为探究钢渣粗骨料对混凝土抗硫酸盐侵蚀性能的影响,对不同钢渣粗骨料替代率(0%、30%、60%、90%,质量分数)混凝土在不同浓度(5%、10%、15%,质量分数)硫酸钠(Na2SO4)溶液中进行了侵蚀试验。基于熵权法建立了以混凝土质量、抗压强度和相对动弹性模量三个典型耐久性指标为参数的钢渣粗骨料混凝土耐久性综合评价指标D。通过D值反映钢渣粗骨料替代率和Na2SO4溶液浓度对混凝土耐久性的影响,并通过灰色理论的GM(1,1)模型对不同侵蚀条件下钢渣粗骨料混凝土的使用寿命进行预测。结果表明,整个侵蚀过程中,钢渣替代率低于60%的钢渣粗骨料混凝土的D值均高于普通混凝土,钢渣替代天然骨料配制混凝土可以提高混凝土抗硫酸盐侵蚀性能。GM(1,1)模型预测结果与试验结果基本一致,60%钢渣粗骨料替代率下混凝土的使用寿命均优于其他组。

以纳子峡水利枢纽工程为背景, 进行了粉煤灰、纤维素纤维双掺混凝土硫酸盐干湿循环试验。基于熵权法建立了可以综合反映混凝土质量、抗压强度和抗劈拉强度的耐久性指标耐久性值(D), 分析了硫酸钠溶液质量分数和粉煤灰掺量对D值的影响, 并构建了Grey Models-Back Propagation(GM-BP)神经网络, 用以揭示混凝土D值的时变规律, 得到了不同条件下混凝土的预期寿命。结果表明: D值可以反映出硫酸钠溶液质量分数和粉煤灰掺量对混凝土耐久性的影响。180 d时, 混凝土D值损失在10%(质量分数)内与硫酸钠溶液质量分数成正比; 粉煤灰最佳掺量在10%掺量梯度下为20%; 在数据量较小时, GM-BP神经网络相比于GM模型可以更加精确地预测混凝土在盐侵-干湿循环下D值的时变规律。

针对湿式离合器油液监测数据具有来源分散、 数据量大及时间轴不稳定等问题, 对光谱分析得到的多数据进行融合, 利用维纳过程的预测实时性和预测准确的优点, 建立模型开展离合器剩余寿命预测研究。 首先, 通过排列熵加权证据融合方法对离合器寿命试验获得的指示元素进行融合, 构建健康指数； 其次, 结合维纳过程建立退化模型并通过极大似然法对模型中的参数进行估计； 再次, 根据历史退化数据对参数进行更新得到离合器剩余寿命预测模型； 最后, 将预测模型与实例进行对比, 得到利用融合多元素的健康指数建立的维纳过程预测模型预测准确性相比单指示元素预测有了很大提升, 其预测点更接近试验值。 通过观察也发现, 湿式离合器运行50～60 h左右时, 预测点有了明显的变化, 而同样在220～230 h时, 预测点有了明显的偏差, 在240 h左右又重新接近试验值, 其突变点对应了离合器磨损的三个阶段, 即初期磨损, 正常磨损和剧烈磨损。 研究结果表明, 融合油液光谱数据结合维纳过程建立的预测模型用于湿式离合器的剩余寿命预测, 具有预测实时性强且预测精度高的优点, 而通过预测结果和试验值对比发现, 湿式离合器磨损状态的不同对预测结果也有一定的影响, 尤其磨损状态转变点对预测结果的影响更大。

对比封装体不同的热疲劳寿命预测模型，选择适用于微弹簧型陶瓷柱栅阵列(CCGA)封装的寿命预测模型，并对焊点的热疲劳机制进行分析。利用Workbench对焊点进行在温度循环载荷作用下的热疲劳分析。对比不同热疲劳寿命预测模型的结果，表明基于应变能密度的预测模型更适用于微弹簧型CCGA。随后对等效应力、塑性应变、平均塑性应变能密度和温度随时间变化的曲线进行分析，结果表明，在温度保持阶段，焊柱通过发生塑性变形或积累能量来降低其内部热应力水平，减少热疲劳损伤累积；在温度转变阶段,焊柱的应力应变发生剧烈变化，容易产生疲劳损伤。

采用纳米强化再生骨料表面的措施来改善再生骨料性能，建立多相再生混凝土细观数值模型，进行氯离子在再生混凝土内部传输的模拟和试验验证，并预测了氯盐环境下再生骨料表面强化混凝土耐久性寿命。结果表明：数值模拟得到的氯离子在再生混凝土内的分布与试验结果吻合较好；同一深度处，越靠近骨料表面，氯离子浓度越大，其中未强化再生骨料表面的氯离子浓度要大于强化再生骨料表面的氯离子浓度；增加保护层厚度可以有效提高纳米强化再生混凝土在氯盐环境下的耐久性寿命；随纳米包裹层氯离子扩散系数的减小，再生混凝土的耐久性寿命有所增加。

工程设备与**装备在运行过程中由于材料磨损、工况变化等多方面原因, 系统性能逐渐退化甚至失效, 造成经济损失与人员伤亡。因此, 为保障系统正常运行, 剩余寿命(RUL)预测技术受到研究人员的重点关注。大数据时代下所获得的监测数据具有高维度、强耦合性等特点, 采用传统的剩余寿命预测方法难以建模, 而深度学习方法能精确建立监测数据与退化状态或寿命标签间的映射关系。详细阐述了4种典型深度学习技术在剩余寿命预测领域的研究现状, 总结各类方法的优缺点, 最后探讨了基于深度学习的复杂退化系统剩余寿命预测方法的未来研究方向。

随着光通信设备在不同地区、不同环境下的广泛部署, 工程中出现了多起由于机房环境不合格导致的光模块硫化腐蚀失效事件, 客户对光模块在含硫环境下工作寿命预估的需求越来越强烈。文章提出了一种应用加速硫化腐蚀对光模块内部易腐蚀组件(电阻和磁珠)建立寿命预估模型的方法, 该方法以威布尔分布作为基准失效函数, 以相同环境应力或不同环境应力作为协变量, 利用电阻和磁珠加速硫化腐蚀试验的失效率数据进行模型参数估计, 对寿命预估模型进行了研究。研究结果表明, 该加速试验结果与工程失效数据吻合, 该寿命预估模型能够满足工程中光模块寿命的预估需求。

大多数现有的寿命预测模型在处理光电产品实验数据时存在耗时长、精度低等问题。为了短时间内准确地预测光电产品的寿命,利用两参数威布尔函数拟合多组应力下的亮度衰减数据获得加速寿命,通过拟合优度检验参数确定Power函数来外推常规寿命,从而构建了一种新型的光电产品寿命预测模型:加速寿命外推模型(ALEM)。将该模型应用于真空荧光显示屏(VFD)寿命的快速预测,开展了4组恒定应力加速退化实验,实现了模型精度的评价。结果表明,设计的VFD加速退化实验方案正确可行,采集的实验数据客观地反映了VFD亮度衰减特性;ALEM准确地描述了加速应力下亮度的变化轨迹,很好地揭示了应力随寿命变化的规律,无需开展常规寿命实验便可精确地外推出产品的寿命,为现代光电产品的寿命评估开辟了一种新的方法和途径。

针对部分可观测信息条件下量测噪声未知时粒子滤波剩余寿命预测的问题, 提出了一种基于集成神经网络和粒子滤波的寿命预测方法。首先, 结合设备性能退化量测数据, 生成状态-观测数据组, 并利用bootstrap技术构建多个数据组, 采用集成神经网络训练状态-观测数据组, 根据推导公式估计量测噪声标准差的最优取值范围; 其次, 将量测噪声标准差作为未知参数嵌入在粒子滤波寿命预测框架中, 实现非线性系统的剩余寿命预测及概率密度分布; 最后, 选取锂离子电池寿命预测仿真验证了该方法的有效性和可行性。

针对惯性器件具有非线性退化特性且存在少量历史退化数据的特点，采用非线性退化过程对其寿命进行评估，并给出了适用于非线性退化过程的贝叶斯方法。首先，根据Fisher信息矩阵确定两个参数的无信息先验分布；然后利用退化数据独立增量的似然函数得到参数的分布为高斯-逆伽马分布，利用相容历史数据获得第一次后验分布, 再利用新检测数据得到第二次后验分布;最终实现单台设备的参数与寿命预测结果的实时更新。实验表明，非线性退化过程的评估结果较维纳过程更为准确，所给出的贝叶斯方法能有效实现单台设备的实时预测，可为惯性器件的维护决策提供依据。