CN109213963A - 一种激光沉积成型钛合金疲劳寿命统计分析方法 - Google Patents
一种激光沉积成型钛合金疲劳寿命统计分析方法 Download PDFInfo
- Publication number
- CN109213963A CN109213963A CN201710531430.XA CN201710531430A CN109213963A CN 109213963 A CN109213963 A CN 109213963A CN 201710531430 A CN201710531430 A CN 201710531430A CN 109213963 A CN109213963 A CN 109213963A
- Authority
- CN
- China
- Prior art keywords
- fatigue life
- distribution
- sample
- titanium alloy
- test specimen
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种针对激光沉积成型钛合金疲劳寿命的统计处理方法,其特征在于采用了双峰对数正态分布模型对激光沉积成型钛合金试件的疲劳寿命进行描述,采用极大似然法和秩统计最小分布函数残差平方和(SSE)方法进行分布参数估计。具体包括:获取疲劳寿命数据;建立双峰对数正态分布模型;基于极大似然估计和最小SSE进行分布参数估计;最小试件数检验。本发明的应用可以更精确的描述激光沉积成型钛合金试件的疲劳寿命的分散特性,更精确地获取激光沉积成形钛合金疲劳寿命的特征参数。
Description
技术领域
本发明涉及金属材料疲劳寿命统计分析技术,尤其涉及一种针对激光沉积成型钛合金材料疲劳寿命的统计分析方法。
背景技术
交变载荷作用下的疲劳断裂是结构最主要的失效形式,为了保证结构的使用安全和经济性,现代先进机械结构均采用抗疲劳设计思想进行设计。按该设计思想,在结构设计阶段需采用抗疲劳性能好的材料。因此,需要进行材料的疲劳性能测试与表征。大量的理论和试验研究表明,材料的疲劳寿命具有明显的分散性,即按相同的材料工艺和试件加工工艺得到的同一批次试件,在相同的应力水平下不同试件的疲劳寿命存在明显的差异。为此,需建立疲劳寿命统计分析处理方法,这是材料疲劳寿命表征的核心内容。在材料疲劳寿命统计分析中,需要解决两个关键问题:(1)疲劳寿命的分布特性;(2)疲劳寿命参数估计方法。
对于传统锻造、轧制的钢、钛合金、铝合金等金属材料,大量的理论和试验研究表明,可以采用对数正态分布、Weibull分布等连续型随机变量模型描述其疲劳寿命分布,并提出了基于极大似然法、秩统计方法等分布参数估计方法。上述方法集中反应在GB/T24176与ISO 12107标准中,在上述标准中,推荐采用对数正态分布对疲劳寿命进行统计分析,其原理如下:
令随机变量X服从正态分布X~G(μ,σ2)。假设疲劳寿命Y=10X则Y服从对数正态分布,记为 Y~LG(μ,σ2)。其中μ为Y的对数期望,σ为Y的对数标准差,X的概率密度函数为
Y的概率密度函数为
其分布函数为
推荐采用极大似然估计法对参数μ,σ进行估计,其估计为:
近年来,增材制造技术受到了国内外的广泛关注,基于增材制造技术的钛合金金属材料/结构的应用也从次承力结构向主承力结构发展,其应用越来越普及。其中激光沉积成型技术是一种以激光为能量源的直接能量沉积增材制造技术,该技术通过激光熔化基体和同步送来的粉末,使粉末和基体形成冶金结构,并且在基体上逐层沉积成致密的零件。而钛合金普遍具有熔点高、加工性能差等特点,因此采用激光沉积成型技术加工钛合金零件具有潜在的应用价值。激光沉积成形钛合金是目前较为成熟的一种钛合金增材制造工艺。为了实现其在主承力结构上的应用,迫切需要开展激光沉积成形钛合金材料疲劳/断裂研究。
试验和理论研究表明:激光沉积成型工艺与传统机械加工方式完全不同,其独特的工艺特点使得材料 /结构在成型过程中会受到更多因素的影响,使得材料/结构内部不可避免地存在气孔、粉末熔化不良等缺陷。这些缺陷在零件内部随机分布,在交变载荷作用下,激光沉积成型材料会出现与传统材料不同的失效特点,与传统成熟工艺材料疲劳失效形式单一相比,激光沉积成型钛合金材料会出现两种主要的失效形式:一种是与传统材料相同的失效形式,一种是由于缺陷诱发裂纹而导致断裂的失效形式;这两种失效形式对应的材料寿命存在差异,造成了比传统材料更大的疲劳分散性,激光沉积成型钛合金材料疲劳寿命的统计分析是目前迫切需要解决的关键技术问题。试验结果表明,采用GB/T 24176与ISO 12107等标准中推荐的对数正态分布模型难以准确描述激光沉积成形金属材料的疲劳寿命分布,会造成疲劳寿命分布特性描述不准,进而造成特征参数估计不准,可靠寿命过低与实际情况不符的情况。因此,需要针对激光沉积成形钛合金材料疲劳失效特点和寿命分散性特点,有针对性的建立合适的疲劳寿命的统计分析方法,这对保障激光沉积成型钛合金材料/结构在交变载荷下的寿命可靠性具有非常重要的意义。
发明内容
本发明旨在提供一种基于双峰对数正态分布模型的疲劳寿命统计分析方法对激光沉积成型钛合金材料的疲劳寿命进行描述与分析。通过本方法的实施,可以准确的描述激光沉积成型钛合金材料疲劳寿命的分散性,合理的估计特征寿命。
本发明涉及一种基于双峰对数正态分布模型的疲劳寿命统计分析方法,具体包括:
(1)获取材料的疲劳寿命数据
按相关标准要求进行疲劳试验,获取疲劳寿命数据。
(2)建立基于双峰对数正态分布的疲劳寿命分布模型
设疲劳寿命为Y,Y为两个服从对数正态分布的随机变量Y1、Y2的线性加权,有:
式中,fY(y),PY(y)分别表示Y的概率密度函数和分布函数,α表示权重,0≤α≤1,当α=0或α=1时, Y退化为普通的单峰对数正态分布。分别表示Y1、Y2的概率密度函数和分布函数。
对于Y1、Y2,有
式中,LG表示对数正态分布,其概率密度函数与分布函数见式(2)、式(3)。
由式(5)和可知,Y的分布可由5个参数α,μ1,σ1,μ2,σ2唯一确定,Y服从双峰对数正态分布,简记为Y~BLG(α,μ1,μ2,)。
(3)分布参数估计
采用如下方法对α,μ1,σ1,μ2,σ2进行估计:
1)将疲劳寿命样本按从小到大顺序进行排列,记为yi(i=1,…,n),其中i为序号,n为总样本数;
2)按秩统计理论,疲劳寿命样本yi(i=1,…,n)的累积分布概率PR的均秩估计量为:
3)将样本进行分类。按1)中排好的顺序,取前n1个样本作为第一类样本,用随机变量Y1表示,假设其出自一个母体;后(n-n1)个样本出自另一个母体,为第二类样本,用随机变量Y2表示;
4)令n1从2依次取到n-2,对任意n1值,分别用极大似然估计法估计两类样本的对数寿命期望和标准差,得到将第一类样本的样本量占总样本量的比例作为权重α的估计值。见式(8),式中n1,n2表示Y1、Y2的样本数量,y1i,y2i分布表示Y1、Y2中第i个样本。
5)对某一n1,将按4)中方法所求得的带入式(5),依次计算yi(i=1,…,n)对应的分布函数,记为P(yi),根据式(9)计算n1对应的分布函数残差平方和SSE(n1);
6)找出SSE最小值对应的n1,该n1值对应的即为Y~BLG(α,μ1,μ2,)中 5个待定参数的估计值。
7)计算对数寿命期望及对数寿命标准差
Y的对数寿命期望:
式中,X、X1、X2为服从正态分布的随机变量,且X=1gY,X1=1g Y1,X2=1g Y2。
Y的对数寿命方差:
Y的对数寿命标准差:
根据式(10)和式(11)其对数寿命期望和方差的估计为:
(4)最小试件数检验
对于本发明提到的双峰对数正态分布,取误差为δ,置信度为γ,有:
第一类样本所需的最小试件数n′1为
第一类样本所需的最小试件数n′2为
全部样本所需最少有效试件数n′为
n′≥n′1+n′2 (15)
式中tγ(n1-1)、tγ(n2-1)分别表示自由度为n1-1和n2-2的t分布分位数。
若试验试件数满足式(13)、式(14)和式(15)的要求,则认为统计分析的结论有效;若不满足,则应补充试验,直至满足要求。
本发明与现有成熟方法相比,具有下列有益效果:
(1)采用本发明所述双峰对数正态分布模型可以更为准确的描述激光沉积成型钛合金材料的疲劳寿命分布,更符合激光沉积成型工艺特性对钛合金材料疲劳寿命的影响;
(2)采用本发明所述基于最小残差平方和SSE和极大似然法的分布参数估计方法可以快速、简便的估计激光沉积成型钛合金材料的疲劳寿命分布参数;
(3)采用本发明所述最小试件数检验方法,能采用最少试件数获得最为可靠的结果。
附图说明
图1激光沉积成型钛合金疲劳寿命统计分析方法实施流程图;
图2实施例1中所用试件图纸;
图3实施例1中疲劳寿命数据秩统计结果;
图4实施例1中频数直方图及两种分布模型的概率密度曲线;
图5实施例1中秩统计结果及两种分布模型的概率分布函数曲线。
具体实施方式
本发明激光沉积成型钛合金疲劳寿命统计分析方法的实施步骤如图1所示,具体包括如下步骤:
步骤1试验数据获取,按照相关标准要求加工试件、进行疲劳试验,获取疲劳寿命数据。
步骤2建立基于双峰对数正态分布的疲劳寿命统计分布模型。
步骤3进行分布参数估计,将疲劳寿命样本按从小到大的顺序排序,按式进行统计;令n1从2依次取到n-2,前n1个样本作为第一类样本,后n-n1个样本作为第二类样本;按式(8)估计参数α,采用极大似然估计法估计其他分布参数;按式(9)计算n1对应的残差平方和SSE,找出SSE最小时对应的n1,n1下估计到的即为Y~BLG(α,μ1,μ2,)中5个待定参数的估计值。
步骤4最小试件数检验,根据统计分布参数估计及分析结果,按式(13)、式(14)和式(15)要求进行最小试件数检验;若同时满足上述3式的要求,则认为符合最小试件数要求;若不同时满足,则应补充试验,重复步骤2-4中操作。
实施例1
步骤1疲劳寿命数据的获取。
采用如图2所示标准圆棒试件进行疲劳试验,试件材料为TA15钛合金,采用激光沉积成型工艺制造。试验采用单轴拉-拉载荷,应力水平820MPa,应力比R=0.1。试验共得到22件有效试件,得到疲劳试验结果见表1。
表1疲劳试验结果
步骤2建立基于双峰对数正态分布的疲劳寿命统计分布模型。
假设有效试件的疲劳寿命N服从双峰对数正态分布,为方便表示,用随机变量Y表示,则有 Y~BLG(α,μ1,μ2,),且:
以及
步骤3分布参数估计。
将疲劳寿命按从小到大顺序排列,并按式(7)进行秩统计,秩序统计结果见图3。取前n1个样本作为第一类样本,假设其出自一个母体;后(22-n1)个样本出自另一个母体,为第二类样本。令n1从2依次取到22,对任意n1值,用极大似然估计法分别估计两类样本的对数寿命期望和标准差,按式(8)估计参数α。按式(9) 计算n1对应的SSE,找出SSE最小时对应的n1,n1下估计得到即为 Y~BLG(α,μ1,μ2,)中5个待定参数的估计值。本实施例中估计得到双峰对数正态分布的参数见表2,表中一并给出了n1和此n1对应的SSE。
表2双峰对数正态分布参数估计结果
n<sub>1</sub> | SSE | α | μ<sub>1</sub> | σ<sub>1</sub> | μ<sub>2</sub> | σ<sub>2</sub> |
13 | 0.032 | 0.591 | 4.62 | 0.156 | 5.27 | 0.209 |
按式(12)估计对数寿命期望和对数寿命标准差,估计结果见表3。
步骤4最小试件数检验。
按式(13)、式(14)和式(15)要求进行最小试件数检验,取δ=5%,γ=95%。从表4中可以看出,满足最小试件数要求。
表4最小试件数检验
第一类样本 | 第二类样本 | 全体样本 | |
最小试件数n’ | 5 | 5 | 10 |
有效试件数n | 13 | 9 | 22 |
下面通过与传统的对数正态分布模型对本例的统计分析结果的对比来说明本发明的效果:
根据式(4)估计对数正态分布的统计结果,并计算SSE,见表5,表中一并给出了双峰对数正态分布的对数寿命期望和对数寿命标准差,以方便比较;将22件有效试件的疲劳寿命数据的频数统计直方图、对数正态分布与双峰对数正态分布的概率密度函数绘制成图4,为使图中单位统一,对概率密度函数进行了坐标变换;将秩序统计结果与两种分布形式的概率分布函数绘制成图5。通过对以上图表进行分析,可以看出本发明所用双峰对数正态分布模型对激光沉积成型钛合金试件疲劳寿命分布的拟合情况明显优于传统对数正态分布。
表5对数正态分布参数估计结果
μ | σ | SSE | |
对数正态分布 | 4.885 | 0.371 | 0.107 |
双峰对数正态分布 | 4.886 | 0.367 | 0.032 |
以上仅为本发明的优选实施例,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种激光沉积成型钛合金疲劳寿命统计分析方法,其特征在于,包括如下步骤:
(1)获取疲劳寿命数据:按照相关标准要求进行标准试样的疲劳试验,获取疲劳寿命数据;
(2)建立双峰对数正态分布的疲劳统计分布模型:假设疲劳寿命服从双峰对数正态分布,用随机变量Y表示;
(3)双峰对数正态分布参数估计:采用秩统计、最小分布函数残差平方和(SSE)方法、最大似然估计法进行双峰对数正太分布的参数估计。
(4)最小试件数检验:根据统计分布参数估计及分析结果,进行最小试件数检验;若满足最小试件数要求,则结束;若不满足,则应补充试验,重复(2)-(4)中步骤。
2.如权利要求1所述的激光沉积成型钛合金疲劳寿命统计分析方法,其特征在于,所述双峰对数正态分布的原理如下:
设疲劳寿命为Y,Y为两个服从对数正态分布的随机变量Y1、Y2的线性加权,有:
式中,fY(y),PY(y)分别表示Y的概率密度函数和分布函数,α表示权重,0≤α≤1,当α=0或α=1时,Y退化为普通的单峰对数正态分布。分别表示Y1、Y2的概率密度函数和分布函数。
Y的分布可由5个参数α,μ1,σ1,μ2,σ2唯一确定,Y服从双峰对数正态分布,简记为
3.如权利要求2所述的激光沉积成型钛合金疲劳寿命统计分析方法,其特征在于,所述对数正态分布参数估计方法的原理如下:
令随机变量X服从正态分布X~G(μ,σ2)。假设疲劳寿命Y=10X则Y服从对数正态分布,记为Y~LG(μ,σ2)。其中μ为Y的对数期望,σ为Y的对数标准差,其估计为:
X的概率密度函数
Y的概率密度函数
即
其分布函数为
4.如权利要求1所述的激光沉积成型钛合金疲劳寿命统计分析方法,其特征在于,所述双峰对数正态分布的参数估计方法,其具体方法如下:
(1)将疲劳寿命样本按从小到大顺序进行排列,记为yi(i=1,…,n),其中i为序号,n为总样本数;
(2)按秩统计理论,疲劳寿命样本yi(i=1,…,n)的累积分布概率PR的均秩估计量为:
(3)将样本进行分类。按(1)中排好的顺序,取前n1个样本作为第一类样本,用随机变量Y1表示,假设其出自一个母体;后(n-n1)个样本出自另一个样本,为第二类样本,用随机变量Y2表示;
(4)令n1从2依次取到n-2,对任意n1值,分别用极大似然估计法估计两类样本的对数寿命期望和标准差,得到将第一类样本的样本量占总样本量的比例作为权重α的估计值。见下式,中n1,n2表示Y1、Y2的样本数量,y1i,y2i分布表示Y1、Y2中第i个样本。
(5)对某一n1,将按4)中方法所求得的带入下式,依次计算yi(i=1,…,n)对应的分布函数,记为P(yi),计算n1对应的分布函数残差平方和SSE(n1);
(6)找出SSE最小值对应的n1,该n1值对应的即为中5个待定参数的估计值。
5.如权利要求1所述的激光沉积成型钛合金疲劳寿命统计分析方法,其特征在于,所述最小试件数检验方法,其方法如下:
对于本发明提到的双峰对数正态分布,取误差为δ,置信度为γ,有:
第一类样本所需的最小试件数n'1为
第一类样本所需的最小试件数n'2为
全部样本所需最少有效试件数n'为
n′≥n′1+n′2
式中tγ(n1-1)、tγ(n2-1)分别表示自由度为n1-1和n2-2的t分布分位数。
若试验试件数满足上述三式的要求,则认为统计分析的结论有效;若不满足,则应补充试验,直至满足要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710531430.XA CN109213963B (zh) | 2017-07-03 | 2017-07-03 | 一种激光沉积成型钛合金材料疲劳寿命统计分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710531430.XA CN109213963B (zh) | 2017-07-03 | 2017-07-03 | 一种激光沉积成型钛合金材料疲劳寿命统计分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109213963A true CN109213963A (zh) | 2019-01-15 |
CN109213963B CN109213963B (zh) | 2022-08-12 |
Family
ID=64992191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710531430.XA Active CN109213963B (zh) | 2017-07-03 | 2017-07-03 | 一种激光沉积成型钛合金材料疲劳寿命统计分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109213963B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464490A (zh) * | 2020-12-10 | 2021-03-09 | 北京航空航天大学 | 增材钛合金的dfr确定方法 |
CN112487561A (zh) * | 2020-12-10 | 2021-03-12 | 北京航空航天大学 | 增材钛合金dfr确定方法、确定系统、设备及介质 |
CN112949020A (zh) * | 2020-12-10 | 2021-06-11 | 北京航空航天大学 | 增材钛合金的疲劳寿命的确定方法、系统、设备与介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8234093B2 (en) * | 2006-12-22 | 2012-07-31 | The Boeing Company | Computational method for load enhancement factors |
CN104156500A (zh) * | 2014-07-10 | 2014-11-19 | 东北大学 | 一种预测材料疲劳寿命的方法 |
CN106202647A (zh) * | 2016-06-29 | 2016-12-07 | 北京科技大学 | 电主轴的多轴疲劳寿命预测方法及疲劳寿命可靠性评估方法 |
US9581570B2 (en) * | 2011-02-10 | 2017-02-28 | University Of South Carolina | Determination of the remaining life of a structural system based on acoustic emission signals |
CN106815396A (zh) * | 2016-12-08 | 2017-06-09 | 中国北方发动机研究所(天津) | 车用径流式增压器涡轮叶片叶根疲劳蠕变寿命预测方法 |
-
2017
- 2017-07-03 CN CN201710531430.XA patent/CN109213963B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8234093B2 (en) * | 2006-12-22 | 2012-07-31 | The Boeing Company | Computational method for load enhancement factors |
US9581570B2 (en) * | 2011-02-10 | 2017-02-28 | University Of South Carolina | Determination of the remaining life of a structural system based on acoustic emission signals |
CN104156500A (zh) * | 2014-07-10 | 2014-11-19 | 东北大学 | 一种预测材料疲劳寿命的方法 |
CN106202647A (zh) * | 2016-06-29 | 2016-12-07 | 北京科技大学 | 电主轴的多轴疲劳寿命预测方法及疲劳寿命可靠性评估方法 |
CN106815396A (zh) * | 2016-12-08 | 2017-06-09 | 中国北方发动机研究所(天津) | 车用径流式增压器涡轮叶片叶根疲劳蠕变寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
HONGSHUANG LI等: "Identifying the Probability Distribution of FatigueLife Using the Maximum Entropy Principle", 《ENTROPY》 * |
谢金标: "结构细节疲劳寿命分散性估计方法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464490A (zh) * | 2020-12-10 | 2021-03-09 | 北京航空航天大学 | 增材钛合金的dfr确定方法 |
CN112487561A (zh) * | 2020-12-10 | 2021-03-12 | 北京航空航天大学 | 增材钛合金dfr确定方法、确定系统、设备及介质 |
CN112949020A (zh) * | 2020-12-10 | 2021-06-11 | 北京航空航天大学 | 增材钛合金的疲劳寿命的确定方法、系统、设备与介质 |
CN112949020B (zh) * | 2020-12-10 | 2022-08-12 | 北京航空航天大学 | 增材钛合金的疲劳寿命的确定方法、系统、设备与介质 |
CN112464490B (zh) * | 2020-12-10 | 2022-11-25 | 北京航空航天大学 | 增材钛合金的dfr确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109213963B (zh) | 2022-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109766517B (zh) | 一种用于变电站能效评估的能耗基准修正方法 | |
Wooluru et al. | THE PROCESS CAPABILITY ANALYSIS-A TOOL FOR PROCESS PERFORMANCE MEASURES AND METRICS-A CASE STUDY. | |
CN109753684A (zh) | 一种用于变电站能耗基准修正的多元线性回归建模方法 | |
CN109213963A (zh) | 一种激光沉积成型钛合金疲劳寿命统计分析方法 | |
CN110555596B (zh) | 一种基于配电物资质量评价的抽检策略制定方法及系统 | |
CN109470549B (zh) | 增材制造材料p-s-n曲线表征方法及其应用 | |
CN106407555B (zh) | 基于加速因子不变原则的加速退化数据分析方法 | |
CN108918261B (zh) | 一种用少量试验测定材料构件疲劳寿命规律的方法 | |
CN103308372B (zh) | 基于透射电子显微镜的t91钢老化评级方法 | |
Sachin et al. | Six sigma methodology for improving manufacturing process in a foundry industry | |
Lambrecht et al. | On the Possible Relaxation of the ASTM E1921 and ASTM E1820 Standard Specifications with Respect to the Use of the Mini-CT Specimen | |
CN108460183A (zh) | 一种小样本量测定航空发动机材料高周疲劳p-s-n曲线测试方法 | |
Wu et al. | Acceptance sampling plans for Birnbaum-Saunders distribution under truncated life tests | |
CN113486455A (zh) | 一种自润滑关节轴承加速退化可靠性评估与寿命预测方法 | |
CN110348167B (zh) | 一种测定金属细节疲劳额定强度截止值DFRcutoff的概率模型方法 | |
Ramaswamy et al. | Time truncated chain sampling plans for generalized exponential distribution | |
CN108169019B (zh) | 一种准静态塑性压缩应力应变参量的识别方法 | |
KR101899690B1 (ko) | Dwtt 연성파면율 데이터의 표준화를 통한 강재 제조조건의 최적화방법 및 장치 | |
CN113299351B (zh) | 基于统计检验及状态检查的蠕变数据筛选方法 | |
CN106779322B (zh) | 服从二项分布的计件值工序能力指数评价方法 | |
CN114692084A (zh) | 一种加速可靠性验证试验方案设计方法 | |
CN107967400B (zh) | 一种金属结构疲劳试验数据处理及可靠性分析方法 | |
CN110766305A (zh) | 一种原燃料质量跟踪预警方法 | |
CN110991001A (zh) | 一种基于单调回归理论的卷簧寿命评估方法 | |
CN111638148A (zh) | 一种测试同类金属材料s-n曲线的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |