XiaoMi-AI文件搜索系统
World File Search System故障数据
一种基于信心的方法，将幸存者纳入……
摘要 — 概率总电离剂量 (TID) 故障评估已扩展至包括幸存者数据，从而能够在没有故障数据的情况下将故障概率限制在所需的置信水平。该扩展提供了一种分析经过 TID 测试的微电子器件的方法，而无需达到故障模式，这是使用商用现货 (COTS) 技术的任务经常遇到的情况。使用 I 型删失似然公式和预期设备性能的实际上限，故障概率空间由可变环境背景下的置信轮廓线限制。该框架适用于针对零件故障或所考虑环境假设的任何类型的分布。此外，该框架可以预先用于规划未来的设备 TID 测试，在满足生存要求的同时最大限度地降低成本。当零件来自同一批次但从遗产中获得的约束量有限时，遗产数据也可用作幸存者，以进一步降低测试成本。总之，该框架能够以硬度保证方法对经过最大剂量测试的耐辐射设备以及飞行遗产进行正式的、数学上严格的分析。
基于机器学习的数据驱动诊断... - NDT.net
摘要。不同行业数字化的最新趋势导致了大量数据的产生。自然而然地，大量高级机器学习技术被应用于这种大数据。同时，对提高运营可靠性、降低维护成本和提高安全性的需求也日益增长，因此预测性维护正迅速成为许多行业（尤其是航空航天业）最重要的战略。随着新型飞机配备更多传感器，与开发预测性维护解决方案的传统方法相比，基于机器学习的诊断和预测技术正变得越来越流行。构建基于机器学习的诊断和预测模型需要大量的运行到故障传感器数据，但与其他领域相比，在高度可靠和安全至关重要的飞机平台上捕获这些在役故障相关数据的机会非常有限。为了应对缺乏足够和适当的在役故障数据的挑战，空中客车 DS 在 ISHM 和预测性维护的技术开发路线图中开发了一个模拟框架。为了加速开发各种飞机系统的预测性维护解决方案，我们开发了数据驱动的诊断和预测框架。本文概述了这一独特的框架及其使用 ISHM Simu 生成的数据进行的验证
平均无故障时间 = ηΓ(1+1/β)
II. 脏数据 有多种数据特性会妨碍威布尔分布有效表征设备的寿命或可靠性。这些数据被称为缺陷数据或“脏”数据，包括以下属性（Abernathy 1-9）： ● 删失或暂停数据 删失或暂停数据是未包含在威布尔图中的数据。这些可能包括在监控期间未发生故障的设备，或者与所研究故障模式不同的故障。尽管没有将它们绘制出来，但仍必须将它们包含在统计分析中。 ● 故障模式混合 有时设备可能以不同的方式发生故障，即，一台机器的不同部件可能会发生故障。在这种情况下，故障数据可能沿图上的不同线分布。在这种情况下，应执行根本原因分析，然后分别分析不同的故障原因。第 IV 部分将讨论多种故障模式。 ● 未识别出故障单元 ● 检查和粗略数据如果在每周或每月检查期间收集数据，则通常不会记录准确的故障时间，这将改变威布尔分布。
贝叶斯网络和 Petri 网在安全中的应用...
系统安全性、可靠性和风险分析是在整个系统生命周期中执行的重要任务，以确保安全关键系统的可靠性。概率风险评估 (PRA) 方法是广泛用于此目的的全面、结构化和逻辑方法。PRA 方法包括但不限于故障树分析 (FTA)、故障模式和影响分析 (FMEA) 和事件树分析 (ETA)。现代系统日益复杂，其动态行为能力使传统 PRA 技术难以准确分析此类系统。为了全面准确地分析复杂系统，需要考虑不同的特征，例如组件之间的功能依赖性、系统的时间行为、组件/系统的多种故障模式/状态以及系统行为和故障数据的不确定性。不幸的是，传统方法无法解释这些方面。贝叶斯网络 (BN) 因其灵活的结构和在分析过程中纳入上述大部分方面的能力而在风险评估应用中广受欢迎。此外，BN 还能够执行诊断分析。 Petri 网是另一种能够对系统动态行为进行建模和分析的正式图形和数学工具。它们也越来越多地用于系统安全性、可靠性和风险评估。本文对 Petri 网进行了回顾
使用数字孪生进行预测性维护 - WUR eDepot
背景：预测性维护是一种创建更可持续、更安全、更有利可图的行业的技术。创建预测性维护系统的关键挑战之一是缺乏故障数据，因为机器经常在故障前进行维修。数字孪生提供物理机器的实时表示并生成预测性维护算法可以使用的数据（例如资产退化）。自 2018 年以来，关于将数字孪生用于预测性维护的科学文献数量激增，这表明需要进行彻底的审查。目标：本研究旨在收集和综合专注于使用数字孪生进行预测性维护的研究，为进一步的研究铺平道路。方法：使用主动学习工具对已发表的使用数字孪生进行预测性维护的主要研究进行系统文献综述 (SLR)，其中分析了 42 项主要研究。结果：本 SLR 确定了使用数字孪生进行预测性维护的几个方面，包括目标、应用领域、数字孪生平台、数字孪生表示类型、方法、抽象级别、设计模式、通信协议、孪生参数以及挑战和解决方案方向。这些结果有助于在学术界和行业中使用数字孪生开发预测性维护的软件工程方法。结论：本研究是预测
贝叶斯网络和 Petri 网在安全中的应用...
系统安全性、可靠性和风险分析是在整个系统生命周期中执行的重要任务，以确保安全关键系统的可靠性。概率风险评估 (PRA) 方法是广泛用于此目的的全面、结构化和逻辑方法。PRA 方法包括但不限于故障树分析 (FTA)、故障模式和影响分析 (FMEA) 和事件树分析 (ETA)。现代系统日益复杂，其动态行为能力使传统 PRA 技术难以准确分析此类系统。为了全面准确地分析复杂系统，需要考虑不同的特征，例如组件之间的功能依赖性、系统的时间行为、组件/系统的多种故障模式/状态以及系统行为和故障数据的不确定性。不幸的是，传统方法无法解释这些方面。贝叶斯网络 (BN) 因其灵活的结构和在分析过程中整合上述大部分方面的能力而在风险评估应用中广受欢迎。此外，BN 还具有执行诊断分析的能力。Petri 网是另一种能够对系统动态行为进行建模和分析的正式图形和数学工具。它们也越来越多地用于系统安全性、可靠性和风险评估。本文回顾了贝叶斯网络和 Petri 网在系统安全性、可靠性和风险评估中的应用。回顾强调了基于 BN 和 PN 的方法相对于其他传统方法的潜在用处，以及在不同实际应用场景中的相对优势和劣势。
电动和机械故障的电动汽车有条件预测
电动汽车核心组件的抽象维护对于确保生产力，寿命，驱动质量和安全环境至关重要。预测性维护是一种使用操作和故障条件数据来预测未来机器条件并根据此预测做出决定的方法。用于预测维护和状况监控的方法可以基于机器学习和数据分析。学习过程始于对数据的观察，并在以后的实例中使用它来构建模型。主要目的是允许计算机在不参与人类援助干预的情况下学习。一些机器学习方法是监督学习，半监督学习和强化学习。提出的研究的主要目的是使用各种电子控制单元的电动汽车的可用传感器数据，并设计一个预测模型，该模型对电动汽车中发生的各种电气和机械故障进行了分类，并预测了增加整个电气车辆系统的可靠性的类型。项目的工作流程被定义为故障建模，生成健康和故障数据，使用时间同步平均进行处理数据，对系统状况指标的识别以及最终使用这些条件指标，设计了SVM分类预测模型，从模拟研究中推断出所需的结果并从模拟研究中推断出结论。关键字：预测性维护，电动汽车，故障，齿轮故障，电气故障，BLDC电机
可靠性数据库：最新进展和展望
可靠性理论的基础工作为根据部件可靠性知识计算复杂系统可靠性的评估以及从相对不可靠的部件构建可靠系统建立了数学基础。如今，可靠性和安全性分析已成为每个技术系统设计或调查过程的重要组成部分。要解决的问题可分为两大类：1. 危险工厂的可靠性和安全性分析，比较其可靠性和安全性参数的值，提高工厂的安全水平等； 2. 预测即将建造的新工厂的可靠性和安全性参数值。因此，有必要获得有关设备功能、事故及其后果、维护操作及其成本的完整而准确的数据，这些数据可用于解决上述分类中第一类问题。最好的情况是，这些信息是从同一台设备（特定故障数据）或类似条件下的类似设备收集的。对于第二组问题，我们必须使用计划实施的设备信息，结合专家对新设备可靠性参数的判断，或者使用标准值或标准可靠性模型（例如MIL-217 或 Bellcore）。因此，需要从安装和操作的现场记录中收集与所有类型组件相关的可靠性数据，以便我们分析、比较或预测复杂系统的可靠性水平。我们可以定义至少三类可靠性数据库用户 [1]： - 风险和可靠性分析师，用于分析和预测复杂系统的可靠性； - 维护工程师，用于测量和优化维护性能； - 组件设计人员，用于分析和优化组件性能。所有这些专家都需要不同类型的数据。风险分析师需要计算系统可用性或任务成功或失败的概率。为此，他需要了解组件的可用性和故障率。如果停机时间已正确包含在数据库中，则可以根据按需故障估计可用性。维护工程师需要测量维护性能。操作数据将维护的影响和组件的固有可靠性混为一谈。他还想知道，如果不进行维护，组件的故障行为会是怎样的。组件设计人员主要对揭示设计弱点的故障机制感兴趣。因此，他有兴趣根据故障机制区分故障模式。如果无法做到这一点，则使用工程知识从其他信息中推断故障机制。
NUREG/CR-6942“用于核反应堆概率风险评估的数字仪表和控制系统的动态可靠性建模。”
作为美国核管理委员会 (NRC) 推进数字系统风险和可靠性分析最新进展的努力的一部分，NRC 核管理研究办公室正在资助对传统和动态建模方法的研究。NUREG/CR-6901 中报告的一项最新研究的结果表明，传统的事件树 (ET)/故障树 (FT) 方法可能无法在数字 I&C 系统的可靠性建模中产生令人满意的结果。使用基于报告经验的主观标准，NUREG/CR-6901 已将动态流程图方法 (DFM) 和马尔可夫方法确定为在根据数字 I&C 系统可靠性建模要求进行评估时具有最多积极特征和最少消极或不确定特征的前两种方法。NUREG/CR-6901 还得出结论，应定义基准系统，以便使用一组通用的硬件/软件/固件状态和状态转换数据来评估针对数字 I&C 系统可靠性建模而提出的动态方法。本报告：a) 基于运行中的压水反应堆 (PWR) 的蒸汽发生器给水控制系统定义此类基准系统，b) 提供程序来说明如何使用 DFM 和马尔可夫方法构建基准系统的动态可靠性模型，以及，c) 说明如何使用 SAPHIRE 作为示例 ET/FT PRA 工具将生成的动态可靠性模型集成到现有 PWR 的概率风险评估 (PRA) 模型中。本报告还讨论了 DFM 和马尔可夫方法在多大程度上满足 NUREG/CR-6901 中给出的数字 I&C 系统可靠性建模要求。确定了一些挑战。结论是，通过用户友好界面和分布式计算将现有的基于 ET/FT 的工厂 PRA 工具与动态方法联系起来，有可能应对大部分挑战。最难解决的挑战是所用故障数据的可接受性。虽然还得出结论，所提出的方法可用于获得有关数字 I&C 系统故障特征的定性和定量信息，并且在这方面，即使数据问题未得到解决，也有助于识别风险重要事件序列，但该报告仅提供了概念验证研究。需要开展更多工作来验证所提出方法对其他数字系统的实用性并解决已发现的挑战。
碳钢板的脆性破坏...
'_ '~海上(码头)船舶故障，脆性断裂的概率成为焦点。与船舶故障相关的数据具有很好的相关性，因此，从激发这些研究的研究中可以学到很多东西。非船舶故障数据不存在类似的相关性，因此进行此项调查是为了补充船舶故障的研究。总共研究了 64 个结构故障以及天然气输送管道故障。这些故障发生在铆钉和焊接结构中，例如油箱桥梁、压力容器、烟囱、PM 库存、电力铲子，以及 M 天然气输送管线。结果表明，脆性破坏的历史至少可以追溯到 1879 年。结论是：（1）非船舶结构中的脆性破坏与船舶中的脆性破坏是相同的现象；（2）多种类型的船舶结构都会发生脆性破坏；（3）脆性断裂可以穿过铆钉接头；（4）没有证据表明随着焊接的出现，脆性破坏的发生率是降低还是增加；（5）与其他因素一起，热应力可能很重要；（6）残余应力不是脆性破坏的主要因素，但这种应力与其他因素一起，会引发表面破坏；（7）冶金变量的影响很重要； (S) 冷成型可提高脆性破坏的敏感性，但由于数据缺乏，其作用无法评估；(9) 在有数据的情况下，板的冲击强度一般低于破坏温度；(10) 在大多数情况下，非船舶脆性破坏的断裂起源于纤维制造缺陷，少数断裂起源于设计缺陷；(11) 似乎在所有情况下，断裂都起源于几何连续面； (12) 没有证据表明这些失效结构能显示各种焊接工艺对脆性断裂敏感性的影响；(13) 除焊接质量特别差的情况外，焊接焊缝没有断裂的趋势；(14) 绝大多数非船舶脆性断裂似乎发生在完全静态的条件下；(1.5) 结构的 AGC 似乎与脆性断裂无关；(10) 大多数工程规范允许使用已知特别容易发生脆性断裂的钢材。同时，除一个规范外，所有规范都将应力水平保持在极保守的值；(17) 最后，证明了脆性断裂是多种因素共同作用的结果。船。我没有任何一种易加工的材料能够完全防止其断裂，而且目前也没有已知的试验能够根据小试样的行为准确预测给定钢材在可能发生结构脆性破坏的情况下的性能，因此，精心的设计、材料的选择和良好的工艺对于防止结构脆性破坏至关重要。