一、马尔科夫过程的应用——研究设备元件年龄的概率分布（论文文献综述）
李翔宇[1]（2018）在《非指数分布下多阶段任务系统可靠性建模与优化》文中提出随着现代科学技术的发展,航天系统越来越朝着复杂化发展,绝大多数的航天系统,例如卫星或者航天器等,在运行过程中存在明显的阶段性特征,其系统结构、功能等随着时间而不断地发生改变,这类系统被称为多阶段任务系统（Phased Mission System,PMS）。相较于传统的单阶段任务系统可靠性建模,PMS可靠性建模需要考虑阶段之间的相关性,因此更为复杂,同时也可以对系统可靠度进行更加精确的评估。目前,随着航天事业的不断发展,PMS可靠性的研究逐渐成为了可靠性研究的热点之一。但是目前在PMS可靠性建模与优化研究中,存在着一个较大的问题,即在PMS建模与优化研究中,绝大多数的研究都假设系统中的元件服从指数分布,从而利用Markov链等方法对PMS中的动态行为进行建模,但是这一假设不符合大多数的工程实际。针对这一问题,本文对系统中元件服从非指数分布的复杂PMS可靠性建模与优化方法进行研究,主要内容和成果如下:（1）有限维修下的多阶段任务系统可靠性建模方法研究针对航天PMS中存在着冷备份及有限维修的动态行为,元件失效/维修时间服从非指数分布,难以用传统的Markov过程进行建模的情况,提出应用半马尔科夫过程（Semi-Markov Process,SMP）来对系统的动态行为进行建模,应用模块化方法减小系统模型的规模,降低建模的复杂程度。同时应用数值近似算法对SMP模型中出现的复杂积分进行高精度近似计算,并将该方法与蒙特卡洛仿真算法进行对比分析,说明了该方法具有较高的计算精度与计算效率。实现对有限维修下的非指数多阶段任务系统的可靠性建模。（2）考虑随机冲击失效的多阶段任务系统可靠性建模方法研究绝大多数的航天PMS,例如卫星/航天器等,长期工作于环境恶劣的外太空,随机出现的宇宙射线所携带的高能带电粒子、重粒子等会对各种电子元器件造成严重影响,导致元件加速退化甚至直接失效,针对这些随机冲击的影响,提出应用马尔科夫更新过程（Markov Regenerative Process,MRGP）对冲击影响下的动态PMS进行建模。考虑随机冲击造成的总剂量效应与单粒子效应等影响,通过引入元件的随机冲击模型,利用近似计算的方法来得到冲击影响下的元件失效分布函数,然后将元件的随机冲击模型嵌入系统MRGP模型中,得到冲击影响下的动态系统模型。最终,通过数值近似计算与MC仿真方法验证,实现对随机冲击影响下的多阶段任务动态系统的可靠性建模,并对随机冲击的参数进行灵敏度分析。（3）多态多阶段任务系统可靠性建模与评估方法研究针对不可修PMS中的元件存在多态的特性,即元件在正常工作与完全失效之外还存在着多种中间状态,本论文提出多态元件的阶段代数与PMS-MMDD模型,通过应用阶段代数,对传统的MMDD逻辑运算规则进行改进,得到多态元件阶段依赖性运算规则。通过对比分析,相较于传统的MMDD模型与PMS-BDD模型,PMS-MMDD模型对不可修多态PMS的建模更加高效。同时,考虑多态元件的状态转移时间服从非指数分布的情况,提出一种基于Markov更新方程的不交和路径概率评估方法,并应用迭代数值方法进行高精度计算分析,实现对不可修多态多阶段任务系统的可靠性建模与评估,并与MC仿真方法进行对比分析。（4）混合备份下的多阶段任务系统可靠性优化提出混合备份下的PMS冗余优化方法。在航天系统中,为了保证较高的可靠性,经常采用大量冗余备份,而现有的PMS冗余优化方法研究中,只对冷备份或者热备份的单一冗余备份方式进行优化分析,而忽略了混合备份的策略。针对这一问题,在本文的研究中,综合考虑三种备份策略,应用SMP与模块化方法,建立混合备份下的PMS优化模型,同时对元件的类型、备份数量以及备份方式进行优化,实现对混合备份下的PMS的可靠性优化。
王丽[2]（2017）在《低压成套开关设备可靠性预测及全寿命周期成本评估方法的研究》文中研究说明本文以低压成套开关设备为研究对象,主要围绕探讨可靠性增长预测方法、提高可靠性预测精度、扩充数据量及寻找最佳使用寿命等问题,对设备可靠性及全寿命周期成本（Life Cycle Cost,LCC）进行深入研究,主要研究内容体现在以下几方面:首先对低压成套开关设备的可靠性增长预测方法进行研究。提出基于广义伽玛分布及基于条件分布的两种低压成套开关设备可靠性增长预测方法,对设备的平均无故障工作时间（Mean Time Between Failures,MTBF）、未来故障发生时间等进行预测,并对预测精度及方法的适用性进行分析。针对预测时长较长的情形,提出改进的AMSAA模型低压成套开关设备可靠性增长预测方法。该方法将未来故障时间的预测值作为伪试验数据,与原始故障数据结合构成新的故障数据,利用新数据对设备进行可靠性增长预测以减小数量少及预测时长较长对研究结果产生的影响。其次对低压成套开关设备的可用度预测方法进行研究。提出分层马尔科夫模型低压成套开关设备的可用度预测方法。将低压成套开关设备划分为多个层次。提出基于状态转移的并联单元可靠性计算方法,并采用该方法对每层参数进行计算。对设备顶层模型分析,得到设备的可靠性特征量——可用度,对其它层进行分析,得到设备的关键部件,提供了一种求取低压成套开关设备可用度及寻找关键部件的新方法。然后对低压成套开关设备全寿命周期成本评估方法进行研究。分析低压成套开关设备的成本构成,建立设备LCC估算模型;提出改进的GM（1,1）模型扩充原始数据,利用扩充后的数据,对估算模型中的未知函数瞬时运行维护费用进行拟合求解,并根据最大关联度理论,确定设备的瞬时运行维护费用的最佳分布类型;对LCC估算模型进行仿真,得到低压成套开关设备全寿命周期内的最佳使用寿命和最小费用。最后设计低压成套开关设备可靠性预测软件系统。该系统包括数据管理子系统和数据解析子系统,数据管理子系统具有存储、修改相关数据等功能;数据解析子系统实现对设备的可靠性评估及可靠性预测,实现对低压成套开关设备数据管理及解析。
祝锦舟[3]（2019）在《面向规划的电网全寿命周期安全效能成本评估方法研究》文中进行了进一步梳理国民经济的发展离不开电力工业的支撑,科学合理的电网规划不仅可以提高电网自身的经济社会效益,同时也将对国民经济其它行业的发展产生重要的影响。开展统筹电网安全、效能、成本的全寿命周期评估,即电网全寿命周期安全效能成本（safety efficiency cost,SEC）评估,对于优化电网规划方案、提高电网管理水平和运营效益具有重要意义。目前的电网SEC评估还主要是从资产全寿命周期管理的角度针对设备和现状电网进行评估,而从电网整体的角度对电网规划方案进行全寿命周期SEC评估的研究尚不多见。如何从电网整体的角度定义适应电网规划方案优选的电网全寿命周期SEC评估指标、如何构建面向规划的电网全寿命周期SEC评估模型,以及如何对电网规划方案的全寿命周期SEC评估指标进行分析计算,这些仍值得深入研究和思考。本文将电网全寿命周期SEC评估理论引入到电网规划方案的分析与优选中,建立面向规划的电网全寿命周期SEC评估指标体系及评估模型,并着重针对电网规划方案全寿命周期SEC评估中的相关分析计算方法展开深入研究。本文主要从以下几个方面展开研究工作:1.分析电网规划方案全寿命周期SEC评估与现有的电网SEC评估的差异,构建面向规划的电网全寿命周期SEC评估的指标体系,并在此基础上疏理电网规划方案全寿命周期SEC评估的主要环节以及其中用到的相关分析计算方法,提出面向规划的电网全寿命周期SEC评估的技术路线图。2.基于马尔科夫链及概率-频率分布函数,在计及随机变量频率及持续时间等时序（序贯）特性的条件下,对电网SEC评估中的时序随机变量进行建模与分析:在时序随机变量马尔科夫链建模的基础上,通过综合考虑时序随机变量的状态划分精度及状态转移过程的马尔科夫性水平,提出马尔科夫链的优化聚类决策模型,提高时序随机变量马尔科夫链建模的准确性;基于马尔科夫链,提出改进的时序随机变量概率-频率分布函数及其分析计算方法,使得计及随机变量频率及持续时间等时序特性的分析计算变得简洁和高效;基于时序随机变量概率-频率分布函数,综合考虑风电场风速波动的随机性及风电机组自身故障和降额运行状态的影响,提出风电场随机出力的建模与分析方法,提高风电场随机出力建模与分析的效率;基于随机向量马尔科夫链,提出计及时序随机变量空间互相关性的马尔科夫链及概率-频率分布函数的建模与分析方法。3.基于时序随机变量的建模与分析方法,提出计及电网SEC评估中随机变量时序特性的概率潮流和概率最优潮流计算方法。现有的关于概率潮流和概率最优潮流的大多数计算方法均存在一个不足,即仅能获得相关输出随机变量（如节点电压、支路潮流）的概率信息。本文提出的方法利用概率潮流和概率最优潮流计算中输入随机变量（如节点注入功率）与输出随机变量间的函数关系,通过输入随机变量概率-频率分布函数的运算,可高效地实现包括概率、频率及持续时间等信息在内的相应输出随机变量时序特性的分析计算。4.利用电网传输点输电能力与负荷解耦（系统-负荷解耦）的特性,提出基于传输点容量模型的电网可靠性评估方法,提高电网SEC评估中电网可靠性评估的效率。目前已有的基于系统-负荷解耦分析的电网可靠性评估方法中,输电能力计算模型以及频率与持续时间型可靠性指标的计算方法均存在不足。本文以系统-负荷解耦分析为出发点,建立适用于电网可靠性评估的传输点输电能力优化决策模型,并研究该优化决策模型的求解方法,提高计算效率;在时序随机变量马尔科夫链建模以及传输点输电能力优化决策模型的基础上,构建传输点容量模型,即传输点输电能力的概率-频率分布函数,并通过传输点容量模型与相应负荷模型（即负荷的概率-频率分布函数）之间的运算,高效地实现包括概率型、频率及持续时间型等指标在内电网可靠性指标的分析计算。5.提出电网最大输电能力的概率优化决策方法,在电网SEC评估中实现满足风险-收益概率均衡的电网最大输电能力计算:在综合考虑电网状态不确定性、负荷变化不确定性、不同子区域输电能力相互制约关系以及不同电网状态下电网输电能力决策间相互影响的基础上,以包含风险及收益在内的输电综合成本期望值最小化为目标,建立电网最大输电能力的概率优化决策一般模型;通过将优化决策一般模型转化为双层线性规划模型进行求解,提高计算效率。6.在前述对电网SEC评估中的相关分析计算方法进行研究的基础上,实现面向电网规划方案优选的电网安全、效能、成本的定量分析和综合评估:针对现有电网SEC评估模型的不足,建立基于电网整体分析的电网全寿命周期SEC评估模型;从电网规划方案优选的角度,构建全寿命周期SEC评估中各项指标的计算模型,实现各项指标的分析计算;基于全寿命周期评估的特点,提出确定电网全寿命周期SEC评估年限的方法,实现电网规划方案全寿命周期SEC的综合评估。以RBTS-6、IEEE-RTS79、IEEE-300测试系统以及我国中部地区某输电网规划方案为分析算例,说明本文所提出的面向规划的电网全寿命周期SEC评估方法的有效性。
王越[4]（2014）在《基于交叉熵理论的电力系统短期可靠性评估》文中研究指明智能电网的全面推进给电力系统的发展注入了生机与活力。对新型系统开展深入研究的同时,各种不确定因素相伴而生。系统可靠性评估对于预测、防控系统遭遇各种随机因素时发生大面积停电事故具有重要的意义。在复杂电力系统短期可靠性评估问题中,由于待考察的前置期通常较短,危害性较大的停电事故发生概率较低,导致传统蒙特卡洛方法采样效率极其低下,阻碍了其工程应用的进程。本文立足于电力系统可靠性评估领域中得以广泛应用的蒙特卡洛仿真方法,以信息学领域衍生的交叉熵理论为基础,分别针对非序贯蒙特卡洛和序贯蒙特卡洛两种典型方法进行了算法开发,提出了三种基于交叉熵理论的电力系统短期可靠性重要度采样评估方法,分别是：（1）考虑多状态采样问题的离散多状态电力系统非序贯重采样评估方法。（2）考虑时齐马尔科夫过程的三段式序贯重采样短期可靠性评估方法。（3）考虑非时齐马尔科夫过程的自适应序贯重采样短期可靠性评估方法。这些方法的共同之处是本质上均属于众多方差减小方法之一的重采样方法,并利用预采样样本进行畸变采样概率的迭代寻优。不同之处在于,根据所考虑的问题和仿真机理的不同,畸变采样概率的迭代寻优遵循不同的优化模型。通过在IEEE-RTS79和Roy Billinton Reliability Test System改造系统上进行测试,分别论证了所提算法的精度并分析了相较于传统蒙特卡洛方法的效率优势。为进一步阐述算法的应用价值,以考虑多状态采样问题的离散多状态非序贯重采样评估方法为工具,在本文所提出的改进well-being框架下实现了对考虑风电的系统旋转备用响应能力进行了评估。传统well-being框架体系在电力系统旋转备用充裕性评估问题中应用广泛,对波动性、间歇性较强的风电系统尤为适用,本文提出一种适用于旋转备用响应能力评估的新well-being框架。该框架体系考虑了风电间歇性、随机性的特点以及传统well-being框架体系的不足,提出用四状态体系代替三状态体系,通过在IEEE RTS-79改造系统的算例分析揭示了新well-being框架体系的价值。
姜学蕾[5]（2013）在《基于马尔科夫过程的电力设备检修优化决策》文中研究说明随着电网规模的不断扩大,输变电设备数量急剧增加,传统的只重视资产设备的表现而忽略其资产价值、重投入轻产出的传统管理方式已经造成设备管理效率低、资源浪费严重的局面,不符合现代电网的发展要求。因此,迫切需要以新的理念、新的技术带动我国电网资产管理的创新发展。借鉴国外电网现今的资产管理经验,开展资产全寿命周期管理,进行电力设备的全寿命维护,并对其检修策略进行优化,在其整个生命周期对资产设备实施有效合理的管理措施,降低寿命周期费用,解决电网管理中的不足,提高设备的可靠性和经济性,进而促进企业管理水平、生产效率和经济效益的全面提升。资产全寿命周期管理的提出促使我们非常有必要借助大量的设备历史数据,运用随机过程概率模型来描述设备的老化过程。本文基于可靠性分析中的马尔科夫过程,在对其定义和性质深刻分析基础上,首先阐述状态转移矩阵建立和求解系统状态平稳概率、状态频率和状态持续时间等可靠性指标的方法。在此基础上证明了马尔科夫过程在设备老化模型中的适用性,提出了量化可靠性分析的方法。在上述理论基础上,提出了可靠性评估模型的建立方法。分析设备实际老化过程,运用状态图模型,根据实际情况将设备老化过程分为若干个状态,合理的建立其老化概率模型。传统的经典状态图模型忽略检查状态及非周期监测时模型的局限性,在实际的可靠性分析应用中有其不符合实际的地方。基于此问题,本文提出了改进状态图模型,分析比较了与经典状态图模型在非周期监测中计算结果的不同,结合实际的检修状况论证了其在非周期监测中的准确性。资产管理的核心还是要提高设备寿命周期过程中的可靠性和经济性。因此,在设备不同的状态将实施不同的检修方式,从而对其老化过程进行检修策略优化。本文建立了基于半马尔科夫决策过程的电力设备老化过程模型,并考虑了检查状态对检修策略的影响,对其进行可靠性分析,应用策略迭代法对不同的检修策略进行优化,考虑其运行的可靠性和经济性,从而确定最优的检修策略,降低全寿命周期成本。
方永锋[6]（2013）在《结构与系统的动态可靠性研究》文中进行了进一步梳理本学位论文以结构与系统的动态可靠性为研究对象，分别建立了随机参数结构动态可靠性模型，区间参数结构动态可靠性模型，模糊参数结构动态可靠性模型，可修复k/n表决系统动态可靠性模型，多状态可修复k/n表决系统动态可靠性模型。对结构与系统的动态可靠性进行了计算、预测、分析。其主要内容如下：1.随机参数结构动态可靠性将随机载荷的加载形式分为动载荷累加，等幅且服从参数为t的泊松分布，和载荷随时间变化且不服从任何分布的三种情况，利用应力-强度干涉理论和随机过程理论分别建立了结构强度退化下的结构动态可靠性预测的三种模型。由该模型可获得结构的可靠度随时间变化的规律。由一次随机载荷的概率密度函数，求得多次随机载荷的概率密度函数。在考虑结构承受多次随机载荷作用下结构强度退化和不退化的情况下，根据应力-强度干涉理论和概率密度演化方法，建立了结构的动态可靠度预测模型。应用向前差分方法求解该模型中的概率密度演化微分方程，获得任意时刻结构强度裕度的概率密度函数，进而再利用积分方法获得结构动态可靠度的预测结果。对于目前对结构的可靠性研究仅考虑结构所受的一种载荷的情况，从结构所受的4种随机载荷共同作用于结构的实际情况出发，运用Turkstra方法对应力进行了三种不同的组合，分别求得三种组合的应力作为结构所承受的应力。然后根据应力-强度干涉理论，对结构分为强度不退化，强度退化，分别建立了结构在共同载荷作用下的动态可靠性模型，将在三种组合应力下求得结构动态可靠性指标最低者确定为结构的最终动态可靠性指标。每个模型均用算例进行了验证，通过算例表明，这些方法是实用易行的。2.区间参数结构动态可靠性研究了当载荷区间变量随时间变化且结构强度区间变量随时间退化情况下的结构动态非概率可靠性问题，给出了结构强度退化的变化区间及其均值、离差的计算表达式，根据应力-强度干涉理论和区间理论建立了在结构强度随时间退化时，而结构所承受的载荷分别为：阶梯型、等幅交变型和任意时变型三种情况下的结构动态非概率可靠性预测模型。针对多次区间载荷结构随机强度退化和不退化的混合模型的情况，首先将多次区间载荷用等效区间载荷进行了代替，然后把该等效载荷看做均匀分布的随机变量，对均匀分布的随机变量和结构的随机强度进行了当量正态化，根据应力-强度干涉理论，用一次二阶矩法求出了结构在多次区间载荷下的结构的随机强度退化时的结构动态可靠度。算例表明了这些方法的合理性，实用性，精确性。3.模糊参数结构动态可靠性针对实际工程问题中结构承受的多次模糊载荷与结构模糊强度的情况，利用应力-强度干涉理论对结构承受的多次模糊载荷与模糊强度随时间变化的情况进行了分析，分别建立了作用于结构的多次模糊载荷随时间变化且结构模糊强度随时间不退化和退化时的结构的动态模糊可靠性预测模型。对于实际工程问题中结构承受的多次随机载荷与结构模糊强度的情况，利用应力-强度干涉理论对结构承受的随机载荷与模糊强度随时间变化的情况进行了分析，分别建立了作用于结构的多次随机载荷下结构模糊强度随时间不退化和退化时的结构的动态随机-模糊可靠性预测模型。最后算例对模型分别进行了验证，说明了模型的可行性与合理性。4.可修复的k/n表决系统动态可靠性根据强度-应力干涉理论，给出了k/n表决系统的单元在多次随机作用下、且单元抗力退化情况下的动态可靠性指标计算模型，由可靠性指标求得单元的动态失效概率。基于单元的动态失效概率，给出了在多次随机外部作用下，单元失效数目变化的概率，再由可修复k/n系统所具有的Markov性质，给出了在多次随机外部作用下的可修复k/n系统的转移概率，由转移概率获得概率密度矩阵，通过求解微分方程组计算出系统的动态可靠度。针对目前k/n表决系统中k的设置根据人为经验给出的情况，文中首先利用应力-强度干涉理论及系统元件承受的作用概率分布，给出了单个元件的失效概率，再由可修复k/n表决系统工作时元件的可靠与失效状态的转移情况，应用概率微分方程，建立了可修复k/n表决系统的动态可靠性预测模型，并给出了该模型的解。对可修复k/n表决系统中最少工作单元数目k的设置给出了理论依据。最后通过对算例的分析，表明了所建模型的准确性与可行性。5.多状态可修复k/n表决系统的动态可靠性针对多状态可修复k/n表决系统的复杂性，首先对系统的元件的多样性利用离散时间的马尔科夫链和半马尔科夫链进行了分析，给出了状态变化，在状态逗留时间的概率分布计算公式；然后给出了元件在状态变化，状态寿命变化的一步概率转移矩阵，最后根据对元件的分析，导出了系统的可靠度与可用度的预测模型。针对多状态发动机系统，对发动机系统进行了离散量化处理，使发动机的输出功率成为一个状态离散时间连续的马尔科夫随机过程；根据发动机输出功率的变化规律，建立了多状态马尔科夫模型，根据观察得到的数据，对多状态的马尔科夫模型的转移强度的计算给出了算法；利用本文方法计算了发动机单元随时间变化的故障率、输出功率的亏欠期望。从而为动态的预测和监控发动机正常工作可靠性提供了一个新方法。
王瑶[7]（2016）在《基于Petri网的四性一体化建模及仿真方法研究》文中研究指明可靠性、测试性、维修性、安全性（简称“四性”或RTMS）是复杂工业产品安全高效使用的核心质量属性。在航空领域,航空器的高度复杂技术功能系统及其特殊的安全性能要求尤其需要高指标的“四性”综合性能。我国现代军民用航空器研发过程中,系统功能设计与四性体系指标的精细量化与评估仍存在诸多不相适应的矛盾方面,这制约了型号工程的高品质技术发展。“四性一体化”的设计理念,强调四性综合化模型及评估技术与系统功能设计的有机融合及高效信息反馈,这需要深度解决好四性综合化高效率建模技术、复杂系统不确定性、动态时序等精细描述与精细算法技术。Petri网作为一种通用的系统建模工具,对复杂系统动态运行具有出色的描述能力,符合四性一体化模型的构造需求。本文旨在提出一整套适用于航空器系统四性一体化建模的Petri网模型及精细量化分析方法,以利于提升复杂工程系统四性综合化信息技术水平及其工程应用能力。主要研究工作摘要如下:1)总结了“四性”基本定义和主要指标,分析了贝叶斯网络和马尔科夫链两种精确计算方法在系统概率计算中的应用,为四性一体化建模与精细量化方法的提出及其验证提供理论基础。2)提出了将元件故障分为“物理性故障”和“非物理性故障”两种形式,基于此划分提出了“功能丧失”状态,作为传统正常和故障状态的补充;通过“功能丧失”状态发展了一种将系统功能原理图直接转化为三态故障空间模型的方法（简称“三态建模方法”）。在此方法基础上,通过为三态故障空间模型添加四性基础信息,提出了基于系统功能原理图的四性一体化建模框架。3)从纵向性、故障模式复杂性、时序性和逻辑复杂性等方面总结分析了航空器系统故障传播的特点。在总结Petri网图形表达方式的基础上,提出了适用于描述航空器系统故障传播过程的动态随机有色Petri网;并在四性一体化建模框架指导下,结合航空器系统四性基础信息构造了四性一体化动态随机有色Petri网模型。该模型具有表达多态不确定性、动态逻辑的能力,比传统模型更能真实全面直观描述系统状态的变化过程。4)鉴于精确算法将随着系统规模增大导致组合爆炸的问题,在总结蒙特卡洛仿真原理基础上,结合变迁点火规则发展了适用于四性一体化动态随机有色Petri网数值仿真的“故障传播仿真算法”,并推广得到“故障传播仿真算法2”和“可达性算法”。基于该三个算法得到的仿真样本,提出了统计样本获得四性指标的计算方法,从而构成了一套完整的用于四性一体化动态随机有色Petri网模型四性分析的方法。5)先后利用简单、复杂纵向电传飞行控制系统验证了四性一体化动态随机有色Petri网模型及其仿真方法的正确性、在大型复杂工程系统中应用的可实施性;提出了四性一体化动态随机有色Petri网及其四性基础数据的计算机存储方案;研究了四性一体化模型求解方法在计算机中的实现逻辑;完成了四性一体化建模与评价软件RTMSPetri的设计与验证。6)鉴于重要度概念在工程系统四性评定工作中的重要技术价值,基于“故障传播仿真算法”,研究了用于计算静态二态系统各单元结构重要度、概率重要度和关键重要度的仿真方法,作为四性分析方法的补充。本文运用多个实例对提出的建模和仿真方法进行了分析验证,结果表明本文建模方法可有效集成四性基础信息,建立起能更精细反映系统运行情况的四性一体化动态随机有色Petri网,此外提出的仿真方法可正确计算系统四性中的关键指标,支持在设计阶段高效完成四性评估工作的任务,有力促进了复杂工程系统四性与功能协同设计的技术发展。
张文秀,韩肖清,宋述勇,宋述亭,付可宁,王金浩,秦文萍,贾燕冰[8]（2018）在《计及源-网-荷不确定性因素的马尔科夫链风电并网系统运行可靠性评估》文中研究指明考虑风电出力、元件故障及负荷波动对系统运行可靠性评估的影响,提出一种计及源-网-荷不确定性因素的马尔科夫链风电并网系统运行可靠性评估方法。首先建立不确定性因素等值运行可靠性模型;其次,将系统运行状态进行划分,建立风电并网系统马尔科夫链模型,进而根据系统状态样本数据得到马尔科夫链状态转移矩阵;再次,根据状态转移矩阵和当前运行状态,能够准确评估系统当前时刻可靠性水平,快速预测未来时刻状态概率,定量分析不确定性因素对运行可靠性的影响;最后,采用改进IEEE-RTS79系统,对文中所提模型和方法进行了验证,结果表明所提模型和方法的正确性和有效性。
李玉敦[9]（2012）在《计及相关性的风速模型及其在发电系统可靠性评估中的应用》文中提出随着全球能源和环境问题的日益突出，风能的开发和利用已经受到越来越多的关注。然而，风是一种不稳定、易变的能源，风电场大规模接入必然会对电力系统产生与常规能源不同的可靠性影响。因此，研究风电场对电力系统可靠性影响，对含风能的电力系统规划具有重要的理论指导意义和实际应用价值。当前，我国风电正向着大规模、高集中的方向发展。风电场数量的增加以及容量的增大，迫切需要更加准确的风电场可靠性模型。基于此，本文结合国家自然科学基金“风电场可靠性评估的概率模型及算法”（编号51077135）等项目，对影响风电场出力的关键因素—风速，进行研究，提出单一风速模型和计及相关性的多风电场风速模型，并将其应用于含风电场的电力系统发电充裕度评估。提出一种基于核密度估计的非参数风速概率分布模型。该方法基于数据驱动，不需假设风速分布特性，能有效揭示隐藏在历史风速数据中的统计信息。应用拒绝假设抽样方法实现核密度函数下的风速抽样，利用非线性优化方法和线性插值技术提高了抽样效率和速度。采用六个地区的风速数据对本文模型准确性和可用性进行验证，结果表明：该模型对任意风况的数据都呈现出较强的稳定性和准确性；六个地区概率分布拟合统计量Ra2均高于0.99，年电能产量平均误差为0.47%，期望失负荷时间和期望失电量指标平均误差分别为0.22%和0.39%。风速不但具有概率分布特性，还表现出一定的时间延续性。为刻画风速序列的时间相依特性，提出一种基于连续状态马尔科夫链（continuous state markovchain, CSMC）的时序风速模拟方法。首先，利用变换技术将风速数据转至正态域；然后，在正态域内构造反映相邻时刻风速条件概率分布的连续转移核，进而得到时序风速的连续状态马尔科夫链模型。该方法克服了离散状态马尔科夫链模型存在的准确度和复杂度“选择”难题。以该构造方法为基础，利用Copula函数将连续转移核由正态分布扩展为多种分布类型，得到了基于Copula函数的连续状态马尔科夫链时序风速模型。算例分析表明：本文模型能够保持原始风速序列的概率分布特性和时间相依特性，而且降低了建模复杂度。在大规模风电并网系统中，一个地区常常出现多个风电场接入电网。由于风电场间的地理位置关系，不同地点的风速存在一定的相关性，这对风电并网系统可靠性具有一定影响。因此，多风电接入系统进行可靠性评估时，模拟产生的风速样本应计及它们之间的相关性。利用Copula函数提出一种多元风速联合概率分布模型。该方法将多元风速分布的创建过程分解为单一风速变量的边缘分布构造和风速变量间的相关结构识别两部分，其中边缘分布采用核密度估计函数刻画，相关结构采用Copula函数捕捉。该方法有效地降低了多元联合概率分布函数构造难度。算例表明：Copula函数模型能够有效地保持原始数据间的相依特性。计及单一风速序列的时间相依特性和多个风速序列之间的空间相依特性，提出了分别基于自回归滑动平均模型（autoregressive and moving average, ARMA）和CSMC模型的多元时序风速模型。首先，利用ARMA模型或CSMC模型描述单一风速序列的时间相依关系；然后，利用Copula函数构造多个风速时间序列的联合概率分布，捕捉空间相依关系；最后，组合时间相依模型和空间相依模型得到多元ARMA模型或多元CSMC模型。算例表明：多元ARMA模型能够保持时间序列的自相关特性和联合概率分布特性，但需要大量历史样本作为支撑；多元CSMC模型需要较少的训练样本，但只能保持风速序列的短期相依特性。计及风电场尾流效应、风电机组随机停运，提出了基于Monte Carlo模拟法的多风电场并网系统可靠性评估模型。将模型应用IEEE-RTS79可靠性测试系统，结果表明：本文提出的模型和算法能够有效合理的评估风电场对系统的发电充裕度贡献。
邓宇浩[10]（2019）在《基于统计质量控制的生产设备视情维修方法研究》文中研究表明大量自动化、智能化设备的研制和使用是现代先进制造业的重要特征之一。设备的健康状态和运行效率直接影响着产品的质量和产率,进而决定了工厂的制造成本和收益。我国制造企业经过数字化改造,已经具备了一定的生产现场信息采集与存储的能力。根据工厂特定的生产模式和历史运行数据,有针对性的制定设备维修策略和方案,有助于进一步提升工厂的管理水平和综合竞争力。本文以设备加工质量的波动情况作为设备健康状态的评估指标,根据统计质量控制理论将生产设备的运行状态分为受控和失控两种水平,并用控制图进行识别与报警维修,形成了基于统计质量控制的设备视情维修方法（Statistical Quality Control-Condition Based Maintenance,SQC-CBM）。在对批量生产过程进行合理的简化和假设后,本文讨论了设备在特定生产和维修策略条件下可能存在的状态,并基于历史生产数据、控制图原理和贝叶斯理论等对状态转移概率或速率进行了统计、分析和计算,进而建立了设备的SQC-CBM马尔科夫状态空间模型。利用该模型可计算出生产系统在相应的过程质量控制和设备维修策略组合下的期望投入或产出,从而通过搜索比较得到使系统期望成本最低或期望利润最高的最优方案。本文用时间、状态均离散的马尔科夫链对计数型检验的SQC-CBM方法进行建模,采用级数求和的方式计算状态转移概率,在抽样检验和设备维修时间可忽略不计的假设下,对属性控制图监控下串联生产系统的加工、检测和维修成本进行了分析计算,以得出指导各设备视情维修的最佳属性控制图参数。针对计量型检验,本文首先建立了单工位的连续时间齐次马尔科夫模型。为了减少虚发警报引起的停机损失,同时给视情维修预留出必要的准备时间,本文提出了一种延迟维修策略,允许设备在控制图发出警报后继续运行一段时间再进行主动检修。在用Tecnomatix仿真实验验证了模型的准确性后,用该模型求解和分析单工位在不同的生产条件下的最佳设备维修方案。在此基础上,进一步建立了串联生产系统的SQC-CBM递推模型,考虑缓冲区库存容量无限的条件下,设备停机检修和残次品流出对下游工位产生的传递效应,从系统角度对各设备的维修方案进行整体优化,并用遗传算法求解最优SQC-CBM决策参数。最后,本文介绍了SQC-CBM决策支持系统（Decision Support System,DSS）的功能实现过程,帮助工厂管理人员利用现有的信息系统软件中大量的历史数据,对生产设备的维修策略进行优化,提供有效的SQC-CBM解决方案,并列举了几个工程应用案例对系统的可行性予以验证。
二、马尔科夫过程的应用——研究设备元件年龄的概率分布（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、马尔科夫过程的应用——研究设备元件年龄的概率分布（论文提纲范文）
（1）非指数分布下多阶段任务系统可靠性建模与优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 PMS可靠性建模方法综述 |
| 1.2.2 PMS可靠性建模的仿真方法 |
| 1.2.3 PMS可靠性建模的组合模型方法 |
| 1.2.4 PMS可靠性建模的动态模型方法 |
| 1.2.5 PMS可靠性建模的模块化方法 |
| 1.2.6 综述总结与问题的提出 |
| 1.3 论文的主要研究内容与结构 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的结构 |
| 第二章 有限维修下的多阶段任务系统可靠性建模方法 |
| 2.1 引言 |
| 2.2 多阶段任务系统模块化分析方法 |
| 2.3 半马尔科夫模型 |
| 2.3.1 半马尔科夫模型 |
| 2.3.2 半马尔科夫模型的数值计算方法 |
| 2.3.3 计算精度及计算效率分析 |
| 2.4 算例分析 |
| 2.4.1 卫星姿态轨道控制系统 |
| 2.4.2 卫星姿轨控系统模块化分析 |
| 2.4.3 模块及系统可靠度计算分析 |
| 2.5 本章小结 |
| 第三章 考虑随机冲击的多阶段任务系统可靠性建模方法 |
| 3.1 引言 |
| 3.2 马尔科夫更新过程 |
| 3.2.1 马尔科夫更新过程 |
| 3.2.2 马尔科夫更新过程的应用 |
| 3.3 元件随机冲击失效模型 |
| 3.3.1 累积冲击模型及元件可靠性分析 |
| 3.3.2 极限冲击模型及元件可靠性分析 |
| 3.4 动态系统随机冲击失效模型 |
| 3.5 算例分析 |
| 3.5.1 航天器姿态轨道控制系统简介 |
| 3.5.2 可靠性分析流程 |
| 3.5.3 计算结果分析 |
| 3.6 本章小结 |
| 第四章 多态多阶段任务系统可靠性建模方法 |
| 4.1 引言 |
| 4.2 多态多值决策图 |
| 4.2.1 元件MMDD模型 |
| 4.2.2 系统MMDD模型 |
| 4.3 MMDD阶段代数与PMS-MMDD模型 |
| 4.3.1 MMDD阶段代数 |
| 4.3.2 MMDD阶段依赖性运算规则 |
| 4.3.3 多阶段PMS-MMDD模型的建立 |
| 4.3.4 对比分析 |
| 4.4 非指数多态多阶段系统计算方法 |
| 4.4.1 非指数不可修多态元件 |
| 4.4.2 非指数多态不交合路径计算方法 |
| 4.5 算例分析 |
| 4.5.1 多态航天器AOCS算例 |
| 4.5.2 计算结果分析 |
| 4.6 本章小结 |
| 第五章 混合备份下的多阶段任务系统可靠性优化方法 |
| 5.1 引言 |
| 5.2 基本假设 |
| 5.3 混合备份下的多阶段任务系统可靠性模型 |
| 5.3.1 混合备份下的多阶段任务系统可靠性模型 |
| 5.3.2 功能单元可靠性 |
| 5.3.3 系统可靠度 |
| 5.4 基于遗传算法的多阶段系统冗余优化 |
| 5.4.1 遗传算法简介 |
| 5.4.2 混合备份下的多阶段任务系统可靠性优化 |
| 5.5 工程算例分析 |
| 5.5.1 航天器推进分系统的优化 |
| 5.5.2 优化结果分析 |
| 5.6 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 |
| 附录 |
| 攻读博士学位期间取得的成果 |
（2）低压成套开关设备可靠性预测及全寿命周期成本评估方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 产品可靠性预测的研究现状及发展趋势 |
| 1.2.1 可靠性增长预测方法的研究现状及发展趋势 |
| 1.2.2 产品可用度预测方法的研究 |
| 1.3 全寿命周期成本评估方法的研究现状及发展趋势 |
| 1.3.1 全寿命周期研究现状及发展趋势 |
| 1.3.2 灰色系统理论在全寿命周期分析中的应用 |
| 1.4 低压成套开关设备可靠性研究现状及发展趋势 |
| 1.5 本文主要研究内容 |
| 第二章 低压成套开关设备可靠性增长预测方法的研究 |
| 2.1 设备可靠性增长趋势的判断 |
| 2.2 AMSAA可靠性增长模型 |
| 2.3 基于广义伽玛分布的低压成套开关设备可靠性增长预测方法 |
| 2.3.1 MTBF及未来故障时间预测 |
| 2.3.2 未来故障时间的预测精度及预测区间 |
| 2.3.3 增长参数b的预测区间 |
| 2.3.4 实例分析 |
| 2.4 基于条件分布的低压成套开关设备可靠性增长预测方法 |
| 2.4.1 未来第l次故障时间边缘条件概率密度函数 |
| 2.4.2 MTBF及未来故障时间预测 |
| 2.4.3 时间截尾时MTBF及未来故障时间的预测 |
| 2.4.4 实例分析 |
| 2.5 改进AMSAA模型的低压成套开关设备可靠性增长预测方法 |
| 2.5.1 未来故障时间的预测 |
| 2.5.2 MTBF的预测 |
| 2.5.3 实例分析 |
| 2.6 本章小结 |
| 第三章 低压成套开关设备可用度预测方法的研究 |
| 3.1 分层马尔科夫型可修系统 |
| 3.1.1 马尔科夫过程 |
| 3.1.2 分层马尔科夫型可修系统模型 |
| 3.2 分层马尔科夫过程参数计算 |
| 3.2.1 一个修理工时并联单元的参数计算方法 |
| 3.2.2 不限制修理工数量时并联单元的参数计算方法 |
| 3.3 基于分层马尔科夫模型的低压成套开关设备可用度预测方法 |
| 3.3.1 低压成套开关设备可靠度逻辑图的建立 |
| 3.3.2 低压成套开关设备分层结构 |
| 3.3.3 低压成套开关设备顶层模型的建立 |
| 3.3.4 低压成套开关设备子系统模型的建立 |
| 3.4 分层马尔科夫模型低压成套开关设备可用度预测 |
| 3.4.1 分层马尔科夫模型参数计算结果 |
| 3.4.2 设备可用度预测 |
| 3.4.3 设备关键部件的寻找 |
| 3.5 本章小结 |
| 第四章 低压成套开关设备全寿命周期成本评估方法的研究 |
| 4.1 低压成套开关设备全寿命周期成本分析 |
| 4.1.1 成本分析 |
| 4.1.2 LCC估算模型 |
| 4.1.3 设备可靠性与全寿命周期成本关系 |
| 4.2 低压成套开关设备原始故障数据的扩充 |
| 4.2.1 GM(1,1)模型 |
| 4.2.2 改进的GM(1,1)模型 |
| 4.2.3 扩充序列在LabVIEW中的仿真 |
| 4.3 低压成套开关设备瞬时运行维护费用 |
| 4.3.1 瞬时运行维护费用最佳分布类型的确定 |
| 4.3.2 瞬时运行维护费用估算流程 |
| 4.3.3 瞬时运行维护费用在LabVIEW中的仿真计算 |
| 4.3.4 设备LCC评估 |
| 4.4 本章小结 |
| 第五章 低压成套开关设备可靠性预测软件设计与实现 |
| 5.1 低压成套开关设备可靠性预测软件设计方案 |
| 5.2 低压成套开关设备数据管理子系统设计与实现 |
| 5.3 低压成套开关设备数据解析子系统设计与实现 |
| 5.4 本章小结 |
| 第六章 结论 |
| 参考文献 |
| 攻读博士学位期间所取得的科研成果 |
| 致谢 |
（3）面向规划的电网全寿命周期安全效能成本评估方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 电网全寿命周期评估方法研究现状 |
| 1.3 电网安全效能成本(SEC)相关分析方法的研究现状 |
| 1.3.1 电网随机变量的建模与分析方法 |
| 1.3.2 电网概率潮流及概率最优潮流计算方法 |
| 1.3.3 电网可靠性评估方法 |
| 1.3.4 电网最大输电能力计算方法 |
| 1.4 本文主要研究内容 |
| 第二章 面向规划的电网全寿命周期SEC评估的指标体系及技术路线 |
| 2.1 引言 |
| 2.2 面向规划的电网全寿命周期SEC评估的指标体系 |
| 2.2.1 安全(safety,S)指标 |
| 2.2.2 效能(efficiency,E)指标 |
| 2.2.3 成本(cost,C)指标 |
| 2.3 面向规划的电网全寿命周期SEC评估的技术路线 |
| 2.4 本章小结 |
| 第三章 电网SEC评估中时序随机变量的建模与分析方法 |
| 3.1 引言 |
| 3.2 时序随机变量的马尔科夫链建模 |
| 3.2.1 马尔科夫链基本参数的计算 |
| 3.2.2 马尔科夫链的优化聚类决策模型 |
| 3.3 时序随机变量概率-频率分布函数的构建与计算 |
| 3.3.1 传统的概率-频率分布函数 |
| 3.3.2 改进的概率-频率分布函数 |
| 3.3.3 电网常规时序随机变量的概率-频率分布函数 |
| 3.4 风电场随机出力的建模与分析 |
| 3.4.1 风电场出力的影响因素 |
| 3.4.2 单个风电场随机出力的建模 |
| 3.4.3 多个风电场随机出力的建模与分析 |
| 3.5 时序随机变量建模与分析方法的应用算例 |
| 3.5.1 含风电的发电系统可靠性评估指标的计算 |
| 3.5.2 含单个风电场的发电系统可靠性评估算例 |
| 3.5.3 含多个风电场的发电系统可靠性评估算例 |
| 3.6 本章小结 |
| 第四章 电网SEC评估中计及随机变量时序特性的概率潮流和概率最优潮流计算方法 |
| 4.1 引言 |
| 4.2 计及随机变量时序特性的概率潮流计算方法 |
| 4.2.1 潮流方程 |
| 4.2.2 概率潮流的计算 |
| 4.2.3 算例分析 |
| 4.3 计及随机变量时序特性的概率最优潮流计算方法 |
| 4.3.1 最优潮流方程 |
| 4.3.2 概率最优潮流的计算 |
| 4.3.3 算例分析 |
| 4.4 本章小结 |
| 第五章 电网SEC评估中基于传输点容量模型的电网可靠性评估方法 |
| 5.1 引言 |
| 5.2 传输点输电能力优化决策模型 |
| 5.2.1 模型的建立 |
| 5.2.2 模型的求解 |
| 5.3 传输点容量模型的构建 |
| 5.4 传输点容量模型在电网可靠性评估中的应用 |
| 5.4.1 传输点可靠性指标的计算 |
| 5.4.2 电网可靠性指标的计算 |
| 5.5 算例分析 |
| 5.5.1 RBTS-6 节点系统 |
| 5.5.2 IEEE-RTS79 系统 |
| 5.6 本章小结 |
| 第六章 电网SEC评估中电网最大输电能力的概率优化决策方法 |
| 6.1 引言 |
| 6.2 电网最大输电能力概率优化决策的一般模型 |
| 6.2.1 最大输电能力的相关费用函数 |
| 6.2.2 最大输电能力概率优化决策的一般模型 |
| 6.3 电网最大输电能力概率优化决策的双层优化模型 |
| 6.3.1 双层优化模型的构建 |
| 6.3.2 双层优化模型的求解 |
| 6.4 算例分析 |
| 6.4.1 RBTS-6 节点系统 |
| 6.4.2 IEEE-RTS79 系统 |
| 6.5 本章小结 |
| 第七章 面向规划的电网全寿命周期SEC评估指标的计算方法 |
| 7.1 引言 |
| 7.2 电网全寿命周期SEC评估模型 |
| 7.2.1 基于单台设备分析的评估模型 |
| 7.2.2 基于单类设备分析的评估模型 |
| 7.2.3 基于电网整体分析的评估模型 |
| 7.3 面向规划的电网全寿命周期SEC各项指标的计算 |
| 7.3.1 安全指标的计算 |
| 7.3.2 效能指标的计算 |
| 7.3.3 成本指标的计算 |
| 7.3.4 面向规划的电网全寿命周期SEC综合指标的计算及评估年限的确定 |
| 7.4 算例分析 |
| 7.4.1 IEEE-RTS79 系统 |
| 7.4.2 实际电网算例 |
| 7.5 本章小结 |
| 第八章 全文总结 |
| 8.1 主要成果与结论 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 附录1 风电场随机出力的建模 |
| 附录2 传输点输电能力优化决策模型目标函数的斜率分析 |
| 附录3 电网最大输电能力概率优化决策模型目标函数的斜率分析 |
| 致谢 |
| 攻读博士学位期间已发表或录用的论文 |
| 攻读博士学位期间参与的科研项目 |
（4）基于交叉熵理论的电力系统短期可靠性评估（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 图表目录 |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 研究内容 |
| 1.3 创新点 |
| 1.4 章节安排 |
| 第2章 电力系统短期可靠性及蒙特卡洛采样方法 |
| 2.1 可靠性的基本概念 |
| 2.2 蒙特卡洛采样方法 |
| 2.3 交叉熵重采样方法 |
| 2.4 基于蒙特卡洛采样方法的短期可靠性基础评估框架 |
| 2.5 序贯仿真与非序贯仿真的应用差异 |
| 2.6 本章小结 |
| 第3章 离散多状态电力系统非序贯重采样方法及应用 |
| 3.1 引言 |
| 3.2 瞬时多状态概率的求解 |
| 3.3 元件多状态短期可靠性模型 |
| 3.3.1 发电机多状态短期可靠性模型 |
| 3.3.2 变压器多状态短期可靠性模型 |
| 3.4 基于交叉熵理论的离散多状态非序贯重采样方法 |
| 3.4.1 最优畸变离散采样概率 |
| 3.4.2 算法流程 |
| 3.5 系统应用与分析 |
| 3.6 本章小结 |
| 第4章 考虑时齐马尔科夫过程的电力系统序贯重采样方法及应用 |
| 4.1 引言 |
| 4.2 系统状态转移采样方法 |
| 4.3 基于交叉熵理论的三段式序贯重采样评估方法 |
| 4.3.1 最优畸变转移率 |
| 4.3.2 算法流程 |
| 4.4 系统应用与分析 |
| 4.4.1 参数整定规律研究 |
| 4.4.2 效率增益分析 |
| 4.5 本章小结 |
| 第5章 考虑非时齐马尔科夫过程的电力系统自适应序贯重采样方法及应用 |
| 5.1 引言 |
| 5.2 元件状态转移时间的分布 |
| 5.3 元件状态持续时间采样方法 |
| 5.4 基于交叉熵理论的自适应序贯重采样方法 |
| 5.4.1 最优畸变参数 |
| 5.4.2 算法流程 |
| 5.5 系统应用与分析 |
| 5.6 本章小结 |
| 第6章 考虑风电的发电系统旋转备用响应能力充裕性评估 |
| 6.1 引言 |
| 6.2 四状态Well-being评价体系 |
| 6.3 风电系统旋转备用响应能力评估流程 |
| 6.4 系统应用与分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 参考文献 |
| 攻读博士学位期间主要的研宄成果 |
（5）基于马尔科夫过程的电力设备检修优化决策（论文提纲范文）
| 目录 |
| CONTENTS |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 课题相关问题的国内外研究现状 |
| 1.2.1 检修制度的发展过程及相关技术 |
| 1.2.2 检修策略的研究 |
| 1.3 本文的主要研究工作 |
| 第二章 可靠性分析的基础理论研究 |
| 2.1 状态检修的基本概念 |
| 2.2 故障率 |
| 2.3 可靠性、可维修性和可用度 |
| 2.4 马尔科夫过程 |
| 2.4.1 马尔科夫过程概念 |
| 2.4.2 马尔科夫过程的适用性 |
| 第三章 基于马尔科夫过程的检修概率模型 |
| 3.1 引言 |
| 3.2 基于马尔科夫过程的状态图模型 |
| 3.2.1 老化和故障模型 |
| 3.2.2 维修模型 |
| 3.3 基于马尔科夫过程的模型可靠性分析 |
| 3.3.1 可靠性基本分析方法 |
| 3.3.2 算例分析 |
| 3.4 状态图概率模型的改进 |
| 3.4.1 状态图模型的应用推广 |
| 3.4.2 实际的检修情况 |
| 3.4.3 状态图概率模型的改进 |
| 3.5 本章小结 |
| 第四章 电力设备检修策略优化研究 |
| 4.1 电力设备检修策略简述 |
| 4.2 模型参数的灵敏度分析 |
| 4.3 半马尔科夫过程在概率模型中的应用 |
| 4.3.1 半马尔科夫过程 |
| 4.3.2 半马尔科夫过程的计算 |
| 4.4 检修策略的优化 |
| 4.4.1 检查频率数学模型 |
| 4.4.2 最优检查频率 |
| 4.4.3 最优检修策略的策略迭代算法 |
| 4.5 算例分析 |
| 4.5.1 概率模型 |
| 4.5.2 状态转移报酬 |
| 4.5.3 检修策略优化 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间所参与的项目 |
| 学位论文评阅及答辩情况表 |
（6）结构与系统的动态可靠性研究（论文提纲范文）
| 作者简介 |
| 摘要 |
| ABSTRACT |
| 目录 |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 结构与系统可靠性的发展概况 |
| 1.3 结构与系统动态可靠性研究进展 |
| 1.4 结构与系统动态可靠性研究的必要性与意义 |
| 1.5 本文的主要工作 |
| 第2章 随机参数结构的动态可靠性研究 |
| 2.1 引言 |
| 2.2 随机参数结构的动态可靠性数学基础 |
| 2.2.1 统计量与次序统计量 |
| 2.2.2 结构随机动态可靠性中常用的几个概率分布 |
| 2.2.3 泊松随机过程 |
| 2.3 多种随机载荷下结构动态可行计算 |
| 2.3.1 荷载累加时结构的动态可靠性模型 |
| 2.3.2 载荷等幅且服从 Possion 分布的结构可靠性模型 |
| 2.3.3 载荷随时间变化且不服从任何分布的结构可靠性模型 |
| 2.3.4 算例 |
| 2.4 多次随机载荷下结构动态可靠性预测的概率密度演化方法 |
| 2.4.1 强度不退化时的结构动态可靠性的概率密度演化方程 |
| 2.4.2 强度退化时结构动态可靠性的概率密度演化方程 |
| 2.4.3 概率密度演化方程的求解 |
| 2.4.4 算例 |
| 2.5 共同随机载荷下结构动态可靠性分析 |
| 2.5.1 作用于结构的共同载荷 |
| 2.5.2 载荷分析 |
| 2.5.3 应力组合 |
| 2.5.4 强度不退化时的结构动态可靠度 |
| 2.5.5 强度退化时的结构动态可靠度 |
| 2.5.6 算例 |
| 2.6 本章小结 |
| 第3章 区间参数结构的动态可靠性研究 |
| 3.1 引言 |
| 3.2 区间参数结构的动态可靠性数学基础 |
| 3.2.1 基本概念及定义 |
| 3.2.2 区间运算法则 |
| 3.3 结构的动态非概率可靠性预测模型 |
| 3.3.1 区间可靠性分析 |
| 3.3.2 结构动态非概率可靠性模型 |
| 3.3.4 算例 |
| 3.4 多次区间载荷下结构随机强度的混合动态可靠性计算 |
| 3.4.1 动态载荷 |
| 3.4.2 结构的区间-随机动态可靠性分析 |
| 3.4.3 算例 |
| 3.5 本章小结 |
| 第4章 模糊参数结构的动态可靠性研究 |
| 4.1 引言 |
| 4.2 模糊参数结构的动态可靠性数学基础 |
| 4.2.1 模糊模型简述 |
| 4.2.2 常用几种隶属函数 |
| 4.2.3 确定隶属函数的常用的几种方法 |
| 4.3 多次模糊载荷下结构的动态模糊可靠性分析 |
| 4.3.1 结构模糊强度不退化时动态可靠度 |
| 4.3.2 结构模糊强度退化时的动态可靠度 |
| 4.3.3. 算例 |
| 4.4 多次随机载荷下结构的模糊强度的混合动态可靠性模型 |
| 4.4.1 结构模糊可靠性隶属函数 |
| 4.4.2 结构强度不退化时的随机-模糊可靠性计算 |
| 4.4.3 结构强度退化时的随机-模糊可靠性模型 |
| 4.4.4. 算例 |
| 4.5 本章小结 |
| 第5章 可修复 k /n表决系统的动态可靠性研究 |
| 5.1 引言 |
| 5.2 多次随机作用下可修复的 k /n表决系统动态可靠性分析 |
| 5.2.1 多次随机作用下可修复的 k/n 表决系统 |
| 5.2.2 多次随机外部作用下可修复的 k/n 表决系统的可靠性分析 |
| 5.2.3 算例 |
| 5.3 可修复K/N表决系统随时间的生命状态分析 |
| 5.3.1 可修复 k/n 表决系统的工作模型 |
| 5.3.2 可修复 k/n 表决系统工作表达式的求解 |
| 5.3.3 算例 |
| 5.4 本章小结 |
| 第6章 多状态可修复 k /n表决系统的动态可靠性研究 |
| 6.1 引言 |
| 6.2 多状态可修复 k /n表决系统的动态可靠性分析 |
| 6.2.1 MSRVS 的元件分析 |
| 6.2.2 MSRVS 动态可靠性分析 |
| 6.2.3 算例 |
| 6.3 多状态发动机系统的动态可靠性分析 |
| 6.3.1 发动机单元的多状态马尔科夫模型 |
| 6.3.2 发动机单元的转移强度的确定 |
| 6.3.3 多状态马尔科夫模型的建立与发动机系统的短期可靠度的分析 |
| 6.3.4 多状态发动机系统的动态可靠性计算 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间的研究成果 |
| 学术论文 |
| 参加研究的科研项目 |
（7）基于Petri网的四性一体化建模及仿真方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究工作进展 |
| 1.2.1 四性技术理念与理论方法发展 |
| 1.2.2 Petri网技术及其应用发展 |
| 1.3 目前四性研究遇到的挑战 |
| 1.4 本文研究内容 |
| 2 四性一体化模型理论基础 |
| 2.1 工程系统四性综述 |
| 2.1.1 可靠性概念及指标 |
| 2.1.2 维修性概念及指标 |
| 2.1.3 安全性概念及指标 |
| 2.1.4 测试性概念及指标 |
| 2.2 应用于系统分析的概率方法 |
| 2.2.1 贝叶斯网络分析方法 |
| 2.2.2 马尔科夫链分析方法 |
| 2.3 小结 |
| 3 基于功能原理图的四性一体化建模框架 |
| 3.1 系统功能原理图与四性评估 |
| 3.2 三态建模方法 |
| 3.2.1 三态建模方法原理 |
| 3.2.2 三态建模方法验证 |
| 3.3 三态建模方法在四性一体化模型中应用 |
| 3.3.1 四性基础信息的有效融合 |
| 3.3.2 四性一体化建模框架 |
| 3.4 小结 |
| 4 基于Petri网的四性一体化模型构建方法 |
| 4.1 Petri网理论基础及其应用 |
| 4.1.1 Petri网理论基础 |
| 4.1.2 Petri网在系统评估中的应用 |
| 4.2 航空器系统故障传播过程分析 |
| 4.2.1 系统故障传播过程综述 |
| 4.2.2 航空器系统故障传播特点 |
| 4.3 用于描述故障传播的动态随机有色Petri网 |
| 4.3.1 故障模式级别分类、编号与着色 |
| 4.3.2 构建思路 |
| 4.3.3 LRU状态在Petri网中的表达 |
| 4.3.4 内在随机过程在Petri网中的表达 |
| 4.3.5 系统、子系统状态在Petri网中的表达 |
| 4.3.6 交互故障传播过程在Petri网中的表达 |
| 4.3.7 描述故障传播的动态随机有色Petri网定义 |
| 4.4 四性一体化动态随机有色Petri网构建 |
| 4.4.1 四性一体化动态随机有色Petri网定义 |
| 4.4.2 基于Petri网的四性一体化模型构建方法 |
| 4.5 小结 |
| 5 基于蒙特卡洛仿真的模型求解方法 |
| 5.1 蒙特卡洛仿真基础 |
| 5.1.1 蒙特卡洛仿真基本思想 |
| 5.1.2 蒙特卡洛仿真收敛性分析 |
| 5.2 伪随机数及随机变量产生方法 |
| 5.2.1 伪随机数基本概念及产生方法 |
| 5.2.2 常用分布随机变量的产生方法 |
| 5.3 用于四性分析的蒙特卡洛仿真算法 |
| 5.3.1 变迁处理方法 |
| 5.3.2 变迁优先级确定方法 |
| 5.3.3 用于故障传播过程模拟的蒙特卡洛仿真算法 |
| 5.3.4 用于四性分析的蒙特卡洛仿真算法 |
| 5.4 统计分析方法 |
| 5.4.1 可靠性指标求解方法 |
| 5.4.2 安全性指标求解方法 |
| 5.4.3 维修性指标求解方法 |
| 5.4.4 测试性指标求解方法 |
| 5.5 故障传播仿真算法验证 |
| 5.5.1 静态故障传播算例 |
| 5.5.2 动态故障传播算例 |
| 5.6 小结 |
| 6 四性一体化Petri网在航空器系统中的应用 |
| 6.1 简单纵向电传飞行控制系统 |
| 6.1.1 系统描述与建模 |
| 6.1.2 系统四性指标仿真结果 |
| 6.1.3 结果验证及分析 |
| 6.2 复杂纵向电传飞行控制系统 |
| 6.2.1 系统描述与建模 |
| 6.2.2 系统四性指标仿真结果与分析 |
| 6.3 小结 |
| 7 四性一体化建模及分析软件设计 |
| 7.1 设计目标 |
| 7.2 软件体系结构设计 |
| 7.2.1 软件整体架构 |
| 7.2.2 软件系统功能设计 |
| 7.2.3 软件界面规划 |
| 7.3 软件主要技术 |
| 7.3.1 数据库组织：规则化信息表 |
| 7.3.2 四性分析计算在软件中的实现 |
| 7.4 实例验证 |
| 7.5 小结 |
| 8 故障传播仿真算法在重要度计算中的应用 |
| 8.1 结构重要度 |
| 8.1.1 结构重要度定义 |
| 8.1.2 结构重要度精确算法 |
| 8.1.3 结构重要度仿真算法 |
| 8.2 概率重要度 |
| 8.2.1 概率重要度定义 |
| 8.2.2 概率重要度精确算法 |
| 8.2.3 概率重要度仿真算法 |
| 8.3 关键重要度 |
| 8.3.1 关键重要度定义 |
| 8.3.2 关键重要度精确算法 |
| 8.3.3 关键重要度仿真算法 |
| 8.4 实例验证 |
| 8.5 小结 |
| 9 总结与展望 |
| 9.1 全文工作总结 |
| 9.2 主要创新点 |
| 9.3 工作展望 |
| 参考文献 |
| 附录A 不同逻辑在动态随机有色Petri网中的图形表达 |
| 附录B 故障传播仿真算法详细流程图 |
| 附录C 复杂纵向电传飞控系统四性一体化动态随机有色Petri网 |
| 附录D 三类重要度精确计算方法推导 |
| 致谢 |
| 攻读博士学位期间发表的学术论文与参加科研情况 |
（9）计及相关性的风速模型及其在发电系统可靠性评估中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 选题背景和研究意义 |
| 1.2 风力发电发展现状 |
| 1.3 单风电场风速模型 |
| 1.3.1 风速概率分布模型 |
| 1.3.2 时序风速模型 |
| 1.4 多风电场风速相关性模型 |
| 1.4.1 多元风速分布模型 |
| 1.4.2 多元时序风速模型 |
| 1.5 含风电场的电力系统可靠性评估 |
| 1.5.1 风电场可靠性模型及评估算法 |
| 1.5.2 风电场评价指标 |
| 1.6 本文主要内容 |
| 2 基于核密度估计的单风电场风速分布模型 |
| 2.1 引言 |
| 2.2 风速的参数型分布模型 |
| 2.3 基于核密度估计的风速分布模型 |
| 2.3.1 模型构造方法 |
| 2.3.2 模型精度度量 |
| 2.3.3 核函数选择 |
| 2.3.4 光滑参数的选取 |
| 2.4 基于核密度估计的风速模拟 |
| 2.5 模型准确度检验及比较 |
| 2.5.1 风速数据 |
| 2.5.2 R_a~2检验统计量 |
| 2.5.3 风速建模及精度分析 |
| 2.6 风速核密度估计模型在风电场中的应用 |
| 2.6.1 基于风速核密度模型的风电场电能估计 |
| 2.6.2 基于风速核密度估计模型的风电并网系统发电充裕度评估 |
| 2.7 本章小结 |
| 3 基于连续状态马尔科夫链的单风电场时序风速模型 |
| 3.1 引言 |
| 3.2 离散状态马尔科夫链时序风速模型 |
| 3.3 基于正态变换的连续状态马尔科夫链风速模型 |
| 3.3.1 连续状态马尔科夫链风速模型 |
| 3.3.2 模型构造方法 |
| 3.3.3 风速建模及仿真流程 |
| 3.4 基于 Copula 函数的连续状态马尔科夫链风速模型 |
| 3.4.1 Copula 函数介绍 |
| 3.4.2 基于 Copula 函数的连续状态转移核 |
| 3.4.3 模型构造方法 |
| 3.4.4 风速建模及仿真流程 |
| 3.5 算例分析 |
| 3.5.1 基于正态变换的连续状态马尔科夫链风速模型分析 |
| 3.5.2 基于 Copula 函数的连续状态马尔科夫链风速模型分析 |
| 3.6 本章小结 |
| 4 计及相关性的多风电场风速模型 |
| 4.1 引言 |
| 4.2 多元变量相依测度 |
| 4.3 基于 Copula 函数的多元风速分布模型 |
| 4.3.1 模型构造原理 |
| 4.3.2 多维风速的 Monte Carlo 模拟 |
| 4.3.3 算例分析 |
| 4.4 多风电场时序风速的 Copula-ARMA 模型 |
| 4.4.1 ARMA 时序风速模型 |
| 4.4.2 多元 ARMA 时序风速模型 |
| 4.4.3 多维时序风速的 Monte Carlo 模拟 |
| 4.4.4 算例分析 |
| 4.5 多风电场时序风速的连续状态马尔科夫链模型 |
| 4.5.1 一维风速的连续状态马尔科夫链模型 |
| 4.5.2 多维风速的连续状态马尔科夫链模型 |
| 4.5.3 多维时序风速的 Monte Carlo 模拟 |
| 4.5.4 模型验证 |
| 4.6 本章小结 |
| 5 含风电场的电力系统发电充裕度评估模型 |
| 5.1 引言 |
| 5.2 电力系统可靠性评估基础 |
| 5.2.1 可靠性基本定义 |
| 5.2.2 电力系统可靠性评估方法 |
| 5.2.3 发电系统可靠性评估指标 |
| 5.3 风电场可靠性模型 |
| 5.3.1 风电场功率输出影响因素 |
| 5.3.2 风电机组风电转换模型 |
| 5.3.3 风电场尾流效应模型 |
| 5.3.4 风电机组停运模型 |
| 5.4 基于 Monte Carlo 方法的多风电场发电充裕度评估模型 |
| 5.4.1 非时序 Monte Carlo 评估模型 |
| 5.4.2 时序 Monte Carlo 评估模型 |
| 5.5 算例分析 |
| 5.5.1 单风电场可靠性影响分析 |
| 5.5.2 多风电场风速相关性影响分析 |
| 5.6 本章小结 |
| 6 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 作者在攻读学位期间发表的论文 |
| B. 作者在攻读学位期间参与的科研项目 |
| C. IEEE-RTS 可靠性测试系统 |
| 1.1 负荷模型 |
| 1.2 发电系统 |
（10）基于统计质量控制的生产设备视情维修方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 课题来源 |
| 1.3 研究目的与意义 |
| 1.4 国内外相关研究现状 |
| 1.5 论文主要内容 |
| 2 基于SQC-CBM的设备维修管理方法 |
| 2.1 SQC-CBM在设备维修管理中的定位与特点 |
| 2.2 SQC-CBM的相关理论基础 |
| 2.3 SQC-CBM的实施框架与建模方法 |
| 2.4 本章小结 |
| 3 考虑视情维修成本的串联生产设备属性控制图系统设计 |
| 3.1 问题描述 |
| 3.2 各个工位的稳态概率 |
| 3.3 成本计算与优化模型 |
| 3.4 启发式规则和禁忌搜索相结合的求解算法 |
| 3.5 数值案例分析 |
| 3.6 本章小结 |
| 4 基于均值控制图的单工位延时视情维修策略 |
| 4.1 问题描述 |
| 4.2 视情延时维修的马尔科夫模型 |
| 4.3 目标函数与决策变量 |
| 4.4 数值计算与因子分析 |
| 4.5 本章小结 |
| 5 基于计量型控制图的串联生产设备视情维修策略 |
| 5.1 问题描述 |
| 5.2 稳态概率的马尔科夫递推模型 |
| 5.3 目标函数与决策模型 |
| 5.4 数值案例求解与分析 |
| 5.5 本章小结 |
| 6 SQC-CBM决策支持系统实现与应用案例 |
| 6.1 系统功能设计与实现 |
| 6.2 应用案例 |
| 6.3 本章小结 |
| 7 总结和展望 |
| 7.1 全文总结 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录Ⅰ攻读博士学位期间发表的论文 |
四、马尔科夫过程的应用——研究设备元件年龄的概率分布（论文参考文献）
- [1]非指数分布下多阶段任务系统可靠性建模与优化[D]. 李翔宇. 电子科技大学, 2018(01)
- [2]低压成套开关设备可靠性预测及全寿命周期成本评估方法的研究[D]. 王丽. 河北工业大学, 2017(01)
- [3]面向规划的电网全寿命周期安全效能成本评估方法研究[D]. 祝锦舟. 上海交通大学, 2019(06)
- [4]基于交叉熵理论的电力系统短期可靠性评估[D]. 王越. 浙江大学, 2014(07)
- [5]基于马尔科夫过程的电力设备检修优化决策[D]. 姜学蕾. 山东大学, 2013(10)
- [6]结构与系统的动态可靠性研究[D]. 方永锋. 西安电子科技大学, 2013(10)
- [7]基于Petri网的四性一体化建模及仿真方法研究[D]. 王瑶. 西北工业大学, 2016(05)
- [8]计及源-网-荷不确定性因素的马尔科夫链风电并网系统运行可靠性评估[J]. 张文秀,韩肖清,宋述勇,宋述亭,付可宁,王金浩,秦文萍,贾燕冰. 电网技术, 2018(03)
- [9]计及相关性的风速模型及其在发电系统可靠性评估中的应用[D]. 李玉敦. 重庆大学, 2012(05)
- [10]基于统计质量控制的生产设备视情维修方法研究[D]. 邓宇浩. 华中科技大学, 2019