指数型产品多阶段可靠性增长的Bayes模型

基于D-S证据理论融合验前信息,建立了一种适用于小子样复杂系统多阶段可靠性增长分析的Bayes模型。选择Gamma分布作为失效率的先验分布,通过多源可靠性信息融合,将专家经验转换成概率分布, 利用D-S证据理论融合多个专家信息,确定了先验分布参数,结合产品研制阶段试验数据,根据Bayes统计推断理论,给出了失效率、平均故障间隔时间（MTBF）和可靠度的Bayes点估计和置信下限。以兆瓦级直驱式风力发电机研制试验验证了该模型的有效性。     

验前信息的决策方法

在一些实际的可靠性工程中,对产品提出可靠性指标(如可靠度、可靠度置信下限等)要求的同时,试验经费又决定了只能做少量的试验.在这种小子样数据情况下,Bayes方法所获的可靠性评估结论依赖于验前信息.为了评定产品是否满足可靠性指标,须给出验前信息的决策域.文中提出一种验前信息决策域的计算方法,并将其用于计算成败型和指数寿命分布型产品验前信息的决策域.通过两个算例说明以上方法是有效可行的.     

基于研制阶段试验数据的复杂装备测试性评估

针对当前测试性评估方法中,经典方法无法利用历史测试性试验信息,且在小样本量下,评估结论置信度低、风险大的问题,提出了一种基于研制阶段试验数据的复杂装备测试性评估模型。在对经典评估方法进行建模与分析的基础上,运用Bayes理论,建立了综合利用研制阶段历史试验信息和现场试验数据的Bayes测试性评估模型;该模型结合验前信息与现场信息的相容性给出了一种混合验前分布,并利用拟合优度检验确定继承因子。最后开展了案例应用研究,结果表明,在相同的现场试验条件下,该模型能给出较高置信度的测试性评估结论,比经典评估方法更合理。     

基于DGM(1,1)的成败型系统可靠性增长Bayes评价模型

针对有多个研制阶段的成败型系统,提出了一种可靠性增长的Bayes评定模型。该模型首先根据Laplace检验,确定系统的可靠性是否增长;然后根据各个阶段可靠度的点估计,运用DGM(1,1)模型对现场试验的可靠度进行预测,得到验前信息,再运用列联表分析计算验前信息与现场试验信息的相似程度;最后,结合Bayes方法对验前信息和现场信息进行融合,在给定的置信度下,得到系统的可靠度置信下限。实例分析表明了该模型的有效性。     

基于支持向量机和Bayes方法的机械系统可靠性综合方法

针对机械系统可靠性评估问题,提出基于支持向量机和Bayes方法的可靠性综合方法.选用统计学习理论中的支持向量机算法,对机械系统可靠性进行了综合,得到由单元折合到系统的可靠性验前分布;然后,加上系统试验信息,利用Bayes方法得到系统的验后分布,进而得到系统可靠性评估值.最后通过圆柱齿轮减速器可靠性评估验证该方法的可行性.     

综合单元验前信息的系统可靠度Bayes评估

针对目前可靠性评估方法的不足,提出了综合单元验前信息的系统可靠度Bayes评估方法。该方法根据验前信息确定各单元的验前分布,将寿命型单元等效为成败型单元,将混联系统等效为串联系统,从而将复杂系统转化为成败型单元串联系统,在此基础上利用各单元的验后前两阶矩进行系统可靠度综合,能够较好地解决传统方法对数据依赖性过强、不能有效综合验前信息等缺陷。最后通过仿真示例验证了该方法的合理性与有效性。     

基于测试性增长的指标动态评估方法

针对现有测试性指标评估方法未能考虑装备研制阶段不同层次结构测试性水平动态增长的特性,导致测试性评估置信度不高的问题,提出一种测试性增长条件下基于层次Bayes网络模型的测试性指标动态评估方法。根据装备结构特征建立测试性指标动态评估的层次Bayes网络模型,并以测试性指标作为网络传递参数;考虑延缓纠正的测试性增长试验策略,给定测试性阶段序化增长约束条件,针对不同层次节点各阶段增长试验数据,采用单边Fisher精确检验法对测试性增长趋势进行检验,并基于检验结果确定增长阶段数;提出利用最大熵模型和改进Gompertz模型的先验参数估计方法,结合Bayes定理以及研制阶段各层次节点先验信息确定节点先验分布;进一步基于层次Bayes网络融合推理算法确定顶层节点测试性指标的后验分布,实现对装备测试性指标的动态评估,并通过案例进行验证。结果表明,该方法相较于直接运用Beta分布,具备更为准确合理的指标评估结论。     

综合单元验前信息的系统可靠度Bayes评估

针对目前可靠性评估方法的不足，提出了综合单元验前信息的系统可靠度Bayes评估方法。该方法根据验前信息确定各单元的验前分布，将寿命型单元等效为成败型单元，将混联系统等效为串联系统，从而将复杂系统转化为成败型单元串联系统，在此基础上利用各单元的验后前两阶矩进行系统可靠度综合，能够较好地解决传统方法对数据依赖性过强、不能有效综合验前信息等缺陷。最后通过仿真示例验证了该方法的合理性与有效性。     

基于后验风险的多源先验信息融合方法

针对多源先验信息Bayes融合中先验分布权重分配问题,提出了一种基于后验风险的权重确定方法——构造后验风险矩阵,并基于后验风险与先验分布权重成反比的原则建立权重求解方程进而求得各先验分布的权重系数。通过算例证明了该方法的有效性。     

小子样高速电主轴的Bayes可靠性分析

针对高速电主轴可靠性分析存在的问题,应用Bayes理论提出小子样高速电主轴性能退化可靠性试验分析方法,推导了小子样高速电主轴可靠性参数的验前、验后分布及置信限表达式,据此评定高速电主轴可靠性指标。对两根170MD18Y16型高速电主轴进行可靠性试验,利用性能退化量试验数据分析了Weibull寿命分布模型参数,并利用170MD18Y16型高速电主轴轴端跳动量测试数据,应用Bayes方法评定了该型高速电主轴可靠性指标,分析结果与电主轴实际工况使用值一致,表明Bayes理论可用于小子样高速电主轴可靠性分析。     

核主泵机械密封可靠性Bayes分析的适应性

机械密封的可靠性对核主泵的安全稳定运行具有重要影响。为解决无失效数据情形下核主泵机械密封的可靠度评估问题,分析大亚湾核主泵机械密封的运行数据,确定其可靠度分布,建立结合Bayes理论的可靠性分析模型,利用Monte Carlo法从确定的可靠度分布中仿真出无失效数据,探讨无失效数据场合下,先验分布为Beta分布时,分组数c的取值对E-Bayes估计与多层Bayes估计精度的影响。研究表明：分组数c<8时,优先选择多层Bayes估计;c>8,优先选择E-Bayes估计,c=8时,2种方法的平均相对误差均达到较低水平且多层Bayes估计更低一些。研究成果对无失效数据场合下基于Bayes理论的核主泵机械密封可靠性分析具有指导意义。     

基于序贯验后加权检验的鱼雷抽样检验分析

Bayes理论是分析研究具有小子样特点鱼雷可靠性的有效方法,文中基于序贯验后加权检验的思想,给出针对二项分布的抽样检验基本方法,并将其应用在鱼雷系统抽样检验试验中.该方法充分利用抽样试验之前所能获得的先验信息,可有效减小试验所需的样本容量.最后以鱼雷系统为例进行分析,仿真结果验证该方法在减小试验样本容量的有效性,为鱼雷可靠性抽样检验试验提供一种新的分析方法.     

疲劳寿命小子样可靠性试验评估方法研究

阐述疲劳寿命可靠性的概念；提出疲劳寿命可靠性性的安全裕量方程，给出可靠性性计算机公式；结合ｔ分布区间估计理论，提出小于样可靠性试验评估的贝叶斯方法；分别给出２种方法的小子样可靠性试验可靠度的计算公式和寿命预测公式；用算例阐明基本概念及方法思路。     

一种综合考虑试验信息和验前信息的系统可靠性分析方法

应用贝叶期方法将试验信息和验前信息结合起来，以求解一般串联系统的平均无故障工作时间，这种方法可以用在系统的小子样或者极小子样试验情况。     

基于Bayes变动统计理论的测试性综合评估模型及其稳健性分析

在测试性综合评估研究中,故障检测率(Fault detection rate,FDR)/故障隔离率(Fault isolation rate,FIR)评估结论置信度低是一个非常重要的问题,而导致其评估结论置信度低的主要原因是故障检测/隔离数据为"小子样"数据,为解决该问题,建立在Bayes变动统计理论基础上的模型和方法是非常有效的。利用丰富的可更换单元测试性信息、专家经验等先验信息,确定先验分布参数,实现了将先验信息转化为多元Dirichlet先验分布。在此基础上,基于Bayes变动统计理论研究并建立FDR/FIR综合评估模型,保证"小子样、异总体"阶段性增长试验数据和"小子样"外场使用数据能被有效地融合,并采用仿真方法对模型的稳健性进行分析。结果表明该FDR/FIR综合评估模型和方法,能在小样本数据情况下,有效提高评估结论置信度,缩短装备定型周期,为装备测试性综合评估研究提供重要的理论依据和方法。     

基于贝叶斯估计的测试性仿真评估方法研究

经典测试性参数估计方法仅利用了样本所提供的关于总体的信息,没有利用关于待估统计量的其他信息,例如装备在研制阶段的测试性摸底试验以及丰富的专家数据;因此,这种经典估计方法在小样本情况下,很难真实反映装备的测试性水平。针对以上问题,本文提出了一种在获取仿真试验数据的前提下,进行综合装备先验信息测试性评估的方法,即基于贝叶斯估计的测试性水平估计,研究了测试性参数先验信息获取方法,给出了测试性参数的点估计和区间估计方法。     

机械系统的Bayes可靠性评估

讨论了机械系统的Ｂａｙｅｓ可靠性评估问题,当应力、强度均服从正态分布,且分布参数未知的情况下,首先分析了机械产品单元可靠性评估问题,讨论了给定验前分布情况下的单元可靠性Ｂａｙｅｓ精确下限,给出了无验前信息时的可靠性Ｂａｙｅｓ精确下限,鉴于精确限计算的复杂性,给出了应力－强度模型可靠性下限的近似计算方法,同时给出了可靠性的近似分布,然后把机械单元的可靠性信息折合到机械系统上,利用最大熵方法得到了系统可靠的验前分布,若没有做系统的可靠性试验,则根据此验前分布就可以对机械系统的可行性进行评估;若做了系统级可靠性试验,则利用Ｂａｙｅｓ公式求得系统可靠的验后分布,然后利用验后分布进行可靠评估,仿真实例说明机械系统Ｂａｙｅｓ可靠性评估的应用。     

串并联系统可靠度置信区间估计

针对复杂系统可靠性试验非常少甚至没有做的情况，提出了基于单元信息进行可靠性综合的方法。该方法不需假设系统或单元产品的寿命服从某一分布，减少了因寿命分布选择不当所造成的可靠性和方差的误差。在获得单元可靠性的均值和方差的基础上，利用系统可以分解为单一的串联或并联关系，通过逐步综合获得复杂系统的可靠性均值和方差估计值。利用系统信息熵原理，将部件的试验数据折合为系统的试验数据，获得系统的子样数。由此提出了小子样下的系统可靠性置信区间估计新方法，该方法只假设系统可靠性估计服从正态或对数正态分布。新方法使用限制少，计算简单，适用于系统数据较少的可靠性分析。