项目名称: 基于步降加速退化试验的贮存寿命高效预测方法研究

项目编号: No.51205402

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 机械工程学科

项目作者: 谭源源

作者单位: 中国人民解放军国防科学技术大学

项目金额: 23万元

中文摘要: 由于贮存环境载荷的应力量级非常小,导弹、鱼雷等"长期贮存、一次使用"装备在贮存过程中性能退化十分缓慢,因此探索高效的寿命预测方法,节省试验时间和经费,是装备贮存寿命预测领域非常重要的努力方向之一。针对传统的现场贮存方法效率低的缺点,目前已有研究通过引入加速退化试验(Accelerated Degradation Testing, ADT)进行贮存寿命预测。然而现有的研究主要采用恒定和步进的应力加载方式开展加速退化试验,试验效率仍有待提高。鉴于步降加载方式比恒定、步进加载方式的效率更高,因此本项目提出基于步降ADT实现贮存寿命高效预测的新思路,系统研究了步降ADT的建模分析、融合评估和优化设计等基础理论问题,并结合工程应用开展试验验证。与现有的寿命预测方法相比,本项目的研究将进一步缩短试验时间,提高贮存寿命预测的效率。

中文关键词: 加速试验;寿命预测;融合评估;优化设计;贮存可靠性

英文摘要: Performance of "long-term storage, one shot" Equipments, such as missiles, torpedoes, degrades very slow during stockpile process, due to the stress of storage environment is extremely slight. Then investigating efficient life prediction methods, so as to save time and consume of testing, is one of most important topic in the field of storage life prediction. Aiming at the inefficiency of traditional field storage testing, Accelerated degradation testing (ADT) is introduced to improve the efficiency. However, relevant researches are focus on constant-stress and step-up-stress for ADT, and there still have large space of efficiency to be filled. Because step-down-stress is more efficient than constant-stress and step-up-stress, this project proposes a new idea, which is improving the efficiency of storage life prediction by using step-down-stress ADT. The project carried on a systemic research on step-down-stress ADT, including model, data analysis, fusion evaluation, optimal design, and validated application. Comparing to current researches, the project will shorten testing time and improve efficiency of storage life prediction further.

英文关键词: Accelerated testing;Life prediction;Fusion evaluation;Optimal design;Storage reliability

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于知识蒸馏的高效预训练
专知会员服务
31+阅读 · 2022年4月23日
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
30+阅读 · 2020年12月21日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
专知会员服务
80+阅读 · 2020年6月20日
基于Iceberg的大规模数据分析优化加速实践
借助新的物理模拟引擎加速强化学习
TensorFlow
1+阅读 · 2021年8月16日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
61+阅读 · 2020年7月12日
【工业智能】风机齿轮箱故障诊断 — 基于振动信号
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+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
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
1+阅读 · 2011年12月31日
Integrating Social Media into the Design Process
Arxiv
0+阅读 · 2022年5月9日
Arxiv
0+阅读 · 2022年5月9日
Arxiv
0+阅读 · 2022年5月7日
Arxiv
0+阅读 · 2022年5月6日
Arxiv
35+阅读 · 2021年8月2日
Arxiv
15+阅读 · 2021年2月19日
小贴士
相关VIP内容
【CVPR2022】基于知识蒸馏的高效预训练
专知会员服务
31+阅读 · 2022年4月23日
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
30+阅读 · 2020年12月21日
深度学习模型终端环境自适应方法研究
专知会员服务
33+阅读 · 2020年11月13日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
专知会员服务
80+阅读 · 2020年6月20日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+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
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
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员