简介：本文以系统平均可用度最大为目标,利用更新过程理论,建立了系统评价可用度与维修间隔期关系的解析模型,最后通过算例验证了模型的合理性和有效性,为故障相关复杂系统维修间隔期的确定提供了一种合理有效的理论方法。
简介：为更好地预测城轨列车故障率,提出基于粒子群算法优化的BP神经网络（PSO-BP）的故障率预测模型,对城轨列车转向架轮对轴箱进行故障率预测。采用Matlab中的Newff函数,运用误差反向传播神经网络（BP）和粒子群算法优化的BP神经网络（PSO-BP）分别对城轨列车故障率预测、建模和仿真。结果表明PSO改进的BP神经网络故障率预测模型的效果明显优于传统BP神经网络预测模型。
考虑故障相关的系统维修间隔期可用度模型
基于PSO-BP神经网络的城轨列车转向架轮对轴箱故障预测
