对数正态与正态分布定时截尾寿命试验参数的近似置信域

提出了两步法来获得对数正态和正态分布大样本定时截尾寿命试验参数的近似置信域。对数正态分布试验中，在试验时间对数和的极限分布的基础上构造了枢轴量。为克服直接从枢轴量的渐近正态性求解参数μ，σ的联合置信域的困难。本文利用Wolynetz提出的μ的MLE的近似分布首先得到μ的近似置信区间，然后给定置信区间中的每个μ，通过枢轴量求得σ的近似置信区间，最终获得μ，σ的联合近似置信域。类似地在正态分布试验中可由总试验时间的极限分布构造枢轴量．从而获得参数μ和σ的联合近似置信域。随机模拟结果表明，本方法具有较好的置信度。     

Weibull过程的恒定应力加速寿命试验（Ⅰ）

本文给出了Weibull过程的恒定应力加速寿命试验的统计分析方法。当形状参数已知时,在定数截尾试验情况下,得到了通常应力水平下均值函数m_0(t_0)的伪最佳线性无偏估计;在定时截尾试验情况下,得到了m_0(t_0)的最小二乘估计。当形状参数已知和未知时,基于定数截尾和定时截尾试验数据,给出了m_0(t_0)的极大似然估计和大样本渐近置信区间估计。     

Weibull分布逐步增加的Ⅱ型截尾试验的统计分析

本文给出Weibull分布在逐步增加的Ⅱ型截尾寿命数据参数的极大似然估计与逆短估计，并通过Monte—Cardo模拟考察了估计的精度，认为极大似然估计优于逆短估计。     

Weibull分布逐步增加的Ⅱ型截尾步进应力加速寿命试验的统计分析

本文给出了两参数Weibull分布场合在步进应力加速寿命试验下损伤失效率模型(TFR模型)逐步增加的Ⅱ型截尾寿命数据的参数的极大似然估计(MLE),并通过Monte-carlo数据说明了方法的可行性。     

可修系统试验数据的比较

非齐次Poisson过程,特别是Weibull过程,在可靠性增长试验和加速寿命试验领域中起着非常重要的作用。本文考虑了多个Weibull过程强度函数是否相等的假设检验问题。在假定所有的形状参数相等的条件下,本文在Ⅰ型多台定数截尾、多台定时截尾和Ⅱ型多台定数截尾三种情况下,给出了检验假设H_0:α_1=α_2=…=a_k的小样本和大样本的统计方法。     

IRCT下对数正态和正态分布参数的MLE

在文［１－４］的基础上进一步研究了带有不完全信息的随机截尾试验模型（ＩＲＣＴ）。着重讨论了对数正态分布参数的统计分析问题，建立了参数所满足的似然方程组，给出并证明了似然方程组解即参数的极大似然估计（ＭＬＥ）的存在唯一性定理，所得的结论对于正态分布也同样适用。文末给出了随机模拟数值解例子，结果表明，参数的ＭＬＥ具有较高的精度。     

IIRCT下相依两部件并联系统的统计分析

将带有不完全信息的随机截尾试验模型应用于二元指数分布场合，讨论了当相依两部件寿命具有联合二元指数分布时，它们组成的并联系统的统计分析问题，建立了参数所满足的似然方程组，给出了随机模拟数值解例子。结果表明，参数的极大似然估计（MLE）具有较高的精度。     

Weibull分布下恒定应力加速寿命试验分组数据的统计分析

对Weibull分布恒定应力加速寿命试验的分组数据,利用形状参数的线性无偏估计将分组数据转换为指数分布的加速寿命试验分组数据,建立相应的似然方程,求解得到加速模型参数最大似然估计,最后对某实例进行了分析。     

IIRCT下对数正态和正态分布参数的MLE

在文「１－４」的基础上进一步研究了带有不完全信息的随机截尾试验模型。着重讨论了和正态分布参数的统计分析问题，建立了参数所满足的似然方程组，给出并证明了似然方程组解即参数的极大似然估计的存在唯一性定理，所得的结论对于正态分布也同样适用。     

疲劳寿命分布模型的统一描述

在大量仿真试验的基础上，发现：①正态分布和3参数Weibull分布之间存在解析关系；②在工程中常见的情况下，3参数Weibull分布可有效地拟合正态和对数正态数据；③当一组数据可同时用2参数Weibull分布（B_1），正态分布（B_2），对数正态分布（B_3）和3参数Weibull分布（B4）描述时，则其B基值间存在以下关系B_1＜B_2＜B_3＜B_4；④在工程中常见的情况下，以3参数Weibull分布拟合正态和对数正态数据，其B基值的相对误差｜ε｜＜5％。     

对数正态分布下基于截断数据的统计分析

加速寿命试验是在短时间内获得高可靠产品的失效数据的一种有效办法,因而得到普遍应用。但在低应力下,要在短时间内得到失效数据较为困难,常常进行到一段时间被迫停止,因而得到的是截断数据。本文考虑在有截断数据情形下,对数正态分布未知参数的估计。具体地讲,试验一共有k个加速应力S_1,S_2,…,S_k,有R个产品进行试验,在应力S_i下有n_i个产品。进行加速寿命试验,但是我们得到的不全是寿命失效数据y_j~i,i=1,2,…,k,j=1,2,…,n_i,n_1+n_2+…+n_i=n,而是Z_j~i=min(y_j~i,τ_j~i是预先给定的截断时间,记δ_j~i=I(y_j~i≤τ_j~i),则我们只能观察到(Z_j~i,δ_j~i),i=1,2,…,k,j=1,…,n_i。本文给出了用(Z_j~i,δ_j~i)来估计未知参数的一种方法,证明了这种参数估计的存在性,无偏性及相合性。     

单参数指数分布定时截尾步加试验TFR模型下参数修正的MLE

给出了单参数指数分布定时截尾样本场合下步加试验TFR模型下参数的修正极大似然估计,并通过模拟表明修正的极大似然估计的精度高于极大似然估计。     

基于随机截尾数据下Weibull分布的参数极大似然估计与应用

对服从Weibull分布的随机截尾数据建立似然方程,给出形状参数和尺度参数的极大似然估计,通过参数极大似然估计对火箭发动机试车试验数据进行了可靠性评估分析,算例得到的形状参数估计值与实际工程应用的经验估计值十分接近。     

离散变量参数UMA限中均匀数取值的研究

本文用Jeffreys的无信息先验分布的Bayes方法与随机化的Fiducial方法，对UMA置信限中的均匀数u的取值问题进行了研究，结果表明，Mann建议u取1／2，对二项分布与有替换定时截尾的指数分布这是合适的，但对预定成功数或失败数的负二项分布，此值略为偏小，其相对误差与样本量n的关系为l／(2n 1).     

三参数Weibull分布参数的极大似然估计数值解法

利用降阶思想,给出了一种新的求解三参数Weibull分布参数的极大似然估计数值方法。该方法首先假定形状参数已知,将三元方程组转化为二元方程组,并用二分法求解该二元方程组的数值解,然后将尺度参数和位置参数表示成形状参数的函数,此时极大似然函数仅是关于形状参数的单变量函数,再次应用二分法即可得出形状参数的最优估计结果。该算法稳定,不需要赋予初始值,对样本数量没有限制。与其他方法相比,具有计算精度高、运算速度快的优点,便于工程应用。     

基于遗传算法的混合威布尔分布参数最小二乘估计

混合威布尔分布模型常用来分析具有多种失效模式的复杂系统的可靠性数据,由于模型中包含较多参数,与单一威布尔分布相比,混合威布尔分布的参数估计更为复杂。利用遗传算法为优化方法,提出了一种混合威布尔分布参数估计的最小二乘方法。以残差平方和最小为优化目标,以各参数取值范围为约束条件,构建了混合威布尔分布的非线性最小二乘优化模型;通过变换决策变量上下限、引入惩罚因子和保存最优个体等策略改进传统遗传算法以提高算法的性能,进而利用改进后的遗传优化算法对混合威布尔分布的非线性最小二乘优化模型进行求解。实例分析表明本文方法有效,利用本文方法计算得到的可靠度估计值与真实值之间的最大偏差和标准均方根误差,相对于图估计法分别减少了0.028 4与0.032 8,相对于极大似然估计法分别减少了0.000 8与0.003 6。     

全样本场合几何分布产品步进应力加速寿命试验TFR模型下的统计分析

本文首次将步加试验中的损伤失效率模型应用于离散型寿命分布场合,给出了TFR模型几何分布产品全样本场合多步步加试验下参数的极大似然估计。并通过一例子来说明方法的可行性。     

湍流边界层外区超大尺度相干结构相位平均波形

用IFA300恒温式热线风速仪和X形二分量热线探针精细测量了风洞中平板湍流边界层不同法向位置的瞬时流向、法向速度分量的时间序列信号。通过对不同速度分量进行子波变换，得到了近壁区和外边界区流向和法向脉动速度分量的分尺度湍动能随尺度的分布，在外边界区发现流向脉动速度和法向脉动速度的能量最大尺度随法向坐标远离壁面增大，相干结构的平均猝发周期也相应增加，说明在外区存在超大尺度的相干结构。采用条件采样和相位平均技术，提取了近壁区和外边界区能量最大尺度相干结构流向及法向速度的喷射和扫掠的条件相位平均波形，发现流向和法向脉动速度及雷诺应力喷射和扫掠事件的条件相位波形较近壁区都发生了改变。雷诺应力负的幅值显著降低，雷诺应力表现为正负交替的波动现象。     

明渠水流湍流结构的试验研究

本文采用二维激光流速仪(2D-LDA)在玻璃水槽中实测了光滑和加糙壁面上清水的湍流结构和时均结构。通过试验观测并结合其它学者的资料,研究了水流时均流速分布。发现加糙壁面的流速分布在半对数坐标中为一连续曲线,通过调整理论床面将坐标起点下移后可转变为直线,与对数分布吻合。文中对雷诺切力分布进行了分析并给出了最大雷诺切力及其出现位置的计算公式。实测切力分布与理论公式计算值基本一致,实测表明:边壁加糙对雷诺切力分布影响不大,光滑边壁与加糙边壁切力分布基本相同。文中还讨论了壁面加糙对纵向和垂向脉动强度分布的影响,认为主流区纵、垂向脉动强度均可近似地视为线性分布。