基于比例危险模型的产品竞争失效分析

突发型失效与退化型失效共存的竞争失效问题在实践中大量存在,一般情况下突发失效是受退化量大小影响的。文中利用比例危险模型分析了突发失效与退化量的关系,给出了竞争失效的一般模型及模型的参数估计方法,最后利用所给模型对强激光装置所用的金属化膜脉冲电容器进行了可靠性分析。     

基于Dempster-Shafer证据理论的特征融合在军用电子设备模块化故障诊断过程中的应用

军用电子设备的维修是以更换电子集成模块为主,根据这一特点,通过分析处理电子设备的故障特征信息,把一种基于D-S证据理论的算法应用于故障特征信息的融合,从而实现故障电子模块的定位.结合实例,论证了这一方法在军用电子设备模块化故障诊断中的可行性.     

轮毂电机多轮独立驱动车辆机电联合制动控制策略

为了提高轮毂电机多轮独立驱动车辆的能量利用率,针对某型车辆的机电联合制动系统设计了一套模糊控制策略,用于分配制动力据,回收部分制动能量,并进行了Matlab离线仿真实验,实验结果表明,该控制策略可有效分配制动力矩,提高制动效能并回收能量。     

受互联网思路启发的电力系统重要节点评估算法

对电力系统中重要节点进行有效区分,有助于在资源有限的条件下对重要节点施加额外保护或改变拓扑结构,从而提高系统鲁棒性、降低事故发生的概率。受网页排序算法启发,提出电气链接结构分析的随机方法(electrical stochastic approach for link structure analysis, E-SALSA)用于电力系统重要节点评估。该算法综合考虑了电力系统拓扑结构、潮流等因素对节点的影响,能够有效反映电力系统的真实情况,并且其特点更符合电力系统背景。在IEEE300节点电力系统中,使用失负荷规模和最大子群规模两个指标对E-SALSA算法与电气介数算法、基于共同引用的超链接引导的主题搜索(model based on co-citation hypertext induced topic search, MBCC-HITS)算法进行了对比分析。结果证明E-SALSA算法相比电气介数算法在两个指标上都具有优势,相比MBCC-HITS算法能够更综合考虑各方面因素对节点的影响,进而证明了E-SALSA算法的合理性、有效性。     

电缆高辐射热通量下燃烧性能实验研究

利用锥形量热仪对国产典型PVC电缆进行实验研究,分析其在高辐射热通量条件下的热释放速率（HRR）、质量损失速率（MLR）、比消光面积（SEA）、CO产率、火灾性能指数（FPI）、点燃时间（TTI）随直径的变化规律,以及不同热辐射通量对这些燃烧参数的影响。实验结果表明：在相同实验条件下,PVC电缆的HRR、MLR、SEA、CO产率均随直径的增大而增大,FPI随直径的增大而减小,火灾危险性增大;电缆直径的变化对点燃时间影响不大;随着热辐射通量的增大,PVC电缆的点燃时间缩短,HRR、MLR增大,其峰值也增大,烟释放速率（SPR）和总烟释放量（TSR）增加,FPI减小,火灾危险性增大。     

探火管灭火装置在电气设备火灾防控中的应用

针对电气设备火灾防控难度大的问题,分析了传统气体灭火系统在电气设备火灾防控中存在的缺陷,介绍了探火管灭火装置的基本构成,分析了在特定的电气设备火灾防控中,采用探火管灭火装置替代传统气体灭火系统的优势,并给出探火管灭火装置实际应用案例,探讨了探火管灭火装置的应用前景。     

多指标约束下某变质量热力系统的性能可靠性分析

针对某变质量热力系统的性能可靠性受多指标综合影响的问题,使用了一种基于 Monte Carlo 仿真的系统性能可靠性分析方法对该系统进行了可靠性分析。首先,选取系统的性能失效特征量作为载荷末速度和最大加速度,并确定了其失效标准;然后,阐述了系统中部件———调节阀开度的退化规律。在此基础上,对系统的性能可靠性进行了仿真分析,得到了系统性能失效特征量的故障概率密度及性能可靠度。仿真结果表明：随着部件性能参数的退化,系统性能可靠性逐渐降低。     

某型导弹飞行掉弹故障分析与验证研究

针对某型导弹飞行掉弹故障,依据导弹武器系统组成结构,采用FTA方法,研究了故障模式与故障部位,并通过试验对故障定位进行了验证;分析了故障产生的原因与机理,提出了避免该类故障的相应措施.     

基于FMECA的信息系统软件失效安全风险评估与预测

随着大量软件产品应用于信息系统,不可避免地增大了软件失效对系统安全的影响概率。本文以某信息系统文电收发的处理过程为例,引入FMECA法,对其文电收发处理过程中由软件造成的风险进行分析,同时分析了引起风险常见的失效模式,并引入Markov模型对软件失效造成系统严重危害的风险进行预测,通过Markov模型与FMECA法结合能够迅速定位软件失效的原因,减少因软件失效造成的系统损失。     

PHEV电池电荷状态估计设计及仿真

电池管理系统(battery management system,BMS)是混合动力汽车(parallel hybrid electric vehicle,PHEV)能量管理系统中的核心组成部分,而其中电池电荷状态(state of charge,soc)则是PHEV控制策略中的重要参数.针对PHEV动力电池组SOC系统高度非线性和复杂性的特点,提出了一种基于改进的BP神经网络的HEV动力电池组的实时SOC估计,并对网络的收敛性进行了证明.利用大量PHEV动力电池组在行驶过程中充放电的数据样本,对神经网络进行网络训练并且进行仿真.结果表明,与传统离线SOC估计方法相比,能够有效地减小误差,提高电池SOC的精度.