极小样本下高速列车轴承的可靠性评估

针对高速列车轴承在极小样本零失效情况下的可靠性试验评估问题,采用Bayes数据统计理论将先验信息与试验信息进行融合,建立累积失效概率数学模型,根据最小二乘法求解出二参数威布尔分布中的待定参数,得出高速列车轴承可靠性数学模型.研究结果为评估高速列车轴承的可靠性和运行安全性提供了一定的理论依据.     

无失效数据场合失效概率的Bayes估计

在无失效数据场合中,失效概率的Bayes估计是常用的方法,对一类不同先验分布下基于无失效数据的失效概率的Bayes估计和多层Bayes估计进行探索,获得了三个有用的定理和两个推论.关于无失效数据的研究,对可靠性理论与应用技术发展具有重要参考价值且具有方法论上的指导意义.     

基于非线性回归最小二乘法的改进Gompertz模型参数估计

可靠性增长试验是产品研制阶段不可缺少的一项提高产品可靠性的工程项目。成败型试验的可靠性增长数据通常用Gompertz模型进行评估,但存在S形增长数据拟合精度差的不足。根据高斯一牛顿最小二乘法和多元线性回归最小二乘法原理,提出改进的Gompertz模型参数估计的非线性回归最小二乘法。用试验数据对改进后的模型进行验证,拟合度较好。     

无失效数据失效概率的综合估计

本文对指数分布的无失效数据(ti,ni),给出了参数λ的最小二乘估计以及失效概率pi=p{T相似文献   

对数正态分布无失效数据的可靠性分析

对于对数正态分布的无失效数据问题 ,利用构造先验分布的减函数法给出失效概率的多层Bayes估计 ,从而求出对数正态分布参数与可靠性指标的估计 ,解决了对数正态分布无失效数据的可靠性分析问题     

复杂系统全过程的可靠性Bayes变动统计分析

复杂系统由若干个子系统构成,在复杂系统的全寿命过程中,从每个子系统到整个复杂系统,都与系统的可靠性密切相关.可靠性分析就显得极为重要,在复杂系统可靠性分析中,不可避免地遇到两类可靠性分析数据:失效或部分失效数据与很少或无失效数据,可概括为具有一定样本信息和少量或无样本信息两类数据.就两类可靠性分析数据信息,提出处理相应数据的可靠性统计分析方法:Bayes方法.Bayes方法是在小样本或无样本信息的前提下能较好得到参数估计的一种方法,它的基本出发点是:有效利用假定可得的待估参数的历史资料或先验知识,而不是基于样本数据的假定,这切合了复杂系统全过程中无失效数据的可靠性分析.     

无失效数据的可靠性分析及评定

该文较系统地讨论了无失效数据的可靠性分析问题,提出了几种Bayes分析方法。利用这些方法对某型电子显控台试验数据进行了可靠性分析和评估,得到了较为满意的结果。     

双参数指数分布场合下无失效数据的可靠性试验

在电器的可靠性指标达到某个给定值的情况下,利用Bayes方法给出电器的寿命服从双参数指数分布场合下无失效数据的可靠性验证试验,并利用相同的分析方法给出形状参数的1-α的Bayes可信上限和形状参数的Bayes估计.最后,结合实例进行了计算,结果表明,利用该估计方法优于经典估计方法.     

基于支持向量回归与Bayesian理论的性能退化产品可靠性分析

为提高小样本非线性下的性能退化产品可靠性评估准确性,提出一种融合性能退化数据与寿命数据的可靠性评估方法.首先选定产品的性能退化变量并记录下与时间相关的退化数据,随后利用支持向量回归(Support Vector Regression,SVR)理论对性能退化轨迹进行拟合建模,再通过首达阈值的概念推算出产品伪失效寿命数据.假设产品寿命服从特定的概率分布,则可求得产品的可靠性解析表达式.为了充分利用可得到的多种信息,增加评估的可信度,结合Bayesian理论,融合可得的真实寿命数据,一旦得到新的失效寿命数据,便可更新迭代模型参数提高评估准确性.最后通过数值仿真与陀螺仪退化数据的实例验证所提方法的可行性.结果表明,本研究有效地解决了小样本非线性情形下性能退化产品可靠性分析不精确的难题.     

双超参数无失效数据的E-Bayes可靠性分析

讨论了双超参数情形无失效数据问题.利用构造先验分布为含有双超参数的Beta分布情形的减函数,给出了2个超参数情形下失效概率pi=P(T相似文献   

指数分布的无失效数据的Bayes统计分析

随着科学技术的进步,产品的质量也不断提高,产品的寿命越来越长,由定时截尾寿命试验获得的数据经常是"无失效数据,"特别是高可靠性样本试验的研究。本文根据指数分布的无记忆性,给出可靠度的先验分布,进而在无失效数据的情况下,得到了平均寿命的Bayes估计,并给出了某时间处的可靠度的Bayes估计。     

正态-逆Gamma先验下线性模型中回归系数和误差方差Bayes估计的改进

在正态 逆Gamma先验下, 研究线性模型中回归系数和误差方差Bayes估计的优良性, 改进了已有的结果, 去掉了附加条件. 在Pitman准则下, 证明回归系数的Bayes估计优于最小二乘估计(LSE), 并讨论误差方差的Bayes估计在均方误差准则下相对于LSE的优良性. 最后进行Monte Carlo模拟研究, 进一步验证了理论结果.     

无失效数据情形参数的综合估计

对指数分布的无失效数据,在引进失效信息后,在先验分布为Beta分布时,给出了失效率的多层Bayes估计和综合Bayes估计,并给出了无失效数据情形可靠度的综合估计。     

正态分布下只有一个失效数据的迭代Bayes分析

针对定时截尾试验中有一个失效发生情况,确定了失效概率pj(j=1,…,k)的迭代Bayes估计.然后用最小二乘法给出了正态分布的分布参数的估计,进而得到正态分布可靠度估计.     

基于EM算法的无失效数据的参数估计

利用EM算法,在无失效数据样本下,对指数分布和Weibull分布的参数进行估计,得到了参数所满足的非线性方程或方程组.并利用EM算法的收敛性,保证用迭代的方法得到的非线性方程或方程组的近似解,正是收敛于参数真值的估计.最后对实际数据进行模拟计算,得到了合理的结果.     

线性模型广义最小二乘估计的中偏差、重对数律与相对效率

对回归模型进行适当变换,得到了线性模型广义最小二乘估计的中偏差及重对数律,并且在均方误差矩阵准则下得到了Bayes（BE）估计与广义最小二乘估计的2种不同相对效率的上下界．     

基于记录值的几何分布模型的Bayes可靠性分析

针对来自几何分布的记录值样本,研究可靠度参数的Bayes估计问题.首先给出可靠度的最大似然估计和最小方差无偏估计;在可靠度参数的先验分布为贝塔分布、损失函数为平方误差损失和一类新的加权平方损失函数下,导出了可靠度的Bayes估计;最后通过Monte Carlo数值模拟例子说明论文给出估计的有效性.