一种综合性能与寿命数据的Bayes-Bootstrap方法

对现代长寿命、高可靠产品进行可靠性评估,传统大样本寿命试验和统计推断方法存在很大困难,包括伪寿命数据方法在内的性能与寿命数据综合的可靠性评估方法也存在很多问题。提出了将性能可靠性建模与Bayes方法相结合的方式解决这一困难问题,其中对性能试验数据建立性能退化模型,并利用Bootstrap方法处理伪寿命数据导致的随机性误差和构造融合Bayes验前分布,然后利用Bayes验后分析进行可靠性统计推断。对随机斜率模型和长寿命卫星动量轮轴承组件润滑寿命的应用表明,提出的方法可以充分利用产品研制、使用过程中各种类型的信息,特别是性能试验信息,具有一定的适用性。     

可拓模式识别算法中经典域的确定方法

可拓模式识别算法是根据各个关联度的对比来识别最终的模式,其中经典域区间的确定有着重要的作用。传统的经典域确定方法是基于数理统计学的,不适用于小样本数据,数据不完全以及数据分布未知等复杂情况。引入Bootstrap算法,并和传统的方法对比,更精确地确定了经典域区间。     

退化量有缺失的无失效小样本轴承可靠性评估

针对有试验性能退化量参数记录、且(或)有部分数据缺失情况的小样本无失效轴承试验问题,通过由Taylor和Thompson提出的数据模拟法实现补全样本退化量,结合Bootstrap自助法扩大样本量,再根据基于性能退化轨迹的补充信息方法来进行其可靠性评估。选取7组受试轴承的振动退化量,对比在完整数据和带有缺失数据情况下的分析结果,发现可合理利用原舍弃不合规试验的部分有效信息,使之增加可靠性评估的样本数,从而得到较不用这些数据更为准确的结果,且所得结果较用完整数据结果绝对值相差在01以内。对比由极大似然估计法和加权E-Bayes法分析试验寿命数据的结果,发现该方法所得评估结果更优,与试验实际相比误差在10%以内,对于提高评估精度及降低试验成本有积极的实际意义。     

小子样疲劳试验数据的特征寿命估算方法评估

疲劳试验数据一般属小子样范畴,在Weibull寿命分布的假设下应考虑特征寿命的统计置信度.总结特征寿命概率估计的贝叶斯法和虚拟增广样本的Bootstrap法,通过2024-T3直耳片的七组疲劳试验数据对二者进行对比和评估.针对EDF拟合检验法无法对特征寿命估计值的合理性提供实质性指导的问题,提出一种新的试验样本数据全部落入寿命分布（1-a）双侧百分位区间的判定方法.结果表明：Bootstrap法的特征寿命估计值比贝叶斯法偏大;本文提出的判定方法可有效定性判断特征寿命估计值偏大或偏小.     

基于递归模糊神经网络的鲁棒BP算法研究

讨论了一种基于递归模糊神经网络的鲁棒BP算法的实现。该算法采用极大似然法修正传统BP算法的指标函数 ,利用M估计器和自举算法在线估计样本的误差分布 ,适合于动态非线性系统的辨识 ,逼近精度高 ,收敛速度快 ,在小噪声扰动时处于稳定 ,对过失误差有很强的鲁棒性。仿真结果证明了该算法的有效性     

基于Bootstrap滤波的单站无源定位算法

针对非线性测量下的被动定位问题,建立了只测角定位模型。讨论了一种基于贝叶斯理论的 Bootstrap 滤波算法,并将该算法与扩展卡尔曼滤波算法进行了比较,仿真结果表明Bootstrap 滤波算法定位精度更高,抗噪声性能更强。     

Evaluation of GPM sampling error over major basins in Indian subcontinent using bootstrap technique

The study investigates the evaluation and comparison of sampling error for the Global Precipitation Measurement (GPM) mission orbital data products by implementing a bootstrap technique over the two major basins in the Indian subcontinent i.e the Ganga and the Mahanadi basin. The relative sampling error evaluated over both the Ganges and Mahanadi basins showed commendable results thus giving the confidence to adopt the bootstrap technique to evaluate the sampling error. The region over India with large seasonal rainfall seems to have less sampling uncertainty and vice versa with some regions showing exceptions which might be due to the difference in precipitation variability and space-time correlation length. The scale dependence was verified for four grid sizes along with seasonal time scale. Results indicate that the relative sampling error estimates are inversely proportional to the scale of the grid size. The comparative study of evaluation of sampling uncertainty to different precipitation types resulted to have maximum sampling error in GPM Microwave Imager (GMI) in comparison to Dual Precipitation Radar (DPR) convective and DPR total precipitation. Thus, the comparable results of sampling uncertainty between the major basins in the Indian sub-continent provides the user a decision making criteria before utilizing the GPM orbital products in any applications.     

基于自助法的小样本数据分析方法研究

自助法（Bootstrap）和随机加权法（Bayes Bootstrap）都是较好的处理小样本数据的方法,其无先验性,以及计算过程中只需要实际观测数据的优越性,使其广泛地应用于实际数据处理之中,后者的估计精度要更好些。但对连续情况而言,自助法的计算特性使得重抽样本局限在原始样本范围内,无法渐进于真实情况。文章基于自助法研究了用改进的样本经验分布函数来解决这个问题,并通过仿真算例说明方法的有效性。     

小样本下分位数函数的Bootstrap置信区间估计

航空产品试验一般为小样本试验,为了分析小样本情况下的试验数据,结合以概率加权矩为约束条件的最大熵法和求解置信区间及置信带的Bootstrap方法,提出了一种估计小样本试验件母体分位数函数置信区间的方法。最大熵法在矩约束下能够估计样本的密度函数,而以概率加权矩为约束条件的最大熵法能够针对小样本直接给出分位数的无偏估计,无需由密度函数积分得到累积分布函数,再进行转化得到分位数函数。Bootstrap方法求解置信区间具有不依赖于数据分布的优点,具有广泛的应用范围。     

复杂系统可靠性鉴定方法

为了确定系统可靠性的验前分布，本文采用蒙特卡罗方法，充公利用系统试验之前元件、整机、分系统的可靠性数据获取系统可靠性的验前分布。另外，本文所讨论的系统可以是非常复杂的系统，包括串联或并联系统、串并联系统及不同分布的模型组成的系统。