可靠性建模与评估

项目编号: No.51305275

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 机械、仪表工业

项目作者: 尹晓伟

作者单位: 沈阳工程学院

项目金额: 24万元

中文摘要: 对于多数工程结构系统,绝大部分结构或零件的失效都是一个过程,呈现明显的多态渐变特征。元件部分失效往往会导致元件工作性能的退化,由此产生的失效累积效应会导致系统完成规定工作任务的能力退化。基于2态假设的可靠性研究方法忽略了系统在渐变失效过程中呈现出的失效累积效应,由此建立的可靠性模型与实际情况存在较大差异。针对这一问题,本项目拟应用不确定性研究领域的核心工具 - 动态贝叶斯网络(Dynamic Bayesian Networks,DBN)对时变多状态系统可靠性展开研究。利用DBN的不确定性推理和图形化表达的优势,研究时变多状态系统状态(退化或失效)与系统中各单元状态之间的动态关系,从而系统地描述产生多状态系统失效的各种因素间的关系,实现复杂多状态系统可靠性的精确建模;同时,还可以进一步对系统可靠性进行故障诊断,查寻系统的薄弱环节,为提高系统可靠性提供依据。

中文关键词: 系统可靠性;动态贝叶斯网络;有限元仿真;故障诊断;多状态

英文摘要: The failure of most stucture or parts is a process for many engineering structure which have remarkable multi-state gradual change character. Partial failure of part often leads to working performance degradation of it and the failure cumulative effect causes the system function deterioration to accomplish the required task. Reliability method based on two-state hypothesis neglects the failure cumulative effect so the reliablility model based on two-state is different with actual situation.To solve this problem, DBN(Dynamic Bayesian Network)is introduced into the generized structure system reliability research. DBN is a key tool in indetermined research field which can inference and graphic description of stochastic indetermined probolem. By using the advantages of dealing the uncertainty reasoning and graphical expression of stochastic process, the relationship between dynamic sequential system state and each element state can be built conveniently.Thus the logic relationship of various factors causing the failure of multi-state system can be described and accurate modeling of complex system can be realized. At the same time, it providing scientific basis for reliability assessment,fault diagnosis, finding weak link and improve system reliability.

英文关键词: System reliability;Dynanic Bayesian network;Finite element simulation;fault diagnosis;multiple state

成为VIP会员查看完整内容
0

相关内容

个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
图神经网络综述
专知会员服务
197+阅读 · 2022年1月9日
深度学习激活函数全面综述论文
专知会员服务
70+阅读 · 2021年10月1日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
38+阅读 · 2021年3月3日
多模态情绪识别研究综述
专知会员服务
166+阅读 · 2020年12月21日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
16+阅读 · 2020年5月20日
小贴士
相关VIP内容
个性化学习推荐研究综述
专知会员服务
58+阅读 · 2022年2月2日
图神经网络综述
专知会员服务
197+阅读 · 2022年1月9日
深度学习激活函数全面综述论文
专知会员服务
70+阅读 · 2021年10月1日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
46+阅读 · 2021年8月28日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
38+阅读 · 2021年3月3日
多模态情绪识别研究综述
专知会员服务
166+阅读 · 2020年12月21日
相关资讯
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
【PHM算法】PHM算法 | 故障诊断建模方法
产业智能官
66+阅读 · 2020年3月16日
人工智能在设备状态评价和故障诊断中的应用
NE电气
23+阅读 · 2018年11月17日
生成对抗网络的研究进展与趋势
中国计算机学会
35+阅读 · 2018年11月14日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
已删除
将门创投
12+阅读 · 2018年6月25日
【工业智能】电网故障诊断的智能技术
产业智能官
34+阅读 · 2018年5月28日
相关基金
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员