Lifetime prediction based on Gamma processes from accelerated degradation data

Accelerated degradation test is a useful approach to predict the product lifetime at the normal use stress level, especially for highly reliable products. Two kinds of the lifetime prediction based on Gamma processes were studied. One was to predict the lifetime of the population from accelerated degradation data, and the other was to predict the lifetime of an individual by taking the accelerated degradation data as prior information. For an extensive application, the Gamma process with a time transformation and random effects was considered. A novel contribution is that a deducing method for determining the relationships between the shape and scale parameters of Gamma processes and accelerated stresses was presented. When predicting the lifetime of an individual, Bayesian inference methods were adopted to improve the prediction accuracy, in which the conjugate prior distribution and the non-conjugate prior distribution of random parameters were studied. The conjugate prior distribution only considers the random effect of the scale parameter while the non-conjugate prior distribution considers the random effects of both the scale and shape parameter. The application and usefulness of the proposed method was demonstrated by the accelerated degradation data of carbon-film resistors.     

可靠性全局灵敏度求解的Meta-IS-AK算法

可靠性全局灵敏度（GRS）可以衡量输入变量对结构系统失效概率的平均影响,但目前仍然缺乏具有广泛适应性的高效算法。针对此问题,本文将在元重要抽样和可靠性全局灵敏度的贝叶斯算法基础上建立一种新的高效算法。所提算法首先利用已有的贝叶斯算法,将可靠性全局灵敏度转换成由无条件失效概率及输入变量失效域条件下的概率密度函数（PDF）表达的形式,然后分3步来完成算法的组织。第1步是利用元重要抽样的迭代策略抽取失效域的重要抽样样本;第2步是在已有的元重要抽样法中嵌入自适应Kriging模型,高效计算出无条件失效概率;第3步是利用Metropolis-Hastings准则,将失效域的重要抽样样本转化成为原始密度函数在失效域的样本点,进而同时求得各个输入变量在失效域中的条件概率密度函数,并最终求得可靠性全局灵敏度。由于所提算法充分利用了已有的可靠性全局灵敏度贝叶斯算法的维度独立性、元重要抽样法对隐式多失效域的适应性以及元重要抽样法中嵌入式Kriging模型的高效性,因此所提算法具有广泛的适用范围和较高的效率,该结论得到了算例结果的充分验证。     

Sensitivity analysis for air temperature profile estimation methods around the tropopause using simulated Aqua/AIRS data

A sensitivity analysis is performed to investigate potential improvements to the accuracy of air temperature profile retrievals near the tropopause. A simple inversion method is employed to identify and remove redundant spectral channels from the retrievals using simulated data for the high-spectral resolution sounder AIRS (Atmospheric Infrared Sounder) on the Aqua satellite. Bayesian optimal theory and inverse technique are applied for the atmospheric temperature profile retrievals, and the 15 μm CO₂ absorption bands (620–750 cm⁻¹) are chosen for this study. Sequentially elimination of redundant channels is directly integrated into the inverse scheme for the temperature profile, in order to accurately retain the valuable channels and remove all the redundant channels, for accurate retrieval of the temperature profile. Also, the tropopause and troposphere are treated differently in the inverse scheme to improve the retrieval accuracy in the tropopause. Results of a sensitivity analysis based on this method, for the Tropical and Middle-Latitude Summer models simulated by MODTRAN4.0, show that the estimated accuracies are improved by 2 K around the tropopause, and are only changed by less than 0.2 K in the troposphere.     

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.      

基于贝叶斯网络的空战效能评估方法研究

贝叶斯网络是一个基于概率推理的数学模型,常用于解决复杂系统间的不确定性,且具有较大优势。空战过程是一个极为复杂的过程,具有较高的不确定性,针对空战效能评估过程中存在的问题,结合空战理论和实际情况,建立空战效能评估的贝叶斯网络模型,提出基于贝叶斯网络的空战效能评估方法,并进行仿真分析。结果表明:该评估方法能够根据战场环境证据对空战信息优势、协同能力、部队效能、决策指挥能力进行效能评估,为决策提供有力依据,且具有很强的学习能力与推理能力。     

基于环境独立机制的静态离散贝叶斯网络参数简化方法

在大型工程系统的应用中,贝叶斯网络节点参数存储量随系统复杂度呈指数增长。针对该问题,综合飞行器故障模式通常采用多输入单输出逻辑门表达,以及故障树具有特殊静态离散贝叶斯网络的特点,提出将环境独立简化方法应用于常用典型逻辑门的贝叶斯网络。通过基本定理证明利用基于环境独立机制的概率树代替传统的条件概率表,可将呈指数增长的条件概率表减少为线性变化,并定量给出简化后节点参数个数的计算表达式。最后,将该方法用于某飞机前轮转弯系统故障诊断模型,通过与节点原条件概率表的比较,表明概率树方法可有效减少计算机内存需要。     

基于贝叶斯网络的多状态机载系统安全性评估方法

传统的安全性评估方法不适用于具有多状态属性的现代机载系统。根据系统与系统组成单元之间的状态关系,构建了基于贝叶斯网络的机载系统多状态安全性模型;运用通用生成函数给出了贝叶斯网络非根节点的条件概率表,基于变量消元法提出了系统失效状态发生概率计算方法,推导了系统组成单元重要度算法。结合某型飞机副翼控制系统给出了应用实例。结果表明,方法为解决多状态机载系统的安全性评估问题提供了一种简洁直观的方法,能够有效评估机载系统的安全性水平,确定各单元对系统安全性中的影响。     

一种网络环境中的故障诊断模型

结合故障诊断的需求和存在的问题,提出了一种以故障症状、故障假设、诊断操作和观测操作节点为基本元素,并具有网络结构的诊断模型.在该模型基础之上,遵循诊断过程独立的假设,解决实际诊断过程中操作依赖关系的问题,提出了一种基于诊断贝叶斯网络DBN(Diagnosis Bayesian Network)的故障诊断算法.同时通过引入观测操作,加快诊断的速度并且降低诊断代价.试验表明,与P/C更新算法比较,该算法能更有效地降低诊断代价,实现快速故障诊断,较好解决了操作依赖的复杂故障诊断问题.      

使用贝叶斯网评估基础软件平台的互操作性

互操作性是当前软件最重要的特性之一.通过分析问题域,结合贝叶斯网的特征域,提出使用贝叶斯网来解决基础软件平台的互操作性评估问题.首先根据问题域选取贝叶斯算法,并收集实际数据以引入与问题相关的领域知识.根据所选取的算法构造互操作性的贝叶斯网结构,并且进一步学习此结构的参数.在此过程中,对选取的K2算法进行改进.然后,利用贝叶斯推理来根据互操作性的结构和参数得出评估对象的互操作性等级.最后,一个实例讲述了方法具体的应用过程.实验结果证明了方法的合理性.     

人工神经网络在目标识别和分类中的应用

首先分析了人工神经网络在目标识别和分类中的应用及其局限性,然后分析了人工神经网络与模糊理论、证据理论、贝叶斯决策理论相结合在目标识别和分类中一般方法和优点。