一、威布尔分布图估法计算程序(论文文献综述)
宋红霞[1](2021)在《基于加速退化数据的IGBT模块寿命评估方法研究》文中进行了进一步梳理IGBT(Insulated Gate Bipolar Transistor)模块全称为绝缘栅双极型晶体管,具有能耗小、易于驱动、导通电流大、承受电压大等特点,应用广泛。随着制造业水平的逐步提高,各领域系统装备及其组成部件逐步呈现出长寿命,高可靠性的特点。传统的性能退化失效数据越来越难以获得。如何对装备组成单元之一的IGBT模块进行退化建模及寿命预测成为可靠性领域的研究热点。本文选取IGBT模块为研究对象,研究其在工作过程中性能退化的规律,从而开展寿命预测。本课题的研究内容,具体包括:1、基于被测对象的失效机理进行性能退化试验的方案设计及开展。选用型号为IGRBC30K的IGBT模块为研究对象,对其常见失效机理进行分析,针对研究对象在正常应力下失效数据及退化数据获取难度大的问题,选择对其失效影响较大的环境应力,制定高应力下的性能退化试验方案。并根据设计方案完成试验平台的搭建。对于试验过程中检测到的数据结果进行初步分析,总结数据特征。2、基于退化数据的寿命预测方法。围绕恒定应力下的性能退化数据与时间之间的关系进行分析。研究常用的基于性能退化数据的寿命预测方法,针对样本间退化轨迹重叠性高的特点,提出改进的基于威布尔函数的寿命快速评估模型,利用右逼近法进行参数估计并对该方法进行仿真验证。结合第二章性能退化数据的特征,选用改进的基于威布尔函数的快速寿命评估模型进行建模,给出了各应力下的寿命预测结果,并通过与线性模型预测结果进行对比,验证模型方法的可靠性。3、寿命特征与应力水平之间的关系研究。围绕多组应力下的失效数据与温度之间的关系进行分析。研究常用加速模型包含与温度应力相关的阿伦尼斯模型,利用威布尔分布对失效数据的寿命特征进行表征,给出了基于威布尔分布的加速模型构建方法及步骤。结合第三章性能退化数据预测的伪寿命结果,分别基于伪寿命数据与器件失效数据构建加速模型,采用最佳线性无偏估计得出模型参数,并对这两种建模方式进行对比分析,揭示了IGBT模块寿命与温度应力之间的关系。4、寿命预测软件设计。详细阐述软件设计整体框架及工作流程,并基于MATLAB平台实现软件开发,应用第二章性能退化试验的监测数据对软件功能和结果进行验证。
王思雍[2](2020)在《T800级碳纤维/环氧树脂复合材料性能测试与B基准值计算研究》文中提出随着国产客机上复合材料的使用量不断增大,对复合材料的力学性能要求也不断严苛。在复合材料的结构设计中,复合材料的许用值是最关键的参数。通常采用B基准值这一统计量作为复合材料的许用值,B基准值是具有95%置信度的90%置信下限。准确计算复合材料的B基准值是复合材料安全、广泛应用的保障。目前计算B基准值通常采用基于威布尔分布的统计模型,存在计算结果偏于保守的问题。对此,本文针对T800碳纤维增强环氧树脂复合材料的力学性能进行了测试,并结合测试结果与断口形貌分析,讨论了B基准值的计算方法及其影响因素。首先,为研究国产T800级碳纤维/环氧树脂复合材料力学性能,依照ASTM和SACMA有关标准制备了0°拉伸、90°拉伸、0°压缩和冲击后压缩四项常温干态力学性能试验的试验件,设计开展了相应的试验,得到了每项试验的原始应力、应变数据,对数据进行处理分析,最终获得各个试验件的力学性能。湿态、高温、低温的力学性能数据由工程科研单位提供。其次,总结梳理了复合材料B基准值的计算流程,绘制单点法和合并法计算B基准值的流程图。对材料原始数据的正则化方法、检查异常数据的最大赋返残差法、识别批间变异性的k样本Anderson-Darling检验法、方差等同的Levene检验、基于结构型数据的方差分析法(ANOVA)计算B基准值、基于非结构型数据的OSL正态拟合等数学方法开展了研究。结合试验测试结果以及算例,研究了B基准值计算的单点法和合并法。与第三方软件计算结果进行对比,验证准确性。最后,分析了单向层合板复合材料的横向与纵向拉伸破坏形式,使用SEM观察材料失效位置纤维与基体的破坏情况,分析破坏形式和环境对测试结果的影响。并结合破坏情况分析了异常数据和变异性的产生原因,归纳总结了本文试验中影响B基准值的因素:铺层结构、界面强度和环境条件。
吴上宇[3](2020)在《基于非线性水弹性理论对HCSR船型的极限强度的可靠性研究》文中提出随着船舶主尺度与航速的日益增大,船舶在航行过程中受到的砰击、上浪等非线性因素的影响日益增大,传统的刚性理论不再适用,有必要将船体视为弹性体进行非线性的分析,本课题基于《协调共同结构规范》对船舶的极限强度校核进行研究分析,并提出一种可计及卷积作用和砰击力的三维非线性水弹性方法对波浪载荷进行预报,对比HCSR共同规范的规范值,对船舶的极限强度进行可靠性的验算,验证非线性水弹性方法的合理性。主要研究内容如下:1.基于新修订后的《协调共同结构规范》,对船舶梁的极限强度的计算方法进行研究分析,主要包括船体的极限承载能力,船体承受的载荷(垂向波浪载荷、垂向静水弯矩)以及船舶梁的校核公式等,利用逐步破坏法的理论对某散货船的船舯剖面进行计算承载能力的计算。2.研究非线性水弹性理论对船舶外载荷特别是波浪载荷的影响,通过对砰击上浪等非线性因素的考虑,提出一种可计及卷积作用和砰击力的三维非线性水弹性方法,并将规则波下该方法的计算值与传统的线性波浪载荷预报方法与实验值进行对比,验证非线性因素对波浪载荷的影响不容忽视。通过对某散货船进行有限元建模,利用非线性设计波法对船舶运动和波浪载荷进行长期预报,并同时利用HCSR规范计算规范下的HCSR值,通过对比分析,证明非线性水弹性方法的更有效。3.系统地分析船舶极限强度可靠性分析的流程,对基于非线性水弹性法下的极限状态方程中涉及的随机变量的参数值以及统计特征值的计算进行分析介绍,对波浪载荷利用严格的非线性数理统计方法绘制长短期以及极值预报进行确定,选择合适的外载荷组合方式并以一阶二次矩法进行可靠性分析。4.对HCSR船型验证非线性水弹性方法下的波浪载荷在计算船舶极限强度时的实用性,对该方法下的船舶极限强度可靠性进行分析。结合概率统计和可靠性理论,确立该船舶极限承载能力的极限状态方程,对极限状态方程中的各随机变量计算其统计特征值,并基于可靠性理论对非线性水弹性方法下的船体梁的极限强度的可靠性校核分析,对比HCSR规范值,为HCSR规范关于波浪载荷预报部分提供参考。
张川[4](2020)在《基于样本集的柴油机可靠度谱的建立》文中进行了进一步梳理可靠性工程在近年以得到了迅速发展,并在车辆工程领域得到了极大的重视和推广。对于整车而言,汽车发动机的可靠性的好坏对其有大程度的影响。同一型号的发动机可用于不同车型和不同的工程使用背景,如牵引车、公路运输车,工程机械车和自卸车等。在产品的设计阶段可根据功率的不同用于不同的使用背景,而某一型号发动机对于不同使用背景的适用度划分则需要现场试验的数据来进行分析评判。本文为了研究这一课题,对收集的大量各型号现场试验数据进行归纳整理,将其按型号和各型号在不同的使用背景进行划分,分成牵引车、公路运输车、工程机械和自卸车4种使用背景。并根据故障模式的描述对每种型号及不同使用背景下的子系统故障进行子系统划分,分为曲柄连杆机构、配气及进排气系统、燃油系统、增压系统、冷却润滑系统和起动系统六大主要子系统。对于数据量充足的样本进行故障数据分布模型的估计,经估计均与威布尔分布有最优的拟合度,利用威布尔分布的可靠度函数直接进行可靠度计算,进而来判断其更适用于何种使用背景。而对于故障样本极少的发动机数据,无法利用数据去估算其故障分布,进而无法求得其可靠度。因此,本文统计整理了各型号发动机在不同使用背景下子系统的故障占比,并对大样本数据下的子系统故障数据进行故障分布模型估计并计算其可靠度,利用数据量量充足的数据建立神经网络进行训练,将统计出来的子系统故障占比作为输入,通过计算所求得的子系统可靠度作为输出进行训练。利用训练好的神经网络模型去预测小样本下无可靠度函数的子系统可靠度,分别预测出50天和100天的子系统可靠度,在这里将小样本数据下的子系统故障认定为符合威布尔分布,借助两组可靠度数据值并子系统可靠度函数进行推导。随后,再次建立神经网络模型,以子系统可靠度为输入,整机可靠度为输出进行训练。利用数据求出的和神经网络预测出的子系统可靠度去预计发动机整机以及个使用背景下的可靠度,从而建立完整的可靠度谱。利用完成好的可靠度谱对小样本数据下的柴油发动机进行实例预测,分别预测出两种型号柴油发动机的整机及子系统可靠度,并分析了这些型号柴油发动机在不同使用背景下的适用度,并将将预测结果再次补充到可靠度谱中。当有新型号发动机出现时,便可利用已建立的可靠度谱对不同的使用背景下的可靠度进行预计,进而为其进行一个使用背景和适度预测。最后开发了基于SQL Server数据库系统的可靠度分析界面,筛选发动机型号及使用背景,输入使用天数,经后台程序运算,便可得出在该筛选条件下整机及子系统的可靠度和子系统故障占比。
周智[5](2020)在《汽车前轴结构轻量化设计及其可靠性评估研究》文中研究指明轻量化技术是汽车发展的重点领域,结构优化是行之有效的轻量化途径之一。前轴作为汽车簧下重要零部件,其质量的减小所带来的节能减排及整车性能提高的效果更加显着。因此,对前轴结构进行轻量化设计的意义重大。前轴是汽车底盘系统中重要的安保功能件,在实际的服役过程中所承受的载荷复杂、工况恶劣,前轴对可靠性的要求高,进行轻量化设计的难度大。同时,前轴的可靠性试验成本高,通过试验所能获得的样本数量较小,直接影响可靠性评估结果的准确性。为了提高前轴的轻量化水平及其可靠性,本文开展了某重型汽车前轴的结构轻量化设计与可靠性评估研究工作,主要内容如下:建立了前轴的有限元模型,分析了前轴在三种行驶工况下的强度和刚度。分别在三种工况下对前轴进行拓扑优化,基于理想点法建立了三工况联合的拓扑优化模型,进行优化仿真,得到了优化结果。根据仿真分析结果对前轴进行轻量化设计,重新建立有限元模型并进行仿真分析。验证了所设计的轻量化前轴的静强度、刚度和疲劳寿命符合要求,最终实现减重8.5kg,减重百分比8.7%。基于BP神经网络对相似前轴的可靠性试验小样本数据进行了扩充,确定了前轴的可靠性分布类型为威布尔分布。基于威布尔分布对扩充数据进行拟合,得到了相似前轴的可靠性分布函数,并以此为概率分布随机生成大量的模拟样本。利用自助法构建了相似前轴先验分布尺度参数与形状参数的概率密度函数。对传统的可信度计算方法进行改进,提出了一种基于分布参数可行集的KL(Kullback-Leibler)距离法,计算了相似前轴先验分布的可信度。构建了轻量化前轴的无信息先验分布,并基于可信度融合相似前轴先验分布与无信息先验分布,得到了混合先验分布。构造了似然函数,利用Bayes公式得到了后验分布的表达式。研究了用于计算后验分布的MC(蒙特卡洛)算法,并计算了前轴后验分布的点估计,最终实现了前轴的可靠性评估。论文的研究工作为汽车重要底盘安保件的轻量化设计及其可靠性评估提供了思路方法和理论支撑,具有重要的工程意义和应用价值。
周骋[6](2020)在《LED车灯芯片的散热研究及其寿命预测》文中认为随着汽车行业的快速发展,汽车的车灯作为汽车的眼睛,其重要性不言而喻。现代汽车光源主要选择节能、环保、寿命长的发光二极管(LED,Light Emitting Diode)。但是由于其高功率,体积小,大部分能量转化成热量,致使LED芯片的温度较高,散热问题成为影响LED使用寿命的最主要的因素。因此,解决散热问题以及预测其使用寿命必然会促进LED的发展,并且带来巨大的经济效益。本文为了验证模拟仿真的真实可靠性,通过3D建模软件Solidworks根据实物散热器和车灯LED芯片,绘制1:1的模型,并且器件各部分的材料参数也和实际情况完全相同。本文利用有限元分析软件ANSYS Workbench对建立的3D散热器-芯片模型进行稳态热仿真分析,同时使用热电偶测试原理测试芯片正常工作下的结点温度,比较模拟和实验得到的结果,证明了仿真模型建模较为准确以及ANSYS Workbench应用于大功率LED车灯芯片热分析的可行性。运用ANSYS中的Icepak,Steady-State Thermal模块对建立的芯片模型进行热分析,从涂层的形状,内嵌导热柱的横截面积,涂层内部孔隙的大小,散热器翅片的疏密程度四个方面研究其对散热速率的影响,找到芯片的最高温度和这四个方面的联系,为提高散热速率提供一定的理论支持。LED车灯芯片的寿命受多种因素的影响,最主要的是电流应力和温度应力。本文对车灯LED芯片进行电流加速寿命试验,基于该款样品的性能指标,选取1200mA,1400mA,1600mA恒定电流作为加速应力水平,为了缩短试验时间,选取光通量衰减到初始的70%作为车灯失效的判断依据。处理试验数据时,使用Weibull分布描述汽车照明灯的LED芯片寿命分布,并使用最小二乘法统计数据,最后选取加速寿命模型(逆幂律模型)推算得到LED车灯芯片在正常应力水平下的寿命。通过构建LED芯片电流-寿命BP神经网络,以加载电流,初始光通量,加载后光通量作为输入,加速应力下的芯片寿命和额定应力下的寿命作为神经网络的输出的网络模型。把恒定电流加载实验得到的数据作为网络训练的样本,通过调节网络中相应的参数来调整网络(隐含层节点数,训练次数)等,使之预测精度在设置的范围内。最后,将一组未经训练的样本输入到训练好的网络模型中,把得到的预测寿命和实验得到的寿命相比较,发现神经网络预测的寿命和真实寿命之间的误差在2%-4%之间,说明此网络可以应用于LED芯片的寿命预测。综上所述:本文主要通过有限元模拟仿真对改善车灯LED芯片的散热性能进行研究;通过恒定电流加速寿命实验和BP神经网络相结合来预测LED芯片的工作寿命。该研究为汽车LED灯的散热设计提供了理论参考,并为预测车灯LED芯片的寿命的方法提供了重要的指导。
张淳[7](2019)在《ETC系列数控车床故障分析与可靠性评估》文中进行了进一步梳理我国是世界上的机床大国,但国产数控机床与国外先进数控机床存在一定差距,主要体现为国产数控机床的可靠性不足。本文以国产ETC系列数控车床为例,从机床的故障分析与可靠性评估两个角度进行了研究。依据分析研究的结果,制定了针对数控车床的可靠性改进措施及方案。本文中的故障分析与可靠性评估方法,也可用于其他类型的机床研究,论文中的可靠性增长方案,可为机床企业在提高机床可靠性的工作中提供技术支持与参考依据。论文主要研究内容包括:(1)分析ETC系列数控车床的故障部位、故障模式及故障原因。提出基于故障机理的综合性分析方法,计算出机床各子系统的故障危害值。通过故障与危害性分析找出影响数控车床可靠性关键所在。(2)基于线性回归法对数控车床进行可靠性评估,将ETC系列中A型数控车床的故障数据处理并绘制出分布曲线。用线性回归的方法建立机床可靠性分布模型,用KS检验法验证可靠性分布模型的有效性。(3)提出两种针对小子样数据下的数控车床可靠性评估方法。以ETC系列中B型数控车床为例,用两种方法分别对其可靠性进行评估,并讨论两种方法的适用性。(4)根据数控车床的故障分析与可靠性评估结果,增添了以往易被忽视的可靠性设计准则,针对数控车床关键部位提出可靠性改进措施与增长方案,制定了数控车床可靠性分析流程。
南东雷[8](2017)在《数控机床可靠性模型理论分析与研究》文中研究说明数控机床可靠性模型理论是可靠性分析的基础,现阶段时间故障模型研究中,两参数威布尔分布和三参数威布尔分布是最常用的两种失效分布模型,但两种分布模型对失效数据的收集区间描述不足,因此引入双截尾威布尔分布模型。常规的可靠性分析流程为对机床失效数据做回归分析或曲线拟合并进行假设检验,从而完成对机床的评估。然而模型参数区间估计方法的缺失影响了数控机床可靠性分析的完整性。为区分机床失效数据的分布模型,通常将数据分别利用不同模型进行回归分析或曲线拟合,通过假设检验来判定失效数据服从何种分布模型。然而随着可靠性工作的开展以及制造工艺水平的提高,失效数据的收集工作越来越困难,成本也逐渐提高。两参数威布尔分布模型作为机床可靠性分析中最常用的故障模型,其专用检验方法可以在很大程度上提高分析效率。基于K均值聚类算法的RBF神经网络可靠性扩充算法的出现,在很大程度上解决了小样本数据导致的评估困难,然而该算法中存在K值难以确定的问题,目前没有通用的确定方法,对专家经验较为依赖。本文结合和多家企业合作搜集的多个型号数控机床失效数据,对多种分布模型的参数估计方法与假设检验方法进行了研究,并对三参数威布尔分布模型和双截尾威布尔分布模型的参数区间估计进行了探索,并提出新的失效数据扩充算法。主要研究成果如下:从理论角度对多种分布模型的参数点估计与区间估计方法进行了深入分析,并结合多组实验数据对故障模型的参数点估计与区间估计方法进行了研究。提出在数控机床电器故障数据分析中,威布尔分布模型较指数分布具有更好的效果,且在相同置信水平下可得到更小的置信区间。在整机故障分析中,两参数威布尔分布模型也拥有较好的表现。对两参数威布尔分布模型的专用假设检验方法Mann检验进行了理论证明,并根据多组实验数据进行了有效性验证,在对小样本分析中Mann检验具有较高的精度,因此提出新的数控机床可靠性分析流程,并提出在模拟两参数威布尔分布模型数据时优先使用Mann检验方法进行检验。设计了变区间迭代算法对三参数威布尔分布模型进行参数点估计数值求解,并基于似然比检验理论对其进行了参数区间估计分析。在分析位置参数对尺度参数和形状参数围成置信区域的影响趋势基础上,得出三参数威布尔分布模型位置参数不存在小于其取值范围的置信区间的结论。提出了双截尾威布尔分布模型基于最大似然估计和极值思想的参数点估计方法,和基于似然比检验理论的参数区间估计方法。设计最佳初始区间确定算法,并结合实验数据基于Monte Carlo方法使用变区间迭代方法进行求解。提出了基于AP聚类算法的RBF神经网络扩充算法。设计了与样本总量关联的参考度,减少了对专家经验的依赖。引入BWP聚类优度指标并设计了测试流程,分别使用不同样本量的两参数威布尔分布模拟数据和一组机床测试失效数据进行了对比分析。
陆博[9](2017)在《基于加速退化试验的RV减速器寿命预测方法》文中提出本课题来源于国家自然科学基金《基于泛函逼近的旋转机械性能衰退预测》。随着我国的航天科技的不断壮大,各类型空间机构正在从“单次短时间使用”变成“长时间不间断使用”。这样的转变对空间机构的可靠性和耐用性提出了更高的要求。RV减速器作为一种新型的高扭矩传动机构被广泛用于各类空间机构和工业机器人当中。但现阶段RV减速器作为转动机构中的关键部件并没有一套成型的可靠性寿命预测方法和体系,这样会对RV减速器的保养和维修带来极大的影响,甚至还会对整体机构造成不可估量的伤害。针对上述问题,本文基于加速退化试验对RV减速器进行了寿命预测分析。通过对采集到的产品性能退化数据的处理,建立了RV减速器可靠性寿命模型,从而实现了预知RV减速器在正常工况下的可靠性寿命的可能。本文具体研究内容如下所示:1.明确了RV减速器的失效机理。首先逐一分析各种减速器常见实效形式及原因,并与RV减速器本身进行对比分析。其次参考RV减速器实际使用环境,并着重观察其系统关键部件磨损及消耗情况,最终分析明确RV减速器的失效机理。2.针对RV减速器进行了基于伪失效寿命的加速退化试验。首先确定了加速试验方案,包括选定合理的加速应力及样本数量等,其次搭建加速试验系统测试平台,并间断性地采集不同工况下的样本性能退化数据。3.通过对退化数据的处理获得产品寿命若干可靠性数据。首先依据传统退化模型及性能退化数据确定RV减速器性能退化模型,并参照失效阈值获得产品伪失效寿命。其次借助图估法及MATLAB拟合出了基于威布尔分布的RV减速器可靠性寿命分布函数,并对其进行了基于Minitab的假设检验,验证了产品寿命模型的合理性。最后对Weibull分布中的参数进行了基于极值分布和高斯-马尔科夫定理的参数估计,并获得了RV减速器在正常工况下的若干可靠性寿命数据。4.针对加速退化试验的关键环节进行分析验证。首先基于布朗运动原理建立性能退化模型,并与RV减速器寿命函数进行对比分析,从而验证本文产品寿命模型的合理性。其次基于扭转刚度条件对RV减速器进行了有限元仿真分析,获得产品实际扭转刚度,并与产品设计指标相对比,从而验证本文加速退化试验中加速应力选取的合理性。
郝剑[10](2017)在《LED灯具加速老化在线测试和快速寿命评估方法的研究》文中研究指明LED作为第四代新能源照明器件,以其绿色环保、节能、长寿命和高可靠性等诸多优势而被广泛应用于诸多照明领域。虽目前人们对其绿色环保、节能等优势已普遍认可,但对其长寿命和高可靠性方面一直存在质疑,因此便有诸多学者致力于相关的研究。目前预测LED灯具寿命主要基于能源之星标准,其规定测试时间长达6000小时,且不论高额的测试成本,长达近一年的测试时间必然导致新产品还未上市即将面临市场淘汰的处境,因此如何在短时间内评估LED灯具产品寿命的问题,成为全球LED产业从业人员密切关注的热点。1、本文首先研究了如何选择最高的温度应力水平,从而在不改变失效机理的前提下缩短LED灯具的老化时间。首先采用温度阶梯应力的方式对LED灯具进行试验,测试每个应力加载前后LED灯具光通量、相关色温、色漂移和结温的变化。其次研究各参量与温度应力的关系,发现随着所加载温度应力的升高,测量参数存在“突变点”(即突然上升或突然下降),该突变点所对应的应力即为LED灯具的温度加载极限。2、研究了LED灯具恒定应力加速老化的在线测试方法,搭建了恒定应力加速老化的在线测试平台,基于所获取的实验数据进行了四方面的研究。1)根据e指数衰减和5阶滑动平均误差的思想,获得LED灯具在不同截止时间条件下,对应的加速寿命误差,进而获取LED灯具在该温度下的最优截止时间。2)采用近似法、解析法和两阶段法对实验数据进行分析,进而获取加速可靠性分布的未知参数,采用AIC信息判别准则对上述三种方法进行优劣判断,结果表明两阶段方法为最优的建模方法。3)对60℃和80℃加速老化的在线测试数据,采用两阶段方法计算其对应的加速寿命,进而根据阿伦纽斯模型推算其工作温度下的寿命。作为比对,采用能源之星标准对相同批次的灯具进行常温老化和寿命预测,结果表明本文的在线测试方法具有满意的可靠性。4)对相同温度(80℃)下在线测试和非在线测试所获取的色度学参量进行了比对分析,结果表明在线测试的色漂移以及相关色温的变化高出非在线测试20%,特别是相关色温的百分比变化,在线测试仅比非在线测试高出6.8%。采用t检验和t’检验对结果进行分析,结果表明上述差异具有统计学意义。3、基于恒定应力加速老化的思想,研究了阶梯应力加速老化的转换模型和加速应力个数的选择。1)用能源之星常温测试标准对LED灯具阶梯应力转换的两个模型进行了实验验证,结果表明累计退化量相等的模型优于累积失效概率相等的模型。2)进行了四阶梯应力加速老化实验,以可靠度误差最小为优化目标,以相对平均寿命误差最小为检验目标,优选出两个合适的应力水平,由此二阶梯应力加速老化数据导出激活能。4、研究了阶梯应力加速老化的自动测试和寿命的一体化快速评估系统。首先基于对灯架转台、灯具拾取机构和运动控制系统的研究,研制了硬件设备。其次对前几章提出的最优算法进行集成,编写了寿命自动评估软件。为验证阶梯应力老化试验中在线测试数据的可靠性,采用能源之星的常温测试结果与其对比,结果显示当失效概率为63.2%,10%和1%时,两者误差分别为3.8%,4.1%和4.2%。本文对LED灯具进行了加速老化测试和寿命的快速评估,在相关方面,取得了一定的进展,对以后其他种类的LED灯具的加速老化和可靠性分析有一定的指导作用。
二、威布尔分布图估法计算程序(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、威布尔分布图估法计算程序(论文提纲范文)
(1)基于加速退化数据的IGBT模块寿命评估方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景与研究意义 |
1.2 基于加速退化数据的研究方法 |
1.3 IGBT模块寿命预测发展现状 |
1.4 研究目标与研究内容 |
1.5 本论文的结构安排 |
第二章 性能退化试验及数据获取 |
2.1 性能退化试验设计方案 |
2.1.1 失效机理分析 |
2.1.2 应力类型及强度 |
2.1.3 敏感参数 |
2.1.4 失效阈值 |
2.2 试验平台搭建 |
2.3 试验结果 |
2.4 本章小结 |
第三章 基于性能退化数据的寿命预测方法 |
3.1 性能退化模型 |
3.1.1 产品退化轨迹 |
3.1.2 退化模型 |
3.2 威布尔分布及其假设检验 |
3.2.1 威布尔分布 |
3.2.2 分布类型与失效机理一致性检验 |
3.3 寿命快速评估模型 |
3.3.1 基本思想 |
3.3.2 性能退化建模 |
3.3.3 参数估计 |
3.3.4 仿真分析 |
3.4 试验数据应用验证 |
3.5 本章小结 |
第四章 基于器件失效数据的寿命预测方法 |
4.1 加速模型 |
4.1.1 模型分类 |
4.1.2 阿伦尼斯模型 |
4.2 基于威布尔分布的加速模型构建方法 |
4.2.1 分布类型检验 |
4.2.2 基于威布尔分布的建模方法与步骤 |
4.3 试验数据应用验证 |
4.4 本章小结 |
第五章 寿命预测软件设计 |
5.1 软件设计思想 |
5.1.1 开发环境 |
5.1.2 任务要求 |
5.1.3 总体框架 |
5.2 软件的实现 |
5.2.1 工作流程 |
5.2.2 软件界面设计与实现 |
5.3 基于本文开发软件的试验数据验证 |
5.4 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(2)T800级碳纤维/环氧树脂复合材料性能测试与B基准值计算研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 复合材料在民用客机中的应用 |
1.2.2 复合材料飞机的设计许用值研究 |
1.2.3 B基准值计算方法研究现状 |
1.2.4 复合材料失效形式损伤机理 |
1.3 主要研究内容 |
第2章 T800级CF/AC531单向预浸料试件制备与试验设计 |
2.1 引言 |
2.2 试验试样的制备 |
2.2.1 制备工艺 |
2.2.2 试样尺寸 |
2.3 测试设备 |
2.4 试验方案 |
第3章 T800级CF/AC531单向预浸料试件力学性能测试 |
3.1 引言 |
3.2 试验结果 |
3.2.1 破坏模式 |
3.2.2 数据处理 |
3.3 本章小结 |
第4章 T800级CF/AC531 复合材料B基准值计算及其准确性分析 |
4.1 引言 |
4.2 B基准值计算的理论基础 |
4.3 单点法计算四项力学性能的B基准值 |
4.3.1 单点法计算B基准值的理论基础 |
4.3.2 单点法计算四项试验的B基准值 |
4.3.3 数据准确性验证 |
4.4 多环境样本合并法计算B基准值 |
4.4.1 多环境样本合并法计算B基准值的理论基础 |
4.4.2 算例数据分析 |
4.4.3 修改离散系数的合并法 |
4.4.4 数据验证 |
4.5 本章小结 |
第5章 复合材料破坏机理及其对B基准值的影响 |
5.1 引言 |
5.2 失效形式与损伤机理分析 |
5.2.1 0 °拉伸断口形貌分析 |
5.2.2 90°拉伸断口形貌分析 |
5.3 B基准值的影响因素 |
5.4 本章小结 |
结论 |
参考文献 |
附录 |
攻读硕士学位期间发表的论文及其他成果 |
致谢 |
个人简历 |
(3)基于非线性水弹性理论对HCSR船型的极限强度的可靠性研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题来源及研究的目的与意义 |
1.2 国内外研究现状及分析 |
1.2.1 船舶极限强度国内外研究现状 |
1.2.2 船舶水弹性国内外研究现状 |
1.2.3 船舶可靠性方法研究现状 |
1.3 本文的主要研究内容 |
第2章 HCSR规范的极限强度校核方法分析 |
2.1 概述 |
2.2 船体梁的极限强度 |
2.2.1 垂向静水弯矩 |
2.2.2 垂向波浪弯矩 |
2.3 船体梁极限承载能力 |
2.3.1 基本假定 |
2.3.2 计算流程 |
2.3.3 离散单元失效模式的应力应变关系图 |
2.4 船体梁极限承载能力校核标准 |
2.5 算例分析 |
2.5.1 验证程序的合理性 |
2.5.2 实船极限承载能力计算 |
2.6 本章小结 |
第3章 非线性水弹性理论应用 |
3.1 概述 |
3.2 三维非线性水弹性理论模型 |
3.2.1 计及记忆效应的非线性运动方程 |
3.2.2 非线性流体力的计算 |
3.2.3 非线性方程的解 |
3.3 非线性水弹性结果的比较分析 |
3.3.1 计算程序的编制 |
3.3.2 非线性水弹性计算分析 |
3.3.3 非线性水弹性法验证 |
3.4 算例分析 |
3.4.1 模型的建立 |
3.4.2 载荷的施加 |
3.4.3 非线性设计波法 |
3.4.4 非线性水弹性值与HCSR规范中对比分析 |
3.5 本章小结 |
第4章 船舶梁的可靠性分析 |
4.1 概述 |
4.2 船体梁极限状态方程的确定 |
4.3 极限强度的统计特征值确定 |
4.4 静水载荷统计特征值的确定 |
4.5 水弹性法下的波浪载荷统计特征值的确定 |
4.5.1 波浪载荷的模拟 |
4.5.2 波浪载荷的短期预报法 |
4.5.3 波浪载荷的长期预报法 |
4.5.4 波浪的极值预报 |
4.6 组合弯矩极值的统计特征值计算 |
4.6.1 峰值叠加法 |
4.6.2 Turkstra法 |
4.6.3 Ferry--Borges 法 |
4.7 可靠性计算方法 |
4.8 本章小结 |
第5章 HCSR船型的可靠性分析 |
5.1 概述 |
5.2 模型的选取 |
5.3 HCSR共同规范与水弹性法的极限强度对比 |
5.4 极限承载能力的统计特征值计算 |
5.5 静水弯矩的计算 |
5.6 波浪弯矩的确定 |
5.7 可靠性校核 |
5.8 本章小结 |
结论 |
附录 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(4)基于样本集的柴油机可靠度谱的建立(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题的提出与意义 |
1.2 国内外研究现状 |
1.3 可靠性试验研究现状 |
1.4 可靠性设计研究现状 |
1.5 论文主要内容 |
第2章 基于样本集的柴油发动机数据挖掘及可靠度谱初建 |
2.1 可靠度谱的设计思路 |
2.2 故障数据统计整理及分布模型估计 |
2.2.1 分型号分布估计 |
2.2.2 分使用背景分布估计 |
2.3 可靠度计算 |
2.3.1 可靠度函数 |
2.3.2 分布函数 |
2.3.3 参数估计 |
2.4 可靠度谱的初步模型 |
2.5 分系统故障占比和可靠度分析 |
2.5.1 分系统统计故障占比 |
2.5.2 各型号在不同使用背景下子系统可靠度 |
2.6 本章小结 |
第3章 小数据样本下的可靠度预测及可靠度函数推导 |
3.1 BP神经网络的引入 |
3.1.1 BP神经网络 |
3.1.2 BP神经网络流程 |
3.2 MATLAB神经网络建模 |
3.3 模型优化 |
3.3.1 优化方式 |
3.3.2 优化结果 |
3.3.3 仿真预测 |
3.4 利用神经网络建立可靠度函数 |
3.4.1 已知可靠度函数可靠度求解 |
3.4.2 基于神经网络的未知可靠度函数的子系统可靠度预测 |
3.4.3 子系统可靠度函数推导 |
3.5 本章小结 |
第4章 可靠性设计 |
4.1 柴油机整机可靠度预测 |
4.2 小数据样本型号发动机可靠度预测实例 |
4.3 可靠度谱功能分析 |
4.4 数据库可靠度分析界面开发 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
硕士期间取得成果 |
学位论文评阅及答辩情况表 |
(5)汽车前轴结构轻量化设计及其可靠性评估研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 汽车轻量化技术 |
1.2.2 可靠性评估 |
1.2.3 Bayes方法 |
1.2.4 待解决的问题 |
1.3 研究内容与研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第2章 前轴结构轻量化设计 |
2.1 前轴力学性能分析 |
2.1.1 汽车前轴 |
2.1.2 工况与边界条件 |
2.1.3 有限元模型 |
2.1.4 仿真结果分析 |
2.2 前轴多工况结构优化 |
2.2.1 多工况单独优化 |
2.2.2 基于理想点法的多工况联合优化 |
2.2.3 优化结果分析 |
2.2.4 结构设计与可制造性分析 |
2.3 轻量化前轴力学性能分析 |
2.3.1 静力学仿真分析 |
2.3.2 疲劳强度分析 |
2.4 本章小结 |
第3章 相似前轴可靠性先验分布构建 |
3.1 前轴可靠性评估难点 |
3.2 前轴可靠性分布类型分析 |
3.3 前轴试验数据扩充与分布类型确定 |
3.3.1 前轴可靠性备选分布类型 |
3.3.2 基于BP神经网络的数据扩充 |
3.3.3 分布类型确定依据 |
3.3.4 数值仿真与验证 |
3.4 相似先验分布的构建 |
3.4.1 构建方法 |
3.4.2 自助法原理 |
3.4.3 核密度估计 |
3.5 相似前轴先验分布构建 |
3.5.1 分布类型确定 |
3.5.2 先验分布构建 |
3.6 本章小结 |
第4章 轻量化前轴混合先验分布构建 |
4.1 基于可信度的轻量化前轴混合先验分布构建 |
4.1.1 可信度定义 |
4.1.2 轻量化前轴混合先验分布 |
4.2 相似前轴先验分布可信度计算 |
4.2.1 计算方法 |
4.2.2 考虑分布参数可行集的KL距离法 |
4.2.3 分布参数的可行集 |
4.2.4 分布参数的随机抽样 |
4.3 轻量化前轴混合先验分布构建 |
4.3.1 轻量化前轴可靠性试验 |
4.3.2 轻量化前轴无信息先验分布 |
4.3.3 相似前轴先验可信度 |
4.4 本章小结 |
第5章 基于 Bayes 方法的轻量化前轴可靠性评估 |
5.1 轻量化前轴似然函数与后验分布构建 |
5.2 基于MC法的轻量化前轴后验分布计算 |
5.2.1 MC法原理 |
5.2.2 MC法随机抽样 |
5.2.3 MC法计算后验分布 |
5.3 轻量化前轴可靠性评估 |
5.3.1 轻量化前轴后验分布参数估计 |
5.3.2 传统方法参数估计 |
5.3.3 结果分析比较 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 研究展望 |
致谢 |
参考文献 |
攻读学位期间获得与学位论文相关的科研成果 |
(6)LED车灯芯片的散热研究及其寿命预测(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景 |
1.2 汽车产业与LED |
1.2.1 LED的发展概述 |
1.2.2 LED车灯芯片国内外研究现状 |
1.3 LED散热系统的发展现状 |
1.4 照明产品的寿命研究 |
1.5 BP神经网络应用于LED寿命预测的研究 |
1.6 本文研究内容 |
第二章 理论基础 |
2.1 LED的结构原理及光电特性 |
2.1.1 LED的结构和发光原理 |
2.1.2 LED的光学特性 |
2.1.3 LED的电学特性 |
2.2 传热理论 |
2.3 LED的结温和测量方法 |
2.4 本章小结 |
第三章 车灯LED芯片数值模拟及散热研究 |
3.1 热电偶测试原理 |
3.1.1 样品的选择 |
3.1.2 实验主要设备及其连接 |
3.1.3 数据的采集 |
3.2 车灯LED芯片模拟仿真 |
3.2.1 有限元模型的建立 |
3.2.2 静态热仿真 |
3.3 温度对LED的影响 |
3.4 LED芯片的散热研究 |
3.4.1 散热的论述 |
3.4.2 导热涂层的涂层形状对散热的影响 |
3.4.3 嵌入导热柱对散热的影响 |
3.4.4 涂层的孔隙的大小对LED芯片散热的影响 |
3.4.5 散热器中心位置翅片疏密程度对散热的影响 |
3.5 本章小结 |
第四章 LED加速寿命实验研究 |
4.1 实验方案 |
4.1.1 加速失效理论 |
4.1.2 具体方案的制定 |
4.1.3 实验应力的加载方式 |
4.1.4 选择恒定电流加载的原因 |
4.1.5 加速应力水平的设计 |
4.1.6 选择合适的实验样品 |
4.1.7 失效的判断依据 |
4.1.8 外推法确定加速寿命 |
4.1.9 寿命分布数学模型 |
4.1.10 加速寿命模型的选取 |
4.2 实验过程 |
4.2.1 实验仪器 |
4.2.2 实验具体步骤 |
4.3 实验数据处理及预测结果 |
4.3.1 光通量衰减分析 |
4.3.2 威布尔分布参数估计 |
4.3.3 实验数据拟合 |
4.3.4 加速寿命评估 |
4.3.5 正常电应力的寿命估算 |
4.4 本章小结 |
第五章 基于BP神经网络LED的寿命预测 |
5.1 神经网络的起源及发展 |
5.2 误差反传神经网络(BP ANN) |
5.3 BP神经网络的输入层的设计 |
5.4 LED电流加速寿命数据插值 |
5.5 神经网络输出数据特征寿命数据的获得 |
5.6 BP神经网络隐含层的设计(隐含层神经元算法的选择) |
5.7 恒定电流加载下LED芯片神经网络训练 |
5.8 网络训练的结果分析 |
5.9 可靠性分析和相关的误差分析 |
5.10 网络的准确性验证 |
5.11 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
在学期间发表的学术论文及其他科研成果 |
(7)ETC系列数控车床故障分析与可靠性评估(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 论文主要研究内容与思路 |
第2章 ETC系列数控车床故障与危害性分析 |
2.1 基于现场试验的机床可靠性数据采集 |
2.2 ETC系列数控车床故障部位分析 |
2.2.1 数控车床子系统划分 |
2.2.2 数控车床故障部位分析 |
2.3 ETC系列数控车床故障分析 |
2.3.1 ETC系列数控车床故障模式分析 |
2.3.2 ETC系列数控车床故障原因分析 |
2.3.3 ETC系列数控车床故障相关性分析 |
2.4 ETC系列数控车床危害性分析 |
2.5 本章小结 |
第3章 ETC系列数控车床可靠性评估方法 |
3.1 可靠性概述及分布类型 |
3.1.1 可靠性概述 |
3.1.2 可靠性分布类型 |
3.2 基于线性回归法可靠性参数估计 |
3.3 ETC系列数控车床可靠性评估实例 |
3.3.1 可靠性分布模型估计 |
3.3.2 线性回归法求解威布尔分布未知参数 |
3.3.3 基于KS检验的可靠性分布模型验证 |
3.3.4 可靠性评估指标计算 |
3.4 本章小结 |
第4章 小子样数据下的数控车床可靠性评估 |
4.1 小子样数据的可靠性分析方法 |
4.2 基于回归折算法的小子样数控车床可靠性评估 |
4.2.1 回归折算法基本原理 |
4.2.2 基于K均值聚类法的回归方程建立 |
4.2.3 Monte-Carlo仿真检验回归折算法有效性 |
4.2.4 回归折算法实例分析 |
4.3 威布尔分布下的贝叶斯法可靠性评估 |
4.3.1 威布尔分布下的贝叶斯法分析 |
4.3.2 贝叶斯法实例分析 |
4.4 回归折算法与贝叶斯法的比较 |
4.5 本章小结 |
第5章 数控车床可靠性增长技术 |
5.1 数控车床可靠性增长设计准则 |
5.2 数控车床可靠性改进与增长 |
5.2.1 基于故障部位的改进措施 |
5.2.2 基于故障原因的可靠性增长方案 |
5.2.3 基于故障模式的早期试验 |
5.3 数控车床可靠性分析流程 |
5.3.1 可靠性分析准备 |
5.3.2 可靠性定量分析与定性分析 |
5.3.3 可靠性分析流程图 |
5.4 本章小结 |
结论 |
参考文献 |
致谢 |
攻读硕士期间发表(含录用)的学术论文 |
(8)数控机床可靠性模型理论分析与研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
2 课题综述 |
2.1 课题的来源与意义 |
2.2 数控机床可靠性简介 |
2.3 数控机床时间故障模型研究进展 |
2.3.1 威布尔分布模型研究进展 |
2.3.2 指数分布和正态分布模型研究进展 |
2.3.3 时间故障模型参数估计研究进展 |
2.4 机床故障模型检验方法研究进展 |
2.5 小样本评估方法研究现状 |
2.5.1 Bootstrap二次采样方法研究现状 |
2.5.2 Bayes方法研究现状 |
2.5.3 支持向量回归机小样本分析研究现状 |
2.5.4 神经网络扩充算法研究现状 |
2.6 本文研究内容 |
2.7 本章小结 |
3 数控机床可靠性时间故障模型 |
3.1 可靠性概率函数 |
3.1.1 可靠度函数 |
3.1.2 平均故障间隔时间及故障率函数 |
3.2 参数估计方法 |
3.2.1 最小二乘法 |
3.2.2 最大似然估计方法 |
3.2.3 似然比检验区间估计方法 |
3.2.4 任意连续分布区间估计方法 |
3.3 指数分布模型及其参数估计 |
3.3.1 指数分布模型 |
3.3.2 指数分布模型参数最小二乘点估计 |
3.3.3 指数分布模型参数最大似然点估计 |
3.3.4 指数分布模型参数区间估计 |
3.4 正态分布模型及其参数估计 |
3.4.1 正态分布模型 |
3.4.2 对数正态分布模型 |
3.4.3 正态分布模型参数最小二乘点估计 |
3.4.4 正态分布模型参数最大似然点估计 |
3.4.5 正态分布模型参数区间估计 |
3.5 两参数威布尔分布模型及其参数估计 |
3.5.1 两参数威布尔分布模型 |
3.5.2 两参数威布尔分布模型参数最小二乘点估计 |
3.5.3 两参数威布尔分布模型参数最大似然点估计 |
3.5.4 两参数威布尔分布模型参数似然比检验区间估计 |
3.6 本章小结 |
4 数控机床可靠性模型检验方法 |
4.1 Mann检验方法 |
4.2 通用假设检验 |
4.2.1 卡方检验 |
4.2.2 KS检验 |
4.3 拟合优度检验 |
4.3.1 相关系数分析 |
4.3.2 均方根误差和相对均方根误差分析 |
4.3.3 误差面积比指数 |
4.4 检验方法比较 |
4.5 本章小结 |
5 三参数威布尔分布模型及其参数估计方法研究 |
5.1 三参数威布尔分布模型 |
5.2 三参数威布尔分布参数最小二乘点估计 |
5.3 三参数威布尔分布参数区间估计 |
5.3.1 三参数威布尔分布参数似然比检验区间估计 |
5.3.2 三参数威布尔分布非参数区间估计方法 |
5.4 本章小结 |
6 双截尾威布尔分布模型及其参数估计方法研究 |
6.1 双截尾威布尔分布模型及其转换分析 |
6.1.1 双截尾威布尔分布模型 |
6.1.2 双截尾威布尔分布转化为两参数威布尔分布 |
6.2 双截尾威布尔分布参数最大似然点估计 |
6.3 双截尾威布尔分布参数似然比检验区间估计 |
6.4 本章小结 |
7 小样本可靠性数据分析算法 |
7.1 聚类算法 |
7.1.1 K均值聚类算法 |
7.1.2 AP聚类算法 |
7.2 聚类优度指标 |
7.3 径向基函数神经网络 |
7.4 神经网络扩充算法 |
7.4.1 基于K均值聚类算法的神经网络扩充算法 |
7.4.2 基于AP聚类算法的神经网络扩充算法 |
7.4.3 可靠性数据神经网络扩充算法对比 |
7.5 本章小结 |
8 结论及创新点 |
8.1 结论 |
8.2 课题创新点 |
8.3 展望 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(9)基于加速退化试验的RV减速器寿命预测方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 RV减速器国内外发展研究现状 |
1.2.1 少齿差行星减速器的发展研究现状 |
1.2.2 RV传动国内外研究现状 |
1.2.3 RV减速器产品背景现状 |
1.3 加速试验国内外研究现状 |
1.3.1 加速试验方法国内外研究现状 |
1.3.2 ADT与ALT的联系与区别 |
1.3.3 ADT的研究现状 |
1.4 主要研究内容与技术路线 |
1.4.1 主要研究内容 |
1.4.2 技术路线 |
第2章 RV减速器加速试验关键技术研究 |
2.1 RV减速器结构及在真空条件下的特殊要求 |
2.1.1 RV传动结构原理分析 |
2.1.2 在真空环境下RV减速器特殊要求分析 |
2.2 RV减速器加速退化试验可行性分析 |
2.3 RV减速器的失效机理分析 |
2.3.1 减速器常见失效形式分析 |
2.3.2 RV减速器失效原因分析 |
2.4 本章小结 |
第3章 RV减速器加速退化试验过程 |
3.1 RV减速器性能退化测试系统搭建 |
3.1.1 加速退化试验方案确定 |
3.1.2 系统结构及性能参数 |
3.2 RV减速器加速退化试验方法 |
3.2.1 加速应力的选择 |
3.2.2 加速退化试验程序设定 |
3.3 RV减速器加速退化试验结果分析 |
3.3.1 典型的加速模型 |
3.3.2 试验数据分析 |
3.4 本章小结 |
第4章 基于伪失效寿命的RV减速器可靠性寿命预测 |
4.1 RV减速器退化模型的建立 |
4.1.1 伪失效寿命和基础退化模型 |
4.1.2 RV减速器基础退化模型选取 |
4.1.3 RV减速器退化模型建立 |
4.2 RV减速器伪失效寿命推导及假设检验 |
4.2.1 样本伪失效寿命 |
4.2.2 图估法确定寿命分布 |
4.2.3 Weibull分布假设检验 |
4.3 参数估计及可靠性参数求解 |
4.3.1 Weibull分布参数估计 |
4.3.2 可靠性参数求解 |
4.4 本章小结 |
第5章 RV减速器加速退化试验关键问题仿真验证及优化 |
5.1 基于布朗运动原理的分析及验证 |
5.2 RV减速器扭转刚度分析验证 |
5.3 有限元仿真过程及结果分析 |
5.3.1 仿真前处理 |
5.3.2 结果提取 |
5.4 本章小结 |
结论 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(10)LED灯具加速老化在线测试和快速寿命评估方法的研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题的背景及意义 |
1.2 LED照明产品相关标准的概况 |
1.3 恒定应力加速老化方法的研究进展 |
1.4 阶梯应力加速老化方法的研究进展 |
1.5 课题的研究内容及结构安排 |
第2章 可靠性理论 |
2.1 可靠性的定义及特征量 |
2.2 LED照明产品寿命的定义和推算方法 |
2.3 可靠性试验 |
2.4 可靠性加速老化实验模型 |
2.5 可靠性分布模型 |
2.6 可靠性建模方法 |
2.7 本章小结 |
第3章 LED灯具加速老化温度应力的选取 |
3.1“突变点”的确定 |
3.2 实验安排 |
3.3 结果分析 |
3.4 小结 |
第4章 恒定温度应力快速寿命预测模型和测试方法的研究 |
4.1 加速测试最优截止时间理论研究 |
4.2 快速寿命预测模型的理论研究 |
4.3 色度学参量的基本理论 |
4.4 在线加速老化平台和实验 |
4.5 加速测试最优截止时间分析 |
4.6 常温寿命预测分析 |
4.7 色度学参量分析 |
4.8 小结 |
第5章 阶梯温度应力快速寿命预测模型和应力水平的确定 |
5.1 阶梯温度应力理论模型的研究 |
5.2 阶梯温度应力测试和模型的确定 |
5.3 阶梯温度应力测试和应力个数的确定 |
5.4 小结 |
第6章 阶梯应力自动在线测试和寿命一体化评估系统 |
6.1 阶梯应力加速老化的自动在线测试系统 |
6.2 阶梯应力在线加速老化测试和寿命的自动评估 |
6.3 小结 |
第7章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
在学期间学术成果情况 |
指导教师及作者简介 |
致谢 |
四、威布尔分布图估法计算程序(论文参考文献)
- [1]基于加速退化数据的IGBT模块寿命评估方法研究[D]. 宋红霞. 电子科技大学, 2021(01)
- [2]T800级碳纤维/环氧树脂复合材料性能测试与B基准值计算研究[D]. 王思雍. 哈尔滨工业大学, 2020(01)
- [3]基于非线性水弹性理论对HCSR船型的极限强度的可靠性研究[D]. 吴上宇. 哈尔滨工业大学, 2020(01)
- [4]基于样本集的柴油机可靠度谱的建立[D]. 张川. 山东大学, 2020(10)
- [5]汽车前轴结构轻量化设计及其可靠性评估研究[D]. 周智. 武汉理工大学, 2020(08)
- [6]LED车灯芯片的散热研究及其寿命预测[D]. 周骋. 江苏大学, 2020(02)
- [7]ETC系列数控车床故障分析与可靠性评估[D]. 张淳. 沈阳航空航天大学, 2019(02)
- [8]数控机床可靠性模型理论分析与研究[D]. 南东雷. 北京科技大学, 2017(07)
- [9]基于加速退化试验的RV减速器寿命预测方法[D]. 陆博. 哈尔滨理工大学, 2017(05)
- [10]LED灯具加速老化在线测试和快速寿命评估方法的研究[D]. 郝剑. 中国科学院长春光学精密机械与物理研究所, 2017(03)