为保障电动车辆的可靠性和安全性,提出了一种dropout Monte Carlo(dropout-MC)递归神经网络的锂离子动力电池系统的剩余寿命(RUL)预测方法。以等电压充电时间间隔作为间接健康因子,考虑外部干扰和容量再生现象的影响,以变分模态分解(VMD...为保障电动车辆的可靠性和安全性,提出了一种dropout Monte Carlo(dropout-MC)递归神经网络的锂离子动力电池系统的剩余寿命(RUL)预测方法。以等电压充电时间间隔作为间接健康因子,考虑外部干扰和容量再生现象的影响,以变分模态分解(VMD)来获得电池退化趋势。以改进的递归神经网络模型——长短时间序列(LSTM)来获得剩余寿命预测。以dropout-MC采样方法来表征锂离子电池剩余寿命的不确定性,并获得锂离子电池RUL的95%置信区间。结果表明:相较于传统的极限学习机(ELM)方法和非线性自回归神经网络(NARX)方法,该文方法的剩余寿命预测性能指标均低于2.4%。因而,该方法具有优越的预测性能,且获得预测的置信区间。展开更多
应力强度因子是预测荷载作用下结构中裂纹产生和扩展的重要参数。半解析的比例边界有限元法结合了有限元和边界元法的优势,在裂纹尖端或存在奇异应力的区域不需要局部网格细化,可以直接提取应力强度因子。在比例边界有限元法计算应力强...应力强度因子是预测荷载作用下结构中裂纹产生和扩展的重要参数。半解析的比例边界有限元法结合了有限元和边界元法的优势,在裂纹尖端或存在奇异应力的区域不需要局部网格细化,可以直接提取应力强度因子。在比例边界有限元法计算应力强度因子的框架下,引入随机参数进行蒙特卡罗模拟(Monte Carlo simulation, MCS),并提出一种新颖的基于MCS的不确定量化分析。与直接的MCS不同,采用奇异值分解构造低阶的子空间,降低系统的自由度,并使用径向基函数对子空间进行近似,通过子空间的线性组合获得新的结构响应,实现基于MCS的快速不确定量化分析。考虑不同荷载状况下,结构形状参数和材料属性参数对应力强度因子的影响,使用改进的MCS计算应力强度因子的统计特征,量化不确定参数对结构的影响。最后通过若干算例验证了该算法的准确性和有效性。展开更多
针对航空弹药保障效率和可靠性要求高的问题,在分析保障流程的计划评审技术(PERT,Program Evaluation and Review Technique)网络图中各工序对任务完工影响程度的基础上,提取了工序关键度指标和重要度指标以及各方案下的按期完工概率,...针对航空弹药保障效率和可靠性要求高的问题,在分析保障流程的计划评审技术(PERT,Program Evaluation and Review Technique)网络图中各工序对任务完工影响程度的基础上,提取了工序关键度指标和重要度指标以及各方案下的按期完工概率,建立了保障人员配置方案评价指标体系,表示为评价函数形式.以基于蒙特卡洛方法的PERT网络仿真为核心,选择在遗传算法进化寻优框架下构建优化模型,该方法不仅得到了最优的保障人员配置方案,而且评估了需要注重的关键工序.算例实验证实了其有效性与实用性.展开更多
文摘为保障电动车辆的可靠性和安全性,提出了一种dropout Monte Carlo(dropout-MC)递归神经网络的锂离子动力电池系统的剩余寿命(RUL)预测方法。以等电压充电时间间隔作为间接健康因子,考虑外部干扰和容量再生现象的影响,以变分模态分解(VMD)来获得电池退化趋势。以改进的递归神经网络模型——长短时间序列(LSTM)来获得剩余寿命预测。以dropout-MC采样方法来表征锂离子电池剩余寿命的不确定性,并获得锂离子电池RUL的95%置信区间。结果表明:相较于传统的极限学习机(ELM)方法和非线性自回归神经网络(NARX)方法,该文方法的剩余寿命预测性能指标均低于2.4%。因而,该方法具有优越的预测性能,且获得预测的置信区间。
文摘应力强度因子是预测荷载作用下结构中裂纹产生和扩展的重要参数。半解析的比例边界有限元法结合了有限元和边界元法的优势,在裂纹尖端或存在奇异应力的区域不需要局部网格细化,可以直接提取应力强度因子。在比例边界有限元法计算应力强度因子的框架下,引入随机参数进行蒙特卡罗模拟(Monte Carlo simulation, MCS),并提出一种新颖的基于MCS的不确定量化分析。与直接的MCS不同,采用奇异值分解构造低阶的子空间,降低系统的自由度,并使用径向基函数对子空间进行近似,通过子空间的线性组合获得新的结构响应,实现基于MCS的快速不确定量化分析。考虑不同荷载状况下,结构形状参数和材料属性参数对应力强度因子的影响,使用改进的MCS计算应力强度因子的统计特征,量化不确定参数对结构的影响。最后通过若干算例验证了该算法的准确性和有效性。
文摘针对航空弹药保障效率和可靠性要求高的问题,在分析保障流程的计划评审技术(PERT,Program Evaluation and Review Technique)网络图中各工序对任务完工影响程度的基础上,提取了工序关键度指标和重要度指标以及各方案下的按期完工概率,建立了保障人员配置方案评价指标体系,表示为评价函数形式.以基于蒙特卡洛方法的PERT网络仿真为核心,选择在遗传算法进化寻优框架下构建优化模型,该方法不仅得到了最优的保障人员配置方案,而且评估了需要注重的关键工序.算例实验证实了其有效性与实用性.
