VC实现故障诊断的智能化

针对大规模集成电路或非线性电路的故障诊断存在着定位困难和诊断速度低的问题,而且传统电路专家诊断系统有一定的缺陷.结合神经网络用于诊断的优点和VC程序的通用性强等特点,构造了一种神经网络的故障诊断系统,并且介绍了该系统的设计思想、实现过程及诊断实例.     

灰色GM(1,1)模型在电子装备寿命预测中的应用

介绍了传统装备可靠性试验数据评估的不足,为此根据灰色预测的基本原理,用GM(1,1)模型并通过精度修正,给出了实际应用中的预测方法.最后通过具体实例,对电子装备未来可能发生故障的范围进行了预测,取得令人满意的结果,从而证明了该预测方法能为装备的维修保养提供重要的数据支持,对研究武器装备的可靠性具有重大现实意义.     

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。     

一种新的双应力加速寿命试验研究（Ⅱ）——统计分析篇

围绕双应力交叉步降加速寿命试验的统计分析问题进行讨论,首先对统计分析的条件进行了假定,然后在指数分布场合下对统计分析具有关键作用的数据折算问题进行了探讨,给出数据折算的公式及折算过程中参数估计问题的求解算法,最后利用仿真试验数据进行验证,结果表明该统计方法用于双应力交叉步降加速试验是有效的.     

步进加速退化试验及其在电子产品可靠性评估中的应用

为快速评估具有高可靠、长寿命特点的电子产品的可靠性，提出了使用步进加速退化试验技术的方法。文中首先给出了步进加速退化的试验方法及基本假设，然后给出了步进退化数据向恒加退化数据的折算方法，在此基础上提出了基于伪失效寿命的步进加速退化可靠性评估算法，最后利用试验数据对该方法进行了验证。该方法与恒加退化试验相比，在保持样本量不变的基础上，可以极大地缩短试验时间，因此，具有更高的效费比。     

雷达智能BIT故障预测方法研究

在总结了几种比较常见的故障预测方法的基础上，介绍了基于统计学习理论的支持向量回归算法。提出将智能遗传算法用来对支持向量回归模型的参数进行优化选取，并详细介绍了模型参数的选取过程，避免了参数的盲目设置。将建立起来的模型应用于雷达智能BIT故障预测领域，并以一组智能BIT状态监测的数据对预测模型进行训练和验证，实验结果表明支持向量回归模型能有效地对雷达故障进行预测。     

一种新的双应力加速寿命试验研究（Ⅰ）——方法篇

加速寿命试验是高可靠长寿命评估中的常用方法,广泛应用于武器装备的定寿与延寿。在现有加速寿命试验的基础上,本着提高加速试验效率和减少试验费用的目的,提出了一种新的双应力加速寿命试验方法———双应力交叉步降加速寿命试验,并通过理论模型的建立,运用Monte-Carlo仿真对该试验方法的有效性进行了验证。研究结论表明,该方法应用于电子装(设)备的长寿命评估具有明显高于现有加速寿命试验的加速效率。     

智能BIT故障诊断技术研究与实现

在了解智能BIT技术的基础上,对智能BIT技术做了简要概述,深入研究了智能BIT故障诊断技术,着重研究了专家系统诊断法.针对某型雷达发射系统,先建立二叉判定树,将判定树的知识表示成专家系统的知识,采用关系数据库来实现专家系统知识库的存储.数据库利用SQL的强大功能,给出判定树深度优先搜索过程,并结合例子加以说明,成功实现基于专家系统的智能BIT诊断.     

阻抗测试的采样数值算法

提出一种用于阻抗测量的算法———采样数值算法 ,这种算法是将激励信号和阻抗产生的响应信号通过同步采样技术转换成数值序列 ,将响应数值序列在由激励数值序列构成的正交坐标系中分解 ,得到响应数值序列的同相分量和正交分量 ,求出测试阻抗的参数值。这种阻抗测试的算法 ,具有独特的优点 ,不产生原理测量误差 ,测量精度高     

Wiener过程的金属化膜脉冲电容器步降应力退化建模

由于强激光装置中金属化膜脉冲电容器高可靠长寿命的特点,导致退化试验的时间长效率低,传统的退化试验统计分析方法复杂,对先验信息依赖性大,针对这些问题提出了基于Wiener过程的金属化膜脉冲电容器步降应力加速退化建模和参数估计的方法。首先,用Wiener过程刻画电容器的退化过程,然后结合随机过程的特性采用MCMC方法进行参数估计,大大简化了统计分析过程。最后通过对电容器的仿真实验,将步降应力下的评估结果与恒定应力、步进应力的情况相对比,说明了步降应力对改善退化试验的试验效率的有效性。