Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015     

A sequential scheduling problem with impatient jobs

There are n customers that need to be served. Customer i will only wait in queue for an exponentially distributed time with rate λ_i before departing the system. The service time of customer i has distribution F_i, and on completion of service of customer i a positive reward r_i is earned. There is a single server and the problem is to choose, after each service completion, which currently in queue customer to serve next so as to maximize the expected total return. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 659–663, 2015     

序降应力加速寿命试验(上)——试验分析篇

加速寿命试验是高可靠长寿命型产品的量化评估的重要途径,广泛应用于武器装备的定寿延寿课题中。为了进一步提高加速寿命试验的效率,提出一种新的试验方法——序降应力加速寿命试验。通过理论模型建立、试验数据分析和蒙特卡罗仿真对该方法的有效性进行分析。研究结果表明,在相同的试验环境下序降应力加速寿命试验方法不但能大幅度提高试验效率,同时还能提高试验分析精度。因此,在武器装备的定寿延寿课题中,序降应力加速寿命试验值得推广。     

水下制氢反应室动态过程数值分析

为研究水下制氢反应室的动态过程规律,基于化学反应动力学和单液滴运动学得到合金/水反应转化率,并在最小自由能法计算得到生成物各组分摩尔数的基础上利用质量守恒方程得到室内各物质质量变化规律。在建立非线性移动边界螺旋管动态模型的前提下,利用能量守恒方程得到室内热力参数变化规律,进而完成制氢反应室动态过程详尽模型的建立。利用该模型编写计算程序,完成某水下制氢反应室动态过程仿真。结果表明,各仿真曲线较好地反映了对应参数的动态变化规律,验证了模型建立与仿真的正确性;合金/水反应转化率决定了反应室的物质质量变化规律及其能量释放特性。该模型可以作为制氢反应室动态特性分析及其过程控制研究的基础模型。     

基于GSPN的舰载服务器系统可靠性建模及分析

提出一种基于广义随机Petri网(Generalized Stochastic Petri Net,GSPN)的舰载服务器系统可靠性分析方法。深入分析舰载服务器系统故障模式的基础上,建立冗余服务器子系统的GSPN模型和共享数据盘子系统的GSPN模型,进而综合得到舰载服务器系统的全局GSPN模型,有效模拟了舰载服务器系统的动态行为。仿真实验验证了所提方法的有效性,为舰载服务器系统的分析与设计提供理论参考。     

某装备系统机电产品贮存可靠性评估方法

针对某装备系统机电产品长期自然贮存环境下可靠性无法准确评估的难题,提出了一种基于极小χ2估计和拟合优度检验的贮存可靠性评估方法,并对试验数据进行了分析、计算和处理。该方法通过拟合产品的失效分布来确定其分布函数参数,并根据确定的分布函数来预测产品的贮存可靠寿命。与现有的评估方法相比,采用该方法确定的分布函数更能反映产品的可靠性变化规律,对机电产品的贮存寿命预测结果更加合理,在工程研究领域具有很好的实用价值。     

基于油液分析的装备状态多阶段组合预测模型

状态预测是状态维修的关键步骤之一。针对装备状态变化规律复杂、特点难易准确掌握的关键问题,以延时时间概念和两阶段预知模型为基础,提出了根据不同阶段特点采用不同预测方法的多阶段组合预测模型。通过油液分析及其相关规定,对装备运行阶段进行了具体划分,给出了适应各阶段特点的预测方法。最后,通过实例验证了该模型的有效性。     

基于随机冲击的相关竞争失效可靠性评估

针对电子产品在工程实践中受随机冲击应力的影响及多失效模式的问题,以累积冲击和极限冲击来描述产品的冲击过程,考虑失效模式相关性并建立了随机冲击下产品竞争失效模型。以具有自然耗损和突发耗损特点金属化膜脉冲电容器为对象,进行了可靠性对比分析,验证了模型的合理性和有效性,为遭受复合应力影响的电子产品的可靠性评估提供了一种新方法。     

加强消防部队财务保障工作的思考

分析新时期加强消防部队财务保障的重要意义和当前财务保障工作存在的主要问题,提出了树立大局意识、加强财务预算管理保障建设、加强财务分析保障建设、加强财务监督保障建设、加强财务人才队伍建设等对策。     

高技术装备维修知识共享

将知识管理的思想引入到装备维修中,认为装备维修组织与高技术装备生产厂家之间的知识共享是提升高技术装备维修能力的重要因素。通过建立知识共享模型,对装备维修组织与高技术装备生产厂家知识共享过程进行了分析,得出知识总量螺旋上升的结果。在此基础上进行博弈分析,运用数学方法,找出主导高技术装备维修知识共享活动的关键因素,并结合实际,研究应对方法,推动装备维修知识共享,促进装备维修组织知识创新,从而提高装备维修能力。