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。     

基于Compertz模型的鱼雷可靠性增长Bayes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,文中针对改进型Compertz增长模型,提出Bayes可靠性增长分析的基本方法。该方法将可靠性增长的试验数据作为产品可靠性的先验信息,再结合少量的现场试验样本,运用Bayes方法即可对现场试验后的产品可靠性进行评定。最后以鱼雷武器动力推进系统为例进行分析,仿真结果验证该方法的有效性,为可靠性增长评定提供一种新的分析方法。     

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。     

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.     

极小子样下参数随机分布的电主轴可靠性分析

对某型号电主轴进行了极小子样下的可靠性分析,将虚拟增广法和Boot-strap法结合,对原始试验样本虚拟扩展,建立了参数服从随机分布的退化模型和电主轴可靠度函数,并利用Bayes验前分布,对该随机系数下电主轴可靠度函数进行修正,得到修正后的可靠度函数。将修正后随机系数下电主轴可靠度函数曲线与伪寿命下得到的可靠度函数曲线进行对比。结果表明,随机系数法得到的可靠度函数具有更高的精度,同时也避免了将模型参数看作固定值即采用伪寿命法进行可靠性评估时产生的误差。进一步说明根据极小子样试验数据可以通过该方法得到同类产品的退化特征,具有一定的适用性。     

单元为不同分布的串并联系统可靠度Bayes置信限

依靠寿命试验对整机进行可靠性评定受到多种制约,单元为不同分布的复杂系统可靠性综合一直是可靠性工程中的难点问题.根据可靠度一阶矩与二阶矩符合相等原则,基于工程背景,研究了无信息先验下求解含并联冗余的串并联系统可靠度Bayes置信限的方法.在已知单元寿命分布及试验信息的基础上,基于Bayes方法,分别用Beta分布和LΓ分布拟合各单元可靠度的验后密度,计算各单元及并联冗余子系统可靠度一阶矩和二阶矩.利用并联系统可靠性模型,将并联冗余子系统等效为二项或指数单元,使系统简化成一般串联系统.再根据串联系统可靠度一阶矩和二阶矩折算出系统试验信息,相当于替代了整机可靠性试验,并据此求解系统可靠度的二项近似与指数近似2种Bayes置信限.该方法在实际工程中具有明显的应用前景,以某型自动平衡记录仪为例,验证了其有效性和实用性.     

成败型产品可靠性评价的加权Bayes方法

针对经典统计方法和传统Beyes方法的缺陷,基于卡方拟合优度检验,引入相似系数的概念,提出了一种基于多阶段试验信息的成败型产品可靠性评价的加权Bayes方法。通过计算各阶段试验信息和现场试验信息的相似系数,求出各阶段试验信息作为验前信息的置信下限,据此计算得到了产品的可靠性置信下限。仿真算例结果表明,该方法的计算结果介于经典统计方法和传统Bayes方法之间,与根据专家意见计算的结果最接近,评价结果更加合理。     

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.     

研制阶段系统可靠性增长的Bayesian评估与预测

基于新Dirichlet先验分布,建立一种适合小子样复杂系统异总体可靠性增长分析的Bayesian模型。充分利用先验信息和阶段试验信息,结合产品研制的试验数据,利用最优化方法研究新的Dirichlet先验分布容易定量和衡量先验参数确定的方法,解决了超参数物理意义不明确难以确定问题。通过变量替换的Gibbs抽样简化了后验推断,合理估算出当前阶段和后续试验阶段产品可靠性的Bayesian点估计和置信下限;结合试验数据,利用该模型实现了未来阶段可靠性的预测,扩展了模型应用范围。实例表明该模型参数含义清晰明确,简单易行,利于工程应用。     

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。     

BAYESIAN DEMONSTRATION TEST METHOD WITH MIXED BETA DISTRIBUTION

A complex mechatronics system Bayesian plan of demonstration test is studied based on the mixed beta distribution. During product design and improvement various information is appropriately considered by introducing inheritance factor, moreover, the inheritance factor is thought as a random variable, and the Bayesian decision of the qualification test plan is obtained, and the correctness of a Bayesian model presented is verified. The results show that the quantity of the test is too conservative according to classical methods under small binomial samples. Although traditional Bayesian analysis can consider test information of related or similar products, it ignores differences between such products. The method has solved the above problem, furthermore, considering the requirement in many practical projects, the differences among this method, the classical method and Bayesian with beta distribution are compared according to the plan of reliability acceptance test.     

基于多源信息的复杂装备测试性评估

针对目前复杂装备测试性评估中的小子样问题,在对经典评估方法和传统Bayes评估方法进行分析的基础上,提出了一种基于多源信息融合的测试性评估方法。该方法综合考虑了多源信息的可靠度和可信度,较为合理地解决了多源信息对复杂装备测试性水平反映的可靠程度问题,以及融合求解后验分布时,因多源信息和现场试验信息的异总体特性而导致的小子样现场试验信息被淹没的问题。以某型火控系统测试性评估为例进行了研究,并与经典评估方法、传统Bayes评估方法进行了比较。结果表明,基于多源信息融合的测试性评估方法所得到的结果更为合理,在处理现场试验信息为小子样的问题时,更具优势。     

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.     

不确定先验信息综合方法的研究

贝叶斯方法是可靠性分析和可靠性预测的重要方法之一 ,贝叶斯方法估计的准确度取决于先验信息的准确度。本文对综合不确定先验信息的四种重要方法进行了介绍、分析 ,并对各自的应用场合及存在的问题做了说明     

基于模糊贝叶斯网络的多态系统可靠性分析及在液压系统中的应用

为使贝叶斯网络能够对模糊信息和不确定信息进行处理,提出一种新的基于模糊贝叶斯网络的多态系统可靠性分析方法。该方法将模糊集合理论引入到贝叶斯网络可靠性分析中,考虑部件故障状态、部件故障率的模糊性以及部件间故障逻辑关系的不确定性,使贝叶斯网络具有处理模糊信息的能力。该方法采用模糊数描述系统和部件的故障状态,利用模糊子集描述部件的故障率,运用贝叶斯网络的条件概率表描述部件间的不确定联系。该方法应用到载重车液压悬架系统的可靠性分析实例中,分析结果表明该方法在进行系统可靠性分析时能够充分利用系统的模糊信息和不确定信息,从而提高系统可靠性分析的效率。     

面向数控系统可靠性评估的最大熵先验信息解

应用贝叶斯理论对数控系统可靠性评估方法进行研究,提出以最大熵原理求解双参数联合先验分布的方法。利用最大熵原理给出在不同约束条件下威布尔分布双参数联合先验分布的一般解析形式,针对该联合先验分布的具体求解过程,介绍通过应用自助法构造参数再生子样来确定参数矩的方法和利用非线性最小二乘法、结合牛顿迭代法求解联合先验分布中待定系数的方法,引入先验分布稳健性的概念,结合具体数控系统寿命数据,从提高参数矩的阶数和增加参数不等式约束两个方面展开讨论,分别研究这两种改进对先验分布稳健性提升的效果。研究表明基于不等式约束的最大熵二元联合先验分布,能极大地提高先验分布的稳健性,更加适用于数控系统的可靠性评估。