删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于Wiener过程的数控转台极小子样可靠性分析

本站小编 Free考研考试/2020-04-15

张云, 姜楠, 王立平
清华大学 机械工程系, 精密超精密制造装备及控制北京市重点实验室, 北京 100084

收稿日期:2018-07-20
基金项目:国家科技重大专项(2016ZX04004-004)
作者简介:张云(1974-), 男, 副研究员。E-mail:zhangyun@tsinghua.edu.cn


摘要:针对数控转台性能退化过程较为缓慢且存在波动的特点,采用Wiener过程进行数学建模,利用极大似然法结合试验数据分析模型中各未知参数的特点。根据分析结果将模型中的漂移系数和扩散系数设为恒定值,假设性能退化初值服从正态分布,得出数控转台的相关可靠性函数,并与基于伪寿命分布法得出的结果进行比较。结果表明:基于Wiener过程得出的结果较基于伪寿命分布法得出的结果更加符合实际情况。
关键词:数控转台Wiener过程极大似然估计可靠性估计
Reliability analysis of NC rotary table based on a Wiener process for extremely small samples
ZHANG Yun, JIANG Nan, WANG Liping
Beijing Key Laboratory of Precision/Ultra-Precision Manufacturing Equipments and Control, Department of Mechanical Engineering, Tsinghua University, Beijing 100084, China


Abstract: The performance of numerical control (NC) rotary tables degrades slowly and oscillatorily. A Wiener process model is developed to improve the reliability estimate of NC rotary tables using the maximum likelihood method to analyze the measured characteristics of each parameter with fixed drift and diffusion coefficients assuming that the initial performance degradation values obey a normal distribution. The model gives the correlation reliability function for the NC rotary table. Comparison of the results with those of the pseudo life distribution method shows that the Wiener process model more accurately predicts the actual characteristics.
Key words: numerical control (NC) rotary tableWiener processmaximum likelihood estimationreliability estimate
利用性能退化数据进行产品的可靠性评估是当前较为通用的做法。Nelson[1]、Lu与Meeker等[2-3]在基于性能退化数据的可靠性评估方面做了很多工作;其中使用较多的数学模型有回归模型和Wiener过程模型。对于退化过程存在随机波动的产品,由于回归模型的方差是常量,无法对退化过程中退化量的波动性进行建模,只能对大样本下不同样本的回归方程系数进行建模来评估产品总体的退化失效随机性和可靠性;而Wiener过程数学模型是由Brown运动和线性漂移项合成的,对产品的性能退化过程波动性具有很好的建模效果,因此常用于具有波动性的性能退化过程的建模。
彭宝华等[4]采用Wiener过程对电容器的电容值耗损量建立了数学模型,并对其可靠性进行了评估;朱德馨等[5]将Wiener过程模型中的轴承退化量初值和漂移系数随机化,结合Bootstrap方法对极小样本下高速列车轴承的可靠性进行了建模;王明磊等[6]采用二元Wiener过程对小样本的电主轴可靠性进行了分析;Wang[7]基于Wiener过程对桥横梁的可靠性进行了研究;Tang等[8]采用Wiener过程对发光二极管的亮度建立了模型,并评估其可靠性;Nicolai等[9]利用Wiener过程分析了钢构表面锈迹的扩散;Whitmore[10]利用Wiener过程建立了晶体管增益的退化轨迹模型。
基于Wiener过程的可靠性评估有多种不同的实现方法。如果假设未知参数均为常数,根据所有试验数据构造似然函数来估计未知参数,虽然计算简单但是无法体现不同样本之间的差异;但若假设所有参数均服从正态分布,然后使用所有数据构造似然函数估计未知参数,将会使得评估过程异常复杂。本文先根据样本数据估计退化模型参数,然后根据参数的估计结果假设其恒定或服从正态分布,根据以上假设估计模型参数,最后进行转台可靠性估计。
1 Wiener过程退化模型Wiener退化过程的数学表达式为
$y\left( {t;v,{\delta ^2}} \right) = a + vt + \delta B\left( t \right).$ (1)
式(1)中:y(t; vδ2)是时刻t退化量的测量值;a是退化量的初始值;v是漂移系数;δ是扩散系数。B(t)是标准Brown运动,满足以下性质:
1)独立增量性。每个时刻的性能参数的观测值都服从独立同分布。
2)稳定增量和正态性。研究样本属于退化失效型产品,即某个性能参数随着时间的推移表现为单调上升或者下降的趋势,且性能增量服从正态分布。
3)B(0)=0,从而B(ti)~N(0,ti)。
产品的某个性能指标达到某个特定水平时失效,则其失效时间T可以定义为产品的性能退化量X首次达到失效阈值Df所用的时间,即
$T = \inf \left\{ {t\left| {X\left( t \right) = {D_{\rm{f}}},t \ge 0} \right.} \right\}.$ (2)
寿命T服从逆Gauss分布,其概率密度函数为[11]
$f\left( t \right) = \frac{{{D_{\rm{f}}} - a}}{{\sqrt {2{\rm{ \mathsf{ π} }}{\delta ^2}{t^3}} }} \cdot \exp \left( { - \frac{{{{\left( {{D_{\rm{f}}} - a - vt} \right)}^2}}}{{2{\delta ^2}t}}} \right).$ (3)
产品性能退化量呈递增趋势时,即Df>a,产品的可靠度函数为[12]
$\begin{array}{*{20}{c}}{R\left( t \right) = \mathit{\Phi }\left( {\frac{{{D_{\rm{f}}} - a - vt}}{{\delta \sqrt t }}} \right) - }\\{\exp \left( {\frac{{2v\left( {{D_{\rm{f}}} - a} \right)}}{{{\delta ^2}}}} \right)\mathit{\Phi }\left( {\frac{{ - \left( {{D_{\rm{f}}} - a} \right) - vt}}{{\delta \sqrt t }}} \right).}\end{array}$ (4)
1.1 模型参数估计由Wiener过程模型(1)有:
$\Delta {y_i} = v\Delta {t_i} + \delta \Delta {B_i},i = 1,2, \cdots ,N.$ (5)
式(5)中:Δyi=yi-yi-1,Δti=ti-ti-1,ΔBi=Bi-Bi-1i=1,2,…,N。由于ΔBi~N(0,Δti),则:
$\Delta {y_i} \sim N\left( {v\Delta {t_i},{\delta ^2}\Delta {t_i}} \right),i = 1,2, \cdots ,N.$ (6)
根据式(6),且由于Wiener过程的退化增量具有独立性,则其似然函数为
$L\left( {v,\delta } \right) = \sum\limits_{i = 1}^N {\frac{1}{{\sqrt {2{\rm{ \mathsf{ π} }}{\delta ^2}\Delta {t_i}} }}{{\rm{e}}^{ - \frac{{{{\left( {\Delta {y_i} - v\Delta {t_i}} \right)}^2}}}{{2{\delta ^2}\Delta {t_i}}}}}} .$ (7)
对式(7)取对数,得到
$\begin{array}{*{20}{c}}{\ln L\left( {v,\delta } \right) = }\\{\sum\limits_{i = 1}^N {\left[ { - \ln \sqrt {2{\rm{ \mathsf{ π} }}\Delta {t_i}} - \ln \delta - \frac{{{{\left( {\Delta {y_i} - v\Delta {t_i}} \right)}^2}}}{{2{\delta ^2}\Delta {t_i}}}} \right]} .}\end{array}$ (8)
分别对vδ求偏导,得到:
$\frac{{\partial \ln L}}{{\partial v}} = \sum\limits_{i = 1}^N {\frac{{\Delta {y_i} - v\Delta {t_i}}}{{{\delta ^2}\Delta {t_i}}}} = 0,$ (9)
$\frac{{\partial \ln L}}{{\partial \delta }} = \sum\limits_{i = 1}^N {\left( { - \frac{1}{\delta } + \frac{{{{\left( {\Delta {y_i} - v\Delta {t_i}} \right)}^2}}}{{{\delta ^3}\Delta {t_i}}}} \right)} = 0.$ (10)
由此可知:
$\hat v = \frac{1}{N}\sum\limits_{i = 1}^N {\frac{{\Delta {y_i}}}{{\Delta {t_i}}}} ,$ (11)
$\hat \delta = \sqrt {\frac{1}{N}\sum\limits_{i = 1}^N {\frac{{{{\left( {\Delta {y_i} - \hat v\Delta {t_i}} \right)}^2}}}{{\Delta {t_i}}}} } .$ (12)
如果将模型中的每个未知参数都假设为服从正态分布,将导致计算异常困难。虽然不同样本的性能退化量初值、漂移系数和扩散系数均不相同,但是根据不同参数的差异性,有些参数可以近似认为其保持不变,因此只需要将差异较大的未知参数假设为服从正态分布的随机变量即可,从而降低计算的复杂度。进行参数性质假定时,可以参考其变异系数${C_{\rm{v}}} = \left( X \right) = \frac{{\sqrt {{\rm{Var}}\left( X \right)} }}{{E\left( X \right)}}$[11]。其中:Var(X)表示参数的标准差, E(X)表示参数的平均值。将变异系数较小的参数假定为恒定值,将变异系数较大的参数假定为服从正态分布。
1.2 模型参数分布假设假设样本初值服从正态分布,漂移系数和扩散系数为恒定值,即a~N(a0σ2a),$\widehat {{a_0}} = \frac{1}{N}\sum\limits_{i = 1}^N {{a_i}} $$\widehat \sigma _a^2 = \frac{1}{{N-1}} \cdot {\sum\limits_{i = 1}^N {\left( {{a_i}-\widehat {{a_0}}} \right)} ^2}$$\hat v = \frac{1}{N}\sum\limits_{i = 1}^N {{v_i}} $$\hat \delta = \frac{1}{N}\sum\limits_{i = 1}^N {{\delta _i}} $
当漂移系数和扩散系数恒定、初值a~N(a0σ2a)时,结合式(4),产品的可靠度函数为
$\begin{array}{*{20}{c}}{R\left( t \right) = \int {\left( {\mathit{\Phi }\left( {\frac{{{D_{\rm{f}}} - \widehat {{a_0}} - \hat vt}}{{\hat \delta \sqrt t }}} \right) - } \right.} }\\{\exp \left( {\frac{{2\hat v\left( {{D_{\rm{f}}} - \widehat {{a_0}}} \right)}}{{{{\hat \delta }^2}}}} \right),}\\{\mathit{\Phi }\left( {\frac{{ - \left( {{D_{\rm{f}}} - \widehat {{a_0}}} \right) - \hat vt}}{{\hat \delta \sqrt t }}} \right)p\left( a \right){\rm{d}}a.}\end{array}$ (13)
其中:$p\left( a \right) = \frac{1}{{\widehat {{\sigma _a}}}}\varphi \left( {\frac{{a-\widehat {{a_0}}}}{{\widehat {{\sigma _a}}}}} \right) = \frac{1}{{\sqrt {2{\rm{ \mathsf{ π} }}\widehat \sigma _a^2} }}{{\rm{e}}^{-\frac{{{{\left( {a-\widehat {{a_0}}} \right)}^2}}}{{2\widehat {\sigma _a^2}}}}}$,积分上下限取为$\left( {\widehat {{a_0}}-3\widehat {{\sigma _a}}, \widehat {{a_0}} + 3\widehat {{\sigma _a}}} \right)$,修正因子$k = \frac{1}{{2\mathit{\Phi }\left( 3 \right)-1}}$
概率密度函数为
$\begin{array}{*{20}{c}}{f\left( t \right) = \int {\left\{ {\frac{{{D_{\rm{f}}} - \widehat {{a_0}}}}{{\sqrt {2{\rm{ \mathsf{ π} }}{{\hat \delta }^2}{t^3}} }} \cdot } \right.} }\\{\left. {\exp \left( { - \frac{{{{\left( {{D_{\rm{f}}} - \widehat {{a_0}} - \hat vt} \right)}^2}}}{{2{{\hat \delta }^2}t}}} \right)} \right)p\left( a \right){\rm{d}}a.}\end{array}$ (14)
类似地,还可以假设漂移系数或扩散系数符从正态分布,推导过程同上。
2 试验验证采用某型号数控转台进行可靠性试验,在不同转台角度θ下得到的转台回转定位精度误差退化量见表 1。回转定位精度误差退化量的退化趋势见图 1
表 1 数控转台性能退化数据Ⅰ(部分)
t/h 精度误差退化量/(″)
θ=30° θ=45° θ=60° θ=75°
50 8.5 9.0 2.0 5.0
100 11.5 2.0 7.0 3.5
150 10.5 0.5 8.5 2.5
200 7.0 6.0 5.5 7.0
250 7.5 6.0 2.5 7.5
300 2.0 2.0 6.5 10.0
350 2.5 1.5 9.0 10.0
400 4.0 6.0 7.5 13.5
450 7.0 11.0 12.0 17.0
500 12.0 17.0 20.5 22.5
550 14.5 17.0 19.0 23.0
600 30.5 39.0 42.0 44.5
650 24.0 34.0 38.5 40.5
700 27.0 39.5 41.5 41.5
800 23.0 36.5 42.0 41.5
850 28.0 39.0 39.0 42.5


表选项






图 1 数控转台回转定位精度误差退化量趋势图
图选项





图 1可以看出,数控转台的回转精度误差退化量随时间增加不仅有上升趋势也有波动趋势,反映了其性能逐渐退化,且由于试验环境、载荷以及测量误差等因素的影响,在退化过程中性能存在一定的随机波动。这种情况适合采用Wiener过程对其进行建模评估。
由1.2节的计算过程并结合表 1中的数据,得出Wiener模型的各参数,见表 2
表 2 表 1中各组数据退化量初值、漂移系数和扩散系数
i θi/(°) ai vi δi
1 30 8.5 0.026875 0.717839
2 45 9 0.039375 0.917122
3 60 2 0.045938 0.893250
4 75 5 0.046875 0.772463


表选项






根据表 2数据,计算各个参数的平均值、标准差以及变异系数,见表 3
表 3 模型参数的平均值、标准差以及变异系数
a v δ
平均值 6.125000 0.039766 0.825169
标准差 3.275541 0.009219 0.095548
变异系数 0.534782 0.231829 0.115792


表选项






表 3可以看出,漂移系数和扩散系数比较稳定,可以将它们设为恒定值,而退化量初值的变异系数较大,可假设它服从正态分布,即a~N(6.125,3.275 5412),其概率密度函数$p\left( a \right) = \frac{1}{{\widehat {{\sigma _a}}}} \cdot \varphi \left( {\frac{{a-6.125}}{{3.275\;541}}} \right)$。相应地,漂移系数和扩散系数取均值,即${\hat v}$=0.039 766,${\hat \delta }$=0.825 169。a的积分上下限取(6.125±3×3.275 541),补偿系数k=$\frac{1}{{2\mathit{\Phi }\left( 3 \right)-1}}$=1.002 71, 则可靠度函数为
$\begin{array}{*{20}{c}}{R\left( t \right) = 1.002\;71\int_{ - 3.701\;623}^{15.951\;623} {\left( {\mathit{\Phi }\left( {\frac{{{D_{\rm{f}}} - \hat a - \hat vt}}{{\hat \delta \sqrt t }}} \right) - } \right.} }\\{\left. {\exp \left( {\frac{{2\hat v\left( {{D_{\rm{f}}} - \hat a} \right)}}{{{{\hat \delta }^2}}}} \right)\mathit{\Phi }\left( {\frac{{ - \left( {{D_{\rm{f}}} - \hat a} \right) - \hat vt}}{{\hat \delta \sqrt t }}} \right)} \right) \cdot }\\{\frac{1}{{\widehat {{\sigma _a}}}}\varphi \left( {\frac{{a - 6.125}}{{3.275\;541}}} \right){\rm{d}}a.}\end{array}$ (15)
令失效阈值Df=2′,可靠度曲线如图 2所示,并将基于伪寿命分布法的可靠度曲线同时绘于图 2中。
图 2 数控转台可靠度函数曲线(表 1数据)
图选项





根据式(14),概率密度函数为
$\begin{array}{*{20}{c}}{f\left( t \right) = 1.002\;71\int_{ - 3.701\;623}^{15.951\;623} {\left( {\frac{{{D_{\rm{f}}} - \widehat {{a_0}}}}{{\sqrt {2{\rm{ \mathsf{ π} }}{{\hat \delta }^2}{t^3}} }} \cdot } \right.} }\\{\left. {\exp \left( { - \frac{{{{\left( {{D_{\rm{f}}} - \widehat {{a_0}} - \hat vt} \right)}^2}}}{{2{{\hat \delta }^2}t}}} \right)} \right) \cdot }\\{\frac{1}{{\widehat {{\sigma _a}}}}\varphi \left( {\frac{{a - 6.125}}{{3.275\;541}}} \right){\rm{d}}a.}\end{array}$ (16)
概率密度函数曲线见图 3,同时将基于伪寿命分布法的结果绘于图 3中。
图 3 数控转台失效概率密度函数曲线(表 1数据)
图选项





图 23可以看出,基于Wiener过程的数控转台可靠性估计结果要高于基于伪寿命分布法的可靠性估计结果。在开始的一段时间内,基于Wiener过程的可靠性估计结果显示产品出现失效的概率非常低;而基于伪失效寿命分布法的结果表明产品出现失效的概率较大。从试验过程以及厂家反馈的实际生产使用情况来看,转台在刚开始使用时通常不会出现失效的情况,因此从实际使用结果的角度而言,基于Wiener过程的可靠性评估结果更符合实际情况。从理论上看,数控转台的性能在使用过程中由于环境、试验条件、使用方法以及测量等因素的影响具有随机波动性。对于退化过程存在随机波动的产品,由于回归模型的方差是常量,无法对退化过程中退化量的波动性进行建模,且本文的例子由于属于极小子样情况,也无法对大样本下不同样本的回归方程系数进行建模来评估产品总体的退化失效随机性。因此,基于伪寿命分布法得出的产品可靠性必然小于实际值。Wiener过程数学模型是由Brown运动和线性漂移项合成的,对产品的性能退化过程波动性具有很好的建模效果。因此,从理论分析的角度而言,基于Wiener过程的可靠性评估结果也更符合实际情况。
为了使上一段的论述更具说服力,增加一组试验数据(见表 4),并得到其可靠度函数曲线(见图 4)和失效概率密度函数曲线(见图 5)。图 45所示的结果同样表明:基于Wiener过程的数控转台可靠性估计结果要高于基于伪寿命分布法的可靠性估计结果,与上一段的结论一致。可见,对于数控转台的可靠性分析而言,基于Wiener过程的分析结果比基于伪寿命分布法的分析结果更加符合实际情况。
表 4 数控转台性能退化数据Ⅱ(部分)
t/h 精度误差退化量/(″)
θ=15° θ=90° θ=105°
50 6.8 1.0 1.5
100 5.0 1.5 6.0
150 4.5 0.0 7.5
200 1.0 3.0 1.5
250 3.0 3.0 2.0
300 3.5 8.0 9.0
350 2.0 9.0 8.5
400 2.0 15.0 13.0
450 4.5 19.5 18.0
500 7.5 25.0 24.5
550 11.0 24.0 24.0
600 16.5 45.0 35.5
650 12.5 41.0 31.0
700 14.0 42.5 35.0
800 12.0 42.0 34.0
850 16.5 44.0 33.0


表选项






图 4 数控转台可靠度函数曲线(表 4数据)
图选项





图 5 数控转台失效概率密度函数曲线(表 4数据)
图选项





3 结论本文根据数控转台性能退化的特点,采用Wiener过程对数控转台的性能退化数据进行可靠性建模。利用极大似然法进行模型参数估计,结合试验数据分析结果将退化模型中的性能初值假设为服从正态分布的随机变量而不是定值,充分考虑了数控转台由于各种外界原因产生的个体差异性问题,提高了可靠性评估的精度。最后,将用本文方法得到的可靠性评估结果与基于伪寿命分布法的评估结果进行比较分析,结果表明基于Wiener退化过程的分析结果更加符合实际情况。

参考文献
[1] NELSON W. Analysis of performance-degradation data from accelerated tests[J]. IEEE Transactions on Reliability, 1981, R-30(2): 149-155. DOI:10.1109/TR.1981.5221010
[2] LU C J, MEEKER W Q. Using degradation measures to estimate a time-to-failure distribution[J]. Technometrics, 1993, 35(2): 161-174. DOI:10.1080/00401706.1993.10485038
[3] MEEKER W Q, ESCOBAR L A, LU C J. Accelerated degradation tests:Modeling and analysis[J]. Technometrics, 1998, 40(2): 89-99. DOI:10.1080/00401706.1998.10485191
[4] 彭宝华, 周经纶, 金光. 综合多种信息的金属化膜电容器可靠性评估[J]. 强激光与粒子束, 2009, 21(8): 1271-1275.
PENG B H, ZHOU J L, JIN G. Reliability assessment of metallized film capacitor using multiple reliability information sources[J]. High Power Laser and Particle Beams, 2009, 21(8): 1271-1275. (in Chinese)
[5] 朱德馨, 刘宏昭. 随机性能退化下极小样本高速列车轴承的可靠性评估[J]. 机械科学与技术, 2013, 32(10): 1499-1504.
ZHU D X, LIU H Z. Reliability evaluation of high-speed train bearing based on stochastic performance deterioration with minimum sample[J]. Mechanical Science and Technology for Aerospace Engineering, 2013, 32(10): 1499-1504. (in Chinese)
[6] 王明磊, 原大宁, 刘宏昭. 二元Wiener过程下的小样本电主轴可靠性分析[J]. 机械科学与技术, 2017, 36(2): 279-285.
WANG M L, YUAN D N, LIU H Z. Reliability analysis of motorized spindle with small sample based on two-dimensional Wiener process[J]. Mechanical Science and Technology for Aerospace Engineering, 2017, 36(2): 279-285. (in Chinese)
[7] WANG X. Wiener processes with random effects for degradation data[J]. Journal of Multivariate Analysis, 2010, 101(2): 340-351. DOI:10.1016/j.jmva.2008.12.007
[8] TANG J, SU T S. Estimating failure time distribution and its parameters based on intermediate data from a Wiener degradation model[J]. Naval Research Logistics, 2008, 55(3): 265-276. DOI:10.1002/(ISSN)1520-6750
[9] NICOLAI R P, DEKKER R, NOORTWIJK J M. A comparison of models for measurable deterioration:An application to coatings on steel structures[J]. Reliability Engineering and System Safety, 2007, 92(12): 1635-1650. DOI:10.1016/j.ress.2006.09.021
[10] WHITMORE G A. Estimating degradation by a Wiener diffusion process subject to measurement error[J]. Lifetime Data Analysis, 1995, 1(3): 307-319. DOI:10.1007/BF00985762
[11] 郭琦.基于性能退化数据的可靠性评估方法研究[D].广州: 华南理工大学, 2015.
GUO Q. Research on reliability assessment methods based on performance degradation data[D]. Guangzhou: South China University of Technology, 2015. (in Chinese)
[12] 彭宝华.基于Wiener过程的可靠性建模方法研究[D].长沙: 国防科学技术大学, 2010.
PENG B H. Research on reliability modeling methods based on Wiener process[D]. Changsha: National University of Defense Technology, 2010. (in Chinese)

相关话题/过程 可靠性

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 薄壁工件铣削过程中强迫振动响应分析
    张洁,刘成颖清华大学机械工程系,精密超精密制造装备及控制北京市重点实验室,北京100084收稿日期:2018-01-18基金项目:国家科技重大专项(2014ZX04001051)作者简介:张洁(1992-),男,硕士研究生通信作者:刘成颖,副教授,E-mail:liucy@tsinghua.edu. ...
    本站小编 Free考研考试 2020-04-15
  • 连续旋转爆震涡轮发动机热力过程与性能分析
    计自飞1,2,张会强1,谢峤峰1,王兵11.清华大学航天航空学院,北京100084;2.中国航发沈阳发动机研究所,沈阳110015收稿日期:2018-05-07作者简介:计自飞(1991-),男,博士研究生通信作者:张会强,教授,E-mail:zhanghq@tsinghua.edu.cn摘要:该文 ...
    本站小编 Free考研考试 2020-04-15
  • 环己烷氧化生产环己酮过程建模与参数分析
    李秀喜,曹丽琦,王兴华南理工大学化学与化工学院,广州510640收稿日期:2017-09-02基金项目:国家自然科学基金资助项目(21376091)作者简介:李秀喜(1966-),男,教授。E-mail:cexxli@scut.edu.cn摘要:环己烷无催化氧化生产环己酮是一个高危工艺,当尾氧体积分 ...
    本站小编 Free考研考试 2020-04-15
  • 基于分布式压缩感知的量子过程层析
    袁小虎,吴热冰,李春文清华大学自动化系,北京100084收稿日期:2016-11-26基金项目:国家自然科学基金资助项目(61134008)作者简介:袁小虎(1979-),男,博士研究生通信作者:李春文,教授,E-mail:lcw@tsinghua.edu.cn摘要:量子过程层析是量子信息科学研究的 ...
    本站小编 Free考研考试 2020-04-15
  • 枪弹穿甲过程仿真的有限元接触模型与分区并行计算误差特性
    吕振华,刘赛清华大学汽车工程系,北京100084收稿日期:2016-07-24作者简介:吕振华(1961—),男,教授。E-mail:lvzh@tsinghua.edu.cn摘要:为了提高小口径普通钢芯弹和穿甲燃烧弹侵彻均质钢靶板的仿真分析精度,分析了接触力罚函数算法的接触刚度参数和接触摩擦系数对弹 ...
    本站小编 Free考研考试 2020-04-15
  • 基于分质回用的印染生产过程节水方法
    周律,徐昆,邱照景清华大学环境学院,北京100084收稿日期:2016-05-05基金项目:国家水体污染控制与治理科技重大专项(2012ZX07301-005)作者简介:周律(1963-),男,副教授。E-mail:zhoulu@tsinghua.edu.cn摘要:针对目前棉针织印染生产废水回用率低 ...
    本站小编 Free考研考试 2020-04-15
  • ADN基液体推进剂空间发动机工作过程模拟
    景李玥1,霍佳龙1,姚兆普2,游小清1,朱民11.清华大学热能工程系,北京100084;2.北京控制工程研究所,北京100190收稿日期:2015-12-02基金项目:国家自然科学基金青年项目(51506007)作者简介:景李玥(1989-),男,博士研究生通信作者:朱民,教授,E-mail:zhu ...
    本站小编 Free考研考试 2020-04-15
  • 球床堆燃料元件串列提升碰撞过程动力学特征
    刘洪冰,黄岸,常保华,王力,都东清华大学机械工程系,先进成形制造教育部重点实验室,北京100084收稿日期:2016-04-30基金项目:国家科技重大专项经费资助课题(ZX06901)作者简介:刘洪冰(1988-),男,博士研究生通讯作者:都东,教授,E-mail:dudong@tsinghua.e ...
    本站小编 Free考研考试 2020-04-15
  • 基于Poisson过程的沿海地区飓风灾害评估
    李全旺,王草,邹阿鸣,庞龙,张龙清华大学土木工程系,北京100084收稿日期:2015-06-14基金项目:交通运输部重大专项基金项目(201332849A090)作者简介:李全旺(1975-),男,副教授。E-mail:li_quanwang@tsinghua.edu.cn摘要:对沿海地区进行飓风 ...
    本站小编 Free考研考试 2020-04-15
  • 嵌入式系统中断服务可靠性评估方法
    崔凯,王洁,周宽久,梁浩然,潘杰,李明楚大连理工大学软件学院,嵌入式系统工程系,大连116620收稿日期:2016-01-24基金项目:国家自然科学基金资助项目(61572095,61472100,61402073,61402078);中央高校基本科研业务费专项资金(DUT14QY32,DUT14R ...
    本站小编 Free考研考试 2020-04-15