区间数据整体估计方法

提出了一种区间数据整体估计方法, 给出整体分布参数的最佳线性无偏估计量及其协方差矩阵, 得到了正态分布、Weibull分布等位置-尺度分布族区间数据百分位值和百分率的置信限估计.该方法可以将不同条件下的试验数据作为一个整体进行统计推断, 将传统的只适用于完全数据的回归分析推广到工程中常见的区间数据的情况.      

截尾数据异方差回归分析

提出截尾数据异方差回归分析方法,将传统的只适用于同方差和完全数据的回归分析推广到异方差和截尾数据的情况。文中建立了异方差回归方程,给出回归系数和标准差的最佳无偏整体估计及其协方差矩阵。详细讨论了正态分布、极值分布、威布尔分布情况下的线性异方差回归分析,给出其回归曲线和百分位值的置信限。对于异方差问题目前工程上只能采用成组试验方法,因此试验量很大;本文方法与之相比则能很好地解决这一问题,在试样数相同的条件下具有更高的精度,而在精度相同的情况下,可以节省大量试样。      

截尾数据线性回归分析方法

提出一种新的回归分析方法,建立了截尾数据回归方程,给出回归系数和标准差的最佳无偏整体估计及其协方差矩阵。文中详细讨论了工程中最常见的正态分布截尾数据一元线性回归分析,给出其回归曲线的置信限和百分位值的置信区间估计,并将该方法推广到极值分布和威布尔分布的情况。传统回归分析只适用于来自正态分布的完全数据,对于截尾数据或威布尔分布数据则无能为力,目前工程上只能采用成组试验方法,结果导致试验量很大。本文方法能够很好地解决上述问题,与成组试验法相比,在试样数相同的条件下具有更高的精度,而在精度相同的情况下,则可以节省大量试样。      

不完全区间数据最佳线性无偏估计方法

建立了不完全区间数据秩统计量的概率密度函数和联合概率密度函数, 给出了其平均秩、中位秩和百分位秩以及不完全区间数据统计量的均值、方差和协方差计算公式.在此基础上, 针对位置-尺度分布族提出一种不完全区间数据最佳线性无偏估计方法, 得到了其百分位值的置信限估计, 并对工程中常见的极值分布、两参数Weibull分布、正态分布进行了详细讨论.      

定时截尾数据回归分析方法

提出定时截尾数据回归分析方法,建立定时截尾数据回归方程,给出回归系数和标准差的最佳无偏整体估计、百分位值的点估计及其置信限估计.详细讨论了工程中常见的极值分布、Weibull分布、正态分布以及一般位置-尺度分布场合下定时截尾数据的回归分析问题.该方法可以充分利用截尾时刻的试验信息,并将各个状态下的定时截尾数据作为一个整体进行统计分析,具有信息量大、精度高的特点,从而可以在试验时间、经费等有限的情况下对产品进行高精度的寿命预测和可靠性评估.     

威布尔分布多元回归分析方法

提出威布尔分布多元回归分析方法,建立回归参数的最佳无偏整体估计及其协方差公式,给出威布尔分布、极值分布和正态分布的百分位值(如可靠寿命和安全强度)的置信限估计。传统的多元回归分析只适用于正态分布和完全数据的情况,而本文则将其推广到威布尔分布、极值分布和截尾数据的情况。与传统的成组试验和最佳线性无偏估计方法相比,本文方法可以将不同条件的试验数据作为一个整体进行统计推断,能够全面开发利用不同条件下试验数据之间的横向信息,在试样数相同的情况下,具有更高的估计精度,而在精度相同的条件下,则可以节省大量试样。      

不完全数据整体估计方法

提出一种不完全数据整体估计方法,给出整体参数的最佳线性无偏估计量及其协方差矩阵,将传统的只适用于完全数据的回归分析推广到工程中常见的不完全数据的情况。文中针对位置-尺度分布族的不完全数据整体估计方法进行了详细讨论。该方法可以将不同条件下的试验数据作为一个整体进行统计推断,因此,对一种条件下只有一个失效数据的情况也能进行分析。与传统方法相比,具有更高的精度,而在精度相同的情况下,则可以节省大量试样。      

区间数据回归分析方法

提出区间数据回归分析方法, 建立区间数据回归方程, 给出回归系数的最佳无偏整体估计及其协方差矩阵.详细讨论了工程中常见的极值分布、Weibull分布和正态分布的等尺度和非等尺度(或异方差)线性回归分析.该方法可以将各个不同状态下的区间数据作为一个整体进行统计分析, 具有信息量大、精度高的特点.      

截尾数据整体估计方法

提出一种截尾数据整体估计方法。该方法能够将仿真(或数字化设计)结果与截尾试验数据或不完全数据有机结合,实现多个状态下(多个母体)截尾试验数据或不完全数据的整体推断,从而建立各状态下正态分布、极值分布和Weibull分布等位置-尺度分布族的参数估计量,给出母体百分位值的置信限和置信区间估计。与传统方法相比,该方法具有信息量大,精度高的特点,能够进行极小子样可靠性评定。文中还给出一种利用截尾试验数据或不完全数据对仿真结果进行检验的方法。      

基于贝叶斯理论的低循环疲劳寿命模型不确定性量化

为量化低循环疲劳寿命模型中的不确定性因素,利用贝叶斯理论,采用经典的模型校准形式确立了寿命模型的不确定性量化形式,并结合正态性检验对误差项进行验证;应用马尔可夫链-蒙特卡罗(MCMC)算法获得了模型参数后验分布的抽样样本,在小子样试验数据条件下确定了低循环疲劳寿命的95%不确定性区间,较好地覆盖了寿命的分散性;对参数样本进行了相关性分析,并将异方差回归概率模型与贝叶斯概率模型进行了比较。最后,利用Morris全局灵敏度分析方法获得了Manson-Coffin模型参数的全局灵敏度指标;同时,验证了在模型参数对先验信息敏感,或者说在先验信息影响极大的情况下,采用无信息先验处理方法的合理性。     

三参数幂函数回归分析

本文给出了一种三参数幂函数回归分析方法。根据该方法, 可以通过散点试验测定高置信度、高可靠度的三参数幂函数性能曲线。它不但适用于异方差情况, 而且与传统的成组试验法相比, 既可节省大量试件又具有更高的精度。      

正态分布百分位值和百分率的置信限和容忍限公式

建立了正态分布置信限曲线方程,给出了其百分位值和百分率的置信限公式和容忍限公式。该公式对完全数据、不完全数据和无失效数据均适用,并且可综合利用当前数据和经验数据。     

Weibull分布定时无失效数据可靠性分析方法

定时无失效数据的处理是当前工程中亟需解决的问题.为此,提出一种Weibull分布定时无失效数据可靠性分析方法,在形状参数下限已知的情况下,给出了可靠度和使用寿命的单侧置信下限,从而能够根据定时无失效数据对产品进行高置信水平的可靠性评定.大量Monte Carlo模拟验证结果表明,该方法既可以充分利用定时无失效数据,又能对Weibull分布无失效数据进行累加,所以增大了信息量,提高了预测精度.文中给出某型号高压容器定时无失效寿命试验数据的计算实例.      

轮盘低周疲劳概率寿命预估模型

为了研究影响轮盘结构寿命预估精度的主要因素,提高模型预测精度,通过对三种材料应变概率寿命模型参数的异方差回归,对某航空发动机风扇盘榫槽部位疲劳寿命分布进行了数值模拟,得到了风扇盘榫槽部位的概率寿命。经与试验结果对比表明,考虑材料疲劳寿命异方差特性比按同方差处理更为合理。等效应变模型对疲劳寿命严重高估,第一主应变模型预测值与试验结果吻合较好。最大剪应变模型预测值介于以上两个模型之间,用峰值拉伸应力代替平均拉伸应力进行修正后最大剪应变模型预测值与试验值吻合良好。     

基于P-ε-N曲线整体推断的涡轮盘寿命可靠性分析

疲劳寿命符合对数正态分布,并且对数寿命的标准差随弹性应变幅和塑性应变幅的减小而增大。采用基于异方差回归分析的整体推断方法在现有低循环疲劳试验数据的基础上,得到了航空发动机涡轮盘材料GH4133在温度250℃下的P-ε-N曲线;利用P--εN曲线对某涡轮盘进行低循环疲劳寿命可靠性分析,得到置信度0.95,可靠度0.998 7的轮盘寿命为1 866次循环,合683飞行小时,与涡轮盘疲劳试验分析得到的技术寿命接近。整体推断得到的P-ε-N曲线精度较高,利用P-ε-N曲线进行轮盘寿命可靠性设计分析具有计算简便、节约试验成本的优点。     

多样本时间序列的P-T曲线可靠性评估方法

提出一种用于评估固体火箭发动机内弹道压强—时间曲线(P-T曲线)的多样本时间序列方法.该方法可以综合利用单条样本曲线数据内的纵向信息和多条样本曲线数据间的横向信息, 提高固体火箭发动机内弹道性能曲线可靠性评估的精度.具体给出了等间距与非等间距情形下多样本P-T曲线模型参数的极大似然估计方法以及当给定压强满足可靠性要求的上、下限时可靠度的点估计与区间估计计算公式.文中最后给出了一个具体实例.      

正态分布定时无失效数据可靠性分析方法

定时无失效是指产品试验到预定的时间未发生失效的情况,定时无失效数据的处理是当前工程中亟需解决的问题.为此,提出一种正态分布定时无失效数据可靠性分析方法,该方法能够根据定时无失效数据对产品进行高置信水平的可靠性评定.分别针对标准差或标准差上限已知的情况进行了详细讨论,给出了可靠度和使用寿命的单侧置信下限.并结合某型号卫星推力器脉冲点火试验得到的定时无失效数据,进行了分析计算,结果表明本方法既可以充分利用定时无失效数据,又能最大化发挥对数正态分布置信下限较高的优点,且计算简单,便于工程应用.      

熵损失下无失效数据的 Bayes估计

讨论了在熵损失下定时截尾数据的Bayes估计问题，将无失效数据看作逐次定时截尾试验的结果，进而得到无失效数据的Bayes估计，利用相关定理证明该估计是容许的。通过数值例子，进一步说明所得估计的合理性。     

多阶段含延缓纠正可靠性增长的MS-NHPP模型及其Bayes分析

针对复杂航空机电系统的多阶段含延缓纠正可靠性增长试验,提出了多阶段非齐次泊松过程(MS-NHPP)模型及其Bayes分析方法。该模型将多个阶段试验看做多个非齐次泊松过程(NHPP),它们具有相同的时间起点和不同的强度函数参数,并满足序化约束关系。对该模型采用Bayes方法进行分析,以Dirichlet分布作为验前分布,并在验后计算中采用基于Metropolis-Hastings准则的马尔可夫链蒙特卡罗(MCMC)方法获得各阶段可靠性参数的验后期望、方差与置信限。实例分析表明,该方法可以有效融合多阶段可靠性增长试验数据以及专家经验和历史信息,尤其适用于小样本情况,参数估计值满足序化约束关系,可靠性增长评估结果更为可信。     

涡轮盘低循环疲劳寿命的概率分析

疲劳寿命呈现异方差特性,其标准差随弹性应变幅和塑性应变幅的减小而增大,因此在Man-son-Coffin公式中引入标准正态变量μ和线性标准差σ_e,σ_p,将ε-N曲线参数表示为标准正态变量μ的函数,建立了低循环疲劳寿命的概率模型.针对某涡轮盘材料,在低循环疲劳试验数据的基础上应用异方差回归分析方法获得了概率模型的参数,应用该模型对涡轮盘销钉孔的低循环疲劳寿命进行了Monte-Carlo数值模拟,获到了寿命的概率分布.得到可靠度0.998 7的概率寿命与轮盘技术寿命相一致,相对误差仅为4%.该模型参数均来自疲劳试验数据的统计分析,寿命预测精度高,具有较好的工程应用前景.