Reliability:指产品在规定的条件下和规定的时间内,无差错地完成规定任务的概率。

针对产品,依靠数字孪生/CAX技术,使用概率开展研究:

  • 实物:实际生产出来的产品,必须了解实验对象(机械/电子/生化…产品),对不同类型产品有哪些故障失效形式
    • 失效概率曲线…
  • 设备:实验/测量设备,学会如何开展测试实验(Modal Testing)
  • 仿真:建模仿真技术,学会软件操作+脚本编写,懂原理更好 (CAX)
  • 数学:概率论<贝叶斯>,机器学习/深度学习,可靠性分析基础理论/方法
  • 可靠性分析论文(前沿理论) + 可靠性分析项目(实践操作)

权衡:

  • 可靠性 ↔ 成本: 可靠性分析增加研发成本,但会降低维修成本。从企业的角度来看,可靠性的目标就是节省成本,在研发阶段多投入,节省运维费用。(总之就是节流)

可靠性专业生态圈:

  • 制造业企业
  • 学术圈
  • 生产性服务业(提供可靠性咨询服务)
Read more »

  • Accuracy 重建的模型精度不好,影响因素:
    • 数据集质量:照片拍摄质量(设备)、相机位姿估计精度(COLMAP)
      • 照片质量问题:混叠、模糊、滚动快门 (RS) 效应、HDR/LDR、运动模糊、低光照
      • 相机位姿误差:SFM位姿估计时的误差
    • NeuS方法的问题:体渲染公式的过度简化、表面几何与颜色的偏差、缺少几何约束(深度or法向量)
    • 网格提取方法(Marching Cube):分辨率太低
  • Efficiency 训练/渲染的速度太慢,影响因素:
    • MLP计算次数多 —> MIMO MLP、NGP-RT、
    • MLP层数多计算慢—> InstantNGP
Read more »

Gemini 3 Pro

气动参数辨识目标是根据飞行器的输入(飞行参数)输出(速度)数据,辨识出飞行器气动特性参数的数值,从而建立飞行器气动模型,为飞行器的设计、控制和性能评估提供依据。

气动参数(气动力/力矩系数)是描述飞行器在飞行过程中所受气动力和力矩与飞行状态及控制输入之间关系的参数,通常包括升力系数、阻力系数、侧力系数、滚转力矩系数、俯仰力矩系数和偏航力矩系数等。辨识完成后可以构成飞行器的数学模型,计算效率远高于CFD仿真,适用于飞行器的实时控制和仿真

  • 飞控需要知道气动参数,以确定每个操纵面的控制效果,从而实现对飞行器的稳定和控制。
  • 模拟器需要气动参数来准确模拟飞行器的飞行性能和响应特性。
  • 故障诊断和健康监测也需要气动参数来评估飞行器的状态和性能。

在地面通过风洞/CFD辨识完成的气动参数,往往不能完全反映飞行器在实际飞行环境中的气动特性,因此需要通过飞行试验数据进行气动参数辨识,以提高气动模型的准确性和可靠性。

通常把气动参数分为纵向(抬头/低头、加减速)和横航向(滚转、偏航)两组,分别决定飞机能否平稳飞行和能否转弯走直线,可以通过这些数据辨识:运动状态响应(速度、加速度)和气动状态数据(马赫数、攻角、侧滑角)和激励(舵面偏转角、发动机推力)。响应=气动参数x气动状态/激励

Read more »

多物理场耦合(Multiphysics Coupling)是指在有限元分析中同时考虑多个物理现象之间的相互作用和影响。这些物理现象可以包括结构力学、热传导、流体力学、电磁学等。通过多物理场耦合,可以更准确地模拟和分析复杂系统的行为,捕捉不同物理场之间的相互作用,从而提高仿真结果的精度和可靠性。

Read more »

轻松搞定SPC,超棒的统计过程控制 PPT,非常全 !

浅谈SPC(统计过程控制)的应用与实施步骤

正交实验设计

正交试验设计的基本原理和分析方法

正交表$L_n\left(m^k\right)$

  • k为指标因素个数(输入个数)
  • m为水平数(每个因素的采样/取值个数)
  • n为试验次数,$n=k(m-1)+1$

对于三因素(A/B/C)3水平的试验设计,对应于A有A1、A2、A3,3个平面,对应于B、C也各有3个平面,共9个平面。这9个平面上的试验点都应当一样多,即对每个因子的每个水平都要同等看待。具体来说,每个平面上都有3行、3列,要求在每行、每列上的点一样多。
如图1所示的设计, 试验点用⊙表示。我们看到,在9个平面中每个平面上都恰好有3个点,而每个平面的每行每列都有1个点,而且只有1个点,总共9个点。这样的试验方案,试验点的分布很均匀,试验次数也不多

640 (327×303)

qiyun71/Template-of-project

Project directory:

  • config:case.yaml
  • data:case data dir
  • dataset:case data preprocess
  • network:NN code
  • outputs:save dir of ckpt and config and logs
  • system:train/test/val…. code
  • utils: tools code
  • run.py
  • README.md

Case directory:

  • 0Model
  • 1DataGeneration
  • 2Experiment
Read more »