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.     

Weibull分布下Bayes可靠性评估的工程方法

本文提出了一种关于Ｗｅｉｂｕｌ分布的Ｂａｙｅｓ可靠性分析的工程方法。基于工程实践中关于可靠性的验前信息或失效率的验前信息,给出了可靠性参数,如可靠性、可靠寿命等的验后分布。并通过选择适当的损失函数,得到了可靠性参数的Ｂａｙｅｓ估计。文中的实例说明了该方法的步骤。     

基于Bayes network含失效节点的网络可靠性评估

针对Bayes network (BN)能很好地表示变量的不确定性和相关性, 并能直接进行不确定性推理的优势, 提出了基于BN含失效节点的网络可靠性评估方法. 建模方面, 给出了通过节点分割去环构建有向无环图及条件概率表的具体方法; 推理方面, 通过节点消隐, 减小BN规模, 有效降低推理复杂度. 分析了算法复杂度, 并通过算例证明了算法的有效性和适用性. 由于BN建模及推理的灵活性, 该方法可研究同时含节点失效、共因失效的网络可靠性, 况且通过BN推理除得到网络失效概率和部件重要度外, 还可得到网络失效条件下任一部件失效或者共因失效发生的概率, 为故障诊断和维护提供指导.     

Barlow-Scheuer可靠性增长模型的Bayes限

在本文中,基于共轭型先验分布与无信息先验分布,对Ｂａｒｌｏｗ＆Ｓｃｈｅｕｅｒ提出的顺序约束的三项分布可靠性增长模型,推导了研制试验的最后阶段之可靠性Ｒｍ与Ａ型失败概率ｐ０的Ｂａｙｅｓ精确限。为了满足工程实践的需要,给出了Ｒｍ的高精度近似限,并用数值例说明了这些方法。     

指数寿命系统可靠性增长的动态Bayes评估方法

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框架下指数寿命系统失效率的动态Bayes评估方法.该方法依据产品研制过程中不同阶段的试验数据,利用AMSAA模型对系统失效率的变化趋势进行描述,进而对新批次的产品失效率进行预测,并由最大熵方法给出产品失效率验前分布的确定方法,再结合产品少量的现场试验数据,对新批次的产品失效率做出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指数寿命产品的可靠性试验评估问题.     

Wiener过程性能退化产品可靠性评估的Bayes方法

在分析性能退化数据模型的基础上,针对Wiener过程性能退化产品提出了一种可靠性评估的Bayes方法,给出了参数的递推估计.该方法计算简单,并且能随着性能退化试验进行不断更新可靠性评估结果,而不需要重新处理历史数据,因而也适合于实时可靠性评估.最后通过金属化膜电容器可靠性评估实例分析验证了该方法的适用性,并进行了相关讨论.     

基于信息熵和Bayes理论的高可靠性产品可靠性评估

产品的可靠性是其通用质量特性的重要指标,研究产品的可靠性评估方法至关重要.当产品只收集到寿命试验数据时,现有的基于极大似然估计和最小二乘估计的可靠性评估方法应用较为广泛,但在适用性上存在一定的局限性.针对这一问题,提出了一个基于信息熵函数和Bayes理论的产品可靠性评估方法.通过理论分析可知本文提出方法的适用性比现有方法更广,且结合仿真实验,可验证利用本文提出方法评估高可靠性产品的可靠性时,评估结果的精度也优于现有方法.最后,通过加工中心设备的算例分析,说明了本文提出方法的具体应用.     

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。     

基于伪寿命分布的退化数据可靠性评估方法

提出一种利用加速退化数据对产品进行可靠性评估与寿命预测的建模与参数估计方法。首先,针对加速退化数据的特点,建立了加速条件下特征参数退化曲线的连续时间函数模型。进而,结合工程中常用加速模型,建立了加速退化模型参数估计的整体似然函数,并基于Fisher信息阵采用整体推断的极大似然法给出整体模型参数的区间估计。该方法能够有效利用不同加速应力水平下产品退化数据的横向信息,并综合连续时间函数模型对产品退化曲线拟合性强的优点,可提高产品可靠性评估与寿命预测的精度。以某电子产品为例进行了应用实例分析。     

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.     

基于可靠性增长的变总体可靠性试验鉴定方法

针对产品研制过程中存在多阶段的试验数据和产品性能参数呈现可靠性增长的特点, 提出了一种变总体可靠性试验鉴定方法. 该方法依据产品研制过程中不同总体的试验数据, 利用可靠性增长模型, 给出变总体试验信息似然比的定义和判决准则, 进而给出变总体可靠性试验鉴定方法. 通过实例对比分析, 该方法可较好地解决小子样产品可靠性指标的假设检验问题.     

基于动态建模方法的可靠性增长试验评定

运用动态建模方法对可靠性增长试验下可靠性参数的先验分布进行分析．在任务可靠度先验分布确定的基础上，结合产品的少量现场试验数据，利用Bayes方法对系统的可靠性增长试验结果进行分析．首先给出了可靠性增长分析的动态模型，然后运用历次阶段试验中的可靠性增长数据建立动态参数的递推估计模型．在此基础上，给出各阶段可靠性增长试验中可靠性参数的Bayes估计．针对液体火箭发动机寿命分布为Weibull分布的特点，对Weibull寿命型系统的可靠性增长试验进行评定．通过一个实际例子说明了该方法的有效性．     

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.     

考虑测试效用的软件可靠性增长模型

测试效用函数不仅可以描述测试所消耗资源随时间的变化,同时也是建立考虑测试效用的软件可靠性增长模型的前提和基础。现有测试效用函数形式多达十余种,但是由于适用性较差,导致研究人员对失效数据进行建模时需要付出繁琐的工作量,并且模型的评估能力往往达不到预期效果。针对该问题,提出了一种通用的测试效用函数形式,该函数形式更加灵活、适应能力更强。在此基础上,建立了基于该测试效用函数的软件可靠性增长模型。利用两组公开发表的数据进行验证,实验结果表明,该测试效用函数有效可行,考虑新的测试效用函数的软件可靠性增长模型具有更好的可靠性评估性能及适应能力。     

指数寿命分布多阶段可靠性增长决策研究

可靠性增长模型是可靠性增长决策的基础和关键,其在可靠性增长过程中有着重要作用。在故障延缓纠正模式下,对基于指数寿命分布的多阶段可靠性增长模型进行了研究。考虑到可靠度估计的不确定性,采用贝叶斯风险决策技术,通过期望效用函数量化可靠度的不确定性,并定义了停止可靠性增长试验的贝叶斯决策规则,最后给出了一个应用实例验证了方法的可行性。     

复杂系统可靠性增长试验评价的集成分析模型

研究了可靠性增长的集成规划方法,通过子系统的可靠性增长规划实现系统的可靠性增长需求.建立了系统可靠性增长的集成评价模型,实现子系统增长信息的融合.最后,给出了系统可靠性增长检验方法,可用于完成系统可靠性增长模型的正确性验证.     

Burr-XII分布在具有随机移走逐步增加截尾模型下可靠性指标的Bayes估计

在具有随机移走的逐步增加Type-II截尾模型下, 假定每一个失效时刻移走的未失效样本数都服从二项分布, 当Burr-XII分布中两个形状参数均未知时, 分别在q-对称损失函数和LINEX损失函数下给出了两个未知形状参数、移走概率以及可靠性指标的Bayes估计和Bayes后验区间估计, 并给出了参数估计的容许性证明. 最后利用Monte Carlo方法对各种估计结果进行了模拟分析.     

基于非线性和测试覆盖率的软件可靠性增长模型

软件可靠性增长模型一般假设故障是独立的,且检测到的故障能够被排除。但在工程中,一些检测到的故障可能无法排除,在排除过程中也可能会引入新的故障。考虑上述因素,本文假设故障的引入过程与时间呈现非线性关系,通过测试覆盖率函数来表示软件故障检测率,建立了基于非齐次泊松过程(non-homogeneous Poisson process, NHPP)的软件可靠性增长模型。为规避参数估计过程中模型函数导数连续性和存在性的限制,应用一个自适应变化的实值遗传算法进行计算。最后通过一个真实软件失效数据集对模型参数进行计算,利用不同的评价准则将所提模型和现有模型进行比较,说明所提模型的优越性和准确性。