恒加双应力型相对熵信息融合可靠性评估模型

充分考虑到自然贮存下得到的少量现场数据信息,突破依据加速试验单一伪样本数据进行产品常应力可靠性评估的制约.基于相对熵和最小二乘统计法相结合的思想,探讨指数型与Weibull型产品的自然贮存现场数据和加速贮存样本数据融合机制,建立了综合可靠性评估模型.仿真结果表明,模型能够有效地融合两源数据,且在现场数据较少时,模型的评估具备稳健性.     

基于灰色预测理论的加速试验数据可靠性评估模型

对失效数据量小、加速模型难以确定的情况,传统模型很难对试验结果做出较为准确的评估.基于灰色预测理论对服从Weibull分布的恒加寿命试验数据进行了分析,采用与应力有关的权重生成背景值补充缺失数据,建立等间距灰色预测模型,从而对加速寿命预测模型参数进行了修正.算例分析表明:灰色预测理论对加速试验数据评估模型得到的结果相对误差较小,有较高的预测精度.     

基于Jeffreys先验的参数相关退化可靠性评估

通过Jeffreys无信息先验分布描述了Gamma退化过程中参数的相关性,由贝叶斯模型得到各参数满条件分布,使用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)方法得到参数后验期望估计,最后给出可靠度评价模型。工程实例表明,所得可靠性评估较独立情形更为保守,能够更早地给出产品修理建议。同时,仿真表明,可靠度要求越高,相关与独立情形寿命估计结果偏差越大,0.999 9可靠度下偏差率最大可达9.26%。