成败型产品基于验后概率的Bayes序贯检验技术

分析了基于损失的Bayes检验方法和基于风险的SPOT(sequential posterior odd test)方法存在的不足.对装备试验与评价中成败型产品的Bayes序贯检验,在给定的两类风险要求下,建立了基于验后概率的Bayes序贯检验模型(PBSTM),给出了模型的求解算法和实际验后风险的计算公式. 最后结合装备可靠性分析案例,进行了示例分析,从数据上证明了PBSTM模型优越性和有效性.研究结果表明:PBSTM模型从理论上保证了序贯检验的结论同时满足小概率事件原理和两类风险要求,避免了现有假设检验方法存在的不足.      

关于Bayes序贯检验的一些思考

本文对工程实践中小样本情况下的Bayes序贯检验方法作了回顾,思考了其中的一些问题。文中给出了Bayes截尾序贯概率比检验方案和犯两类错误概率的上界。在Bayes序贯检验方案中,确定了平均试验数(ASN)。关于Bayes序贯检验法的选择,文中讨论了截尾方案在终止试验时的决策域的确定方法,并对验前信息、风险以及试验数的关系作了一般讨论。     

基于Gompertz模型的液体火箭发动机可靠性增长分析

运用Gompertz模型和线性回归方法对液体火箭发动机批次试验中的可靠性增长因子进行分析,对新产品的可靠性分布函数进行预测。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。文中首先给出了可靠性增长因子分析的模型,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,运用随机变量函数的分布,给出各阶段可靠性增长试验中可靠性参数的Bayes估计。最后给出实例进行说明。      

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。     

可靠性鉴定中利用验前信息的序贯验后加权方法

本文运用Bayes序贯验后加权检验方法研究可靠性的鉴定方案。讨论了成败和指数寿命型两种模型。同时构成了序贯截尾鉴定方案,给出了犯两类错误的概率上界的计算方法。对工程应用中的一些问题提出了处置方法。     

多元正态总体分布参数的Bayes序贯验后加权检验及估计

本文讨论了多元正态总体均值向量μ和协方差阵Σ的Bayes序贯验后加权检验及截尾序贯检验。同时，以序贯检验的停时作为Bayes序贯估计的终止试验时间，给出μ和Σ的递推估计方法。本文对于武器装备在试验场地的性能参数鉴定和评估具有实用意义。     

某型固体火箭发动机的可靠性增长分析

对某型固体火箭发动机的可靠性增长进行了统计检验，在可靠性增长的基础上，用二项分布阶段可靠性增长的Bayes方法评定了该机的可靠性下限。结果表明，可靠性增长方法能充分利用信息，并可节省大量试验样本。     

基于ARM的嵌入式系统的可靠性强化试验定量分析评估

针对可靠性强化试验难以定量计算产品可靠性指标的问题,采用应力强度模型和数理统计理论,提出一种通过强化试验数据计算产品外场可靠度的工程适用方法。在对某基于ARM微处理器的嵌入式系统进行可靠性强化试验的基础上,采用该方法计算出产品在振动环境条件下的外场可靠度。提出的方法能够对改进产品可靠性起指导作用。     

基于优化SPOT和D-S证据理论的测试性验证方案

针对现有基于序贯验后加权检验的测试性验证方案对测试性设计指标之间的模糊参数空间考虑不足，以及未能充分运用测试性多源先验信息的问题，提出一种优化序贯验后加权检验和D-S证据理论相结合的测试性验证方案。首先，考虑测试性设计指标之间的模糊参数空间，构建三参数空间复杂假设，并基于Bayes理论研究序贯决策规则，同时确定决策因子以及决策阈值；其次，以测试性指标构成的参数空间为辨识框架，分别构造基于专家信息以及测试性试验数据等先验信息的基本信任分配函数，建立融合多源先验信息的优化序贯验证方案；最后，结合实例进行研究，并与经典验证方案、传统Bayes验证方案、序贯概率比检验方案以及序贯验后加权检验方案进行了对比分析。结果表明，该方案由于考虑了模糊参数空间以及充分融合了多源先验信息，有效解决了模糊参数空间的处理问题，同时所确定的平均故障样本量在决策支持的参数空间均优于其他方法。     

基于成败试验的导弹贮存可靠性Bayes分析模型

针对传统导弹贮存可靠性分析方法的缺点, 提出了一种Bayes分析模型.这种模型以狄氏分布为先验分布, 综合利用了历史信息和专家信息, 结合导弹检测时间段的成败试验数据, 给出了各检测时间段可靠性的联合后验分布, 然后利用Gibbs抽样算法进行后验推断, 得到了各阶段可靠性的Bayes估计和区间估计.此外, 基于当前试验数据, 利用这种模型以预测未来导弹贮存可靠性.算例表明这种Bayes模型参数含义清楚, 利于工程应用.      

基于自适应粒子群算法的航天测控系统任务可靠性分配

采用测控时序图描述任务时序逻辑关系,建立了各阶段的任务可靠性模型,讨论了可靠性分配时的约束条件和分配目标,从而构建了航天测控系统任务可靠性分配模型.在此基础上,设计了自适应粒子群算法,算法在迭代过程中通过惯性权重系数ω进行自适应调整,初始时能快速搜索全局解,后期能有效地搜索局部解.通过算例仿真,表明自适应粒子群算法在用于航天测控系统任务可靠性分配问题时具有分配结果优、收敛速度快等优点.      

贝叶斯网络在动量轮地面试验可靠性分析中的应用

为了有效综合动量轮地面试验过程中积累的大量复杂试验信息,对动量轮进行可靠性定量分析.提出了利用贝叶斯网络模型,融合大量测试和调试数据、专家知识等多种信息,建立动量轮可靠性模型的方法;采用贝叶斯网络推理技术,对动量轮进行可靠性评估、故障诊断和灵敏度分析,有效解决了动量轮地面试验可靠性分析与评估等难题,为动量轮可靠性试验提供了理论指导.      

基于贮存退化机理的长贮产品序贯检测方法

为了确定发动机等长贮产品满足一定贮存可靠度要求的最优检测方式,提出了基于贮存退化机理的序贯检测方法.分析了长贮产品贮存寿命的退化机理,即不可修部件的自然老化和可修部件的检测均可能造成贮存寿命的退化;然后基于贮存退化机理给出了Weibull分布产品贮存可靠度模型及模型参数估计的最小二乘方法;进一步,根据贮存可靠度要求,给...     

安全关键软件可靠性验证测试方法研究

为了在不降低安全关键软件可靠性验证测试结果可信性的前提下减少测试用例量,在分析经典统计假设测试和无先验贝叶斯统计方法的基础上,提出了一种先验知识动态整合的贝叶斯推断统计测试方法;并提供了软件失效概率的概率密度函数先验分布参数的详细求解办法。实验表明,所提供的安全关键软件可靠性验证测试方法可以用较少的测试用例获得同样的结果可信性。     

基于贝叶斯网络的分层系统可靠性分析

由于分层系统的系统结构复杂,且系统不同层次可靠性信息具有不均衡性的特点,使得分层系统的可靠性建模较为困难.考虑二态情况,通过引入贝叶斯网络描述分层系统元素间的失效关系,并考虑了系统元素间级联失效问题,结合贝叶斯多源信息融合方法,以贝叶斯网络模型为基础整合了系统各层元素的可靠性信息,构成了一种较为通用的二态分层系统可靠性分析方法.算例结果表明:该方法在贝叶斯网络模型计算过程中能够融合系统各层元素可靠性信息并有效处理级联失效问题,提高了系统可靠性后验均值估计的准确性,减小了系统可靠性结论的后验方差.      

基于贝叶斯更新的飞机结构腐蚀可靠度模型

民用飞机结构腐蚀发展的时变性和样本采集的局限性,给腐蚀检测数据分布函数的确定及参数的估计带来了很大的不确定性。针对这一问题,给出了基于贝叶斯公式的合理分布函数选取及参数估计方法。为满足在役飞机结构可靠性动态管理的需求,基于贝叶斯更新思路,将反映结构性能退化共性规律的预测模型视为先验模型,沿着具体结构生命周期不断挖掘利用新信息,建立具体飞机结构腐蚀失效概率和可靠度的动态预测模型。算例采用某型民用飞机地板梁结构腐蚀的无损检测数据,结果显示：腐蚀深度的合理分布为双参数威布尔分布,基于贝叶斯更新后的腐蚀失效概率计算得到的结构可靠度与未更新的显著不同。表明更新后的可靠度因为既考虑了模型参数的历史先验信息,又利用了当前数据实时更新了预测模型,从而有效地降低了有限样本带来的不确定性,使得预测值稳健且具有时变性,更符合工程实际。     

对偶型最大熵概率密度函数模型及其优化解法

针对经典型最大熵概率密度函数模型及其计算目前存在的非线性程度高,优化不收敛,求解效率低等问题,提出了一种对偶型最大熵概率密度函数模型+逐次优化的方法.根据优化过程不稳定,重新推导了拉格朗日系数的线性变换公式.针对几种常见及一种复杂的概率密度函数,采用经典型与对偶型最大熵概率密度函数模型分别计算概率密度及可靠度的对比表明:与经典型最大熵概率密度函数模型相比,对偶型最大熵概率密度函数模型优化函数形式简单,非线性程度低.逐次优化法求解拉格朗日系数不仅克服了初始值敏感性问题,而且计算效率高.对偶型最大熵概率密度函数模型+逐次优化法与其他方法相比,计算精度最高,且能很好的应用于复杂概率分布及可靠性问题.