二项串联系统可靠性经典方法精确置信限的计算及讨论

本文进一步阐述了用现有的三种不同的排序法计算二项串联系统可靠性经典的精确置信限的方法,指出了M.Lipow和J.Riley在1960年所编制的置信限表所存在的一些问题,介绍了我们所编制的程序具有精确度高且便于推广到多个元件(各元件的试验次数可不相同)的特点,发现了用现有的三种不同的排序法计算精确置信限时所存在的不合理性。我们认为,求解二项串联系统可靠性经典方法的精确置信限问题至今仍然没有解决。     

基于贝叶斯方法的HPRF雷达跟踪解距离模糊方法(英文)

高脉冲重复频率(HPRF)雷达目标跟踪需要解决距离模糊问题。本文通过把脉冲间隔数和脉冲间隔变化量作为目标的离散状态,目标的距离和径向速度作为目标的连续状态,将HPRF雷达的跟踪和解距离模糊问题转换为贝叶斯框架下的混合估计问题并且利用粒子滤波方法实现。仿真结果表明本文方法在脉冲间隔数变化时仍可以正确地解距离模糊,并且跟踪精度比多假设方法高。     

成败型元件串联系统可靠性的Bootstrap置信下限某些问题的讨论

Bootstrap方法是目前较为流行的统计方法之一。本文讨论成败型元件及成败型元件串联系统可靠性的Bootstrap置信下限的某些性质。本文讨论当元件试验数改变或成功数改变时,可靠性的Bootstrap置信下限的变化趋势,从而讨论此方法是否具有合理性。由本文讨论指出:对单个成败型元件,当试验数不变,成功数增大时,元件可靠性的Bootstrap置信下限有增大的趋势,对成败型元件串联系统,也有同样的结果,即Bootstrap置信下限在这方面具有直观合理性,但对单个成败型元件,当试验数增加K次,成功数也增加K次(即失败数不变)时,元件可靠性的Bootstrap置信下限有时反而会有下降的趋势,显然这是不合理的。而对试验数增加,成功数不变时,本文给出了可靠性置信下限变化趋势的关系式,并举例说明当试验数增加,成功数不变时,元件可靠性的Bootstrap置信下限有时会出现增大的趋势,这也是不合理的。     

具有多层试验数据的成败型元件之串并联系统及并串联系统可靠性置信下限的近似解

设系统A由K个独立的子系统B_1,B_2,…,B_K并(串)联而成,设第i个子系统B_i又由m_i个相互独立的成败型元件C_(i1),C_(i2),…C_(imi)串(并)联而成,设有多层试验数据: 元件C_(ij)试验N_(ij)次,成功S_(ij)次,失败F_(ij)次(i=1,2,…,K,j=1,2,…,m_i) 子系统B_i有成败型试验数据:试验N_i次,成功S_i次,失败F_i次(i=1,2,…,K) 系统A有成败型试验数据:试验N次,成功S次,失败F次。 本文给出利用此多层成败型试验数据,求系统A的可靠性置信下限的近似解的方法,本文利用一、二阶矩拟合的原则将上述数据折合为原系统A的伪成败型数据:伪试验数N~*,伪成功数S~*,然后从N~*,S~*出发利用单个成败型元件之可靠性的经典精确方法求出原系统A的可靠性置信下限的近似值。本文推导了伪试验数N~*,伪成功数S~*的计算公式,并给出了计算实例。     

基于元件和系统两者的一次性检测或定期检测数据的串联系统可靠性的估计

本文利用元件和系统两者的一次性检测数据或定期检测数据,用EM算法给出由指数寿命型元件串联而成的系统的可靠性的估计。本文还给出了数字实例。     

正态模型结构可靠性贝叶斯下限的计算方法

本文对正态模型结构可靠度的贝叶斯精确下限的评估公式提供一种新的计算方法。该方法能达到任意给定的精度。计算复杂度可由O(n~2)降为O(n)。程序结构简单,使用方便。     

导弹系统贮存可靠性预测的数学模型

本文研究了贮存环境对导弹系统贮存可靠性的影响问题。提出了合理的数学模型。在产品的固有贮存寿命为指数分布情况下，得到了在定期检测修复条件下，产品的贮存寿命分布。并以此为依据研究了贮存寿命数据的统计方法。作为一个实例分析，本文对于导弹系统的某部件给出了实用的贮存可靠度预测模型。所用估计方法简单易行，有较强的实用性。数值结果表明预测模型有较好的预测精度     

截尾寿命试验下双参数指数分布 可靠性指标的Bayes估计与经验Bayes估计

设产品寿命为双参数指数分布,本文对于在无替换定数定时截尾试验下所获得的顺序样本x_(1)≤x_(2)≤…≤x_(r),给出了可靠性指标的Bayes估计与经验Bayes估计。运用随机模拟方法,将它们与经典的极大似然估计进行了比较,结果表明,它们的精度要比极大似然估计好些。