A Non-Homogeneous Markov Software Reliability Model with Imperfect Repair
故障预测与健康管理(PHM)- 可靠性
/The_Re liability Calendar/Webinars ‐ liability_Calendar/Webinars_ _Chinese/Webinars_‐_Chinese.html
Prognostics
TM
Prognostics and Health Management Fundamentals
• • • • • • • •
3
• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •
Emerson Appliance Controls Emerson Appliance Solutions Emerson Network Power Emerson Process Management Engent, Inc. Ericsson AB Essex Corporation Ethicon Endo-Surgery, Inc. Exponent, Inc. Fairchild Controls Corp. Filtronic Comtek GE Healthcare General Dynamics, AIS & Land Sys. General Motors Guideline Hamlin Electronics Europe Hamilton Sundstrand Harris Corp Henkel Technologies Honda Honeywell Howrey, LLP Intel Instituto Nokia de Technologia Juniper Networks Johnson and Johnson Johns Hopkins University Kimball Electronics L-3 Communication Systems LaBarge, Inc Lansmont Corporation Laird Technologies LG, Korea Liebert Power and Cooling Lockheed Martin Aerospace Lutron Electronics Maxion Technologies, Inc. Microsoft
AI术语
人工智能专业重要词汇表1、A开头的词汇：Artificial General Intelligence/AGI通用人工智能Artificial Intelligence/AI人工智能Association analysis关联分析Attention mechanism注意力机制Attribute conditional independence assumption属性条件独立性假设Attribute space属性空间Attribute value属性值Autoencoder自编码器Automatic speech recognition自动语音识别Automatic summarization自动摘要Average gradient平均梯度Average-Pooling平均池化Accumulated error backpropagation累积误差逆传播Activation Function激活函数Adaptive Resonance Theory/ART自适应谐振理论Addictive model加性学习Adversarial Networks对抗网络Affine Layer仿射层Affinity matrix亲和矩阵Agent代理/ 智能体Algorithm算法Alpha-beta pruningα-β剪枝Anomaly detection异常检测Approximation近似Area Under ROC Curve／AUC R oc 曲线下面积2、B开头的词汇Backpropagation Through Time通过时间的反向传播Backpropagation/BP反向传播Base learner基学习器Base learning algorithm基学习算法Batch Normalization/BN批量归一化Bayes decision rule贝叶斯判定准则Bayes Model Averaging／BMA贝叶斯模型平均Bayes optimal classifier贝叶斯最优分类器Bayesian decision theory贝叶斯决策论Bayesian network贝叶斯网络Between-class scatter matrix类间散度矩阵Bias偏置/ 偏差Bias-variance decomposition偏差-方差分解Bias-Variance Dilemma偏差–方差困境Bi-directional Long-Short Term Memory/Bi-LSTM双向长短期记忆Binary classification二分类Binomial test二项检验Bi-partition二分法Boltzmann machine玻尔兹曼机Bootstrap sampling自助采样法／可重复采样／有放回采样Bootstrapping自助法Break-Event Point／BEP平衡点3、C开头的词汇Calibration校准Cascade-Correlation级联相关Categorical attribute离散属性Class-conditional probability类条件概率Classification and regression tree/CART分类与回归树Classifier分类器Class-imbalance类别不平衡Closed -form闭式Cluster簇/类/集群Cluster analysis聚类分析Clustering聚类Clustering ensemble聚类集成Co-adapting共适应Coding matrix编码矩阵COLT国际学习理论会议Committee-based learning基于委员会的学习Competitive learning竞争型学习Component learner组件学习器Comprehensibility可解释性Computation Cost计算成本Computational Linguistics计算语言学Computer vision计算机视觉Concept drift概念漂移Concept Learning System /CLS概念学习系统Conditional entropy条件熵Conditional mutual information条件互信息Conditional Probability Table／CPT条件概率表Conditional random field/CRF条件随机场Conditional risk条件风险Confidence置信度Confusion matrix混淆矩阵Connection weight连接权Connectionism连结主义Consistency一致性／相合性Contingency table列联表Continuous attribute连续属性Convergence收敛Conversational agent会话智能体Convex quadratic programming凸二次规划Convexity凸性Convolutional neural network/CNN卷积神经网络Co-occurrence同现Correlation coefficient相关系数Cosine similarity余弦相似度Cost curve成本曲线Cost Function成本函数Cost matrix成本矩阵Cost-sensitive成本敏感Cross entropy交叉熵Cross validation交叉验证Crowdsourcing众包Curse of dimensionality维数灾难Cut point截断点Cutting plane algorithm割平面法4、D开头的词汇Data mining数据挖掘Data set数据集Decision Boundary决策边界Decision stump决策树桩Decision tree决策树／判定树Deduction演绎Deep Belief Network深度信念网络Deep Convolutional Generative Adversarial Network/DCGAN深度卷积生成对抗网络Deep learning深度学习Deep neural network/DNN深度神经网络Deep Q-Learning深度Q 学习Deep Q-Network深度Q 网络Density estimation密度估计Density-based clustering密度聚类Differentiable neural computer可微分神经计算机Dimensionality reduction algorithm降维算法Directed edge有向边Disagreement measure不合度量Discriminative model判别模型Discriminator判别器Distance measure距离度量Distance metric learning距离度量学习Distribution分布Divergence散度Diversity measure多样性度量／差异性度量Domain adaption领域自适应Downsampling下采样D-separation （Directed separation）有向分离Dual problem对偶问题Dummy node哑结点Dynamic Fusion动态融合Dynamic programming动态规划5、E开头的词汇Eigenvalue decomposition特征值分解Embedding嵌入Emotional analysis情绪分析Empirical conditional entropy经验条件熵Empirical entropy经验熵Empirical error经验误差Empirical risk经验风险End-to-End端到端Energy-based model基于能量的模型Ensemble learning集成学习Ensemble pruning集成修剪Error Correcting Output Codes／ECOC纠错输出码Error rate错误率Error-ambiguity decomposition误差-分歧分解Euclidean distance欧氏距离Evolutionary computation演化计算Expectation-Maximization期望最大化Expected loss期望损失Exploding Gradient Problem梯度爆炸问题Exponential loss function指数损失函数Extreme Learning Machine/ELM超限学习机6、F开头的词汇Factorization因子分解False negative假负类False positive假正类False Positive Rate/FPR假正例率Feature engineering特征工程Feature selection特征选择Feature vector特征向量Featured Learning特征学习Feedforward Neural Networks/FNN前馈神经网络Fine-tuning微调Flipping output翻转法Fluctuation震荡Forward stagewise algorithm前向分步算法Frequentist频率主义学派Full-rank matrix满秩矩阵Functional neuron功能神经元7、G开头的词汇Gain ratio增益率Game theory博弈论Gaussian kernel function高斯核函数Gaussian Mixture Model高斯混合模型General Problem Solving通用问题求解Generalization泛化Generalization error泛化误差Generalization error bound泛化误差上界Generalized Lagrange function广义拉格朗日函数Generalized linear model广义线性模型Generalized Rayleigh quotient广义瑞利商Generative Adversarial Networks/GAN生成对抗网络Generative Model生成模型Generator生成器Genetic Algorithm/GA遗传算法Gibbs sampling吉布斯采样Gini index基尼指数Global minimum全局最小Global Optimization全局优化Gradient boosting梯度提升Gradient Descent梯度下降Graph theory图论Ground-truth真相／真实8、H开头的词汇Hard margin硬间隔Hard voting硬投票Harmonic mean调和平均Hesse matrix海塞矩阵Hidden dynamic model隐动态模型Hidden layer隐藏层Hidden Markov Model/HMM隐马尔可夫模型Hierarchical clustering层次聚类Hilbert space希尔伯特空间Hinge loss function合页损失函数Hold-out留出法Homogeneous同质Hybrid computing混合计算Hyperparameter超参数Hypothesis假设Hypothesis test假设验证9、I开头的词汇ICML国际机器学习会议Improved iterative scaling/IIS改进的迭代尺度法Incremental learning增量学习Independent and identically distributed/i.i.d.独立同分布Independent Component Analysis/ICA独立成分分析Indicator function指示函数Individual learner个体学习器Induction归纳Inductive bias归纳偏好Inductive learning归纳学习Inductive Logic Programming／ILP归纳逻辑程序设计Information entropy信息熵Information gain信息增益Input layer输入层Insensitive loss不敏感损失Inter-cluster similarity簇间相似度International Conference for Machine Learning/ICML国际机器学习大会Intra-cluster similarity簇内相似度Intrinsic value固有值Isometric Mapping/Isomap等度量映射Isotonic regression等分回归Iterative Dichotomiser迭代二分器10、K开头的词汇Kernel method核方法Kernel trick核技巧Kernelized Linear Discriminant Analysis／KLDA核线性判别分析K-fold cross validation k 折交叉验证／k 倍交叉验证K-Means Clustering K –均值聚类K-Nearest Neighbours Algorithm/KNN K近邻算法Knowledge base知识库Knowledge Representation知识表征11、L开头的词汇Label space标记空间Lagrange duality拉格朗日对偶性Lagrange multiplier拉格朗日乘子Laplace smoothing拉普拉斯平滑Laplacian correction拉普拉斯修正Latent Dirichlet Allocation隐狄利克雷分布Latent semantic analysis潜在语义分析Latent variable隐变量Lazy learning懒惰学习Learner学习器Learning by analogy类比学习Learning rate学习率Learning Vector Quantization/LVQ学习向量量化Least squares regression tree最小二乘回归树Leave-One-Out/LOO留一法linear chain conditional random field线性链条件随机场Linear Discriminant Analysis／LDA线性判别分析Linear model线性模型Linear Regression线性回归Link function联系函数Local Markov property局部马尔可夫性Local minimum局部最小Log likelihood对数似然Log odds／logit对数几率Logistic Regression Logistic 回归Log-likelihood对数似然Log-linear regression对数线性回归Long-Short Term Memory/LSTM长短期记忆Loss function损失函数12、M开头的词汇Machine translation/MT机器翻译Macron-P宏查准率Macron-R宏查全率Majority voting绝对多数投票法Manifold assumption流形假设Manifold learning流形学习Margin theory间隔理论Marginal distribution边际分布Marginal independence边际独立性Marginalization边际化Markov Chain Monte Carlo/MCMC马尔可夫链蒙特卡罗方法Markov Random Field马尔可夫随机场Maximal clique最大团Maximum Likelihood Estimation/MLE极大似然估计／极大似然法Maximum margin最大间隔Maximum weighted spanning tree最大带权生成树Max-Pooling最大池化Mean squared error均方误差Meta-learner元学习器Metric learning度量学习Micro-P微查准率Micro-R微查全率Minimal Description Length/MDL最小描述长度Minimax game极小极大博弈Misclassification cost误分类成本Mixture of experts混合专家Momentum动量Moral graph道德图／端正图Multi-class classification多分类Multi-document summarization多文档摘要Multi-layer feedforward neural networks多层前馈神经网络Multilayer Perceptron/MLP多层感知器Multimodal learning多模态学习Multiple Dimensional Scaling多维缩放Multiple linear regression多元线性回归Multi-response Linear Regression ／MLR多响应线性回归Mutual information互信息13、N开头的词汇Naive bayes朴素贝叶斯Naive Bayes Classifier朴素贝叶斯分类器Named entity recognition命名实体识别Nash equilibrium纳什均衡Natural language generation/NLG自然语言生成Natural language processing自然语言处理Negative class负类Negative correlation负相关法Negative Log Likelihood负对数似然Neighbourhood Component Analysis/NCA近邻成分分析Neural Machine Translation神经机器翻译Neural Turing Machine神经图灵机Newton method牛顿法NIPS国际神经信息处理系统会议No Free Lunch Theorem／NFL没有免费的午餐定理Noise-contrastive estimation噪音对比估计Nominal attribute列名属性Non-convex optimization非凸优化Nonlinear model非线性模型Non-metric distance非度量距离Non-negative matrix factorization非负矩阵分解Non-ordinal attribute无序属性Non-Saturating Game非饱和博弈Norm范数Normalization归一化Nuclear norm核范数Numerical attribute数值属性14、O开头的词汇Objective function目标函数Oblique decision tree斜决策树Occam’s razor奥卡姆剃刀Odds几率Off-Policy离策略One shot learning一次性学习One-Dependent Estimator／ODE独依赖估计On-Policy在策略Ordinal attribute有序属性Out-of-bag estimate包外估计Output layer输出层Output smearing输出调制法Overfitting过拟合／过配Oversampling过采样15、P开头的词汇Paired t-test成对t 检验Pairwise成对型Pairwise Markov property成对马尔可夫性Parameter参数Parameter estimation参数估计Parameter tuning调参Parse tree解析树Particle Swarm Optimization/PSO粒子群优化算法Part-of-speech tagging词性标注Perceptron感知机Performance measure性能度量Plug and Play Generative Network即插即用生成网络Plurality voting相对多数投票法Polarity detection极性检测Polynomial kernel function多项式核函数Pooling池化Positive class正类Positive definite matrix正定矩阵Post-hoc test后续检验Post-pruning后剪枝potential function势函数Precision查准率／准确率Prepruning预剪枝Principal component analysis/PCA主成分分析Principle of multiple explanations多释原则Prior先验Probability Graphical Model概率图模型Proximal Gradient Descent/PGD近端梯度下降Pruning剪枝Pseudo-label伪标记16、Q开头的词汇Quantized Neural Network量子化神经网络Quantum computer量子计算机Quantum Computing量子计算Quasi Newton method拟牛顿法17、R开头的词汇Radial Basis Function／RBF径向基函数Random Forest Algorithm随机森林算法Random walk随机漫步Recall查全率／召回率Receiver Operating Characteristic/ROC受试者工作特征Rectified Linear Unit/ReLU线性修正单元Recurrent Neural Network循环神经网络Recursive neural network递归神经网络Reference model参考模型Regression回归Regularization正则化Reinforcement learning/RL强化学习Representation learning表征学习Representer theorem表示定理reproducing kernel Hilbert space/RKHS再生核希尔伯特空间Re-sampling重采样法Rescaling再缩放Residual Mapping残差映射Residual Network残差网络Restricted Boltzmann Machine/RBM受限玻尔兹曼机Restricted Isometry Property/RIP限定等距性Re-weighting重赋权法Robustness稳健性/鲁棒性Root node根结点Rule Engine规则引擎Rule learning规则学习18、S开头的词汇Saddle point鞍点Sample space样本空间Sampling采样Score function评分函数Self-Driving自动驾驶Self-Organizing Map／SOM自组织映射Semi-naive Bayes classifiers半朴素贝叶斯分类器Semi-Supervised Learning半监督学习semi-Supervised Support Vector Machine半监督支持向量机Sentiment analysis情感分析Separating hyperplane分离超平面Sigmoid function Sigmoid 函数Similarity measure相似度度量Simulated annealing模拟退火Simultaneous localization and mapping同步定位与地图构建Singular Value Decomposition奇异值分解Slack variables松弛变量Smoothing平滑Soft margin软间隔Soft margin maximization软间隔最大化Soft voting软投票Sparse representation稀疏表征Sparsity稀疏性Specialization特化Spectral Clustering谱聚类Speech Recognition语音识别Splitting variable切分变量Squashing function挤压函数Stability-plasticity dilemma可塑性-稳定性困境Statistical learning统计学习Status feature function状态特征函Stochastic gradient descent随机梯度下降Stratified sampling分层采样Structural risk结构风险Structural risk minimization/SRM结构风险最小化Subspace子空间Supervised learning监督学习／有导师学习support vector expansion支持向量展式Support Vector Machine/SVM支持向量机Surrogat loss替代损失Surrogate function替代函数Symbolic learning符号学习Symbolism符号主义Synset同义词集19、T开头的词汇T-Distribution Stochastic Neighbour Embedding/t-SNE T–分布随机近邻嵌入Tensor张量Tensor Processing Units/TPU张量处理单元The least square method最小二乘法Threshold阈值Threshold logic unit阈值逻辑单元Threshold-moving阈值移动Time Step时间步骤Tokenization标记化Training error训练误差Training instance训练示例／训练例Transductive learning直推学习Transfer learning迁移学习Treebank树库Tria-by-error试错法True negative真负类True positive真正类True Positive Rate/TPR真正例率Turing Machine图灵机Twice-learning二次学习20、U开头的词汇Underfitting欠拟合／欠配Undersampling欠采样Understandability可理解性Unequal cost非均等代价Unit-step function单位阶跃函数Univariate decision tree单变量决策树Unsupervised learning无监督学习／无导师学习Unsupervised layer-wise training无监督逐层训练Upsampling上采样21、V开头的词汇Vanishing Gradient Problem梯度消失问题Variational inference变分推断VC Theory VC维理论Version space版本空间Viterbi algorithm维特比算法Von Neumann architecture冯·诺伊曼架构22、W开头的词汇Wasserstein GAN/WGAN Wasserstein生成对抗网络Weak learner弱学习器Weight权重Weight sharing权共享Weighted voting加权投票法Within-class scatter matrix类内散度矩阵Word embedding词嵌入Word sense disambiguation词义消歧23、Z开头的词汇Zero-data learning零数据学习Zero-shot learning零次学习。
故障察觉率可变的软件可靠性增长模型
使得 软件的可靠性成为衡量 软件质量 的一个重要 的标 准 。为此，在过去 的几十年 中产 生 了多种 基于非齐次
本文 分析 了以上两种情况 ，并证 明在基于 Ｇ． Ｏ模
泊松分布 （ ｏ． ｍｏｅｅｕ ｏｓｏ ， ＨＰ ）软件可 Ｎ ｎＨｏ ｇｎｏｓ ｉ ｎＮ Ｐ Ｐ ｓ 靠 性 增 长模 型 来评 估软 件 的可 靠 性 ，如 最早 出现 的
ｎｅ ｍｉｔｋ ｓｄ ｒｎ ｈ ｅ ｕ ｉ ｒ ｃ ｓ ． ｎ ｗ ｐｅｏ ＲＧＭ ｏ ｓｏ ｔｗｈ ｃ ｏ ｓｎ ｔｏ ｌ ｏ ｉ ｅ ｏ ｔ ｒ ｗ ｓａ ｅ ｕ ｉｇ ｔ ｅｄ ｂ ｇｇｎｇｐ ｏ ｅ ｓ Ａ ｅ ｔ ｆＳ ｙ ｃ ｍｅ ｕ ｉｈ ｄ ｅ ｏ ｎｙ ｃ ｎｓｄ ｒｔ ｓ ｆｗａ ｅ ｈｅ ｄ ｖ ｌ ｅ ’ ｆｍ ｉ ａ ｉ ｔ ｏ ｔ ｒ ｅ ｓ ｓｅ ｂ ｔａｓ ｏ ｓｄ ｒｔ ｅｄｍｉ ｉｈ ｎ ｓａ ｅ ｅ ｅｏ ｉ ｇｓ ｓｅ ． ｉ ＲＧＭ ｅ ｅｏｐ ｒＳ ａ ｌ ｒｔ ｗｉｈｓ ｆｗａ ｙ ｔ ｍ， ｕ ｌｏ ｃ ｎ ｉ ｅ ｉ ｎ ｓ ｉ ｇ ｍｉｔｋ ｓｄ ｖ ｌ ｐ ｎ ｙ ｔｍ Ｔｈ ｓＳ ｉ ｙ ｈ ｈ ｓｃ ｎ ｉ ｅ ｅ ｈ ａ ｌ ｅ ｅ ｔｏ ａ ｅ ｃ ａ ｇ ｎ ｔ ｈ ｉ ｅ ｃ ａ ｉｇ．Ｍ ｏ ｅ ｖ ￣ ｔ ｅｔ ｓ ｅ ｕ ｔｂ ｉ ｇ ｔ ｅｐｕ ｌｃ ａ ｏ ｓｄ ｒ ｄ ｔ ｅ ｆｕ ｔｄ ｔｃｉ ｎ ｒ ｔ ｈ ｎ ｉ ｇ ｗｉｈ ｔ ｅ ｔ ｈ ｎｇｎ ｍ ｒ ｏ ｅ ｈ ｅ ｔｒ ｓ ｌ ｙ ｕｓｎ ｈ ｂ ｉ
关键 词：非齐次泊松过程；故障检测率 ；软件可靠性增长模型 ；非完美排错 ；故障移除效率
Ｓｏ ｔ ｒ ｌａ ｌ ｔ ｏ ｈ Ｍ ｏ ｌ ｔ ｆｗａ ｅ Ｒｅ ｉ ｂｉ ｙ Ｇｒ ｗｔ ｉ ｄｅ ｈ Ｖａｒａ ｅＦａ ｌ ｔ ｃ ｉ ｉ Ｒａ ｅ ｗｉ ｉ ｂｌ ｕ ｔＤｅ ｅ ｔＯ ｌ ｔ
基于非概率区间模型的可靠性分析与优化
基于非概率区间模型的可靠性分析与优化韩志杰;王璋奇【摘要】根据影响目标零件结构参数变化因素以及材料性能参数的区间特性,采用可靠性分析技术与结构优化方法,对目标零件结构的控制参数、材料强度及载荷分布等参量的不确定性进行分析,通过对非概率区间可靠性进行分析,构造出结构失效概率度量的可靠性指标,结合区间约束的n维复形调优算法,获得了结构参数的最优结果.以钢坯吊具钳板为例,验证了该方法的实用性和有效性.该方法为基于可靠性的产品设计提供了新的途径.%According to the fluctuating factors of the target components' structural parameters and the interval characterization of the material properties, this paper adopted reliability analysis and structural optimization method, and analyzed the control parameters, material strength and load distribution considering uncertainty of structural parameters of the target components. The reliability index with structural failure probability was constructed by using non—probabilistic interval reliability analysis. And combined with N—dimensional complex optimal algorithm with interval constraints,the optimal results were obtained. To billet slings clamp plate, for example, this method was proved to be practical and effective. And it is a new way of the reliability—based design.【期刊名称】《中国机械工程》【年(卷),期】2011(022)006【总页数】5页(P652-656)【关键词】非概率可靠性;区间模型;结构优化;可靠性指标;复形调优算法【作者】韩志杰;王璋奇【作者单位】华北电力大学,保定,071003;华北电力大学,保定,071003【正文语种】中文【中图分类】TB114.3在产品的设计生产中,通常会遇到一些不确定性因素,导致设计的结果存在不确定性。
基于改进型神经网络的软件可靠性模型
ｆ ｏ ｌ ｅｏ Ｃ ｍｐ ｔ ｃｅ ｃ ｎ ｅ ｈ ｏ ｏ ｙ Ｓ ｕｈＣ ｉ ａ ｉｅ ｓ ｙｏ Ｔ ｃ ｎ ｌｇ ， ｕ ｎ ｚ ｏ １ ０ ６ Ｃ ｉａ Ｃ ｌ ｇ ｆ ｏ ｕｅ Ｓ ｉｎ ｅａ ｄＴ ｃ ｎ ｌｇ ， ｏ ｔ ｈ ｎ ｖ ｒｉ ｆ ｅ ｈ ｏｏ ｙ Ｇ ａ ｇ ｈ ｕ５ ０ ０ ， ｈｎ ） ｅ ｒ Ｕｎ ｔ
在 实 际 的软 件 开 发 模 式 下 这 不 总 是科 学 的 ，组 件 式 开 发 中组
主要 目的是修 改变 量数据的分布 ，以使得输入数据能够更好
地符合输 出变量 的分布 。常 用的数据处理 方法有 ２种 ： （） 性变换 。线 性变换 是一种 非常 简单 的数据变换 方 １线 法 ，这种 变换 方法通过原始数据 的取值范 围将数据集通过线
中 ｌ
基 于 改进型神 经 网络 的软件 可 靠性模 型
熊小均 ，梅登华
（ 华南理工大学计算机科 学与技术学院 ，广州 ５ ０ ０ ） １０ ６
摘
要 ：针对传统软件 可靠性模型需要分析软件体 系结构的可行性 问题 ，提 出使 用改进型神经 网络计算可靠性 的模 型。采 用 自组织算法 ，
第 ３ 卷 第 ２ ６ ２期
Ｖ１ ｏ． ３６
・
１ ０ ０年 １ 月 １
Ｎｏ ｅ ｂｅ ０１ ｖｍ ｒ２ ０
Ｎｏ．２ ２
Ｃｏｍ ｐｕ ｅ ｔ ｒＥｎｇ ｎｅ ｒ ｎｇ ｉ ｅｉ
人工智能及识别技术 ・
文 编 １ ０ －２（ １２ ８ ＿ 文 标 码： 章 号： ０ —３ ８ ｏ ） — １ —０ ０ ４ ２ ｏ２ ７ ３ 献 识 Ａ
ｄ ｔ ， ｈ ｓｍｏ ｅ ｓａ ｈｉｖ ｄ Ｅｘ ｅ ｉ ｎ ａ ｅ ｕ ｔ ｈ ｗ ｈａ ｈ ｄｅ ａ ｒ ｄ ｃ ｃ ｕ ａｅ ｙ ａ ｈ ｒ ｄ ｔ ｎ ｌ ｅ ｔ ｏ ｔｔ ｅ ａ ａ ｙ ｉ ｆｉ ｔ ｒ ａ ａ ａ ｔ ｉ ｄ ｌ ｃ ｅ ｅ ． ｐ ｒｍｅ ｔ ｌ ｓ ｌｓｓ ｏ ｔ ｔｔ ｅ ｍｏ ｌｃ ｎ ｐ ｅ ｉ ｔ ｃ ｒ ｔ ｌ ｓ ｔ ｅ ｔａ ｉｉ ａ ｉ ｒ ａ ｏ ｏｎ ｓ ｗｉ ｕ ｈ ｎ ｌ ｓ ｓｏ ｅ ｎ ｌ ｈ ｎ ｓ ｒ ｃ ｕ ｅｏ ｅＳ ｆｗａ ｅ ｔｕ ｔ ｒ ｆｔ Ｏ ｔ ｒ ． ｈ
非齐次马尔可夫lpv系统的h_∞异步控制
i
ne
a
rpa
r
ame
t
e
r
Ｇ
va
r
i
ng,
y
LPV)系统的 H ∞ 异步控制问题进行了研究.由于实际非齐 次 马 尔 可 夫 系 统 的 系 统 模 态 难 以 直 接 获 得,考 虑 了 控
制器模态和系统模态不一致的异步问题,并用一 个 非 齐 次 隐 马 尔 可 夫 模 型 建 模. 非 齐 次 马 尔 可 夫 系 统 和 非 齐 次
s
sue
st
h
i
spape
ra
c
c
omp
l
i
she
st
hes
t
ab
i
l
i
t
l
i
s,H ∞ pe
r
Ｇ
yana
ys
f
o
rmanc
eana
l
s
i
sanda
s
r
onous H ∞ c
on
t
r
o
l
l
e
rde
s
i
ft
hec
l
o
s
ed
Ｇ
l
oops
s
t
em wi
t
hex
t
e
rna
ld
i
s
t
u
rbanc
e
y
ynch
gno
r
ope
r
t
i
e
so
fnon
Ｇ
homogene
ous Ma
r
kovj
Weibull分布引进故障的软件可靠性增长模型
中文引用格式: 王金勇,张策,米晓萍,郭新峰,李济洪.Weibull 分布引进故障的软件可靠性增长模型.软件学报,2019,30(6): 1759−1777. /1000-9825/5427.htm 英文引用格式: Wang JY, Zhang C, Mi XP, Guo XF, Li JH. A software reliability growth model based on Weibull distribution introduced faults. Ruan Jian Xue Bao/Journal of Software, 2019,30(6):1759−1777 (in Chinese). /1000-9825/ 5427.htm
软件学报 ISSN 1000-9825, CODEN RUXUEW
Journal of Software,2019,30(6):1759−1777 [doi: 10.13328/ki.jos.005427] ©中国科学院软件研究所版权所有.
E-mail: jos@ Tel: +86-10-62562563
Weibull 分布引进故障的软件可靠性增长模型∗
王金勇 1, 张 策 2, 米晓萍 1, 郭新峰 1, 李济洪 1
1(山西大学 软件学院,山西 太原 030006) 2(哈尔滨工业大学(威海) 计算机科学与技术学院,山东 威海 通讯作者: 王金勇, E-mail: wangjinyong818@
264209)
摘 要: 软件调试是复杂过程,可能会受到很多种因素的影响,例如调试资源分配、调试工具的使用情况、调试技 巧等.在软件调试过程中,当检测到的故障被去除时,新的故障可能会被引进.因此,研究故障引进的现象对建立高质 量的软件可靠性增长模型具有重要意义.但是到目前为止,模拟故障引进过程仍是一个复杂和困难的问题.虽然有许 多研究者开发了一些不完美调试的软件可靠性增长模型,但是一般都是假设故障内容(总数)函数为线性、指数分布 或者是与故障去除的数量成正比.这个假设与实际的软件调试过程中故障引进情况并不完全一致.提出一种基于 Weibull 分布引进故障的软件可靠性增长模型,考虑故障内容(总数)函数服从 Weibull 分布,并用相关的实验验证了提 出的模型的拟合和预测性能.在用两个故障数据集进行的模拟实验中,实验结果指出:提出的模型和其他模型相比, 有更好的拟合和预测性能以及更好的鲁棒性. 关键词: 软件可靠性;软件可靠性增长模型;非齐次泊松过程;不完美调试;Weibull 分布的故障内容函数 中图法分类号: TP311
考虑测试效率的软件可靠性模型研究
０
边 界条件 ｍ ＝ｍ（ ） ｔ 为测试开始时间 。 ｏ ｔ ， ｏ 。 可 以看出 ， 一般 的 Ｎ Ｐ Ｈ Ｐ可靠 性增 长模 型都 是基
于这样 的假设 ：
源投入的问题 。文 中提出一 种测试 效 率函数 ， 来表示
上述过程 。 ： 记 ｐ ｔ ＝Ａ ｅ （） ｔ叫
（） １ 软件 失效的发生符合非齐次泊松过程 ； （） ２ 某一 时刻 ， 软件 的失效 密度 与此 时 刻软 件 中
中 图分类 号 ：Ｐ１ Ｔ ３ 文献标 识码 ： Ａ 文章编 号 ：６３ ６９ ２ １ ）８ ０ ６－ ４ １７ — ２Ｘ（０ １ ０ －０７ ０
Ｒｅ ｅ ｒ ｈ ｏ ｏ ｔ ｒ ｌ ｂ ｌ ｙ Ｍ ｏ ｅ ｔ ｓ ｆ ｃｅ ｃ ｓ ａ ｃ ｆＳ ｆｗａ ｅ Ｒｅｉ ｉ ｔ ｄ ｌｗｉ Ｔｅ ｔＥｆ ｉｎ ｙ ａ ｉ ｈ ｉ
不完 全排 错 以及 排错 时引 入错误 的可能性 ， 没有考 虑 到在 测 试 过程 中资 源投 入 等 问题 。笔 者 认 为在 测试 过 程 中 ， 人 也 投 的 资源 、 试环境 以及 测试 人员 的努 力程度 对测 试 的结果 有 一 定 的影 响 。 同时 ， 测 考虑 到 软件 排 错 过程 中新错 误 的引入 和
为定量评测软件可靠性的软件可靠性模 型则是研究的
核心和关键 。 在众 多的软件 可靠性模 型 中 ， 目前 还没有 能广泛
１ 考虑测试效率 的软件可靠性模型
１ １ 模 型 改进 的 出发 点 ．
非齐 次 泊 松 过 程 （ ｏ Ｎ ｎ—Ｈ ｍ ｇｎｏｓ ｏ ｓｎ ｏ ｏｅ ｅｕ Ｐｉ ｏ ｓ
错误 的不 完全 排除 等情况 ， 出了一 种考 虑测试 效率 的 可靠 性 模 型 。通过 与 已有模 型 进行 仿 真 试验 对 比显示 ， 模 型具 提 新
基于Markov链使用模型的加速统计测试方法
全关 键 软件 实施 充 分 的测 试 ． 因此 ， 软 件 测 试 过 在
程 中 ， 果 能有 针对 性地暴 露 出对 软件 可靠 性影 响 如 较 大 的软件 缺 陷 ， 速软 件 测 试 ， 可 以快 速 增 加 加 将
数 据集 的概率 分 布称 为操 作剖 面 ， 即转移 概 率矩
阵 Ｐ 边 ｅ可 以在 测 试 数 据 集 中 出现 多 次 ， ． 即测
软件 可 靠性 ， 还可 显 著减少 软件 测试 开销 ． 目前 ， 国 内外针 对软 件可 靠 性 加 速测 试 技 术 的研 究 还 比较
少 ， 因此 有 必要对 其 进行深 入 研究 ． 本 文基 于 Ｍａｋ ｖ链 使 用 模 型 提 出 了 一 种 加 ｒｏ 速统 计 测试 方法 ， 以软 件 总 费 用 最 小 为 目标 ， 引入
Ｚ ａＲｊｎ・ ｈ ｉ ｕ 。
（ Ｃ ｌｇ ｆＣ ｍｐ ｔ ｃｅｃ ｎ ｅｈ ｏｏ ｙ Ｎａｊ ｇＵｎｖｒｉ ｆ ｅｏ ａ ｔｓａｄＡｓｏ ａｔ ｓ ａｊ ｇ２ ０ １ Ｃ ｉａ ｏｌ ｅｏ ｏ ｕｅ ＳｉｎｅａｄＴ ｃｎ ｌｇ ， ｎｉ ｉｅｓｙｏ ｒｎ ｕｉ ｎ ｔ ｎｕｉ ，Ｎ ｎｉ １０ ６， ｈｎ ） ｅ ｒ ｎ ｔ Ａ ｃ ｒ ｃ ｎ
一
其关键操作如紧急事故处理等操作 ， 由于使用概率 非 常小 ， 在基 于使 用 的统计 测 试 中往 往 得不 到充 分
测试 ， 而这类 操 作 的 可靠 性 要 求 往 往 很 高 ， 失 效 其 会 造成 严 重 的 后 果 ． 果 采 用 传 统 的 统 计 测 试 方 如
法， 即使 花 费很 长 的测试 时 间也难 以有 效地 对该 安
ｄ ｅ ｔ ｅｔ ｔ ｌｃ ｓｓｏ ｏ ｗａ ｅ ａ ｄ ｃ ｎ ｓｇｎｆｃ ｔｙ ｉ ｃ ｅ ｓ ｅ ｔａ ｅ ｓｎｇ ｔ ｅ ｆｔ ｅ ｋ ｙ ｏ ｅ ａ ｉ ｎ ｕｃ ｏ ａ ｏ ｔ ｆｓ ｆ ｒ ｎ ａ ｉ ｉ ａ ｌ ｎ ｒ ａ ｅ ｔ ｖ ｒ ｉ ｉ ｓｏ ｅ ｐ ｒ ｔｏ ｈ ｔ ｉ ｎ ｈ ｒ ｍ ｈ ｃ ｍｐ ｒ ｄ ｗｉ ｏ ｖ ｎ ｉ ｎ ｌｓａ ｉｔｃ ｌｓ ｆｗａｅ ｔ ｓｉｇ ｍｅｈｏ ｓ ｔｉ ａ ｔａ ｄ ｅ ｆ ｃｉ ｅ ａ ｃ ｌ ｒ ｔ ｏ ａ ｅ ｔ ｃ ｎ ｅ ｔｏ ａ ｔｔｓｉ ａ ｏ ｈ ｔ ｒ ｅ ｔ ｔ ｄ ．Ｉ ｓａ ｆ ｓ ｆｅ ｔｖ ｃ ｅｅ ａ ｏｎ ｎ ｎ ｉ ｓａｉｔｃ ｌｔｓｉ ｔ ｏ ｔｔｓｉａ ｅ ｔ ｎｇ ｍｅｈ ｄ． Ｋｅ ｒ ｓ：ｓ ｔｗａ ｅ ｅ ｔ ｙ ｗｏ ｄ ｏｆ ｒ ｔｓｉ ｎｇ；ｓａｉｔ ａ ｅ ｔｎ ｔｔｓｉ ｌ ｔ ｓｉ ｇ； ａ ｃ ｌｒ ｔｏ ｅ ｔｎ ｔ ｏ ｃ ｃ ｅ ｅ ａｉ ｎ ｔ ｓｉ ｇ ｍｅ ｄ；Ｍ ａ ｋ ｖ ｃ ａ ｎ ｕｓ ｇ ｈ ｒ ｏ ｈ ｉ ａ ｅ
基于电热耦合模型和寿命预测的IGBT可靠性评估
第37卷第6期电力科学与工程V ol. 37, No. 6 2021年6月Electric Power Science and Engineering Jun., 2021 doi: 10.3969/j.ISSN.1672-0792.2021.06.003基于电热耦合模型和寿命预测的IGBT可靠性评估帅双旭，熊炜，彭月，艾小清，刘玉洁，朱拉沙（贵州大学电气工程学院，贵州贵阳550025）摘要：针对IGBT可靠性评估中结温与运行工况和工作特性紧密相关的问题，以及考虑寿命预测中受多因素的影响，基于IGBT结构及失效机理，提出基于电热耦合模型和Bayerer寿命预测模型的IGBT可靠性预测流程，并结合贵州大学城市配电网柔性互联关键设备及技术研究示范工程，以MMC和DAB换流器中IGBT模块为研究对象，建立其热网络模型并根据设备实际运行工况计算内部IGBT芯片、FWD功率损耗和瞬时结温；通过雨流算法提取温度循环获得IGBT结温统计特征，从而得到IGBT的寿命预测和可靠性评估相关参数，并与利用功率循环曲线计算的失效率进行对比，结果表明，考虑了工作运行状态并基于电热耦合模型和寿命预测模型获得的失效率更能反映IGBT的实际运行情况。
关键词：IGBT；可靠性评估；寿命预测；电热耦合模型；雨流算法中图分类号：TM614 文献标识码：A 文章编号：1672-0792(2021)06-0017-09IGBT Reliability Evaluation Based on Electro-thermal CouplingModel and Life PredictionSHUAI Shuangxu, XIONG Wei, PENG Yue, AI Xiaoqing, LIU Yujie, ZHU Lasha (The Electrical Engineering College, Guizhou University, Guiyang 550025, China)Abstract:Aiming at solving the problem that junction temperature is closely related to operating conditions and operating characteristics in IGBT reliability evaluation and considering the influence of multiple factors in life prediction, this paper proposes the reliability prediction process of IGBT based on electro-thermal coupling model and Bayerer life prediction model on the basis of IGBT structure and failure mechanism. Combined with Guizhou University’s urban distribution network flexible interconnection key equipment and technology research demonstration project, with IGBT modules in MMC and DAB converters as the research object, the thermal network model is established and according to the actual operating conditions of the equipment, the power loss and instantaneous junction temperature收稿日期：2020-12-07基金项目：贵州省科学技术基金（[2019]1058）作者简介：帅双旭（1996—），女，硕士研究生，研究方向为柔性互联配电网可靠性评估；熊炜（1972—），女，副教授，研究方向为配电网运行与控制及可靠性研究。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
...012
λλλ(t)(t)(t)0,00,10,20,30,40,50,a1,01,11,21,31,41,a-12,02,12,22,32,a-2
a-1,1a-1,0a,0
λλλλλλλλλλλλλλλλλλλµµµµµµµµµµµµµµµµµ . . .. . ..... . . ...(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)
(t)0,00,10,20,30,40,50,a1,01,11,21,31,41,a-12,02,12,22,32,a-2
a-1,1a-1,0a,0
λλλλλλλλλλλλλλλλλλµµµµµµµµµµµµµµµµµµµµµ* f* f* f* f* f* f* f* f* b* b* b* b* b* b* b* b* b* b* b* b111111111111µ* fµ* fµ* fµ* fµ* fµ* fµ* fµ* fµ* fµµµµµµµµ* b* b* b* b* b* b* b* b22222222µµ* b* b22* b111µ* b1µµ* b* b11µµµ* b* b* b222µ* b2. . .. . .. . . .. ....(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)(t)λ (t)(t)(t)(t)(t)(t)
(t)0.050.0100.0150.0200.0Time
0.0
0.51.01.52.0Failure Intensity
Failure Intensity vs. TimeK = 0.9
A = 150A = 100A = 50
0.050.0100.0150.0200.0Time
0.0
10.020.030.040.050.0Expected Number of Fixed Faults
Expected Number of Fixed Faults vs. TimeA = 50; K = 0.9
Perfect Repair; ENHPPMarkov Model(Mu = 100)Markov Model(Mu=10)Markov Model(Mu=1)0.050.0100.0150.0200.0Time
0.0
20.040.060.080.0100.0Expected Number of Fixed Faults
Expected Number of Fixed Faults vs. TimeA = 100; K = 0.9
Perfect Repair; ENHPPMarkov Model(Mu = 100)Markov Model(Mu=10)Markov Model(Mu=1)
0.050.0100.0150.0200.0Time
0.0
10.020.030.040.050.0Expected Number of Fixed Faults
Expected Number of Fixed Faults vs. TimeA = 50; K = 0.9
Perfect Repair; ENHPPMarkov Model(Mu = 100)Markov Model(Mu=10)Markov Model(Mu=1)
0.050.0100.0150.0200.0Time
0.0
20.040.060.080.0100.0Expected Number of Fixed Faults
Expected Number of Fixed Faults vs. TimeA = 100; K = 0.9
Perfect Repair; ENHPPMarkov Model(Mu = 100)Markov Model(Mu=10)Markov Model(Mu=1)
0.050.0100.0150.0200.0Time
0.0
10.020.030.040.050.0Expected Number of Fixed Faults
Expected Number of Fixed Faults vs. TimeA = 50; K = 0.9; Mu = 10
Perfect Repair; ENHPPMarkov Model(b = 0.1)Markov Model(b = 0.05)Markov Model(b = 0.01)0.050.0100.0150.0200.0Time
0.0
20.040.060.080.0100.0Expected Number of Fixed Faults
Expected Number of Fixed Faults vs. TimeA = 100; K = 0.9; Mu = 10
Perfect Repair; ENHPPMarkov Model(b = 0.1)Markov Model(b = 0.05)Markov Model(b = 0.01)
0.050.0100.0150.0200.0Time
0.0
0.20.40.60.81.0Cumulative Probability from r to a
Release Times for different values of rPerfect Repair
r = 31r = 33r = 35r = 37r = 40
0.050.0100.0150.0200.0Time
0.0
0.20.40.60.81.0Cumulative Probability from r to a
Release Times for various different values of rImperfect Repair
r = 31r = 33r = 35r = 37r = 400.050.0100.0150.0200.0Time
0.0
0.20.40.60.81.0Cumulative Probability from 31 to 50
Comparison of Release Times for r = 31Perfect and Imperfect Repair
Perfect RepairImperfect Repair