基于性能退化数据的身管寿命可靠性分析

论文摘要

身管是火炮和自动武器的一个关键零部件,其寿命的长短往往直接决定了整个武器系统寿命的长短。本论文研究的主要目标是基于性能退化数据对身管寿命进行预测,主要研究内容包括以下几点：(1)在身管失效机理研究的基础上,通过查阅文献资料和试验数据的统计,确定了武器身管的性能退化参数及其失效阀值,探讨了几种预测身管寿命的方法。(2)考虑到身管失效机理的复杂性,针对退化轨迹不确定的情况,将其退化过程看作‘暗箱’,利用退化数据的前后相关性,使用BP神经网络对未来的退化数据进行预测,从而完成对身管寿命的预测。并采用Matlab编制了相应的BP神经网络程序,实现了身管寿命和可靠度的预测。(3)进行了身管退化试验方案的优化设计,建立了以p阶分位寿命方差最小为优化目标,样本量、监测次数和间隔时间(终止时间)为优化参数、试验预算固定为约束条件的优化方案。使用遗传算法对试验方案进行优化,计算时间较少、搜索能力较强。并采用Matlab编制了相应的遗传算法程序,实现了试验方案的优化。(4)完成了基于时序分析的身管实时性能可靠性预测,使用指数平滑预测技术完成了对未来性能退化量的预测,并计算了预测值的均值和方差,建立了可靠度方程。以预测值与真实值的误差平方和最小为优化目标,平滑常数为优化参数,通过遗传算法优化获得了最佳的平滑常数,并基于Matlab编制了相应的程序。(5)在以上理论研究工作的基础上进行了身管寿命预测软件的开发,采用Matlab完成了身管寿命预测程序的设计,采用Excel进行了软件程序的用户界面设计,并通过ExcelLink接口实现了二者之间的通讯。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景及意义
• 1.2 基于性能退化数据的可靠性评估的研究现状
• 1.3 主要存在问题
• 1.4 本论文的主要研究工作
• 2 身管失效机理及其寿命预测方法
• 2.1 概述
• 2.2 身管的失效机理
• 2.3 身管寿命预测的经验公式计算模型
• 2.4 基于退化数据的身管寿命预测方法
• 2.4.1 退化与退化失效的基本概念
• 2.4.2 身管性能退化的主要参数
• 2.4.3 身管退化失效的失效阀值
• 2.4.4 基于退化轨迹的寿命预测方法
• 2.4.5 不考虑退化轨迹的寿命预测方法
• 2.5 本章小结
• 3 基于BP神经网络的身管性能退化数据分析
• 3.1 概述
• 3.2 神经网络基本结构及原理
• 3.3 BP神经网络学习规则
• 3.4 BP神经网络的结构设计
• 3.4.1 输入、输出向量的确定
• 3.4.2 输入层和输出层神经元数的确定
• 3.4.3 神经网络层数的确定
• 3.4.4 隐含层的神经元数的确定
• 3.4.5 传递函数的确定
• 3.4.6 初始权值和阈值的确定
• 3.5 神经网络的Matlab实现
• 3.5.1 输入、输出数据的归一化处理
• 3.5.2 训练样本和测试样本的选择
• 3.5.3 确定BP神经网络的结构
• 3.5.4 建立并训练BP神经网络
• 3.6 身管寿命预测及可靠性分析
• 3.6.1 计算身管的伪寿命
• 3.6.2 伪寿命分布类型的确定及分布参数的估计
• 3.7 本章小结
• 4 基于遗传算法的身管退化试验方案优化设计
• 4.1 概述
• 4.2 退化模型及参数估计
• 4.2.1 退化模型
• 4.2.2 参数估计
• 4.3 退化试验方案的优化设计
• 4.3.1 优化问题数学模型的建立
• 4.4 基于遗传算法的优化算法设计
• 4.4.1 遗传算法优化
• 4.4.2 遗传算法的退化试验方案优化
• 4.5 身管退化试验优化实例
• 4.6 本章小结
• 5 基于退化数据的身管实时可靠性预测
• 5.1 概述
• 5.2 时间序列的平滑预测技术
• 5.2.1 时间序列的建立
• 5.2.2 指数平滑预测技术
• 5.3 基于时序分析方法的身管实时性能可靠性预测
• 5.3.1 模型假设
• 5.3.2 平滑常数、平滑值及趋势值初值的确定
• 5.4 预测性能参数均值及方差的确定
• 5.5 身管实时可靠性的预测
• 5.6 本章总结
• 6 身管退化数据分析与寿命预测软件的开发
• 6.1 概述
• 6.2 Matlab与Excel接口
• 6.3 软件的总体结构
• 6.4 基于BP神经网络的身管寿命预测模块
• 6.5 身管退化试验方案的优化设计模块
• 6.6 基于时间序列的身管实时可靠性预测模块
• 6.7 软件运行实例
• 6.8 本章小结
• 7 总结与展望
• 7.1 总结
• 7.2 展望
• 致谢
• 参考文献
• 附录