一、Quantification and assessment of fault uncertainty and risk using stochastic conditional simulations(论文文献综述)
吴波前[1](2021)在《基于GNSS/INS的列车自主定位性能评估方法研究》文中研究表明列车运行控制系统为铁路运输安全可靠运营提供关键技术保障,实时、准确地获取列车位置与运行状态信息是列控系统实施安全控制的关键基础。随着北斗卫星导航系统全球组网完成,基于卫星导航系统的多传感器融合列车自主定位已成为我国列控系统的重要技术发展方向。本文以全球卫星导航系统GNSS(Global Navigation Satellite System)与惯性导航系统INS(Inertial Navigation System)融合实现列车自主定位为基础,研究并形成有效的定位性能评估方法,确保列车自主定位能够为列控系统提供可靠的基础信息服务。本文面向列控系统应用,针对列车自主定位性能评估问题,开展对列车自主定位信息处理过程的分析,实现基于环境场景驱动的量测噪声加权计算及完好性评估的故障检测与状态识别;在此基础上,考虑列车自主定位单元整体架构,通过对不同因素影响下定位单元的状态变化描述,构建了基于随机Petri网SPN(Stochastic Petri Nets)的列车自主定位故障传播模型,研究了基于确定信息的变迁激发率计算和基于不确定信息的变迁激发率区间灰数表达方法,形成了灰色SPN模型下的列车自主定位可用性评估方法;最后,以列车自主定位支撑移动闭塞模式的实现为框架,开展了列车自主定位安全风险评估,形成了基于步长自适应长短时记忆LSTM(Long Short-Term Memory)神经网络的安全风险评估方法。论文主要取得了以下创新:(1)提出了一种环境场景信息驱动的完好性评估方法,基于粒子群优化K均值对铁路线路周边环境场景进行聚类划分,并结合铁路沿线卫星分布特性,提出一种基于EKF紧耦合滤波量测噪声加权的滤波估计优化算法,并结合紧耦合滤波估计建立了多层级故障检测及状态识别方法。(2)提出了一种基于灰色SPN的列车自主定位可用性评估方法,构建了基于SPN的列车自主定位故障传播模型,对基于GNSS/INS的列车自主定位从信息采集到决策输出一系列信息处理中的定位单元状态变化及故障传递过程进行描述,结合灰色系统理论,提出了不确定信息影响下的变迁激发率区间灰数表达方法,并建立了相应的灰色SPN评估模型,解决了复杂铁路运行环境下难以对列车自主定位可用性进行评估的问题。(3)提出了一种基于步长自适应LSTM神经网络的列车自主定位安全风险评估方法,针对列控系统的移动闭塞运行模式,对列车自主定位支撑移动闭塞可能影响安全追踪运行的情况进行描述,利用LSTM神经网络构建了风险评估模型,对具有时序特性的列车自主定位信息与风险之间的关系进行描述,并考虑不同环境场景下网络输入的时间关联程度差异,提出了基于环境场景的LSTM神经网络步长自适应调整方法。为了支持本文提出的方法验证工作,结合京沈高铁现场采集数据,对论文提出的场景聚类划分、完好性评估、可用性评估及面向移动闭塞的安全风险评估方法进行了验证。本文研究成果能够为推进北斗卫星导航系统在我国新型列车控制系统中的应用提供理论参考与技术支持。
张刚[2](2021)在《应对自然灾害的弹性配电网规划与恢复研究》文中研究表明近年来,电网频繁遭受到台风、洪水等极端自然灾害事件的破坏。尤其是配电网由于网架等基础设施脆弱、辐射状网络运行的供电方式以及备用不足等原因,极易受到自然灾害的破坏而造成重大的经济损失。然而,传统配电网中广泛应用的可靠性指标主要应对“高概率,低影响”事件,往往忽略了具备“低概率,高影响”特征的自然灾害。在此背景下,弹性配电网概念应运而生。弹性配电网要求配电网在自然灾害发生前具备预防准备能力,灾害发生后具备应急响应与快速恢复能力。简言之,弹性配电网是具备“恢复力”的配电网。其中,弹性配电网规划即通过事故前的线路加固、紧急资源配置等方式,提高配电网坚强性与恢复力;弹性配电网恢复则在事故后充分利用资源灵活调度,减少停电损失。然而,当前的弹性配电网规划与恢复研究尚处于初级阶段,研究深入程度不足,建模手段匮乏,主要问题包括:1)用于规划与恢复方案评价的弹性评价指标不清晰;2)规划方面,针对常规规划资源(如线路加固、柴油发电机等)的事故前规划-事故后响应协同机理不明;3)规划方面,针对灵活规划资源(如车载紧急发电机)的事故前规划-预防性调度-事故后再调度的多阶段协同研究不足;4)恢复方面,资源灵活调度与配电网有序恢复的协同模型研究不足。针对以上问题,本文的主要内容及研究成果如下:(1)提出了基于非采样方法进行网络拓扑模拟的配电网弹性评估方法,能够大大提高评估效率与精度。本文首先建立了用于弹性评估的概率指标,实现对系统行为从事故前到事故后多阶段量化。构建了混合整数线性模型用于以0-1变量模拟供能路径。随后,基于供能路径,构建了用于弹性指标计算的概率事件。最后,基于全概率公式、条件概率公式以及供能路径拓扑简化方法,将概率指标进行解析表达。所提出的方法以非采样方法模拟配电网故障-运行恢复-故障修复过程中的拓扑演化,避免了传统采样方法中的大规模场景分析,提高了评估效率。通过IEEE 123节点配电网的算例分析验证了所提方法的有效性。(2)提出了一种事故前规划-事故后响应两阶段协同的弹性配电网线路加固与紧急发电机配置方法。在弹性配电网规划中,需要考虑两种自然灾害相关的不确定性,分别是不同等级自然灾害的破坏能力不确定性,以及特定等级自然灾害所造成的线路故障概率分布不确定性。为了应对这两种不确定性,本文提出了一种基于多灾害场景的分布式鲁棒规划模型,以随机优化中的以概率进行权重的多场景来模拟破坏能力不确定性,以分布式鲁棒模型中的矩相关的模糊集合模拟线路故障概率分布不确定性。此外,为了提高所提模型的计算效率,首先将原模型进行转化以消除概率分布相关变量,随后提出了一种基于原始割的分解算法将转化后的模型进行分解求解。将所提模型与算法基于IEEE 13节点、33节点、以及123节点配电网进行仿真验证了所提模型的有效性。(3)考虑事故前规划阶段、预防调度阶段、事故后响应阶段的协同,建立了用于可移动发电机配置的三阶段随机规划模型。提出了利用非预期性约束以保证发电机的选址决策只依赖于当前阶段的不确定量实现。在事故前规划阶段,将灾害强度不确定性与灾害引发的故障不确定性模拟为以概率进行权重的多场景;然后,随着灾害强度不确定性在预防调度阶段的实现,仅考虑故障不确定性将可移动发电机进行预选址。根据非预期性约束,可移动发电机的预选址只依赖于当前的灾害强度不确定性的实现。随着故障不确定性在事故后响应阶段的实现,可以将发电机从预调度位置再次调配到目标位置用于重要负荷的恢复。针对大规模随机规划模型求解困难的问题,提出了逐步对冲算法将规划模型分解为多个场景相关的子模型进行求解。通过将所提模型在IEEE 13节点与123节点配电网算例的仿真验证了所提模型的有效性与优越性。(4)提出了一种考虑维修人员与开关操作人员协同调配的弹性配电网事故后快速恢复模型。为了实现快速的负荷恢复,本文提出了一种配电网故障恢复的混合整数线性模型。在该模型中,通过维修人员的调度实现故障元件修复,通过开关操作人员调度实现手动开关的动作。随后,通过维修人员调度、开关操作人员调度、以及配电网恢复模型的有机协同得到分布式发电并网、负荷恢复、远程/手动开关的控制操作次序。此外,为了解决不同模型时间尺度差异大的问题,本文提出了区别于固定时间步长模型的基于供能事件驱动的配电网恢复模型构建方法,即所提出的联合优化模型为变时间步长模型,并实现了配电网恢复与维修人员调度、开关操作人员调度的有机协同以及配电网的有序恢复。通过IEEE 123节点配电网验证了所提模型的有效性。
李贺[3](2021)在《海上浮式风机可靠性分析的FMECA和贝叶斯网络新方法》文中认为新能源的开发与规模化应用是“碳平衡”目标实现的根本保证。在陆地资源的有限性、能源开发的经济性与可持续性的共同限制下,新能源开发者将目光逐步投向开发潜力更大的海洋。在此背景下,海上风能应运而生。特别地,海上浮式风能因其巨大的开发潜力和丰富的资源储量被认为是风电的发展方向之一。然而,作为海上浮式风能开发主力装备的海上浮式风机,其开发与运营受到多方面的制约,如海上浮式风能项目总体成本高和可靠性、可用性等指标差等。因此,开展海上浮式风机可靠性分析研究以提高其经济性势在必行。海上浮式风机的可靠性分析研究在风能市场爆发式扩张的强劲推动下已逐步开展,但该类研究仍存在诸如认识不足、数据积累少、模型精细化程度低等难点问题亟待攻克。鉴于此,本文以数据收集与建模、精细化可靠性分析模型的构建为着眼点,开展海上浮式风机可靠性分析的故障模式、影响及危害度分析(Failure Mode,Effects and Criticality Analysis,FMECA)和贝叶斯网络(Bayesian network,BN)新方法研究,取得的主要成果如下:(1)提出了基于主客观信息混合的海上浮式风机可靠性分析的FMECA方法针对海上浮式风机稀少但来源广泛的可靠性信息,建立了基于主客观可靠性信息混合的可靠性分析的FMECA方法。针对专家经验等主观信息,提出相对重要度算法并基于此建立了基于主观数据相对重要度的可靠性分析的FMECA方法;针对故障成本等海上浮式风机客观数据,提出了基于客观数据的可靠性分析的FMECA方法;进一步地提出基于主客观可靠性信息混合的可靠性分析的FMECA方法。以上方法的提出在保证可靠性分析结果的可信性与可靠性分析方法的适用性等方面具有积极意义。同时,提出了FMECA结果不确定性评价模型,该模型的提出为可靠性分析模型的评价与优选提供了有效工具。(2)提出了海上浮式风机可靠性分析的权值FMECA方法基于海上浮式风机故障的本质特征,提出了海上浮式风机可靠性分析的权值FMECA方法。针对当前可靠性分析模型精细化程度不高使可靠性分析结果可信性不强等现实问题,构建了可靠性分析的固定权值FMECA方法;进一步地基于层次分析法开发了浮动权值FMECA方法。以上方法在深化了FMECA方法的基本内涵的同时,为更精细、合理的可靠性分析模型的搭建提供蓝本,为可信的可靠性分析结果的求取提供支撑。(3)提出了基于故障数据近似的海上浮式风机可靠性分析的贝叶斯网络方法针对海上浮式风机故障数据稀少以致基于数据收集的可靠性分析无法开展的现实,提出了海上浮式风机基本单元故障率的近似算法,并基于此提出了海上浮式风机可靠性分析的贝叶斯网络模型;针对海上浮式风机的早期故障和安装前期检查等现实需求,在复杂系统假设下,提出了海上浮式风机早期故障率推理算法并建立了考虑前期故障的可靠性分析的贝叶斯网络方法。以上方法在克服海上浮式风机可靠性数据稀缺性的同时为其早期故障评估、安装初期检查等提供了思路。(4)提出了海上浮式风机可靠性分析的FMECA-BN方法针对传统可靠性分析方法无法同时兼顾关键故障单元识别和可靠度计算以及FMECA方法不具有信息更新能力等问题,提出了兼顾两者的FMECA-BN模型;提出了故障单元规避潜在收益的期望模型;在FMECA-BN模型的基础上构建了关键故障单元识别方法。以上方法的提出赋予了海上浮式风机的关键故障单元识别以条件更新能力,为海上浮式风机等复杂系统的故障本质特征分析提供新的思路。
胡钧铭[4](2021)在《小子样复杂系统可靠性增长试验关键技术研究》文中研究表明可靠性增长试验旨在发现系统设计、制造、运营中潜在的失效模式,在经故障机理分析后,采取针对性的纠正措施,从而降低或消除系统故障。通过测试、修正、再测试过程的不断迭代,纠正措施的有效性得以验证,系统的可靠性水平得以逐步提升。因而,可靠性增长试验成为保障复杂系统可靠性的重要工程手段。可靠性增长规划和可靠性增长评估是系统可靠性增长研究的两个主要领域。前者是在实际增长试验实施前,规划试验资源,构建可靠性增长曲线,为跟踪、监控与调整可靠性增长试验方案提供参照。后者则是根据增长试验数据评估系统当前的可靠性,以及外推或者预测系统将来的可靠性。本文以系统可靠性增长试验为研究课题,围绕可靠性增长规划与可靠性增长评估两大研究领域,针对可靠性增长规划受不确定性因素的影响,开展了可靠性增长方案的稳健性评价研究;针对小样本贝叶斯可靠性增长评估中先验分布的建构问题,开展了多源数据融合的可靠性增长评估研究;针对受仪器故障、观测机制等因素制约导致的可靠性增长数据缺失,开展了缺失数据下的系统可靠性增长评估研究;针对可靠性增长评估中可靠性增长模型的模型不确定性是影响分析决策的因素之一,开展了可靠性增长模型的模型不确定性研究。论文的主要研究内容与创新成果如下:(1)提出了可靠性增长规划的稳健性评价方法。分析了可靠性增长规划中的不确定性影响因素,引入信息差理论对规划问题的不确定性进行分析,构建了可靠性增长规划的稳健性评价指标,推导了可靠性增长规划稳健性的计算模型。通过算例分析演示了该方法,并将分析结果与最坏情况分析进行比较,阐明了所提方法的可行性。(2)提出了可靠性增长评估的多源信息融合框架。分析了可靠性增长贝叶斯评估中的先验信息来源,根据证据理论建立了多源信息的融合框架。从多源信息的证据融合结果出发,分别基于Belief函数与Plausibility函数的等效矩,将先验信息转化为先验分布。从不同的先验组合出发推断未知参数的后验分布。算例研究表明,先验信息的认知不确定性传播到后验信息中,融合后的先验信息比单一信源信息提高了推断结果的准确性。(3)构建了缺失数据的可靠性增长评估方法。基于期望最大化算法和幂律模型的顺序统计量特性,分别从解析与随机模拟两个维度对左删失和区间删失数据的可靠性增长评估进行了研究。推导了两类删失数据的似然函数的解析解,并构建了基于蒙特卡洛期望最大化算法的两类删失数据的推断方法。算例研究演示和验证了所提方法的有效性。(4)提出了可靠性增长模型不确定性的量化方法。可靠性增长模型除用于评估系统当前可靠性水平外,还可预测系统未来或者下一阶段的可靠性。数据驱动的可靠性增长建模本质上是对可靠性增长过程的一种近似。这种近似会导致模型不确定性。实践中,经过统计检验的模型即被视为能够表征实际可靠性增长过程,但统计检验通常只回答了模型能否表征实际数据,并未定量给出模型自身的不确定性。建立可靠性增长模型的模型不确定性量化框架,为可靠性增长模型的评价提供新方法,同时也为可靠性增长预测提供更为全面的不确定性信息。基于贝叶斯方法,本文建立了可靠性增长模型的模型不确定性量化框架。算例研究演示和验证了该方法的有效性。
徐鹏[5](2020)在《气体传感器系统健康管理技术研究》文中认为气体传感器系统是进行气体信息采集的源头,其测量值质量直接影响整体系统的工作性能。然而由于检测量大、工作环境严苛等问题,传感器系统在使用过程中难免会因发生自身故障或受到外界环境影响而导致测量值出现偏差甚至错误,造成严重后果。气体传感器的故障具有隐蔽性、相关性及不可预知性,很难根据阵列的输出值对传感器各个故障进行逐一排查。以气体金属半导体氧化物传感器为例,从材料及工艺层面进行改进,提升系统可靠性是很困难的;定期维护存在大量非必要维修,是一种被动的、低效的维修方式。在实际使用过程中常常会有多个传感器同时或连续出现故障,单纯使用硬件冗余法无法满足需求。自确认方法只能实现事后的故障检测,无法实现故障的预警,只能被动的等待故障的发生,部分的提升系统可靠性。因此,对传感器系统进行状态监测与健康预测,从而提高系统的可靠性与输出数据的可信性是极其必要的。本文以气体传感器系统为主要的研究对象,重点研究微小故障诊断、强干扰条件下的健康评估及预测以及混合多属性信息下的健康管理决策等健康管理方法。针对气体传感器系统进行微小故障诊断时面临的模态混叠问题,论文从数据驱动的方面展开研究,提出了基于t分布随机近邻嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)与随机森林的方法。利用t分布的长尾效应增大不同故障的类间距离,减小微弱信号下模态混叠对故障模式分析的影响。引入随机森林的双重随机性,有效降低过拟合风险,进而提高微小信号下故障诊断的准确率。经试验验证,采用该方法对传感器系统微小故障诊断的准确率与传统的主元分析法、线性判别分析法等相比可提高4.2%以上。针对强干扰情况下的传感器系统健康评估及预测结果波动较大的问题,从数据驱动方面展开研究,提出了未确知深度集成相关向量机的健康预测方法。解决强干扰情况下的传感器健康评估以及小样本情况下的健康预测问题。建立了未确知深度软测量(Unascertained Deep Soft Sensor,UDSS)模型,通过构建多层次的未确知评价指标集来抑制强干扰数据对健康可信度的影响,有效实现测量状态的定量评估。与传统的灰色理论、线性回归等方法相比,在传感器系统存在强干扰情况下,评估准确率提高9%以上。为实现小样本情况下的系统健康预测,以健康可信度作为评估指标,以Bootstrap自助法作为理论框架,建立了集成相关向量机健康预测模型,结合采样移动窗和补偿因子,减少小样本情况下的预测误差。经试验验证,采用该方法实现健康预测最小误差为0.6%。针对混合多属性信息条件下的传感器系统健康管理决策问题,论文从系统可靠性着手,提出了基于多专家灰色群决策的健康管理决策方法,解决传统决策方法如D-S证据理论、模糊集理论等可靠性较低的问题。建立多专家灰色群决策模型,结合历史数据、维修概率和检修率等混合信息,对传感器系统健康管理维修等级给出最优的决策建议。与传统方法相比,混合多属性信息条件下的系统健康管理决策准确率提高了1.5%以上。在此基础之上,为保证系统存在故障时仍可继续工作,应用数据恢复的思想实现系统的软维修。以多传感器间的相关特性为评价指标,构建互相关极限学习机预测模型,实现基于数据恢复的软维修方法,故障数据恢复最小误差可达0.5%。为验证本文所提的气体传感器系统故障诊断、健康预测及健康管理决策方法的可行性,设计并搭建了实验验证平台。具体以密闭空间内的有毒有害气体传感器系统为研究对象,针对该传感器系统的微小故障诊断(传感器漂移、脉冲冲击等故障类型),强噪声干扰下的多等级健康评估及长期预测进行实验。并在此条件下,结合历史数据、维修率等混合信息,对健康管理决策方法进行验证。经数据恢复维修后,系统的测量准确率可保证不下降或下降较少。验证了本文提出的传感器系统的微小故障诊断、强干扰条件下的健康预测及混合多属性信息的健康管理决策方法的有效性及提高传感器系统可靠性的可行性。
陈斌[6](2020)在《高铁列控车载设备可靠性评估及维修决策方法研究》文中进行了进一步梳理高速铁路的建设标志着中国铁路建设新局面的到来。凭借着其高速、快捷、舒适等特点,高速铁路已经渐渐成为广大人民群众出行的优先选择。高速铁路的快速发展,将会大大促进社会经济建设,完善国家战略布局,改善社会民生民情,为全面建成小康社会发挥支撑引领的作用。作为攸关旅客生命及财产安全的大型地面运输系统,高速列车运行的安全性与可靠性至关重要。高速铁路列车运行控制系统车载设备(下文称为高铁列控车载设备)作为具有安全苛求特性的高速铁路的关键技术之一,是对高速列车进行操纵和控制的主体,是保障高速铁路行车安全、提高运输效率的核心系统,其安全、可靠运行对于客运安全、列车运行效率、铁路经济效益都有重大意义,因此,针对高铁列控车载设备的可靠性评估及维修决策开展关键技术研究,对确保高速列车运行安全提供理论依据和技术支撑,杜绝重大恶性安全事故的发生具有十分重要的意义,成为高速列车运行安全、可靠性领域的热点研究问题之一。本文立足于高铁列控车载设备可靠性研究相关问题,首先针对庞大的高铁列控车载设备运行数据提出多维数据模型,对运行数据进行建模与分析;面向复杂耦合故障构建高铁列控车载设备的故障风险评估指标体系及其评估方法,形成对高铁列控车载设备故障的风险水平分析;针对高铁列控车载设备小样本故障数据建立基于贝叶斯估计思想的可靠性评估方法,并在故障风险评估与可靠性评估的基础上,形成“故障修”与“预防修”相结合的综合维护维修策略。基于论文的研究工作,主要形成了以下创新成果:(1)提出了高铁列控车载设备多维数据模型,利用数据立方体对多维数据模型进行描述、构建及分析,结合数据立方体的相关操作方式,针对高铁列控车载设备故障分布的时空特性进行分析,解决了庞大、复杂的高铁列控车载设备运行数据的规范化管理、存储及分析等相关问题,实现了大规模数据下设备故障时空特性的有效分析。(2)建立了高铁列控车载设备故障风险评估体系,基于高铁列控车载设备结构及各部件间的信息流向,建立故障传递图模型并利用Pagerank算法计算了故障影响度指标,在对多维数据模型进行分析的基础上,对故障发生度指标及故障危害度指标进行了计算,提出了基于灰色关联度-理想点算法的高铁列控车载设备故障风险评估方法,解决了复杂耦合故障情况下高铁列控车载设备故障风险评估问题。(3)提出了基于贝叶斯估计的高铁列控车载设备可靠性评估方法,解决了小样本故障信息下,经典统计推断算法对高铁列控车载设备寿命分布欠拟合的缺点,同时考虑到不同系统间的差异性,提出了基于贝叶斯层次模型的多设备可靠性评估方法,有效分析了系统差异性对设备可靠性评估的影响。(4)建立了综合修复性维修与预防性维修的高铁列控车载设备维护维修决策,以故障风险评估结果为依据为不同部件确定适用的维修方式,以可靠性评估结果为约束条件,建立了成本最优的预防性维修模型,基于量子遗传优化算法对维护维修决策进行优化计算,有效地提升了高铁列控车载设备运用时间,并降低了设备的维护维修成本。论文利用高铁列控车载设备现场实际运行数据对本文所提出的相关模型算法进行了验证,其研究成果可为高铁列控车载设备的数据管理与分析、故障分析、可靠性评估及维护维修策略提供较高的理论参考价值。
郭卓麾[7](2020)在《非精确电网故障诊断与风险感知技术研究》文中进行了进一步梳理电网的故障诊断与风险评估对于电力系统的安全稳定意义重大。但是电网一次设备运行中存在随机性和波动性,二次测量与保护设备运行中存在数据错误、缺失及拒动、误动,导致整个电网样本信息存在不完备性与不确定性问题,难以实现电网故障可靠诊断与风险评估。因此,本文提出以概率区间描述电网诊断和评估结果,基于非精确性数学理论研究电网故障定位及风险评估方法。(1)提出“潮流指纹”在输电线路上的非精确故障定位方法。通过优化PMU配置节点作为潮流指纹,利用非精确性理论结合电网故障原理计算出不同故障类型相对应的概率区间,识别故障并定位线路的具体位置。(2)提出D-S证据理论与效用理论相结合的风险评估方法。首先,建立电网中各元件的寿命模型,利用可靠性理论计算系统在不同时段内的可靠度所对应的概率区间。其次,依据效用理论和系统稳定理论计算出不同故障组合的严重度指数。最后结合可靠度与严重度计算整个电网的风险指数区间,实现电网的风险评估。本文采用IEEE11模型以及四川某区域电网模型仿真验证了故障诊断方法的可行性与准确性,结果表明本文提出的诊断方法容错能力强,故障定位精准。利用某简化电网模型对文中的风险评估方法进行了仿真验证与测评,结果表明该方法能够对电力系统故障后的行为和趋势进行预判,计算出的风险指数能够合理的判断及评价目前电网的运行安全水平。综上所述,本文的研究成果有助于提升电网运行的安全保障与分析水平。
孙涛[8](2020)在《基于风险分析的机械产品原理方案优选》文中认为概念设计原理方案优选得到的结果,对产品开发的全生命周期具有重要作用,在很大程度上保证了后续详细设计的成功实现。对质量和安全性要求较高的复杂机械产品而言,设计者会重点关注其故障风险值,所以在概念设计阶段就考虑产品风险值以及优选整体最理想的原理方案是提高机械产品质量和安全性的重要手段。因此,本文提出一种面向机械产品概念设计原理方案的风险分析和优选方法,构建功能故障传播模型,分析功能、原理解故障影响度,并在原理解故障影响度基础上通过贝叶斯网络模型和有向故障模式影响关系图(DDRFM)计算得到原理方案风险值,进而根据方案风险值与决策者评价值对方案进行优选。主要研究工作如下:(1)构建面向概念设计原理方案的功能故障传播模型。针对现有的功能故障分析方法难以量化故障风险且难以将功能故障转换为原理方案整体风险大小的情况,提出功能故障传播模式,将功能结构图转换为有向功能网络图来构建功能故障传播模型,并在设计需求-功能-原理解映射中应用该模型,分析得到功能、原理解故障影响度。(2)实现原理方案的风险评估。为了对故障模式在整体方案中的严重度进行深入分析得到准确的方案风险值,在原理解故障影响度基础上,通过多状态贝叶斯网络模型与多方数据推理出故障模式的风险值,并构建DDRFM,根据故障模式之间的相互影响关系得出原理解风险值以及原理方案风险值。(3)融合定性评价指标和定量指标进行原理方案优选。为了更好地反映决策者评价时的不确定性,构建不均衡多粒度语言模型,基于群体决策建立评价矩阵,通过一致化及集成技术并综合故障风险值构建综合决策矩阵,并基于理想值的排序方法对原理方案进行优选排序。(4)开发原理方案风险分析及优选辅助设计原型系统。应用原理方案风险分析和优选方法,开发了辅助设计系统,并以采煤机截割部为工程实例验证了原型系统的有效性。
潘益[9](2020)在《综合能源系统多能流优化管理关键技术研究》文中指出能源与环境问题的日益凸显对传统能源生产消费模式带来了巨大影响。在能源系统转型与能源互联网的大背景下,综合能源系统(Integrated Energy System,IES)作为一种以电能为核心,协调优化多种异质能源形式、提供优质能源服务的物理载体,对提高能源综合利用率,促进可再生能源的消纳,实现多能互补以及能量的阶梯利用具有重要意义,也是未来能源系统发展与体系构建的重要方向。如何充分挖掘综合能源系统的“多能互补”特性,分析各能源子系统的协同运行模式,实现能量优化管理,在保障系统安全可靠供能的前提下实现综合效益最大化是需要解决的关键技术问题。本文立足于综合能源系统能量优化管理技术需求,从多能流建模、多时间尺度优化调度、静态安全分析以及安全经济优化运行这四个关键技术层面展开研究,为未来综合能源系统能量管理系统的构建提供理论与技术支撑,主要研究工作及研究成果体现在:(1)综合能源系统多能流建模与求解是实现能量优化管理的基础与前提。本文基于综合能源系统基本拓扑与多能流互动机制分析,进行包括产能、储能、转换元件的常规能源设备的统一建模,并通过构建不同结构的能源枢纽(Energy Hub,EH)模型刻画多能流转化耦合关系。基于设备元件模型,构建了电力/热力/天然气能量传输网络稳态模型,明确了多能流网络典型状态量并划分不同运行模式。针对多能流复杂耦合关系给多能流状态量求解带来的求解复杂度高、求解效率低等问题,提出了综合能源系统混合能量流分布式顺序求解算法,通过算例分析验证了算法的有效性。(2)大规模可再生能源及多能负荷的接入使得综合能源系统源荷侧的不确定性问题不容忽视并对其优化运行带来了更大的挑战。为此,本文针对负荷侧的分布式综合能源系统,构建了考虑源荷不确定性因素的日前-日内多时间尺度优化调度模型。日前优化调度过程主要通过场景模拟的方式处理系统热电负荷及风光出力的不确定性,主要包括基于拉丁超立方抽样(Latin Hypercube Sampling,LHS)的场景模拟生成及基于模糊核聚类算法(Kernel Fuzzy C-means,KFCM)的多运行场景缩减两个环节。基于构建的典型运行场景集,提出以系统运行经济性为决策目标的分布式综合能源系统日前随机优化模型,保障系统在不确定性因素影响下的安全经济运行。日内模型以跟踪与上级电网、热网的交互功率日前计划为目标,结合短期负荷及风光出力预测结果,建立基于GA-MPC的日内滚动优化模型,实时校正系统内各可控机组的出力。最后结合算例仿真对所提的优化调度模型进行了验证。(3)安全稳定性是综合能源系统运行与能量管理需要考虑的重要环节。多种能源系统的深度耦合使得综合能源系统的故障模式复杂多变,对整个综合能源系统的安全稳定运行产生影响。本文首先构建了综合能源系统N-1静态安全分析与评估模型。基于预想事故集,分析系统在单级扰动或故障下的状态量变化规律,初步划分系统当前运行状态。多能流N-1静态安全分析虽然可以对IES系统的整体运行情况进行初步的安全性评估,但随着系统规模的增加与各能源网络耦合程度的提高,跨不同能源系统的连锁故障产生概率越来越高、影响与规模也越来越大,仅依托N-1静态安全分析无法满足IES安全评估及预控的要求。为此,本文构建了综合能源系统连锁故障模型以模拟连锁故障发展过程,有效刻画IES在严重故障影响下的多级故障传播机制及故障发展规律,挖掘前后级故障间的关联特性,提高了IES安全性分析的合理性与全面性。最后结合算例仿真验证了所提模型的有效性。(4)针对区域级集中型综合能源系统,由于涉及到能量传输层面且各能源系统间的耦合关系更为复杂,因此在考虑系统经济性运行的同时,有必要考虑系统运行的安全稳定性,针对脆弱敏感环节制定有效预防策略,保障系统的安全运行裕度。为此,本文构建了安全经济联合优化运行模型,兼顾系统运行的经济性与安全性。在优化模型建立前,首先基于故障链模拟结果,绘制综合能源系统连锁故障网络图并计算各节点的度指标,根据度指标的排序结果识别系统脆弱支路。基于脆弱环节辨识结果,结合综合能源网络安全性预防-校正混合控制策略对各支路进行二次筛选,建立了重要与次要故障支路集。最后,进行综合能源系统双层优化运行模型的建立。模型上层以静态安全性与经济性为优化目标,得到综合能源网络的最优能量流分布及各能量枢纽单元的外部输出策略。下层模型基于上层优化结果,对各能量枢纽单元内部机组出力进行经济性优化。最后通过算例仿真对模型进行了验证分析。
郭晓杰[10](2020)在《船舶电力推进系统智能容错控制技术研究》文中提出船舶电力推进系统将船舶操纵推进用电和其他用电负载一体化,具有降低动力装置重量和体积、提高系统供电可靠性以及便于能量综合利用与统一管理等特点,已经成为未来智能船舶的主要发展方向。多发电机组、多种用电负载和智能变电设备的投入使用改变了船舶电力推进系统的拓扑结构和操作特性,也对其解析容错控制设计提出了严峻挑战。因此,综合考虑系统故障行为特性和容错控制体系结构,进行船舶电力推进系统智能容错控制技术研究具有十分重要的意义。本文针对船舶电力推进系统智能容错控制技术的几个关键问题展开了研究:首先,开展了船舶电力推进系统的容错控制体系结构与数学建模研究。明确了本文的研究对象,介绍了船舶中压直流电力推进系统的基本结构和功能特性。考虑电力推进系统容错控制的多层结构与集成设计,提出了一种船舶中压直流电力推进系统递阶、分层智能容错控制体系结构框架,将系统状态监控、健康评估、故障诊断以及容错控制策略的内在联系进行了统一描述。为了对船舶电力推进系统容错控制研究提供必要的理论框架和模型基础,建立了发电子系统、推进子系统、区域负载集合以及配电子系统的数学模型,重点针对推进子系统中的六相永磁同步电机和螺旋桨负载特性进行了描述。其次,针对船舶电力推进系统的典型故障模式与影响分析进行了智能评估研究。综合考虑专家评估的可信度、模糊信息的不确定性以及故障模式与故障原因的内在关联性,提出了一种基于模糊逻辑与决策试验评估实验室(Decision-making Trial and Evaluation Laboratory,DEMATEL)理论的故障模式影响智能评估方法,利用信息熵与定性分析相结合的综合权重分配机制确定了专家意见可信度权重,引入了模糊语言术语集和模糊数得到各风险因子的模糊评价及相对模糊权重,设计了基准调整搜索算法确定模糊风险优先数的α-割集,采用质心解模糊思想和α-割集理论对模糊风险优先数进行了清晰化处理。将模糊风险优先数的解模糊值作为DEMATEL算法的输入变量,计算了各故障模式的原因度和风险优先级排序。以推进子系统的典型故障模式为例,验证了所提的智能评估方法的有效性,为后续的容错控制策略设计提供了理论依据。然后,针对船舶电力推进系统六相永磁同步电机的绕组缺相故障智能容错控制展开了研究。建立了含参数摄动和负载扰动的六相永磁同步电机缺相故障容错系统数学描述,结合故障检测机制,提出了一种基于中线补偿的零序电流参考值在线决策系统,无需根据不同相绕组开路情形和中性点连接方式重新推导降维解耦的数学模型,建立了矢量解耦的转速/电流容错控制结构框架。为了解决六相永磁同步电机绕组缺相引起的转速跟踪和转矩脉动问题,基于设计的矢量解耦容错控制结构,提出了一种自适应反步滑模鲁棒容错控制策略,利用自适应估计技术和鲁棒控制能量耗散不等式分别在线补偿了反步滑模系统的内部参数摄动和外部负载扰动,实现了六相永磁同步电机系统缺相故障运行的转速跟踪、扰动抑制和容错最优化。考虑到参数摄动自适应律设计中存在增益参数整定困难和抗扰鲁棒性能较差等问题,进一步提出了一种递归小波模糊神经网络智能观测器设计算法,将其应用于反步滑模鲁棒容错系统不确定参数摄动的在线估计过程,保证了基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制系统的渐进稳定性。通过缺相故障模拟和数字仿真试验结果,验证了所提的两种容错控制策略的有效性。最后,开展了船舶电力推进系统的舵/桨输出作用力协调容错控制研究。探讨了船舶航速与航向的耦合关系,以及螺旋桨对航向控制和舵对航速控制的影响,建立了含海浪环境干扰和模型参数估算误差(合称为复合扰动)的船舶航速/航向操纵系统数学描述。针对船舶电力推进系统双舵双桨控制力的部分失效情形,设计了非线性观测器在线补偿不确定性复合扰动,基于失效系数计算和复合扰动观测器,提出了一种自适应滑模协调容错控制策略,结合有效性系数矩阵修正了故障执行器的优先作用等级,设计了具有故障惩罚作用的伪逆优化分配策略。针对船舶电力推进系统双舵双桨输出控制力的部分失效、中断、偏移和卡死等故障模式,给出了含执行器多重故障和复合扰动的船舶航速/航向控制系统数学描述,设计了自适应更新律在线估计执行器失效因子、卡死故障因子、卡死故障的上下界以及复合扰动的上下界,结合故障参数估计值和复合扰动参数估计值,提出了一种控制律重构与控制分配集成设计的自适应反步协调容错控制策略,实现了航速/航向跟踪、复合扰动抑制和执行器能耗最小化。构建了船舶电力推进舵/桨协调容错系统数字仿真测试平台,分别验证了所提的两种容错控制策略的可行性。本文的研究成果具有重要的理论意义和应用前景,可以为船舶电力推进系统智能容错控制的工程化应用提供技术基础和经验积累,实现船舶电力推进系统的可靠运行与健康管理。此外,其研究成果也适用于其他对象,有助于其他工程领域在相关技术层面上的借鉴推广。
二、Quantification and assessment of fault uncertainty and risk using stochastic conditional simulations(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Quantification and assessment of fault uncertainty and risk using stochastic conditional simulations(论文提纲范文)
(1)基于GNSS/INS的列车自主定位性能评估方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 问题的提出 |
1.3 国内外研究现状 |
1.3.1 基于GNSS/IN的列车自主定位性能需求研究现状 |
1.3.2 基于GNSS/INS的列车自主定位完好性评估研究现状 |
1.3.3 基于GNSS/INS的列车自主定位可用性评估研究现状 |
1.3.4 面向移动闭塞应用的列车自主定位安全风险评估方法研究现状 |
1.4 论文研究内容及组织结构 |
2 基于GNSS/INS的列车自主定位应用性能需求研究 |
2.1 基于GNSS/INS的列车自主定位结构 |
2.2 列车自主定位性能需求分析 |
2.2.1 列车自主定位单元的PLM描述 |
2.2.2 性能评估需求指标关系 |
2.2.3 性能评估参数体系 |
2.3 本章小结 |
3 环境场景信息驱动的列车自主定位完好性评估 |
3.1 问题描述 |
3.2 环境场景聚类及量测噪声加权计算方法 |
3.2.1 典型环境场景分析 |
3.2.2 基于粒子群的K均值聚类算法 |
3.2.3 列车运行沿线环境场景聚类参数 |
3.2.4 基于环境场景划分的量测噪声加权计算方法 |
3.2.5 实验分析 |
3.3 列车自主定位完好性评估方法 |
3.3.1 故障检测 |
3.3.2 状态识别 |
3.3.3 实验分析 |
3.4 本章小结 |
4 基于灰色SPN的列车自主定位可用性评估 |
4.1 问题描述 |
4.2 基于SPN的列车自主定位故障传播模型 |
4.2.1 随机Petri网及可用性计算 |
4.2.2 列车自主定位单元故障分析 |
4.2.3 列车自主定位故障传播模型 |
4.2.4 多因素影响下的变迁激发率 |
4.3 基于区间灰数的可用性评估方法 |
4.3.1 基于灰色系统理论的不确定性知识表达方法 |
4.3.2 不确定信息下变迁激发率灰色置信区间估计 |
4.3.3 灰色SPN下的稳态可用度 |
4.4 实验分析 |
4.4.1 实验条件 |
4.4.2 多环境场景下的可用性评估 |
4.5 本章小结 |
5 基于步长自适应LSTM的列车自主定位安全风险评估 |
5.1 问题描述 |
5.1.1 基于列车自主定位的移动闭塞 |
5.1.2 面向移动闭塞的列车自主定位安全风险分析 |
5.2 神经网络理论概述 |
5.2.1 人工神经网络 |
5.2.2 BP神经网络 |
5.2.3 LSTM神经网络 |
5.3 基于步长自适应LSTM的列车自主定位安全风险识别 |
5.3.1 样本数据分析 |
5.3.2 基于环境场景的步长自适应调整方法 |
5.3.3 基于步长自适应的LSTM安全风险评估过程及模型验证 |
5.4 仿真实验分析 |
5.4.1 仿真实验条件 |
5.4.2 步长自适应调整方法验证 |
5.4.3 基于步长自适应的LSTM安全风险评估结果分析 |
5.5 本章小结 |
6 列车自主定位性能评估集成验证 |
6.1 实验测试环境 |
6.2 列车自主定位性能评估验证 |
6.2.1 环境场景聚类 |
6.2.2 量测噪声加权及完好性评估 |
6.2.3 可用性评估 |
6.2.4 面向移动闭塞的安全风险评估 |
7 结论与展望 |
7.1 论文研究工作总结 |
7.2 论文创新点 |
7.3 展望 |
参考文献 |
索引 |
作者简历及攻读硕士/博士学位期间取得的研究成果 |
学位论文数据集 |
(2)应对自然灾害的弹性配电网规划与恢复研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景和意义 |
1.2 弹性配电网基本概念、特征与关键技术 |
1.2.1 弹性配电网基本概念 |
1.2.2 弹性配电网基本特征 |
1.2.3 弹性配电网研究关键技术 |
1.3 国内外研究现状 |
1.3.1 弹性配电网评估研究现状 |
1.3.2 弹性配电网规划研究现状 |
1.3.3 弹性配电网恢复研究现状 |
1.4 当前存在问题及本文贡献 |
第2章 基于非采样方法的配电网弹性水平评估 |
2.1 引言 |
2.2 弹性评价指标 |
2.3 供能路径建模 |
2.4 概率事件构建 |
2.4.1 事故中阶段停电时间相关的概率事件 |
2.4.2 事故后阶段停电时间相关的概率事件 |
2.5 弹性指标的解析表达 |
2.5.1 事故中阶段停电时间的解析表达 |
2.5.2 事故后阶段停电时间的解析表达 |
2.6 算例分析 |
2.6.1 IEEE13节点配网仿真 |
2.6.2 IEEE123节点配网仿真 |
2.7 结论 |
第3章 基于多灾害场景双阶段分布式鲁棒模型的弹性配电网规划 |
3.1 引言 |
3.2 多灾害场景双阶段分布式鲁棒模型框架结构 |
3.3 多灾害场景双阶段分布式鲁棒模型数学形式 |
3.3.1 不确定性模型构建 |
3.3.2 弹性配电网规划模型(第一阶段规划措施) |
3.3.3 拓扑重构与临时微网构建(第二阶段运行措施) |
3.4 求解算法 |
3.4.1 模型重构 |
3.4.2 基于原始割的模型分解算法 |
3.5 算例分析 |
3.5.1 IEEE13节点算例仿真 |
3.5.2 IEEE33与135节点算例仿真 |
3.6 结论 |
第4章 基于多阶段随机优化的弹性配电网车载发电机规划方法 |
4.1 引言 |
4.2 模型概念性框架 |
4.3 模型数学表达 |
4.3.1 规划阶段模型 |
4.3.2 预防调度阶段模型 |
4.3.3 运行恢复阶段模型 |
4.4 求解算法 |
4.4.1 线性化技术 |
4.4.2 逐步对冲算法 |
4.5 算例分析 |
4.5.1 IEEE 13节点算例 |
4.5.2 IEEE 123节点算例分析 |
4.6 结论 |
第5章 考虑人员协同调度的弹性配电网序贯恢复方法 |
5.1 引言 |
5.2 恢复模型的数学形式 |
5.2.1 模型的应用方法 |
5.2.2 维修人员调度模型 |
5.2.3 开关操作人员调度模型 |
5.2.4 配网恢复模型 |
5.2.5 耦合约束 |
5.3 求解算法 |
5.3.1 线性化方法 |
5.3.2 聚类方法 |
5.4 算例分析 |
5.4.1 仿真算例设计 |
5.4.2 仿真结果 |
5.4.3 模型优越性 |
5.5 总结 |
第6章 结论与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读博士学位期间发表与录用的学术论文 |
攻读博士学位期间参与的课题研究与项目研发 |
学位论文评阅及答辩情况表 |
(3)海上浮式风机可靠性分析的FMECA和贝叶斯网络新方法(论文提纲范文)
摘要 |
abstract |
主要符号及缩略语 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 海上风机可靠性分析研究现状 |
1.2.1 可靠性分析方法概述 |
1.2.2 海上风机可靠性分析研究进展及现状 |
1.3 研究的不足 |
1.4 论文内容及架构 |
第二章 基于主客观信息混合的海上浮式风机FMECA方法 |
2.1 引言 |
2.2 FMECA |
2.3 基于主观数据相对重要度的FMECA方法 |
2.3.1 基于主观数据相对重要度的FMECA方法建模 |
2.3.2 风险优先数不确定性量化模型 |
2.3.3 案例分析 |
2.4 基于客观数据的FMECA方法 |
2.4.1 海上浮式风机的客观故障风险评价指标体系 |
2.4.2 基于客观数据的FMECA方法建模 |
2.4.3 案例分析 |
2.5 基于主客观可靠性信息混合的FMECA方法 |
2.5.1 基于主客观可靠性信息混合的FMECA方法建模 |
2.5.2 面向FMECA全过程的CRPN不确定性建模 |
2.5.3 案例分析 |
2.6 本章小结 |
第三章 海上浮式风机的权值FMECA方法 |
3.1 引言 |
3.2 权值FMECA方法基础输入数据的基本框架 |
3.2.1 领域专家的遴选方法 |
3.2.2 主观专家经验数据的收集 |
3.3 固定权值FMECA方法 |
3.3.1 固定权值FMECA方法建模 |
3.3.2 案例分析 |
3.4 浮动权值FMECA方法 |
3.4.1 浮动权值FMECA建模 |
3.4.2 案例分析 |
3.5 海上浮式风机的关键故障行为及故障规避措施 |
3.5.1 关键故障行为 |
3.5.2 故障规避措施建议 |
3.6 本章小结 |
第四章 基于故障数据近似的海上浮式风机可靠性分析的贝叶斯网络方法 |
4.1 引言 |
4.2 贝叶斯网络 |
4.3 海上浮式风机可靠性分析的贝叶斯网络方法 |
4.3.1 基于故障树的贝叶斯网络模型的构建框架 |
4.3.2 海上浮式风机系统构型 |
4.3.3 海上浮式风机可靠性分析的贝叶斯网络模型 |
4.4 基于故障率近似的海上浮式风机可靠性分析的贝叶斯网络方法 |
4.4.1 海上浮式风机基本单元故障率的近似计算方法 |
4.4.2 案例分析 |
4.5 考虑前期故障的海上浮式风机可靠性分析的贝叶斯网络方法 |
4.5.1 考虑前期故障的海上浮式风机可靠性分析贝叶斯网络建模 |
4.5.2 案例分析 |
4.6 本章小结 |
第五章 海上浮式风机可靠性分析的FMECA-BN方法 |
5.1 引言 |
5.2 可靠性分析的FMECA-BN方法建模 |
5.3 故障行为识别方法 |
5.3.1 基于RPN的关键故障单元与故障行为识别 |
5.3.2 基于FMECA-BN的关键故障单元与故障行为识别方法 |
5.4 案例分析 |
5.4.1 基于FMECA-BN模型的海上浮式风机关键故障单元识别 |
5.4.2 基于FMECA-BN模型的海上浮式风机可靠度计算 |
5.4.3 基于收益期望模型的海上浮式风机的关键故障单元识别 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
附录 附录1.故障模式风险评价指标相对重要度矩阵的一致性检验 |
攻读博士学位期间取得的成果 |
(4)小子样复杂系统可靠性增长试验关键技术研究(论文提纲范文)
摘要 |
abstract |
主要符号及缩略语 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 可靠性增长概述 |
1.2.2 可靠性增长规划研究现状 |
1.2.3 可靠性增长评估研究现状 |
1.2.4 综述总结与问题提出 |
1.3 本文研究内容与结构 |
1.3.1 论文研究内容 |
1.3.2 论文章节结构 |
第二章 系统可靠性增长规划稳健性研究 |
2.1 引言 |
2.2 理论基础 |
2.2.1 信息差理论 |
2.2.2 规划模型 |
2.2.3 最坏情况分析 |
2.3 稳健性建模 |
2.3.1 决策变量 |
2.3.2 不确定性变量 |
2.3.3 收益函数 |
2.3.4 性能阈值 |
2.3.5 稳健性函数 |
2.4 算例研究 |
2.4.1 信息差分析 |
2.4.2 最坏情况分析 |
2.4.3 比较研究 |
2.5 本章小结 |
第三章 多源信息融合的系统可靠性增长评估 |
3.1 引言 |
3.2 理论基础 |
3.2.1 幂律过程基础 |
3.2.2 证据理论基础 |
3.3 评估方法 |
3.3.1 多源信息融合的贝叶斯评估框架 |
3.3.2 先验分布构建 |
3.3.3 后验分布推断 |
3.4 算例研究 |
3.4.1 故障数据仿真 |
3.4.2 先验一致情况 |
3.4.3 先验不一致情况 |
3.5 本章小结 |
第四章 缺失数据下的系统可靠性增长评估 |
4.1 引言 |
4.2 理论基础 |
4.2.1 顺序统计量 |
4.2.2 EM算法 |
4.3 评估方法 |
4.3.1 缺失数据类型 |
4.3.2 缺失数据边缘似然函数 |
4.3.3 缺失数据MCEM算法 |
4.4 算例研究 |
4.4.1 仿真验证算例 |
4.4.2 工程验证算例—发电机 |
4.4.3 工程应用算例—车辆 |
4.5 本章小结 |
第五章 系统可靠性增长模型不确定性研究 |
5.1 引言 |
5.2 理论基础 |
5.2.1 模型不确定性 |
5.2.2 模型不确定性表征 |
5.2.3 模型不确定性量化 |
5.2.4 可靠性增长评估全面不确定性量化框架 |
5.3 可靠性增长模型校准算例研究 |
5.3.1 观测数据 |
5.3.2 模型不确定性对参数评估的影响 |
5.3.3 模型不确定性对预测的影响 |
5.4 可靠性增长模型验证算例研究 |
5.4.1 基于模型不确定性的模型验证原理 |
5.4.2 模型与数据 |
5.4.3 模型不确定性量化 |
5.4.4 模型验证准则比较 |
5.5 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(5)气体传感器系统健康管理技术研究(论文提纲范文)
摘要 |
Abstract |
主要缩写和符号 |
第1章 绪论 |
1.1 课题背景及研究目的 |
1.1.1 研究来源及背景 |
1.1.2 研究目的及意义 |
1.2 气体传感器系统概述 |
1.2.1 气体传感器系统的工作原理 |
1.2.2 气体传感器阵列的构造方式 |
1.2.3 气体传感器系统的故障模式分析 |
1.3 气体传感器系统的健康管理研究现状 |
1.3.1 健康管理技术概述 |
1.3.2 健康管理关键技术研究现状分析 |
1.4 现有技术存在的主要问题 |
1.5 本文主要研究内容 |
第2章 气体传感器系统的微小故障诊断方法的研究 |
2.1 引言 |
2.2 基于t分布随机近邻嵌入与随机森林的微小故障诊断方法 |
2.2.1 基于t分布随机近邻嵌入的特征提取方法 |
2.2.2 补偿距离特征评估 |
2.2.3 基于随机森林的特征分类方法 |
2.2.4 基于t分布随机近邻嵌入与随机森林的故障诊断算法流程 |
2.3 故障诊断仿真结果与分析 |
2.3.1 特征提取方法仿真试验及分析 |
2.3.2 故障诊断方法仿真试验及分析 |
2.4 本章小结 |
第3章 强干扰小样本的健康评估及预测方法研究 |
3.1 引言 |
3.2 基于未确知深度软测量的强干扰健康评估方法 |
3.2.1 健康可信度的内涵 |
3.2.2 健康可信度软测量方法研究 |
3.3 基于集成相关向量机的小样本健康预测方法 |
3.3.1 集成相关向量机的原理及其特性分析 |
3.3.2 健康预测模型算法流程 |
3.4 健康评估及预测仿真试验及分析 |
3.4.1 强干扰情况下的健康评估仿真试验及分析 |
3.4.2 小样本情况下的健康预测仿真试验及分析 |
3.4.3 健康预警等级仿真验证 |
3.5 本章小结 |
第4章 混合多属性信息的健康管理决策方法研究 |
4.1 引言 |
4.2 基于灰色群决策的混合多属性健康管理决策 |
4.2.1 多专家灰色群决策及其特性分析 |
4.2.2 基于灰色群决策的健康管理决策模型 |
4.3 基于互相关极限学习机的数据恢复 |
4.3.1 互相关极限学习机及其特性分析 |
4.3.2 基于互相关极限学习机的在线故障恢复 |
4.4 仿真试验及分析 |
4.4.1 健康管理决策仿真试验及分析 |
4.4.2 数据恢复效果仿真试验及分析 |
4.5 本章小结 |
第5章 气体传感器系统的健康管理实验验证 |
5.1 引言 |
5.2 气体传感器系统的设计与实现 |
5.2.1 气体传感器系统功能描述 |
5.2.2 气体传感器实验系统技术方案 |
5.3 气体传感器系统的健康管理方法实验验证 |
5.3.1 微小故障诊断方法验证 |
5.3.2 强干扰情况下的健康评估及预测方法验证 |
5.3.3 多属性混合信息健康管理决策方法验证 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(6)高铁列控车载设备可靠性评估及维修决策方法研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 研究背景及意义 |
1.2 问题的提出 |
1.2.1 高铁列控车载设备可靠性分析问题 |
1.2.2 高铁列控车载设备可靠性分析的主要途径 |
1.2.3 高铁列控车载设备可靠性分析内容 |
1.3 关键技术研究现状 |
1.3.1 数据建模及数据分析研究现状 |
1.3.2 故障特性分析及风险评估研究现状 |
1.3.3 系统可靠性评估研究现状 |
1.3.4 维护维修决策研究现状 |
1.3.5 存在的问题 |
1.4 论文研究思路与组织结构 |
1.4.1 论文研究思路 |
1.4.2 论文组织结构 |
2 面向高铁列控车载设备复杂数据建模与分析 |
2.1 高铁列控车载设备数据特性分析 |
2.2 高铁列控车载设备数据建模 |
2.2.1 高铁列控车载设备运行数据模型 |
2.2.2 高铁列控车载设备数据立方体 |
2.3 高铁列控车载设备运行数据模型实现 |
2.3.1 数据存储平台及数据预处理技术 |
2.3.2 基于数据立方体的高铁列控车载设备故障数据模型实现 |
2.4 高铁列控车载设备故障分布特性分析 |
2.4.1 高铁列控车载设备故障时间分布特性 |
2.4.2 高铁列控车载设备故障空间分布特性 |
2.4.3 高铁列控车载设备故障空间-时间分布特性 |
2.5 本章小结 |
3 基于灰色关联度-理想点法的设备故障风险评估 |
3.1 故障风险评估概念及评估体系建立 |
3.2 高铁列控车载设备故障相关影响度 |
3.2.1 故障传递有向图模型 |
3.2.2 基于Pagerank算法的故障相关性计算 |
3.3 高铁列控车载设备故障发生度 |
3.4 高铁列控车载设备故障严重度 |
3.5 基于灰色关联度-TOPSIS法的故障风险评估方法 |
3.5.1 灰色关联度方法 |
3.5.2 理想点方法 |
3.5.3 高铁列控车载设备故障风险评估 |
3.6 本章小结 |
4 基于贝叶斯估计的高铁列控车载设备可靠性评估方法 |
4.1 可靠性定义及度量指标 |
4.2 高铁列控车载设备故障时间数据及分布 |
4.2.1 高铁列控车载设备故障间隔数据获取 |
4.2.2 指数分布与威布尔分布 |
4.3 基于贝叶斯估计的高铁列控车载设备可靠性评估 |
4.3.1 贝叶斯估计理论 |
4.3.2 马尔科夫链蒙特卡洛方法(MCMC) |
4.3.3 收敛性分析 |
4.3.4 拟合优度检验 |
4.3.5 算例分析 |
4.4 考虑系统差异性的高铁列控车载设备可靠性评估 |
4.4.1 贝叶斯层次模型定义 |
4.4.2 威布尔分布的贝叶斯层次模型 |
4.4.3 算例分析 |
4.5 本章小结 |
5 可靠性约束下高铁列控车载设备维修决策 |
5.1 高铁列控车载设备维修方式及适用性 |
5.2 维修活动与可靠性的关系 |
5.3 以可靠性为约束的维修费用最优模型 |
5.3.1 定期预防性维修的维修费用最优模型 |
5.3.2 顺序预防性维修的维修费用最优模型 |
5.4 量子遗传优化算法 |
5.4.1 种群初始化 |
5.4.2 量子位测量 |
5.4.3 适应度函数计算 |
5.4.4 量子旋转门更新 |
5.4.5 量子变异更新 |
5.4.6 量子遗传优化算法执行流程 |
5.5 算例分析 |
5.6 本章小结 |
6 结论与展望 |
6.1 论文研究工作总结 |
6.2 论文创新点总结 |
6.3 未来研究工作展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(7)非精确电网故障诊断与风险感知技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 研究背景及其意义 |
1.3 电力系统故障诊断理论及方法 |
1.3.1 基于专家系统的方法 |
1.3.2 基于Petri网的方法 |
1.3.3 基于粗糙集的方法 |
1.3.4 基于人工神经网络的方法 |
1.3.5 基于模糊理论的方法 |
1.3.6 基于遗传算法的方法 |
1.4 广域测量信息支撑的电力系统故障诊断与风险评估技术研究现状 |
1.4.1 广域测量信息支撑的故障诊断技术研究现状 |
1.4.2 基于可靠性理论的风险评估技术研究现状 |
1.5 本文主要贡献与创新 |
1.6 本文研究内容与组织结构 |
第二章 基于电网潮流指纹的非精确性故障定位方法 |
2.1 引言 |
2.2 技术路线 |
2.3 潮流指纹 |
2.4 基于广域测量系统的PMU优化配置 |
2.4.1 PMU优化配置模型 |
2.4.2 整数规划的求解方法 |
2.5 非精确性数学方法 |
2.5.1 非精确性与p-box |
2.5.2 非精确Dirichlet模型 |
2.6 基于潮流指纹的非精确性故障定位方法 |
2.6.1 指纹的采集 |
2.6.2 指纹库的建立 |
2.6.3 非精确性联络线路故障指纹搜索 |
2.6.4 非精确性故障定位原理 |
2.7 本章小结 |
第三章 故障定位方法测试与分析 |
3.1 IEEE11节点标准模型仿真测试 |
3.1.1 IEEE11节点模型搭建 |
3.1.2 测试分析 |
3.2 四川某区域电网模型仿真测试 |
3.2.1 四川某区域电网拓扑工况 |
3.2.2 测试分析 |
3.3 本章小结 |
第四章 结合证据理论与效用理论的电网风险评估方法 |
4.1 引言 |
4.2 技术路线 |
4.3 非精确可靠度模型 |
4.3.1 D-S证据理论 |
4.3.1.1 识别框架 |
4.3.1.2 基本信任分配函数BBA与证据体 |
4.3.1.3 信任函数与似然函数 |
4.3.2 推理过程 |
4.3.2.1 非精确概率与证据体之间的转化 |
4.3.2.2 参数的先验和后验PDF |
4.3.2.3 可靠度的先验CDF |
4.3.2.4 电力系统可靠度的非精确性评估 |
4.4 故障严重度评价模型 |
4.4.1 效用理论在评价系统故障中的应用 |
4.4.2 基于效用理论的故障严重度模型建立 |
4.4.2.1 低电压严重度 |
4.4.2.2 电压崩溃严重度 |
4.4.2.3 功角失稳严重度 |
4.5 本章小结 |
第五章 风险评估方法分析与验证 |
5.1 DNTS仿真测试 |
5.1.1 DNTS仿真模型搭建 |
5.1.2 证据网络与p-box转化 |
5.1.3 对照组设置试验 |
5.1.4 可靠度分析测试 |
5.1.5 严重度分析测试 |
5.1.6 总风险指数计算与分析 |
5.2 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(8)基于风险分析的机械产品原理方案优选(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 概念设计中的风险分析研究 |
1.2.2 功能故障分析研究 |
1.2.3 原理方案优选研究 |
1.3 课题来源及主要内容 |
1.4 论文组织结构及技术路线 |
1.5 本章小结 |
第二章 基于功能故障传播模型的原理方案故障分析 |
2.1 引言 |
2.2 概念设计中故障及风险的定义 |
2.3 功能故障传播模型 |
2.3.1 功能故障传播模式 |
2.3.2 基于有向功能网络图的传播分析 |
2.3.3 功能故障传播求解 |
2.4 基于功能故障传播模型的原理方案故障求解 |
2.4.1 原理方案故障求解流程 |
2.4.2 需求分析 |
2.4.3 功能重要度计算求解 |
2.4.4 基于功能故障传播模型的功能故障影响分析 |
2.4.5 原理解故障影响度分析 |
2.5 实例分析 |
2.5.1 采煤机截割部原理方案故障分析 |
2.5.2 结果讨论 |
2.6 本章小结 |
第三章 集成贝叶斯网络和原理解故障模型的原理方案风险评估 |
3.1 引言 |
3.2 原理方案风险评估流程 |
3.3 故障模式严重度分析 |
3.3.1 基于多状态贝叶斯网络模型的故障模式模糊重要度分析 |
3.3.2 基于原理解故障影响度和模糊重要度的故障模式严重度分析 |
3.4 故障模式风险值求解 |
3.5 原理方案风险评估 |
3.6 实例分析 |
3.6.1 采煤机截割部原理方案风险评估 |
3.6.2 讨论与分析 |
3.7 本章小结 |
第四章 基于故障风险和不均衡多粒度语言的原理方案优选 |
4.1 引言 |
4.2 原理方案优选流程 |
4.3 不均衡多粒度语言模型 |
4.3.1 多粒度及不均衡语言 |
4.3.2 区间二元直觉不确定语言 |
4.4 融合故障风险和不均衡多粒度语言的原理方案优选 |
4.4.1 构建初始评价矩阵 |
4.4.2 一致化不均衡多粒度语言集 |
4.4.3 集成初始评价矩阵 |
4.4.4 构建综合决策矩阵 |
4.4.5 基于理想值的方案优选 |
4.5 实例分析 |
4.5.1 采煤机截割部原理方案优选 |
4.5.2 比较与分析 |
4.6 本章小结 |
第五章 原型系统与工程实例 |
5.1 引言 |
5.2 原型系统实现 |
5.2.1 系统整体框架及编程语言 |
5.2.2 系统功能模块 |
5.2.3 数据库设计 |
5.3 工程实例——采煤机截割部 |
5.3.1 采煤机截割部信息管理 |
5.3.2 原理方案故障分析 |
5.3.3 原理方案风险评估 |
5.3.4 方案优选 |
5.3.5 讨论与分析 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
2 攻读硕士学位期间发表的学术论文 |
3 参与的科研项目及获奖情况 |
4 专利 |
学位论文数据集 |
(9)综合能源系统多能流优化管理关键技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.1.1 能源发展形势与能源互联网 |
1.1.2 综合能源系统发展情况与技术热点 |
1.1.3 选题意义与必要性 |
1.2 国内外研究现状 |
1.2.1 综合能源系统建模与多能流求解研究现状 |
1.2.2 综合能源系统安全性分析研究现状 |
1.2.3 综合能源系统多能流优化调度研究现状 |
1.2.4 目前研究存在的主要问题 |
1.3 本文主要工作 |
第2章 综合能源系统多能流建模 |
2.1 引言 |
2.2 综合能源系统基本拓扑与多能流交互机制 |
2.3 多能流设备建模 |
2.3.1 常规能源元件模型 |
2.3.2 能量枢纽模型 |
2.4 多能流能量网络建模 |
2.4.1 电力流网络模型 |
2.4.2 热力流网络模型 |
2.4.3 天然气网络模型 |
2.5 综合能源系统混合能量流计算 |
2.5.1 综合能量网络状态量 |
2.5.2 多能流求解算法 |
2.5.3 算例分析 |
2.6 本章小结 |
第3章 考虑不确定性的分布式综合能源系统多时间尺度优化调度 |
3.1 引言 |
3.2 多时间尺度优化调度流程架构 |
3.3 考虑不确定性的分布式综合能源系统日前优化调度模型 |
3.3.1 考虑源荷不确定性的多场景模拟 |
3.3.2 分布式综合能源系统日前优化调度模型 |
3.4 分布式综合能源系统日内实时滚动优化模型 |
3.4.1 GA-MPC算法 |
3.4.2 基于GA-MPC算法的日内滚动优化模型 |
3.5 算例分析 |
3.5.1 算例介绍 |
3.5.2 结果分析 |
3.6 本章小结 |
第4章 综合能源系统静态安全性分析 |
4.1 引言 |
4.2 多能流N-1 静态安全评估 |
4.2.1 多能流静态安全分析概念 |
4.2.2 预想事故集 |
4.2.3 N-1 静态安全评估流程 |
4.2.4 算例分析 |
4.3 综合能源系统连锁故障分析 |
4.3.1 连锁故障发展过程分析 |
4.3.2 连锁故障模拟流程 |
4.3.3 连锁故障建模 |
4.3.4 综合评估方法 |
4.3.5 算例分析 |
4.4 本章小结 |
第5章 区域综合能源系统安全经济联合优化运行 |
5.1 引言 |
5.2 基于故障链挖掘的综合能源系统脆弱环节辨识 |
5.2.1 综合能源系统连锁故障网络图 |
5.2.2 综合能源系统脆弱支路辨识 |
5.3 考虑脆弱环节安全性预防的区域综合能源系统联合优化运行模型 |
5.3.1 综合能源网络最优能量流基本求解方法 |
5.3.2 综合能源网络安全性预防-校正混合控制策略 |
5.3.3 区域综合能源系统双层优化运行模型 |
5.4 算例分析 |
5.4.1 算例介绍 |
5.4.2 结果分析 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读博士学位期间的学术成果 |
攻读博士学位期间参加的科研项目 |
(10)船舶电力推进系统智能容错控制技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 船舶电力推进系统的发展概述 |
1.2.1 国外发展概述 |
1.2.2 国内发展概述 |
1.3 船舶电力推进系统容错控制技术研究现状 |
1.4 船舶电力推进系统容错控制的几个关键问题 |
1.4.1 船舶电力推进系统的容错控制体系结构研究 |
1.4.2 船舶电力推进系统的故障模式与影响分析研究 |
1.4.3 船舶电力推进系统的多相电机容错控制研究 |
1.4.4 船舶电力推进系统的螺旋桨协调容错控制研究 |
1.5 本文主要研究内容 |
第2章 船舶电力推进系统容错控制体系结构及数学建模研究 |
2.1 引言 |
2.2 船舶电力推进系统的基本结构 |
2.3 船舶电力推进系统的智能容错控制体系结构 |
2.4 船舶电力推进系统的数学模型 |
2.4.1 发电子系统数学模型 |
2.4.2 推进子系统数学模型 |
2.4.3 区域负载集合数学模型 |
2.4.4 配电子系统数学模型 |
2.5 本章小结 |
第3章 船舶电力推进系统故障模式影响智能评估研究 |
3.1 引言 |
3.2 故障模式影响的风险优先数评估 |
3.3 基于模糊逻辑与DEMATEL理论的故障模式影响智能评估 |
3.3.1 系统功能结构层次划分 |
3.3.2 模糊语言术语集 |
3.3.3 风险因子模糊评价及相对模糊权值 |
3.3.4 基准调整搜索算法计算α-割集 |
3.3.5 模糊风险优先数的清晰化 |
3.3.6 基于模糊逻辑的DEMATEL算法 |
3.4 实例验证与结果分析 |
3.4.1 推进子系统的典型故障模式 |
3.4.2 计算结果及对比分析 |
3.5 本章小结 |
第4章 船舶电力推进系统六相永磁同步电机智能容错控制策略研究 |
4.1 引言 |
4.2 含参数摄动和负载扰动的六相永磁同步电机系统数学描述 |
4.3 六相永磁同步电机自适应反步滑模鲁棒容错控制策略研究 |
4.3.1 六相永磁同步电机缺相故障容错的零序电流参考值在线决策 |
4.3.2 自适应反步滑模鲁棒容错控制策略设计 |
4.3.3 双交轴电流优化分配 |
4.4 基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制策略研究 |
4.4.1 基于递归小波模糊神经网络的智能观测器设计 |
4.4.2 控制系统稳定性分析 |
4.5 仿真验证与结果分析 |
4.5.1 一相绕组缺相的六相永磁同步电机容错控制仿真验证 |
4.5.2 两相绕组缺相的六相永磁同步电机容错控制仿真验证 |
4.6 本章小结 |
第5章 船舶电力推进系统舵/桨协调容错控制策略研究 |
5.1 引言 |
5.2 含复合扰动的船舶航速/航向控制系统数学描述 |
5.3 船舶电力推进系统舵/桨自适应滑模协调容错控制策略研究 |
5.3.1 非线性复合扰动观测器设计 |
5.3.2 自适应滑模容错控制策略设计 |
5.4 船舶电力推进系统舵/桨自适应反步协调容错控制策略研究 |
5.4.1 含执行器多重故障的船舶航速/航向控制系统数学描述 |
5.4.2 自适应反步容错控制策略设计 |
5.5 仿真验证与结果分析 |
5.5.1 船舶电力推进系统舵/桨自适应滑模协调容错控制仿真验证 |
5.5.2 船舶电力推进系统舵/桨自适应反步协调容错控制仿真验证 |
5.6 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文和取得的科研成果 |
致谢 |
四、Quantification and assessment of fault uncertainty and risk using stochastic conditional simulations(论文参考文献)
- [1]基于GNSS/INS的列车自主定位性能评估方法研究[D]. 吴波前. 北京交通大学, 2021(02)
- [2]应对自然灾害的弹性配电网规划与恢复研究[D]. 张刚. 山东大学, 2021(12)
- [3]海上浮式风机可靠性分析的FMECA和贝叶斯网络新方法[D]. 李贺. 电子科技大学, 2021(01)
- [4]小子样复杂系统可靠性增长试验关键技术研究[D]. 胡钧铭. 电子科技大学, 2021(01)
- [5]气体传感器系统健康管理技术研究[D]. 徐鹏. 哈尔滨工业大学, 2020(02)
- [6]高铁列控车载设备可靠性评估及维修决策方法研究[D]. 陈斌. 北京交通大学, 2020(03)
- [7]非精确电网故障诊断与风险感知技术研究[D]. 郭卓麾. 电子科技大学, 2020(01)
- [8]基于风险分析的机械产品原理方案优选[D]. 孙涛. 浙江工业大学, 2020
- [9]综合能源系统多能流优化管理关键技术研究[D]. 潘益. 东南大学, 2020(01)
- [10]船舶电力推进系统智能容错控制技术研究[D]. 郭晓杰. 哈尔滨工程大学, 2020(04)