An optimal structured policy for maintenance of partially observable aircraft engine components

This paper considers the maintenance of aircraft engine components that are subject to stress. We model the deterioration process by means of the cumulative jump process representation of crack growth. However, because in many cases cracks are not easily observable, maintenance decisions must be made on the basis of other information. We incorporate stress information collected via sensors into the scheduling decision process by means of a partially observable Markov decision process model. Using this model, we demonstrate the optimality of structured maintenance policies, which support practical maintenance schedules. © 1998 John Wiley & Sons, Inc. Naval Research Logistics 45: 335–352, 1998     

Adaptive importance sampling for extreme quantile estimation with stochastic black box computer models

Quantile is an important quantity in reliability analysis, as it is related to the resistance level for defining failure events. This study develops a computationally efficient sampling method for estimating extreme quantiles using stochastic black box computer models. Importance sampling has been widely employed as a powerful variance reduction technique to reduce estimation uncertainty and improve computational efficiency in many reliability studies. However, when applied to quantile estimation, importance sampling faces challenges, because a good choice of the importance sampling density relies on information about the unknown quantile. We propose an adaptive method that refines the importance sampling density parameter toward the unknown target quantile value along the iterations. The proposed adaptive scheme allows us to use the simulation outcomes obtained in previous iterations for steering the simulation process to focus on important input areas. We prove some convergence properties of the proposed method and show that our approach can achieve variance reduction over crude Monte Carlo sampling. We demonstrate its estimation efficiency through numerical examples and wind turbine case study.     

装备结构演化规律及重要度分析

以装备设计模块化的现状为依据,运用重要度理论,分析了装备结构演化及其重要度排序的规律。从单一部件逐步演化到5部件结构,以及N部件串并联结构,在此基础上,对演化规律进行了梳理,并对典型结构进行了重要度分析,得到了关于装备结构演化与各部件重要度排序规律,填补了对装备重要度漂移规律的研究空白,为装备可靠性优化设计提供了技术支撑。     

随机-非概率模型下的船体结构屈服强度可靠性分析

针对在役舰船船体载荷、材料属性的随机特性和实船勘验得出的腐蚀损伤下船体抗力区间特性,提出一种基于随机概率理论和区间非概率理论的随机-非概率可靠性分析模型,分别从区间变量随机化和随机变量区间化两个角度给出该模型的可靠性指标求解方法。基于该模型对某舰船船体结构屈服强度进行可靠性分析,结果表明:该模型既体现了结构变量的客观不确定性又减弱了评估结果的盲目保守性,对于既含有随机变量又含有区间变量的在役舰船的可靠性评估具有很强的适用性。     

基于GO法的军事供应链可靠性分析

军事供应链管理要获得高效率和效益,最基础的必须是有高可靠性作保证。结合GO法——一种系统可靠性分析方法和军事供应链自身的特点,阐明了将GO法应用于军事供应链可靠性分析中的可行性。通过构建军事供应链结构模型,运用GO法原理,分析出军事供应链系统中的信号流和操作符,将军事供应链系统结构图转化为GO图,通过GO运算,求出各信号流的等效故障率,进而求出军事供应链中各节点的等效可靠度,对供应链网络结构模型的可靠性问题进行定量分析,并通过实例对该方法的应用进行了具体说明。结果表明：GO法不仅能够计算出整个军事供应链的可靠性,还可以清楚地得到各环节的可靠性,从而可以追溯出影响军事供应链系统整体可靠性的瓶颈,为制定相关的可靠性管理措施提供科学依据。     

复杂网络可靠性研究进展

在分析网络可靠性概念和内涵的基础上,从基本可靠性和任务可靠性两个方面,以网络系统的生存性、抗毁性、可用性、可信性和完成性为主线,系统地总结了网络可靠性的相关研究进展,对未来发展趋势进行了展望。     

论失火罪和消防责任事故罪案件刑事证据的运用

正确运用刑事证据,是司法实践的重要内容,明确运用刑事证据的指导思想,掌握运用刑事证据的具体原则和步骤,才能把握法定证据和常见刑事案件的证据特点,才能在司法实践中充分认识并发挥证据在认定案件事实中的重要作用。     

基于灰色理论的鱼雷装载可靠性分析

为解决在鱼雷装载可靠度试验数据较少的情况下进行装载可靠性分析困难的问题,利用灰色系统理论及 GM(1,2)建模的思想,研究了鱼雷装载可靠度和工作可靠度之间的灰色关系,基于灰色系统理论建立了两者之间关系的数学模型.计算实例表明,该方法简单实用,可在鱼雷装载可靠度数据样本量较少的情况下对鱼雷装戢可靠度进行有效预测,为鱼雷装载可靠度的评定提供了理论参考.     

基于状态的装备可靠度模型及其应用

为应用基于状态的装备可靠度模型,实现对装备的精确维修,采用了比例风险模型（Proportional Hazards Model,PHM）将装备的年龄信息及检测所得状态信息融入系统的风险函数中。考虑到样本包含截尾数据的情形,应用极大似然估计方法对模型中的参数进行了估计以及相应的模型检验。通过对该方法在一个实际案例中应用的详细分析,验证了方法的可行性。     

软件系统的可靠性综合评估模型研究*

主要研究了软件系统可靠性的评估方法。基于软件系统的基本结构和体系,对软件系统层次可靠性进行分析,并对影响可靠性的因素进行了分析;根据各分系统失效对整体系统失效影响程度的大小,通过事件测试分析得到实际参数,在给出重要度系数的基础上,建立了串并联系统间权重系数模型,并通过Bayes分析建立了软件系统的可靠性综合评估模型,从而达到对软件系统可靠性综合评估的目的。算例表明该可靠性综合评估模型具有一定的工程应用价值。