风电齿轮箱零件寿命分布函数的确定方法

以1.5 MW风电齿轮箱齿轮为研究对象,基于齿轮的设计参数,通过机械零部件动态可靠性模型,得到风电齿轮箱齿轮的寿命分布模型。假设它的寿命分布函数分别服从双参数威布尔分布和对数正态分布,并用最小二乘法对两种分布形式的参数进行估计,用相关系数法对两种分布形式的估计结果进行检验。检验结果表明,两种分布形式中威布尔分布对寿命分布模型的分布函数形式拟合得较好,由此确定的寿命分布函数对于零件全生命周期的管理具有一定的指导意义。     

基于随机截尾数据的加工中心可靠性评估

传统故障频次法在统计故障时间时,通常会忽视故障数据的随机截尾性,造成工作总时间统计不准确,可靠性评估值偏低。运用故障总时间法,将随机截尾时间转化为加工中心的故障总时间,采用图示法和赤池信息准则(AIC)初步确定故障数据分布模型,然后利用线性相关性检验和K-S检验确定其最终分布模型,再根据可靠性函数进行可靠性指标的计算。本方法评估出加工中心的MTBF指标为1 887 h,相比于传统故障频次法的917 h,更能客观反应加工中心可靠性的真实水平。     

基于FTA FMEA和威布尔分布改进法的巧克力生产设备维护方法研究

针对巧克力食品制造企业生产线设备维护体系不健全、设备管理效率低等缺点，建立了基于故障树分析法（fault tree analysis，FTA)、失效模式和影响分析(failure mode and effect analysis，FMEA)以及威布尔分布改进方法的巧克力生产线专用设备管理状态维护方法和模块。以某巧克力生产企业F公司的榛子巧克力球生产线设备管理为研究对象，利用FTA FMEA对生产线设备关键失效模式进行筛选识别；结合贝叶斯规则优化威布尔分布，并提出组件实时可靠度函数；在SAP PM通用模块的基础上，建立了专用设备管理模块，介绍了主要功能模块的工作流程及原理。应用结果表明提出的设备状态维护方法不仅可以提高设备维修的反应速度，且可有效提高食品制造企业设备管理水平。课题组研究的专用设备管理模块能减少故障损失，延长设备使用寿命。     

寿命分布检验和参数估计的线性回归法及微机实现

本文介绍了一种用线性回归原理来检验产品寿命分布类型和估计特征量的方法及其自动实现寿命试验数据处理的通用计算机程序。此程序所涉及的分布函数有指数分布、双参数威布尔分布、三参数威布尔分布、正态分布、对数正态分布等五种,并具有自动判别最佳分布的功能。     

基于小波神经网络的油泵故障诊断

依据小波神经网络技术的各种优点，提出采用三层BP小波神经网络构造故障诊断模型，对油泵进行故障监测和诊断。该故障诊断方法对神经网络训练、故障特征参数提取和对应神经网络状态输出等均实现了数据库管理，对油泵多种常见故障取得了满意的诊断效果，不仅具有特征自动提取以及较强的自学习和自适应功能，而且操作维护简便。研究结果表明：信号的小波分析和神经网络识别的融合将为油泵状态监测与故障诊断系统的建立提供新的方法和更简便的途径；对油库安全维护与故障诊断具有重要意义。     

两不同部件冷贮备系统的可靠性分析

研究两个不同型部件、两个修理工组成的冷贮备可修系统。假定部件寿命服从一般分布,维修时间服从指数分布,利用马尔可夫更新过程方法和拉普拉斯变换工具,得到了系统有关首次故障前时间分布、可用度和故障频度等可靠性指标的表达式。     

双应力同步降压与双应力交叉步降压实验的数值模拟与应用

为进一步比较可靠性工程中评估产品寿命的2种常规方法（双应力同步降压加速寿命实验和双应力交叉步降压加速寿命实验）的实验效率，课题组借助计算机仿真，并调用服从Weibull分布的产品寿命的典型算例，比较了2种实验方法的时间消耗和产品失效速率，发现在相同实验条件下双应力同步降压加速寿命实验方法提高的实验效率更显著。课题组在双应力同步降压加速寿命实验失效时间曲线的基础上，利用蒙特卡罗法研究了Weibull分布中形状参数m对不同样本数与不同应力水平下双应力同步降压加速寿命试验的失效时间和效率的影响。结果表明：在相同形状参数下，各应力水平的失效时间曲线的趋势一致；在同一应力水平下，不同形状参数的失效时间曲线稳定相交于各样本容量的63%。这一结论也适用于其他的双应力加速寿命实验。课题组基于双应力同步降压加速寿命实验方法，建立了一种绕线联轴器加速退化模型，并推导出了一种在绕线联轴器正常工作条件下预测产品可靠性寿命的数学模型。解析结果表明该预测模型能够有效预测绕线联轴器的真实寿命。     

宝钢电厂记录仪可靠性、FMMAA、备件分析及国产化决策研究

估算了宝钢电厂自动记录仪可靠性水平，进行了备品备件计算及故障模式、故障机理和改进措施分析（ＦＭＭＡＡ），提出了国产化决策依据和建议．     

投资组合极值风险测度——基于T-Copula-SV-T-EVT模型

针对金融资产收益率的“典型事实”特征,结合Copula函数、极值理论与金融波动模型构建既能反映投资组合金融资产收益率分布特征又能反映其相关结构的风险测度模型,用Monte Carlo模拟方法测度投资组合风险,以东方策略成长基金为例进行实证检验。研究发现,边缘分布与Copula函数的选择均会对投资组合的风险产生影响,通过对不同边缘分布和Copula函数组成的投资组合模型风险测度的对比,发现T-Copula-SV-T-EVT模型更具优越性,同时返回式检验表明T-Copula-SV-T-EVT模型对风险的度量是合理而有效的。     

修理延迟的n部件串联系统的可靠性分析

在部件寿命服从指数分布,延迟修理时间和修理时间均服从一般分布的假设下,研究了修理延迟的n部件串联的可修系统。利用更新过程理论,得到了系统的可靠度R(t)、可用度A、首次故障前的平均时间MTTFF和(0,t]时间内的系统的平均故障次数M(t)等可靠性指标。     

AVMD Kriging砂轮寿命周期磨削性能在线监测方法

为了对砂轮寿命周期磨削性能进行特征提取与智能识别，课题组提出了一种改进的变分模态分解算法与Kriging模型相结合的砂轮寿命周期磨削性能识别方法AVMD Kriging。首先，通过人工鱼群算法和包络熵适应度函数来优化VMD，以解决VMD中本征模态函数分解个数k和惩罚因子α难以自适应确定的问题；再利用皮尔逊相关系数选取与原始信号相关性最高的本征模态函数并计算其样本熵值组成特征向量，将其输入Kriging模型进行砂轮寿命周期磨削性能识别；最后利用实验采集的声发射数据，将提出的AVMD Kriging方法与传统的KNN模型、Tree模型进行对比。结果表明：AVMD Kriging方法的识别准确率优于KNN模型和Tree模型，能有效提高砂轮寿命周期磨削性能的识别准确率，同时具有较好的泛化能力和鲁棒性。     

两不同部件热贮备系统一个模型的可靠性分析

研究了两不同部件热贮备系统的一个模型，在部件的工作寿命，贮备寿命，修理工在系统内的德行等待时间和在外工作时间分别服从不同的指数分布，部件的修理时间分别服从不同的连续型分布的假设下，求得了系统的可靠性指标。     

M／G_T／1可修排队系统分析及最优策略

研究服务台可修且按年龄Ｔ维修的Ｍ／Ｇ＿Ｔ／１排队系统。在假定服务台寿命分布为负指数分布，事后修理时间和事前修理时间均有一般分布的条件下，使用分解法，结合更新过程理论，获得系统的排队指标和服务台的可靠性指标，而且在两种不同的目标函数下讨论了服务台的最优维修策略。     

共同富裕视角下企业社会责任与投资效率研究——以数字经济核心企业为例

以2016—2021年数字经济核心产业A股上市公司为样本，采用多元回归模型研究履行社会责任对数字经济企业投资效率的影响。研究发现：数字经济企业以“共同富裕”为策略进行社会履责能提升投资效率；降低代理成本是该提升效用的传导路径之一；进一步检验发现在数字经济企业受到外部更多关注时这种提升作用更显著。验证了“共建共享”发展理念对于数字经济企业履责的适用性，为促进数字经济核心产业健康持续发展提供参考。     

面向绿色的加工中心故障模式影响分析

本文提出面向绿色加工中心的故障模式影响分析方法,将入模糊评价与可靠性故障分析相结合,以某数控机床厂生产的加工中心主轴子系统为例介绍了其故障模式对绿色性影响了模糊评价方法,并对各子系统的影响程度进行了排序,同时分析了故障产生原因,并提出了相应的改进措施,为机电厂品可靠性及绿色性研究提供了较实用的方法。     

股权集中度、女性董事占比对企业价值的影响

针对股权集中度、女性董事占比对企业价值的影响问题，选取2016-2020年中国A股上市公司为研究对象，采用面板模型与门槛模型进行实证研究。研究表明：股权集中度与企业价值显著正相关；女性董事占比与企业价值显著负相关；研发支出正向调节股权集中度与企业价值的关系；研发支出负向调节女性董事占比与企业价值的关系。通过双重门槛模型检验发现，当股权集中度在31.93%～35.87%时，其与企业价值显著正相关。研究结论为进一步提升企业价值提供参考。     

混合威布尔分布参数估计的L-M算法

混合威布尔分布模型常用来分析具有多种失效模式的机械系统或零部件的可靠性寿命数据,为提高混合威布尔分布未知参数估计的精度,利用非线性最小二乘理论,建立了小子样条件下两重混合威布尔分布参数优化估计模型,将L-M算法用于优化求解。以概率图参数估计法的结果作为迭代初始值,提高了迭代求解的速度。计算实例表明利用该方法估计混合威布尔分布参数是可行的,而且能够获得较精确的结果。     

MTBF分布模型的案例分析

本文利用数理统计中的参数估计、假设检验等方法,对加工中心的故障间隔时间(MTBF)进行了分析,总结出其故障服从威布尔分布,最终确定了分布模型,为数控机床可靠性预测提供依据。     

基于改进DenseNet和迁移学习的变负载滚动轴承故障诊断

由于在实际工作环境下滚动轴承故障样本不足，而且受到环境噪声以及负载变化的影响，故障样本分布存在差异性导致诊断泛化性差，对此课题组提出一种基于改进DenseNet与迁移学习结合的滚动轴承故障诊断方法。对原DenseNet中的ReLU激活函数，使用LeakyReLU函数替代，并在全连接层后添加Softmax层进行分类，使提取故障特征更为丰富；为了使轴承信号接近工厂采集的数据，对凯斯西储大学轴承数据集中添加了信噪比为 2 dB的高斯白噪声并进行模拟，经Z Score归一化处理后转化为二维灰度图作为样本数据。实验结果表明该方法在小样本变负载下的跨域诊断准确率都达到了90%以上，与其他模型对比具有更好的泛化性。     

基于CEEMDAN和CNN TSA GRU的滚动轴承故障识别方法研究

为避免复杂噪声对滚动轴承智能诊断模型的准确率干扰，提出一种基于完全集合经验模态分解CEEMDAN和深度时间自注意力卷积网络CNN TSA的滚动轴承故障识别模型。该模型首先采用CEEMDAN将信号分解为若干固有模态函数(intrinsic mode function，IMF)分量，利用光谱放大因子SAF指标自适应筛选最优高信噪比分量；其次采用改进时间自注意力机制对数据分配权重并采用卷积神经网络CNN提取空间特征，弱化冗余特征信息，保留目标特征；最后利用门控循环单元GRU提取样本数据时间特征，使得网络得到更充分的学习，提高模型鲁棒性。经试验数据验证：所提出的深度学习智能故障识别模型故障识别准确率达到98.87%；对比一维CNN和CNN LSTM模型，识别准确率分别提高915%和8.86%，验证了该模型的有效性和优越性。