小子样疲劳寿命分散系数置信区间随应力的变化规律研究

针对疲劳寿命样本小子样统计分析问题,采用Bootstrap方法模拟母体标准差的抽样分布,并结合纠偏的百分位法估算母体标准差的置信区间,着重估计了疲劳分散系数的置信区间。首先利用Bootstrap方法在参数区间估计方面的优越性能,对已知疲劳寿命母体分布的模拟试验数据进行了疲劳分散系数置信区间的估计,通过与真值的对照分析,验证了结合纠偏百分位思想的Bootstrap方法进行疲劳分散系数区间估计的可信性。然后利用此方法对航空材料的140个钢合金试件和295个铝合金试件的真实疲劳寿命试验数据进行了疲劳寿命分散系数的区间估计,并研究了疲劳分散系数置信区间随疲劳试验应力的变化规律,为在工程实际中分析疲劳寿命试验数据提供了参考方法。     

小子样场合下估算母体百分位值置信下限和可靠度置信下限的Bootstrap方法

将Bootstrap方法引入到小子样场合下母体百分位值置信下限的计算中,并与传统的单侧容限系数法和新单侧容限系数法进行了大量的对比计算,算例表明Bootstrap方法明显优于其他两种方法,在较高可靠度和置信度要求下母体百分位值置信下限不会出现负值的情况,而且计算得到的结果更接近真值。发展了一种半参数Bootstrap方法用于计算可靠度的置信下限,模拟计算表明半参数Bootstrap方法很好地克服了置信度较高时,新旧单侧容限系数计算出的可靠度置信下限过低的局限性,而且半参数Bootstrap方法的计算结果均有较高的精度。     

用自助法估计外弹道测量数据随机误差分布特性

针对外弹道测量数据的有限性使随机误差的分布估计不够准确的问题,提出了基于Bootstrap（自助）方法的外弹道测量数据随机误差分布特性估计。首先对测量数据采用样条分频技术得到随机误差的初步估计,然后采用三次多项式拟合修正样本经验分布函数,替换传统Bootstrap方法中经验分布函数,得到随机误差的Bootstrap样本,计算Bootstrap样本的统计量,从而得到精度较高的外弹道测量数据随机误差模型。从仿真数据验证结果来看,解决了传统Bootstrap方法仿真随机样本相对比较集中的问题。     

指数信号模型中参数的稳健估计

 给出了阻尼指数信号模型中参数的M 估计和Bootstrap M 估计; 基于Prony 方法给出估计的重新定义和新算法; 并且在较弱的条件下证明了这些估计的相容性; 最后利用Huber 函数给出了两种估计的模拟结果, 结果表明这两种估计的稳健性和精度都比传统的最小二乘估计好。     

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.     

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。     

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。     

Bootstrap方法的几点思考

通过对自助统计量统计特性的分析，对Bootstrap方法的应用进行了研究。指出在应用Bootstrap方法时，尤其在小子样条件下应注意的几个问题。     

卫星动量轮的污染数据的Bayes参数估计

由于试验条件等的限制,在寿命试验中,所获得的数据可能是污染数据.这时,采用传统方法分离污染项并对产品的寿命进行估计非常困难.针对指数型寿命数据受正态污染的情况,建立定数截尾情况下的数据模型,并采用Bayes方法对模型进行统计分析;在验前分布确定方面提出运用Bootstrap方法确定超参数.实例分析表明,Bayes方法对有污染情况寿命数据的统计推断是有效的.     

Markov随机跳变系统的传感器系统误差估计

 针对Markov随机跳变系统的系统误差估计问题,提出一种基于马尔可夫链蒙特卡罗(MCMC)和最大似然估计相结合的在线系统误差估计方法。利用最大似然估计给出系统误差等效后验概率分布函数,采用Metropolis-Hastings抽样方法从该概率分布函数中进行抽样;利用系统误差估计和状态估计互为因果的关系,采用期望极大化(EM)方法迭代估计出最优的系统误差;分别对时变和时不变系统误差场景进行仿真分析,结果表明,在考虑系统误差统计特性的同时,所提方法对解决目标运动模型难以建立情况下的系统误差估计问题具有可行性和有效性。     

小样本无失效寿命试验数据的轴承可靠性评估

针对小样本无失效寿命试验数据可靠性问题提出了评估模型。模型采用Bayes理论构造服从原始样本的抽样函数,结合Bootstrap法生成大量服从抽样函数的随机数作为增广样本,再通过最佳线性不变估计法分析原始样本及增广样本得到Weibull分布双参数估计值作为可靠性评估结果。通过Monte-Carlo法仿真生成服从Weibull分布的随机数,分别采用该模型、配分布曲线法及现有Bayes理论对此随机数做评估,对比发现:该模型得到的参数估计较现有Bayes理论和配分布曲线法更接近Weibull双参数真值,且形状参数和尺度参数估计值的相对误差均低于10%,验证了模型分析小样本无失效数据进行可靠性评估的可行性。借助文献实例对模型进行分析,对比得出模型能得到较现有Bayes理论和配分布曲线法更符合工程实际的评估结果;模型在小样本情况下的双侧可靠度置信区间长度低于现有Bayes理论和配分布曲线法,有效提高了小样本无失效数据可靠性评估精度。      

极小子样试验的半经验评估方法

阐明了Bootstrap方法适用于子样数n≥5而不适用于子样数为n=1,2的情形,对于n=1,2的极小子样,给出了一种半经验评估方法,并提出了把n=1虚拟增广至n=5的半经验虚拟增广子样法与Bootstrap再抽样法相结合的极小子样评估方法,阐明了所提方法的立论依据与推导过程,给出算例并做了有益的讨论。     

用产品现场数据估计可靠寿命置信区间的方法

在假设产品寿命服从二参数威布尔分布条件下,用Ｍｏｎｔｅ－Ｃａｒｌｏ仿真研究用现场数据估计产品可靠寿命置信区间的方法。在对现有３种区间估计法比较分析的基础上提出了一种新的方法,－平滑正态纠偏百分点法,仿真结果表明此法有较好的统计特性,具有一定的工程应用价值。