摘要：针对目前导弹状态评估存在的问题,在分析导弹状态参数的基础上,建立了导弹状态参数体系,并将导弹状态按照实现其特定功能分为良好状态、较好状态、堪用状态、拟故障状态和故障状态,进而设计了一种基于改进证据理论的多指标融合导弹状态评估方法。针对D-S证据理论应用于导弹状态评估存在的证据源权重分配、合成过程中未知信息处理及冲突分配等问题,在分析现有改进方法的基础上,采用状态参数的权重系数对原始证据源进行修正,并基于全局冲突应在引起冲突的焦元之间进行局部分配的思想对证据理论进行了改进。通过实例分析,验证了改进方法的有效性及设计的导弹状态评估方法的正确性。

摘要：将模式识别技术应用于桥梁结构状态评估与安全监测中,提出修正的欧氏距离与相似系数两种对响应信号特征向量进行统计分析的量化参数。提取出能较好反映出桥梁结构状态的特征参数,组合成特征向量。选择正常使用状态下多次实测数据特征向量的平均值作为基准状态,分别计算其他各次实测数据的特征向量,得到各次实测情况下特征向量与基准状态下特征向量之间修正的欧氏距离与相似系数。对桥梁正常运营状态进行监测,可得到修正的欧氏距离与相似系数的统计容许范围,作为桥梁结构状态评估的经验数字依据。

摘要：基于静态结构识别方法,提出了服役结构损伤探测及状态评估的概率分析方法。首先通过有限元法把结构离散成用基本参数及核心矩阵表示的分析模型,根据两种分析模型和实际结构间的误差定义,用 Gauss-Newton法推导了在不完全测量情况下两种参数识别方法。在设计的测量情况下,进一步采用 Monte Carlo 法模拟测量数据,详细分析和比较这两种算法在有测量误差时的有效性和稳定性问题。第一种算法中的敏感矩阵不受测量误差的影响而具有比较好的性能,在确定了其识别结果的概率特性后,引入假设试验,探测和评估损伤的位置及程度。数字模拟显示了这一方法的有效性和准确性。

摘要：基于大量相似辐照脆化试验测试数据和实际辐照监督测试数据,采用统计分析的方法,选出适合于某核电厂反应堆压力容器(RPV)的辐照脆化评估公式。以该核电厂已经完成的辐照监督管测试数据为输入,对RPV当前的辐照脆化状态进行了评估,并推算、分析了RPV在寿期末的结构完整性;基于辐照脆化计算结果,绘制了各运行阶段RPV的压力-温度限值曲线(P-T曲线),并给出运行建议。

摘要：在恒载索力优化模型基础上,以荷载组合作用下的弯矩包络图正负绝对值相等时的恒载弯矩分布作为优化目标,通过约束主梁线形及索力不均匀系数,最终确定斜拉桥的合理恒载索力.建立了斜拉桥索力状态评估模型,并以优化的恒载索力为索力评估的基准值,引入索力上下限以及斜率关联度,利用层次分析法和变权综合原理,根据一组实测数据对索力性能进行评估.计算结果表明,实测索力与标准索力之间具有较高的关联度,随着均衡系数α的减小,索力评估结果是一个退化的过程.

摘要：极端寒冷气候下架空输电线路覆冰对电力系统运行安全构成了极大威胁,为分析覆冰对输电线路和杆塔可能造成的危害,实现覆冰输电线路状态评估,根据其多因素影响和不确定性的特点,提出了以在线监测系统为基础的覆冰输电线路状态评估模糊专家系统方法。在明确了各状态评估特征量,设计了机械荷载状态评估和外绝缘状态评估方案后,根据试验数据和专家经验确定了模糊隶属度函数,建立了各状态评估的模糊规则库。南方电网输电线路覆冰监测预警系统数据验证结果表明,将在线监测量与具体的输电线路机械和电气性能状态联系起来,建立的模糊专家系统结合专家知识和试验结果能较好地评估当前输电线路和杆塔的各个状态和综合状态,评估结果合理对架空输电线路运行维护有指导意义。

摘要：基于群索索力的相异测度,提出一套可用于斜拉索索缆承重体系内力状态评估的指标体系.利用桥梁的有限元分析及影响矩阵法,定义了基于极限状态的相异测度指标阈值,并通过蒙特卡罗方法获得这套指标阈值的合理取值.通过该套指标与其阈值体系的比较,建立了斜拉桥整体内力状态的评判方法.利用国内某斜拉桥建成后十年内的斜拉索索力实测资料,用上述方法对该桥进行了健康评估,结果表明了该方法的有效性.

摘要：针对变压器评估指标体系中指标种类繁多,体系结构复杂的问题,提出了以故障类型为基础的基于层次灰关联分析的状态评估关键指标体系构建方法。首先海选出变压器的故障集和影响故障的初始指标集;然后提出层次灰色关联分析法,利用该方法得到初始指标与故障类型的综合关联度,设计动态指标筛选方法进行关键指标的筛选;最后引入关联规则中的支持度检验筛选后的指标合理性,形成关键指标体系。实验结果表明,应用本文建立的关键指标体系对变压器的评估结果与变压器实际运行情况相符。案例分析证实了该指标体系的准确性,并且具有实际应用价值。

摘要：为了提高齿轮副磨损状态评估的准确率,基于数据挖掘技术提出了一种新的齿轮副磨损状态评估方法.该方法通过设计直齿圆柱齿轮副磨损实验,提取实验齿轮副全寿命周期内的油液参数和振动参数,对齿轮副磨损状态进行聚类划分,建立了监测参数与齿轮副磨损状态之间的关联规则集及齿轮副磨损状态关联规则匹配算法,用于识别齿轮副的磨损状态.研究结果表明:基于数据挖掘的齿轮副磨损状态评估方法对齿轮副磨损状态的识别率达90%,能有效地评估齿轮副磨损状态.

摘要：针对现有软件系统异常状态评估方法过度依赖数据标注、对时序数据的时间依赖性关注较低和系统异常状态难以量化等问题,提出一种基于混合生成网络的软件系统异常状态评估方法.首先,通过对长短期记忆网络(long short-term memory network,LSTM)与变分自动编码器(variational auto-encoder,VAE)的融合,设计一种LSTM-VAE混合生成网络,并以该网络为基础构建基于LSTM-VAE混合生成网络的系统异常状态检测模型,由LSTM对系统数据的时序特征进行提取并由VAE对系统数据的分布进行建模.然后,由LSTM-VAE异常状态检测模型处理系统关键特征参数,获取系统关键特征参数的异常度量值.最后,利用耦合度方法对传统的线性加权和方法进行优化,通过加权耦合度优化方法计算得到软件系统异常状态的量化值,从而实现对软件系统的异常状态评估.实验结果表明,本文模型对软件系统的异常时序数据具有较好的检测能力,其对系统异常状态的评估结果更为合理、有效.