区间不确定信息下可修系统基于幂律过程的贝叶斯可靠性评估方法研究

贝叶斯方法常用于小子样场合下航空航天等领域中可修系统的可靠性评估,由于一些不确定因素影响致使无法精确收集先验信息和/或可修系统的故障信息,但却可获得其上下界信息。针对区间不确定信息情形,本文提出多台可修系统当其失效过程服从幂律过程（PLP）时的贝叶斯可靠性分析方法,将信息先验下PLP模型基于区间信息的贝叶斯分析转化为所求目标函数恰是该先验下PLP 模型传统贝叶斯分析的约束优化问题;具体工程实例对本文所提方法的可行性,有效性进行验证。结果表明：本文所提贝叶斯可靠性分析方法能够为小子样场合下,考虑不确定性因素影响时可修系统的可靠性评估问题研究提供一种值得参考的方法。     

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.      

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.      

靶场测控通信系统可靠性分析

首先确定了测控通信系统可靠性分析框架，然后针对系统构型为串并联系统、试验信息为成败型数据／寿命型数据的情况，研究了可靠性信息融合的Bayes方法，最后讨论了系统可靠性的Bayes统计推断问题，包括点估计、置信估计和假设检验。     

战术导弹飞行可靠性的评定方法

结合导弹飞行可靠性评定实例,采用贝叶斯法对导弹飞行可靠性进行了评估,对验前信息进行了数据融合,充分利用了地面试验数据,有效地扩大了试验子样,验证了贝叶斯法的科学性、合理性、实用性。     

基于Bayes网络的多源信息融合方法在精度评定中的应用

提出了一种基于多源验前信息融合的Bayes精度评定方法。利用Bayes网络进行多源验前信息融合时,能够结合现场试验数据,对信息加权因子做出较为合理的推断。根据验前及验后数据,通过Bayes网络中的MC—MC方法可以快速地获取各变量的验后统计特性,达到估计现场试验精度的目的。因此,基于多源验前信息融合的Bayes方法可用于解决小样本下的精度评定问题,仿真结果表明了该方法的有效性。     

Stochastic structural optimization using particle swarm optimization, surrogate models and Bayesian statistics

This paper focuses on a method to solve structural optimization problems using particle swarm optimization (PSO), surrogate models and Bayesian statistics. PSO is a random/stochastic search algorithm designed to find the global optimum. However, PSO needs many evaluations compared to gradient-based optimization. This means PSO increases the analysis costs of structural optimization. One of the methods to reduce computing costs in stochastic optimization is to use approximation techniques. In this work, surrogate models are used, including the response surface method (RSM) and Kriging. When surrogate models are used, there are some errors between exact values and approximated values. These errors decrease the reliability of the optimum values and discard the realistic approximation of using surrogate models. In this paper, Bayesian statistics is used to obtain more reliable results. To verify and confirm the efficiency of the proposed method using surrogate models and Bayesian statistics for stochastic structural optimization, two numerical examples are optimized, and the optimization of a hub sleeve is demonstrated as a practical problem.     

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。