非精确概率下基于证据理论的典型系统可靠性模型

当系统的各个单元的失效概率为不精确概率时,传统的概率方法难以使用,而区间分析法等非概率方法得到的结果则比较粗糙.基于证据理论,建立了非精确概率下串联、并联、串并混联、k-out-of-n等典型系统的可靠性模型,利用信任函数和似然函数、根据证据推理,将单元可靠性中的不确定性传递到顶层系统,从而得出系统失效概率和可靠度的概率分布的上下界.实例分析表明,提出的方法能较好的处理可靠性计算中的不精确信息,且比区间分析法得到的有效信息更多.     

非精确性测量数据的不确定度评定

基于证据理论,针对测量中的非精确性数据提出了一种不确定度评定方法。该方法首先计算非精确性数据的不确定性,包括不具体性和随机性,建立了不确定性与不确定度的关系公式,利用关系公式和不确定性计算不确定度。该评定方法同时适用于精确性和非精确性测量数据,是传统香农熵评定方法的广义形式,给出实例验证了其有效性。     

基于证据理论的异类信息统一表示与建模

在复杂系统的性能、可靠性评估中,由于信息不完备、实验样本有限、对复杂物理过程的认识不充分等原因,存在多种不确定性.由于不确定性的来源不同,因此在系统建模时不确定性参数存在概率分布、模糊分布、概率包络、区间信息等多种表达方式,难以用统一的方法对系统的性能、可靠性进行量化评估.研究了概率分布、概率包络、模糊分布、专家估计信息、小样本测试数据等不同类型的信息转化为基于证据理论的统一表示的方法,讨论了基于证据理论的异类信息统一表示方法在模型不确定性量化中的应用.实例仿真表明了所提出方法的有效性.     

含广义三角模糊数的机械结构可靠度计算方法

针对可靠性度量时机械结构中存在广义三角模糊数的不确定性问题,提出一种基于证据理论的离散化机械结构可靠度计算方法.为合理地构建不确定性变量的基本概率分配,首先基于证据变量基本概率分配的离散特性,改进了熵等效法在广义三角模糊数去模糊化时的不足,并在改进熵等效法的基础上提出一种广义密度法对其进行去模糊化处理.然后利用离散化方法将随机变量和广义三角模糊数进行证据结构表征,并将离散的连续焦元序列(子区间)作为其证据体,进而构造其基本概率分配.最后利用证据融合法则对证据体进行融合,以实现信任度和似真度的数值计算.将所提出的方法运用于曲柄滑块机构的可靠度计算,并结合蒙特卡罗模拟法验证了该方法的可行性.     

基于证据GO法的复杂多态系统动态可靠性分析

为了准确把握复杂多态系统及其部件可靠性指标的演变规律，需要对其进行动态可靠性分析。针对复杂多态系统退化参数的认知不确定性问题，提出一种用于动态可靠性分析的证据GO算法，以GO法原理为分析基础，结合证据理论构建一种考虑认知不确定性的多态GO法操作符，完成对复杂多态系统的不确定量化，结合马尔可夫模型对复杂多态系统进行可靠性建模，从而有效地分析认知不确定性给系统可靠度的影响，并用算例验证方法的可行性。     

混合不确定多态系统可靠性的EUGF分析方法

在进行多状态系统可靠性分析时,很多情况下系统中同时存在着多个类型不确定信息,如一些复杂系统中,由于样本量的差异,一些信息可以作为随机信息,而另一些信息由于缺少足够的样本,只能以区间形式给出。提出一种基于证据通用生成函数理论的多状态系统可靠性分析方法,来处理多类不确定性信息的多态系统。该方法基于证据不确定性量化理论,能够充分利用区间信息和认知信息,避免了系统中信息的浪费。基于证据量化理论建立证据通用生成函数模型,采用信度和似然度对多态系统进行可靠性评价,提高了基于认知不确定性的可靠性分析结果的可信性。对于同时含有随机信息和认知信息的多态系统,该方法首先通过将随机信息离散处理,然后建立统一的证据通用生成理论模型进行多态可靠性分析。通过案例分析对所提出的方法进行了验证。     

证据理论与贝叶斯网络相结合的可靠性分析方法

针对可靠性分析中存在的认知不确定性问题,将证据理论引入到贝叶斯网络。给出了存在认知不确定性时故障树向贝叶斯网络的转换方法,以及基于信任测度和似然测度求解顶事件发生概率的方法。研究了三种重要度的求解方法,同时提出了一个重要概念--认知重要度,给出了其实际意义和计算方法。最后,运用所提出方法对某导弹发动机进行了可靠性分析,结果表明,该方法增强了贝叶斯网络处理不确定性信息的能力,简单有效且可以得到更丰富的信息。     

基于D-S证据理论的工程投标决策研究

工程投标决策是一类典型的具有不确定性、不完备信息的多属性决策问题。证据理论能够处理“不确定性”和“不完备性”，并能基于合成法则进行信息合成。探讨了不确定信息的定量描述及规范化、信度函数的表达方法等问题，探讨了基于Dempster-Shafer合成法则的证据组合理论，提出了用于求解不确定多属性投标决策问题的D-S证据理论二级递阶推理决策模型。最后实例验证了该方法的可行性、有效性和实用性。     

具有不同状态概率表示形式的多态系统可靠性

由于多态系统的复杂性、统计数据的不完备等诸多原因 ,人们往往不能精确地确定系统及其元素的状态概率 ,也即存在着状态概率表示及计算的不确定性问题。针对多态系统中可能存在多种状态概率表示形式的情况 ,介绍了多态系统可靠性计算的随机模型、模糊模型和区间模型。对于同一系统中可能同时存在多种状态概率表示形式的情况 ,提出了将不同状态概率表示形式归一化的方法 ,给出并解释了状态概率的转换公式。     

基于前景理论和证据推理的混合直觉模糊决策

针对不确定的混合多属性决策问题,提出基于前景理论和证据推理的直觉模糊决策方法.首先通过直觉模糊数描述决策信息,保留了决策数据的不确定性,并实现了精确数、区间数和语言变量3种混合型属性的信息统一.其次考虑人的有限理性,结合前景理论,以直觉模糊数的形式表示前景决策矩阵.再次,运用证据理论合成方案的综合前景值,减少了决策信息的丢失,并以此对方案进行排序和优选.最后,以航运企业竞争力综合评估为实例,通过分析表明了该方法具有合理性和可行性.     

一种基于证据融合的高可靠性产品可靠性评价方法

如何综合来自不同信息源的信息进行可靠性评价是高可靠产品可靠性分析领域的研究热点.针对存在随机不确定性和认知不确定性时高可靠产品的可靠性评价问题,结合证据理论提出了一种新的评价模型.鉴于不同可靠性信息源对产品可靠性指标的贡献不同,利用K-L交叉熵定义各个信息源的权重,对每个信息源生成的基本概率分配函数(BPA)进行修正.然后,将修正后的BPA按照D-S证据组合规则进行融合,进而利用可转移信度模型(TBM)对合成后的BPA进行概率测度的转换,从而实现对高可靠产品可靠性的度量.最后,以某型号电子器件的寿命评估为例,验证了本文提出的评价方法的可行性和有效性.     

融合不确定信息的某型导弹控制系统可靠性分析方法#br#

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster Shafer (DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。     

基于确信可靠度的可靠性评价方法

提出了一种基于确信可靠度的可靠性评价方法。确信可靠度是一种综合考虑了设计裕量、固有不确定性以及认知不确定性三方面因素对可靠性的影响的可靠性度量指标,适用于度量认知不确定性影响下产品的可靠性水平。首先,提出了基于产品故障模式及影响分析(failure mode and effects analysis, FMEA)工作应用效果的认知不确定因子确定方法;然后,给出了综合考虑设计裕量、固有不确定因子与认知不确定因子的确信可靠度评价方法;最后,以某电源电路为例,对所提出的方法进行了演示验证。结果显示,认知不确定性的存在会降低人们对产品可靠程度的预期。     

基于确信可靠度的齿轮可靠性建模与分析

现行的齿轮可靠性建模与分析方法往往只考虑了固有不确定性的影响,而忽略了实际中由于知识的缺乏而导致的认知不确定性对可靠性分析结果的影响。本文给出了基于性能裕量的确信可靠度计算流程和算法,应用不确定理论描述了齿轮部分设计参数和影响因素的认知不确定性,定量地计算了接触疲劳和弯曲疲劳下的齿轮确信可靠度并进行了参数敏感度分析。此外,将确信可靠度与未考虑参数认知不确定性的可靠度进行比较,进一步说明了考虑认知不确定性的必要性。     

基于灵敏度分析的系统可靠性稳健分配优化方法

在系统可靠性分配中,考虑单元可靠度的不确定性已是可靠性分配的现实需要.为了提高系统可靠性分配优化的质量,将稳健理论引入可靠性分配中,提出基于单元可靠性灵敏度的系统可靠性稳健分配方法.将单元可靠性灵敏度溶入系统可靠性分配模型之中,建立系统可靠性稳健分配模型.在此基础上,采用粒子群-序列二次规划算法对该模型进行优化设计,该混合算法既保持了粒子群算法全局收敛的特点,又补充了序列二次规划法精确求解的能力,因此该混合算法可以快速获取全局最优解.通过对发动机曲柄连杆机构进行可靠性稳健分配设计,验证了可靠性稳健分配模型的合理性和混合算法的寻优能力.对结果分析表明,所提方法可以较好解决单元可靠度不确定时的可靠性分配问题,混合算法具有较强的全局搜索能力,分配优化结果具有较强的稳健性.     

CVaR下基于Ф-散度的单周期库存鲁棒优化模型

在离散随机需求情景及概率不确定条件下,针对风险厌恶的库存管理者,建立了基于条件风险值(CVaR)的单周期库存鲁棒优化模型.在仅知离散需求情景条件下,结合统计学理论,采用Ф-散度构建了一定置信水平下的不确定需求概率的置信域;运用拉格朗日对偶理论,将单周期库存鲁棒优化模型转化为易于求解的数学规划问题.特别地,给出了仅知需求情景数据下,基于数据驱动的单周期库存策略.最后,进行了数值计算,分析了不同风险厌恶程度、Ф-函数形式和抽样规模对库存策略和库存管理者绩效的影响.结果表明,基于Ф-散度的鲁棒库存策略具有良好的鲁棒性,能够有效抑制需求概率不确定性对库存绩效的影响.进一步,与数据驱动结果对比,发现基于Ф-散度的鲁棒库存策略能够保证库存管理者获得更为理想的绩效,表明对需求数据所蕴含的统计信息的挖掘能够有效改进库存管理者的运作绩效.