最新刊期

      Xuefei Guan

      当前状态： 一校优先
      DOI：10.1088/3050-2454/ae5966
      摘要：本研究提出了一种基于矩求积设计点的确定且明确的代理模型构建方法。与自适应或随机采样方法不同，该框架直接从输入概率密度函数的统计矩中推导出设计点，确保了可重复性、最优多项式精度，以及对涉及任意分布（包括非均匀分布，原则上也包括经验分布）的低维和高维问题的广泛适用性。该方法具备用于基生成、系数回归以及可选项剪枝的自动化流程，避免了依情况而定的参数调整。此外，它允许直接基于同一组模型评估结果来获取不确定性度量和全局灵敏度指数。大量的数值算例，包括标准基准测试函数以及涉及多达100个随机变量的工程应用，表明与传统代理建模方法相比，该方法具有高精度和高计算效率。  
      关键词：代理模型;高维;矩求积法;设计点   
      6
      |
      0
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 156264297 false
      更新时间：2026-05-08

      Santosh Bisoyi, Amit Kumar Rathi, Swarup Mahato

      当前状态： 一校优先
      DOI：10.1088/3050-2454/ae61b4
      摘要：本研究聚焦于轴承剩余使用寿命（RUL）的精确可靠预测。近年来，基于机器学习的RUL预测在确保工业机械的安全性、效率和成本效益方面受到关注。然而，从全寿命运行实验中采集的原始振动信号通常具有噪声大、非平稳、高维度等特点，使直接学习退化模式具有挑战性。这常常导致在给定时刻的RUL预测不一致，从而削弱了预测的可靠性。为此，本研究提出了一种可靠的多阶段预测框架，集成了稳健的信号预处理、数据驱动的健康状态分类以及基于深度学习的RUL估计。该流程采用分段聚合近似进行降维，利用奇异谱分析抑制噪声，并引入基于中心矩的变点检测方法自动识别退化的起始点。随后，构建了用于表征退化过程和有效使用寿命的健康指标。采用极端梯度提升分类器，依据振动响应区分轴承的健康运行状态与退化运行状态。之后，提出了一种混合卷积门控循环(CGR)神经网络来预测RUL。该方法在不同工况的多个全寿命运行轴承数据集上进行了验证。相应结果表明，分类器的平均F1分数达到约0.993，且可靠性指标大于2.0，表明其能够清晰识别健康状态。所提出的CGR网络表现出优异的性能，在RUL预测中具有较高的回归精度。将该网络的效能与当前最先进的方法（包括双向长短期记忆循环神经网络、门控循环单元、基于因果扩张卷积的残差密集网络结合通道注意力机制，以及采用Transformer的时间卷积网络）进行了对比评估。总体而言，结果证实所提出的框架能够实现精确、计算高效且考虑可靠性的RUL预测，使其适用于旋转机械的实时状态监测与预测性维护应用。  
      关键词：故障预测;RUL预测的可靠性评估;振动信号处理;深入学习   
      7
      |
      0
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 156264249 false
      更新时间：2026-05-08

      Yamei Zhang, Nikolaos Limnios, Bei Wu

      当前状态： 一校优先
      DOI：10.1088/3050-2454/ae587c
      摘要：本文提出了一种基于指数运算和幂运算谱表示的方法，用于解决马尔可夫系统中与可靠性特征相关的复杂性问题。由于状态数量呈指数增长，传统公式变得不切实际，这在二元部件系统中成为一个显著挑战。在此背景下，本文在一个受控的数学框架内提出了一种近似方法，以实现对高可靠性系统的精确可靠性评估。本文推导了用于计算系统可靠性的公式，如可靠度、失效率、条件生存分布等，并证明这些公式在非遍历系统的可靠性评估中实用且精确，同时还推导了遍历系统的可用性。计算中唯一需要的元素是生成矩阵或子转移矩阵的最大特征值及其对应的特征向量，这些元素描述了可靠性的近似结果。最后，通过数值算例验证了近似结果与精确结果，证明了所提方法的正确性。  
      关键词：马尔可夫过程;位相型分布;可靠性;渐近失效率;谱分析   
      6
      |
      0
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 156264217 false
      更新时间：2026-05-08

      Fei Gao, Yishu Chen, Jing Lin, Yinmin Zhu, Yonghao Miao, Jinghui Tian

      当前状态： 一校优先
      DOI：10.1088/3050-2454/ae5498
      摘要：声发射技术在丝材电弧增材制造（WAAM）的原位监测与缺陷诊断中展现出巨大潜力。然而，WAAM过程中产生的AE信号受到电弧放电噪声的严重污染，导致难以直接从原始数据中提取与缺陷相关的特征。本研究提出一种基于梅尔频谱图的深度学习框架，用于WAAM的高效健康监测。该方法引入了一种增强的时频表示策略，能够在WAAM工艺固有的高噪声条件下更有效地捕捉缺陷相关特征。通过利用梅尔频谱图表示，该框架增强了对信息丰富的低频部分的表示，同时抑制了高频噪声，从而提升了特征的可解释性和鲁棒性。研究采用卷积神经网络和视觉变换器模型进行缺陷分类及性能基准测试。实验结果表明，所提方法在显著降低计算成本的同时实现了较高的诊断精度，优于传统的基于短时傅里叶变换的方法。研究结果证实，梅尔频谱图表示为WAAM的健康监测提供了一种更高效且泛化能力更强的解决方案。  
      关键词：WAAM;声发射;梅尔频谱图;CNN;制造质量监测   
      15
      |
      29
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 154475826 false
      更新时间：2026-04-14

      Hang-Hang Gu, Yuan-Ze Tang, Xinyu Yang, Run-Zi Wang, Xian-Cheng Zhang

      当前状态： 一校优先
      DOI：10.1088/3050-2454/ae524d
      摘要：高温旋转结构（HTRSs）是工业领域中的关键部件，其在严苛工况下运行并导致不可预测的失效行为。这些失效由材料属性、载荷条件及几何变异性中的不确定性共同引发。本研究提出一个稳健的计算框架，用于评估多源不确定性下HTRS的概率损伤累积（PDAs）及系统级可靠性。该框架考虑了基本随机变量（RVs）在空间与时间尺度上的概率特性，用于分析不同工况下的PDA，并基于累积损伤-损伤阈值干涉准则评估结构可靠性。随后构建了一种自适应代理模型，用以逼近损伤与RVs复杂的非线性关系，从而确保仿真的高效性与准确性。数值算例验证了所提方法的高效性与精确性，并将其进一步应用于考虑多源不确定性的涡轮盘分析。所提方法在保持系统可靠性预测的高精度的同时显著提升了计算效率，为面向损伤驱动的可靠性评估向上拓展至系统级应用提供了新的见解。  
      关键词：概率损伤累积;CD-DT准则;自适应代理模型;可靠性评估   
      2
      |
      5
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 154473294 false
      更新时间：2026-04-14

      Dun Li, Ruiguan Lin, Zisheng Wang, Yan-Fu Li

      当前状态： 一校优先
      DOI：10.1088/3050-2454/ae524c
      摘要：本文系统综述了类ChatGPT大语言模型（LLMs）如何促进自主智能系统（AIS）的测试与验证。基于生成式推理的最新进展，本研究整合了120篇同行评审文献中的证据，考察了四个关键领域：测试场景生成、漏洞检测、形式化验证及实时监控。通过对模糊测试、符号执行与强化学习的比较分析，本文揭示了LLMs在提升自动化程度、语义覆盖率与适应性的同时，在基准完整性、可解释性与资源效率方面的局限性。综述引入了结构化表格来总结代表性数据集、特定领域应用以及传统测试方法与基于LLM的测试方法之间的比较见解。本文分析了包括基准缺失、可解释性不足和伦理风险在内的主要挑战，并探讨了混合验证框架与数据质量增强等新兴研究方向。本研究旨在弥合AI安全工程与大模型推理之间的概念与实践差距，为将LLMs集成到未来AIS验证流程中提供参考路线图。  
      关键词：ChatGPT;大语言模型;自主智能系统;测试;验证;AI安全   
      3
      |
      11
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 154470596 false
      更新时间：2026-04-14
    0