利用先验信息修正经典限的可靠性评估方法

讨论可靠性评估中利用先验信息的问题 .在参数先验分布容易确定的场合 ,可利用先验信息对参数的经典估计进行修正 (即给出 Bayes估计 ) ,再基于该估计用经典的 WCF方法给出系统可靠度的置信下限 .该方法具有很好的精度 ,并克服了纯 Bayes方法受先验偏差影响较大的缺点 .文章对上述进行了补充 ,讨论了指数定时截尾数据情形下利用先验信息的可靠性评定问题 .给出了一种融合先验信息和试验数据的参数估计 ,该估计的特点是具有独立和的形式 ,基于该估计用 WCF法比基于通常的 Bayes估计简单 .另外 ,对参数先验分布难以确定的多参数寿命分布模型 (如 Weibull分布 ,本文在仅知其可靠度先验分布或可靠度先验一阶、二阶矩及可靠度的某先验分位点的条件下 (事实上工程专家较易给出上述可靠度的有关先验信息 ) ,将 Bayes,Fiducial及经典统计方法相结合 ,用可靠度的先验信息直接对可靠度的经典限作修正以获得融合了先验信息及试验数据的置信下限 ,模拟表明该种处理具有很好的精度 ,适合工程应用.     

一种随机截尾恒加寿命试验的贝叶斯评估

针对传统计算方法的不足,讨论了一种贝叶斯加速失效模型族中应用最为广泛的Weibull恒定应力加速度寿命试验模型。针对寿命服从Weibull分布的产品,在参数的先验假设条件下,基于Gibbs抽样的马尔可夫链,运用蒙特.卡罗方法动态模拟出随机截尾恒加寿命试验中相关参数后验分布的马尔可夫链,给出随机截尾条件下模型参数的贝叶斯估计。利用BUGS软件包进行建模和仿真分析,证明了该模型在可靠性应用中的直观性与有效性。     

基于MCMC稳态模拟的Weibull回归模型及其可靠性应用

讨论了贝叶斯加速失效模型族中应用最为广泛的Weibull回归模型，提出针对寿命服从weibull分布的产品，运用基于Gibbs抽样的MCMC方法动态模拟出参数后验分布的马尔可夫链，在失效率的先验分布为Gamma分布时，给出随机截尾条件下参数在Weibuil回归模型中的贝叶斯估计，提高了计算的精度。借助数据仿真说明了利用BUGS软件包进行建模分析的过程，证明了该模型在可靠性应用中的直观性与有效性。     

小子样条件下幂律退化模型的加速因子分析

结合长寿命、高可靠性产品加速寿命试验的特点,在失效机理不变的条件下,提出了幂律退化模型加速因子的概念。推导了加速寿命试验条件下幂律退化模型参数的极大似然估计。并利用Bayes方法,结合额定应力环境下的小子样数据和加速因子的先验分布,推导出加速因子后验分布。在此基础上,给出了小子样条件下可靠性的一、二阶矩的估计公式,进而运用矩等效方法得到可靠性的验后分布,结合实例说明了方法的有效性。     

基于无失效数据的加权E-Bayes可靠性评估方法

针对无失效数据情况下产品的可靠性评估问题,提出加权最小二乘法结合期望Bayes（expected Bayesian, E-Bayes)可靠性评估方法与模型。根据工程经验,构造出产品失效概率的先验分布;运用Bayes理论与方法,给出产品失效概率的E Bayes估计;在威布尔分布场合下,采用加权最小二乘法来拟合产品寿命分布参数,给出产品可靠性指标的点估计和区间估计;结合算例分析,探讨模型的稳健性与方法的优越性,表明该方法具有较好的工程应用价值。     

变参数指数分布先验信息的折合

针对高可靠性复杂系统试验数据少、寿命试验中分布参数变动的特点,讨论了多阶段环境试验下,变参数指数分布先验信息的折合方法。提出了指数分布折合因子的概念,通过该折合因子将不同阶段试验数据折合为现场试验数据,以此作出指数分布中未知参数的折合区间估计和点估计。在寿命分布为指数分布的可靠性增长试验中,在现场样本量较小的情况下,将同分布的历史试验数据进行折合,进而运用Bayes方法评估系统失效率等有重要的意义。最后通过仿真实例验证了该方法的有效性。     

两参数Weibull分布环境因子的Bayes估计

基于天地试验环境下Weibull分布形状参数不变的条件,运用Bayes方法对两参数Weibull分布环境因子进行分析,以尺度参数后验密度的商密度作为环境因子的后验密度,给出了在形状参数已知和未知两种情况下,环境因子在平方损失下的Bayes估计。最后运用仿真实例与极大似然估计进行比较,结果表明Bayes估计优于极大似然估计。     

Bayes可靠性增长模型先验参数的确定

Gamma分布Gamma(a ,b) (其中a >0 ,b>0 ) ,通常用来作指数分布Bayes可靠性增长模型的先验分布 ,参数a和b的不同 ,将使可靠性增长试验的评估结果有很大的差异。根据可靠性增长和“弱”先验分布原理 ,通过对数值例的分析、比较 ,得出了先验参数的三种取法对可靠性评估结果的影响 ,并给出了指数分布Bayes可靠性增长模型的先验参数a和b的一种确定方法。     

长寿命卫星活动部件Bayes-Weibull可靠性评估方法

长寿命卫星活动部件可靠性评估具有小样本、无失效数据的特点,采用大样本寿命数据统计方法或通常的无失效数据分析方法难以解决寿命分布建模与可靠性评估问题.针对Weibull寿命型卫星活动部件,提出了一种有效的Bayes可靠性评估方法.综合利用相似型号活动部件数据估计Weibull分布形状参数,利用相似因子和参数Bootstrap方法构造Bayes验前分布.实例分析表明,该方法具有较高的精度,可以解决小样本无失效条件下,长寿命卫星活动部件可靠性评估的困难问题.     

现场可靠性数据的变点分析

针对产品寿命分布规律在使用过程中的变点问题,提出了产品寿命分布变点检验和估计的Bayes方法。根据产品现场使用先验信息的结构特点,提出了变点先验分布的确定方法,并给出了变点Bayes估计的计算方法。利用所得到的变点估计可制定产品的最佳维修策略以及产品报废期。数值模拟表明Bayes方法具有较好的稳健性,适用于现场可靠性数据的变点分析。     

成败型系统变总体下的Bayes可靠性试验鉴定方法

提出了一种成败型系统变总体下的Bayes可靠性试验鉴定方法.该方法依据产品研制过程中不同阶段的试验数据,建立了产品可靠性的动态参数模型,以此描述产品可靠性的变化趋势,并对正样阶段的产品可靠性进行预测,利用最大熵法给出了产品可靠性的验前分布,最后结合产品少量的现场试验数据,对正样阶段的产品可靠性做出了Bayes统计决策.通过算例对比分析,该方法很好地解决了小子样产品的可靠性试验鉴定问题.     

成败型系统可靠性增长的动态Bayes评定方法

针对产品研制过程存在多阶段的试验信息和产品性能参数呈现动态变化的特点,提出一种Bayes框架下成败型系统可靠性的动态评估方法.该方法依据产品研制过程中不同研制阶段的试验数据,利用离散AMSAA可靠性增长模型对产品可靠性的变化趋势进行描述,进而对新批次的产品可靠性进行预测,并由最大熵方法给出产品可靠性验前分布的确定方法,再结合产品少量的现场试验数据,对新批次的产品可靠性做出Bayes评估.最后通过实例对比分析,表明该方法很好地解决了小子样产品的可靠性试验评估问题.     

小样本数据缺失状态下DBN舰艇编队防空目标威胁评估方法

针对海上编队防空目标威胁评估过程中样本数据量较少且易缺失、已有评估方法过多依赖专家经验以及难以进行时间序列上动态评估的问题,提出了基于约束参数学习的动态贝叶斯网络(dynamic Bayesian networks, DBN)威胁评估方法。采用AR(p)模型预测时间序列上的缺失数据,从而获得完备的小数据集样本;在此基础上,根据专家经验构建合理的参数约束模型;进一步利用贝叶斯估计进行参数学习;将学习得到的参数代入DBN中,推理求出威胁评估结果;引入效用理论对威胁评估结果进行排序。仿真实验表明该评估方法在小样本数据缺失状态下目标威胁评估的结果合理,准确性高。     

基于顺序Dirichlet分布的Bayes可靠性增长评估方法

针对产品可靠性增长试验过程中试验样本量少这一特点,提出一种基于顺序Dirichlet分布的Bayes可靠性增长评估方法。利用顺序Dirichlet分布的统计特性,对产品可靠性增长试验过程中的专家信息进行规范化描述,并在Bayes试验鉴定框架下作为验前信息给出其验前分布的确定方法,以及产品可靠性增长过程中各试验阶段产品可靠性的评估方法。通过综合考虑产品各试验阶段的历史信息,主观信息和客观信息等多种信息形式,解决了小样本情况下产品可靠性增长试验性能指标的评估问题。     

Bayesian sequential testing for exponential life system with reliability growth

A Bayesian sequential testing method is proposed to evaluate system reliability index with reliability growth during development.The method develops a reliability growth model of repairable systems for failure censored test,and figures out the approach to determine the prior distribution of the system failure rate by applying the reliability growth model to incorporate the multistage test data collected from system development.Furthermore,the procedure for the Bayesian sequential testing is derived for the failure rate of the exponential life system,which enables the decision to terminate or continue development test.Finally,a numerical example is given to illustrate the efficiency of the proposed model and procedure.     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

基于Dirichlet 先验分布的Bayes 二项可靠性增长方法

由于产品系统的复杂性和试验的高费用,并且产品的可靠性增长试验往往基于小样本,因此解决小样本问题在可靠性增长试验中也是非常重要的.借助Bayes理论,假设先验分布为Dirichlet分布,解决二项可靠性增长问题,能够充分借助先验分布和试验数据更合理估算出外场可靠性.同时在后验分布的计算上,利用Gibbs抽样的Markov Chain Monte Carlo(MCMC)方法仿真后验分布的计算.和传统的二项式Bayes方法进行比较,利用以Dirichlet分布为先验分布的Bayes方法非常适合阶段性可靠性增长试验评估,借助于专家的经验和以往类似产品的试验数据,容易定量和衡量先验参数.     

基于非监督贝叶斯学习雷达性能指标动态评估

针对传统雷达性能指标评估方法相对“机械”、缺乏理论约束,需要多次重复实验,导致评估效率较低,评估成本较高等问题,提出基于非监督贝叶斯学习方法的雷达性能指标动态评估算法,在一定雷达探测目标先验假设下,结合典型回波观测数据模型,建立雷达性能指标后验概率模型。考虑到先验知识与观测数据可能存在的非共轭特性,针对先验概率模型建立分层贝叶斯模型,从而保证雷达性能指标后验概率密度函数的可解性。此外,为了保证后验概率密度函数的闭合解析解,应用变分贝叶斯期望最大化(variational Bayesian expectation maximization, VB-EM)方法,基于高斯-赛德尔迭代策略分别计算性能指标及其超参数的后验概率密度函数。最终,利用后验概率密度函数计算结果,可获得相应性能指标解析估计值及其置信区间和置信度,从而实现对指标动态变化的解析指示。相比传统蒙特卡罗评估方法,所提方法仅需一次实验数据便可获得定量的、解析的指标评估结果,可以大大缩减评估成本,提升评估效率,同时可对指标动态变化给出定量指示。应用仿真数据对雷达定位、测高精度以及目标检测概率指标进行了验证,相比传统方法,评估处理增益获得了有效提升。     

ZDPS-2卫星可靠性试验评估方法

皮纳卫星具有研制周期短、采用商用货架式器件的特点,无法完整沿用传统大卫星通过底层元器件或部组件搭建系统可靠性模型计算整星可靠性的方法。针对上述问题,提出了基于试验数据的皮纳卫星可靠性评估体系。通过对机理不同的硬件和软件故障分别建模的方法,实现了ZDPS-2卫星的可靠性评估。对卫星的硬件故障数,基于顺序约束模型和贝叶斯参数估计方法进行拟合,并考虑了不同试验环境对卫星工作环境的等效因子。ZDPS-2卫星硬件可靠性水平估计为3月末0.85。对卫星的软件故障采用加入变点的非齐次泊松过程模型拟合,并选择Logistic模型作为测试覆盖率模型。ZDPS-2卫星软件故障拟合结果,平均无故障时间为217 h。ZDPS 2卫星试验结果证实,可靠性满足增长试验设计的要求和任务需求。