可靠性预测

摘要： 为了规范多种软件测试流程、提高测试效率,需要使用统一的标准引导测试工作。结合相关国际标准,借助开源工作流平台实现了一个可适应多种软件可靠性增长模型(SRGMs)的测试流程标准化管理系统,以此规范管控测试流程。以Jelinski-Moranda模型和超几何分布模型为主要研究对象,提出一种适用可靠性分析方法的标准化测试流程,以软件测试过程为主线,运用建模工具分析相应的可靠性测试流程,最终形成针对不同SRGM的软件测试过程管理。结合业务流程体系,利用jBPM技术框架设计了软件测试标准化过程管理平台,以实现标准化的管理模式并预测软件故障数。实验结果表明,引入标准化技术可以对软件可靠性程度进行更准确的预测,进一步优化测试流程,具有较好的实际应用价值。

摘要： 为了更加科学地评价地铁车辆的可靠性状态,并依据评价结果指导车辆检修策略的调整,使上线车辆的可靠性处于可控状态,提出采用灰色综合评估和粒子群算法优化反向传播神经网络(PSO-BP)预测相结合,综合评价地铁车辆当前的可靠性状态。依据地铁车辆安全评价相关标准,确定地铁车辆可靠性状态评定等级、取值范围及对应状态。基于车辆各子系统当前故障数据分析获取各子系统可靠度及评分值,同时利用层次分析法确定各子系统所占车辆的权重,根据各子系统评分值及权重采用灰色综合评估法确定车辆不同可靠性等级的比重,对车辆可靠性状态进行预分析。利用BP神经网络和PSO-BP神经网络可靠度预测模型,根据历史故障数据对车辆各子系统的可靠度进行预测,并对比2种模型的预测精度。根据灰色综合评估法预分析结果和PSO-BP神经网络可靠度预测结果,综合评价车辆当前的可靠性状态。以上海地铁某车型为例,依据各子系统的故障数据进行算例分析及验证。研究结果表明:PSO-BP神经网络相比于BP神经网络预测的相对误差降低了4.39%,具有较好的预测精度。将灰色综合评估和PSO-BP预测相结合,可以更客观准确地评价地铁车辆当前可靠性状态,为深入开展轨道交通车辆的可靠性评价体系研究提供新方法与案例支持。

摘要： 为了提高对地铁列车牵引逆变系统可靠性预测的准确性,提出了一种基于改进粒子群算法优化BP神经网络(IPSO-BP)的可靠性预测模型。引入平均相对误差指标作为可靠性预测模型的评价指标,通过收集到的实际数据对所构建的可靠性预测模型、BP神经网络可靠性预测模型及PSO-BP神经网络可靠性预测模型进行对比验证。仿真结果表明IPSO-BP神经网络可靠性预测模型平均相对误差比BP神经网络、PSO-BP神经网络可靠性预测模型平均相对误差分别降低了约17.5%和10%,具有较好的预测精度,明显地提高了地铁列车牵引逆变系统的可靠性预测的准确性。同时对制定预防性维修周期具有重要的参考价值。

摘要： 提出一种基于动态应力-强度干涉模型和恒定应力加速试验相结合的可靠性定量预测方法。利用加速退化试验数据获得产品可靠度值,通过SSI模型外推得到产品在各应力水平下强度随时间退化的数据,并推导得出产品在动态环境作用下的可靠性变化趋势,有效解决了电子产品在动态时变环境下的可靠性预测难题,并通过仿真实例验证了方法有效性。

摘要： 利用传统方法预测构件软件可靠性时,没有构建缺陷模型进行缺陷分析,存在构件软件可靠性预测时间延迟高、CPU开销大和平均路径覆盖率差的问题。于是提出基于Copula函数模型的构件软件可靠性预测方法,建立软件缺陷模型和故障树,对软件缺陷进行分析。基于二维焦元建立一个普通BPA证据变量,利用贝叶斯方法解决证据变量中样本量较少的问题,并从中取得Copula优质函数后构建联合BPA。通过构建的联合BPA和取得的最优Copula函数实现构件软件可靠性预测。实验结果表明,通过对比预测时间延迟、CPU开销和平均路径覆盖率,验证了所提构件软件可靠性预测方法的实用性和可行性较强。

摘要： 为优化嵌入式软件可靠性预测智慧可控感知机制,构建了基于连续协同机器学习算法的嵌入式软件可靠性预测模型。构建连续协同机器学习算法机制实现嵌入式软件可靠性精准预测,利用深度LSTM构建时间正序下的嵌入式软件核心要素样本精准预测机制,利用DCNN对数据池后置测试集进行隐性知识感知并输出最优预测结果。最后,对模型开展了工程应用实践验证,结果表明,模型满足嵌入式软件可靠性预测智慧化改造需求,大幅度优化了嵌入式软件可靠性预测智慧可控感知机制。

摘要： 地震多发地区通信基站的工况预测是震后通信应急保障及减灾的一项重要基础工作。针对目前基站评估仅限于基站结构等局地参数的分析方法,文章从地质地理条件等影响因素出发,通过定性的线性回归分析建模并预测震后基站失效概率。通过对预测概率分布的统计分析确定阈值为0.4,模型检验集结果显示预测准确率为95.2%。该结果说明,从大尺度空间、地质地理等宏观参数的设置,可以对震后基站工况进行较准确预测评估。

摘要： 为了提升机床主轴可靠性预测精度,提出了基于优化级联前向神经网络进行数控机床主轴可靠性预测的改进算法。将小批量梯度下降算法与级联前向神经网络预测方法相结合进行神经网络优化,增加了预测的准确度。对收集的主轴可靠性相关数据进行初步分析,选取前n个可靠度数据以及第n+1个可靠度数据对应的故障时间点t作为神经网络的输入变量,第n+1个可靠度数据作为输出变量,完成可靠性预测模型的训练以及测试数据的误差对比分析。实例仿真分析结果表明:应用该方法得到的可靠度预测值最大相对误差的绝对值为2.41%,小于3%,该预测方法精度较高。与BP神经网络等其他预测方法得到的预测结果最大相对误差大于3%,甚至超过10%相比,可以实现数控机床主轴更加精确的预测,为研究数控机床可靠性提供理论依据。

摘要： 针对某地区紧急情况出现时,无法确定当前周围应急短波广播台站可用性问题,提出一种以地理信息系统为基础的短波二维可视化应急预警模块,并与短波可靠性预测计算模型组合应用.以广电总局监管中心提供的测试数据作为对象,利用短波链路可靠性(BCR)链路预测模型,预测出目标应急点范围的所有台站的BCR及信噪比(S/N)值,在地图上可视化显示,并对所有时段中所有台站的BCR及S/N值分类整合、分别形成折线图;对目标时间段内数据分别设定阈值通道,并对可用台站的信号强度进行分析.最终根据极差极值确定当前时段的满足信噪比及可靠性的最低要求的可用台站信息.实验结果表明,该方法能成功地对应急地区的短波广播信号进行预测分析,获得特定时间、特定地点的可接收到的台站信息,实现目标区域短波广播的可靠性检验及应急需求.

摘要： 软件可靠性预测是当前软件研究领域的热点方向,当前软件可靠性预测方法存在误差大、建模时间长等不足,为了获得更高精度的软件可靠性预测结果,提出基于混沌时间序列的软件可靠性预测方法.首先收集软件可靠性样本,并采用混沌处理技术得到多维软件可靠性样本数据,然后将多维软件可靠性数据输入到BP神经网络进行学习,完成软件可靠性预测模型的构建,最后与其他软件可靠性预测方法进行了仿真对比实验.结果表明,这种方法减少了软件可靠性预测误差,不仅能够有效描述软件可靠性变化特点,而且缩短了软件可靠性预测建模时间,提高了软件可靠性预测建模效率,软件可靠性预测效果显著优于其他方法,验证了本文软件可靠性预测模型的优越性.

摘要： 软件可靠性是软件质量要求中的一个关键指标,软件可靠性的评估与预测一直是软件可靠性工程领域研究的主攻方向.论文将LSTM网络应用于软件可靠性预测的研究,针对其存在的收敛速度慢和预测精度低的问题,提出了一种基于多层异构PSO优化的LSTM网络(MHPSO-LSTM).该算法将粒子群的群体结构设置为层次结构,同时为增强粒子之间的信息交互能力以及改进粒子群算法的寻优性能,引入了吸引子的概念,对粒子的速度更新方程进行改造,然后利用改进的PSO优化LSTM网络.使用NASA-MDP项目的JM1软件缺陷数据集进行软件可靠性预测实验,结果表明该算法提高了LSTM网络的收敛速度,具有更好的预测性能.

摘要： 装备可靠性一直是全寿命周期保障工作的重要内容.本文结合电子装备的特点,假设装备各单元基于指数分布,提出了一种可靠性预测模型.建立了装备可靠性与其各单元可靠性的关系模型,同时提出一种非等间隔的GM(1,1)模型来预测各单元的可靠性,并通过实例,对给出的方法进行了可靠性预测,经过精度检验说明该方法的有效性.

摘要： 根据退化型历史数据来评估航天产品可靠性是目前常用的手段也是研究热点。针对样品个数少、历史测量数据少的特点，本文应用支持向量机寻找产品性能退化参数与时间之间的关系，建立可靠性预测模型。由于模型预测精度取决于支持向量机核参数和正则参数，本文引入粒子群优化算法，以模型推广能力最大为优化目标，选择最优核参数和正则参数，建立了基于支持向量机和粒子群优化算法的可靠性预测方法。以某型号航天继电器接触压降数据为例，对本文可靠性预测方法作了检测，结果比较表明，本文方法预测精度高于其它常用方法，具有工程实用价值。

摘要： 设备的可靠性直接影响制造系统的可靠性，一直备受企业关注。本文根据采集到的设备长期的运行数据，利用神经网络较好的高度非线性隐射性能和广义回归神经网络(GRNN网络)较强的逼近能力，来预测设备实际运行中的可靠度以及故障时间。通过实际分析表明GRNN在可靠性预测方面具有可行性。

摘要： 建立了发电机组可靠性预测的数学模型,提出了发电机组可靠性的预测方法。该方法在统计发电机组运行可靠性历史数据的基础上,计算检修系数的统计值并采用最小二乘法确定检修系数的数学模型的待定参数。根据发电机组检修系数的数学模型和计划检修天数,预测今后三年发电机组的等效可用系数。给出了亚临界300MW、超临界600MW和亚临界600MW发电机组的可靠性预测实例。结果表明发电机组等效可用系数预测值的相对误差的绝对值小于2%,可靠性预测的精度比较高。应用发电机组的可靠性预测方法,可以定量计算发电机组可靠性指标的预测值,为发电机组的可靠性目标管理和优化检修提供了技术依据。

摘要： 针对一类带有隐含退化过程的非线性动态系统,提出了一种基于粒子滤波的一致性分散可靠性预测方法.该方法将原系统重叠分解为若干个相互关联的子系统,每个子系统利用其局部测量信息以及子系统间通信得到的信息,估计出原系统的状态和参数,进而预测原系统的可靠性.同时,该方法通过一致性策略使得所有子系统的估计和预测结果保持一致.五容水箱模型的仿真实验结果表明,该方法能够很好地预测系统的可靠性,同时该方法能够使得所有子系统的估计和预测结果保持一致.

摘要： 为适合于产品设计初期阶段预测产品的可靠性,针对机械产品设计初期可靠性评价的特点,考虑设计初期可能获得的定性信息,并通过实例探讨了一种基于模糊贴近度的可靠性预测方法,可为产品方案的定性和定量评价提供依据.

摘要： 本文研究了多重退化量的退化建模和分析方法.首先探讨了退化量和失效事件的相关性,用罗吉斯提克函数估计给定退化水平下失效事件的似然函数.然后,结合退化动力学和随机应力影响,提出了一种描述退化过程演变的状态空间模型.用退化动力学预测可靠性函数.最后,通过陀螺漂移数据的分析,验证了提出方法的有效性.

摘要： 随着对柴油机排放要求的日益严格,传统的机械泵柴油机将逐渐退出市场舞台.电控柴油机将会越来越多的应用到市场之中.本文就如何提高ECU的可靠性进行研究,一方面从ECU的可靠性预测入手,通过可靠性的系统建模分析预测ECU的可靠性;另一方面,从设计角度来保证硬件单元的可靠性。柴油机电控硬件单元主要包括信号处理系统、单片机控制系统、电源驱动系统。元器件计数法是目前工程可靠性预计常用方法。旧前有不少预计软件也提供电子产品的可靠性计算，例如以失效率预计方法编制的MTBFcal软件。可靠性设计的目的是为了使系统的可靠性水平能够满足期望值，目前主要的设计方法有：降额设计、冗余设计、热设计、EMC设计、三次设计。最后通过环境和电磁兼容测试验证方法改善ECU的可靠性.

摘要： 本文基于马尔可夫过程，对影响直升机可靠性因素中的发动机故障因素进行了分析研究。运用马尔可夫转移概率矩阵近似得到了直升机在确定时间后能正常飞行的可靠度。通过研究直升机的发动机正常工作的可靠度，可以为直升机机务人员得到不同直升机时示航程优劣情况提供有价值的信息参考。

摘要： 本发明涉及可靠性设计辅助装置、可靠性设计辅助方法以及可靠性设计辅助程序。关系式计算单元(10)对数据列进行近似计算来计算关系式，所述数据列将根据用户或者环境而变化的对象因素的值与在使用对象装置时计测到的输入应力计测值建立关联。输入应力计算单元(20)根据关系式和对象因素的指标数据来计算输入至对象装置的输入应力。故障率计算单元(40)根据输入应力和对象装置的特性值分布来计算对象装置的故障率。

摘要： 本发明所述的工作区电脑（101）和/或运行时电脑（102）基于描述了对象系统可靠性的相关要求和规格的可靠性描述数据，求出定量地表示对象系统可靠性价值的D值。

摘要： 可靠性评估测试装置(10)，包括晶片存放单元(12)，该存放单元存放晶片(W)，该晶片则处于该晶片上形成的若干器件的电极衬垫与接触器(11)的凸起彼此完全电气接触的状态。该晶片存放单元(12)向/从测量单元(15)发送/接收一个测试信号，并具有与外界隔离的绝热结构。该晶片存放单元(12)具有对接触器(11)加压的压力机构(13)以及直接将与接触器(11)完全接触的晶片(W)加热到预定高温的加热机构(14)。该半导体晶片上形成的一层互连膜与绝缘膜的可靠性可以在加速条件下加以评估。

摘要： 本申请提供一种可靠性指标预测模型生成方法及装置和预测方法及装置，通过获取预先设置的配电网的可靠性指标测算模型，进而分析该可靠性指标测算模型中的可靠性指标影响因子，并分别确定每个可靠性指标影响因子影响可靠性指标测算模型的权重，进而利用各个可靠性指标影响因子及其权重生成可靠性指标预测模型的方式，实现了用户利用该生成的可靠性指标预测模型对配电网的可靠性指标的预测。

摘要： 本发明提供一种基于结构识别方法和贝叶斯网络高效求解可靠性框图模型的方法。目的和解决的问题是：提升大规模复杂系统可靠性框图模型的建模能力和计算效率。该方法首先识别可靠性框图模型中的基本结构，这些结构包括串联、并联、表决、和联，将这些基本结构作为模块，并重复这个识别过程，最终形成一个具有层次化结构的可靠性框图模型；其次，从上到下遍历层次化的可靠性框图模型，直至到最底层的模块后，将这些模块按照结构类型转换为对应的贝叶斯网络，并向上回溯，层层转换，形成层次化的贝叶斯网络模型；最后，利用贝叶斯推理算法，得到贝叶斯网络中全部节点的概率分布，贝叶斯网络的叶节点的概率分布为系统的失效概率分布，中间节点的概率分布为不同模块的失效概率分布。

摘要： 本发明属于软件可靠性预测领域，具体是一种基于选择性动态权重神经网络集成的软件可靠性预测方法。主要分为四个步骤：A.生成神经网络个体：选取Elman神经网络作为网络个体，通过Bagging算法产生n个神经网络个体；B.个体优选：对生成的神经网络个体，首先通过K值优化算法确定聚类个数，然后通过K-均值聚类算法对神经网络个体进行聚类来增大个体差异，最终将聚类后的个体进行集成；C.动态模型建立：利用优选个体的拟合数据的误差，构建基于模糊神经网络的动态权重模型；D.集成输出：将优选个体的预测结果与动态权重模型生成的权重相结合生成最终预测结果。本发明将神经网络集成算法应用于软件可靠性预测，具有精度高、稳定性好的优点。

摘要： 本发明公开了一种微服务可靠性预测方法，包括：获取每个微服务中的第一分布式日志数据；根据所述第一分布式日志数据得到故障种类序列和预测阶段的N个故障；利用马尔科夫链的一步转移概率处理所述故障种类序列得到故障种类转移矩阵；根据所述故障种类转移矩阵得到所述故障种类转移概率矩阵；根据每个所述微服务的故障种类转移概率矩阵得到所述预测阶段的N个故障的绝对概率向量。本发明通过把微服务系统的分布式日志数据作为输入，对每个微服务的故障进行分类，并得到每一个微服务的种类转移概率矩阵，从而得到每个微服务的可靠性，并利用每个微服务的可靠性对组合微服务的可靠性进行预测和分析。

摘要： 本发明创造提供了一种基于大数据相关性分析的配电网供电可靠性预测方法，在供电性能试验以及网络运行期间，设定一个供电性能的评估线；检测供电性能，获得测量数据，建立供电性能的当前运行信息时间序列；对当前运行信息时间序列进行相空间重构，获得相点群。本发明创造性能数据伴随的产品寿命及其可靠性预测方法，仅仅依赖于所获得的产品性能的当前运行信息，无需性能随时间变化/退化的任何先验信息和性能寿命概率分布函数的任何先验信息。

摘要： 一种基于大数据相关性分析的配电网供电可靠性预测方法，该法先利用粗糙集理论从收集到的配电网大数据中挖掘出与配电网可靠性相关性较强的条件因素，然后利用提取出的条件因素和地区配电网可靠性指标的历史统计数据，通过搭建好的GA‑BP神经网络进行训练学习生成预测模型。本设计可实现对目标年的配电网供电可靠性准确、快速的评估。

摘要： 本发明属于软件可靠性预测领域，具体是一种基于选择性动态权重神经网络集成的软件可靠性预测方法。主要分为四个步骤：A.生成神经网络个体：选取Elman神经网络作为网络个体，通过Bagging算法产生n个神经网络个体；B.个体优选：对生成的神经网络个体，首先通过K值优化算法确定聚类个数，然后通过K-均值聚类算法对神经网络个体进行聚类来增大个体差异，最终将聚类后的个体进行集成；C.动态模型建立：利用优选个体的拟合数据的误差，构建基于模糊神经网络的动态权重模型；D.集成输出：将优选个体的预测结果与动态权重模型生成的权重相结合生成最终预测结果。本发明将神经网络集成算法应用于软件可靠性预测，具有精度高、稳定性好的优点。