基于混合Beta先验分布的成败型产品的可靠性评估

成败型产品可靠性的小样本评估方法,把历史试验数据作为Bayes估计方法的先验信息,有效地减少了样本量。但是传统的Bayes方法过度依赖验前信息,当新产品有改进时造成鉴定结果的冒进。针对过度依赖先验信息问题,本文提出了使用混合Beta先验分布,引入继承因子,通过调整继承因子的大小来控制对验前信息的依赖程度,考虑了成败型产品的变化对评估结果的影响。采用该方法对某导弹的可靠性进行了评估。     

融合研制各阶段试验信息的成败型产品可靠性Bayes评估

多阶段成败型产品可靠性的Bayes评估,其模型使用混合验前分布,并将历史与现场样本的拟合优度相结合来确定混合分布中的继承因子.其评估包括先融合各阶段试验信息的成败型产品可靠性评估模型,再通过确定各阶段验前分布、融合各阶段试验信息的混合验前分布、以及继承因子等.     

融合多源验前信息的成败型产品可靠性Bayes评估

文中研究了融合多源验前信息的成败型产品可靠性的Bayes评估问题。针对当前可靠性评估方法中．传统Bayes方法对验前信息与现场信息不加区分的缺陷，提出了融合多源验前信息的成败型产品可靠性评估模型。模型使用混合验前分布，并用历史样本与现场样本的拟合优度来确定混合分布中的继承因子,简便易行而且合理性很容易得到解释。     

成败型产品可靠性的Bayes评估

本文讨论了成败型产品可靠性的Bayes评估问题，通过引入继承因子，合理地考虑了产品在设计和改进过程中的各种信息，进而把继承因子看作随机变量，得出了产品可靠性的验后密度函数。仿真结果表明，在小子样前提下，经典统计方法得到的可靠性置信下限过于保守，传统Bayes方法虽考虑了相关或相似产品的试验信息，但却忽略了它们之间的差异，而文中的方法不仅考虑了相关产品的试验信息，同时还考虑了产品之间的差异，评估结论是合理的。     

高价值弹药引信小子样贝叶斯可靠性评估方法

针对高价值弹药引信利用全弹飞行试验验证其可靠性成本过高的问题,提出用卡方拟合优度法确定继承因子.以混合Beta分布为先验分布,得到了评估引信可靠性的Bayes方法,该法解决了模拟试验数据与靶试数据融合问题.以国外某引信为应用背景进行了可靠性评估,证明该法比经典方法减少1/3的靶场试验量.     

基于新Dirichlet先验分布的指数寿命型产品多阶段可靠性增长Bayes分析

本文基于新的Dirichlet先验分布，建立了多阶段指数寿命型产品可靠性增长的Bayes模型。本模型充分利用先验信息和阶段试验信息，采用最优化方法解决了新的Dirichlet先验分布超参数因物理意义不明确而难以确定的问题；利用Gibbs抽样算法进行后验推断，合理估算出当前阶段和后续试验阶段产品可靠性的Bayes点估计和置信下限，并利用该模型研究实现了对产品可靠性的预测。实例证明了该模型在多阶段指数产品可靠性增怅分析中的直观性与有效性。     

可靠性保证试验的风险分析

保证试验是近年来引起可靠性工程界广泛重视的一种可靠性验收试验方法。在充分利用可靠性鉴定试验信息的基础上,得到批产品失效率的多层先验分布,从Bayes统计角度研究了特定保证试验（0.212试验）的风险问题。对一般保证试验的制定进行了研究,并通过实际例子说明其可行性。     

模糊先验信息情形下Bayes可靠性评估的新思路

针对模糊先验信息情形下的Bayes可靠性评估问题，提出了一种综合利用模糊先验信息和试验数据进行可靠性评估的新方法：首先基于试验数据诱导出一个置信分布．并将此置信分布视为先验分布，而将模糊先验信息视为一个模糊观测．最后，通过一个扩展意义上的Bayes公式将上述两类信息进行有效综合．从而得出更加可靠的评估结果。该方法回避了从模糊先验信息构造先验分布的困难，为模糊先验信息在可靠性评估中的应用提供了一条新的途径。     

基于Bayes混合验前分布的成败型产品可靠性评估

针对小子样成败型产品可靠性评估问题,引入混合验前分布构造方法,推导了Bayes混合验前分布下成败型产品可靠度参数的验后概率分布函数,研究了验前分布参数对于验后估计的影响,并总结了验前分布参数选择的一般性原则。分析对比了传统Bayes方法和混合验前分布方法的参数验后估计,其结果表明后者能够有效避免验前信息淹没现场信息的问题。对验后均方误差的分析表明混合验前分布方法能够一定程度上改善估计的效果。与幂验前方法的对比结果表明,当验前样本容量较大时,混合验前分布方法的估计效果优于幂验前方法。     

装备可靠性指标验证方法综述

综述了装备可靠性指标的验证方法，包括传统试验方法和基于Bayes理论的小子样试验方法等；然后就基于Bayes理论的验证方法的关键问题，即验前信息的获取和验前分布的确定等相关研究进行了分析讨论。     

新型弹药可靠性评估方法

为了研究新型弹药可靠性评估方法,采用混合贝塔分布为先验分布的贝叶斯方法对某新型弹药进行可靠性评估。分析贝叶斯方法的适用条件,并将之推广到多先验情况。通过实例比较该方法与经典方法和使用贝塔分布为先验分布的贝叶斯方法的差异。结果表明:该方法能更为合理地用于新型弹药可靠度评定,充分利用产品先验信息,有效降低现场试验所需的样本量,很好地避免由于小样本数据被大量先验信息"吃掉"而导致评定结果的"冒进"现象。     

制导弹药可靠性评定方法的研究

研究了先验信息的融合问题。为避免少量的现场试验信息被大量的先验信息淹没,使用了以混合贝塔分布为先验分布的贝叶斯方法。分析了该方法的适用条件,并将之推广到了多先验的情况。利用这一结果,给出了在制导弹药的鉴定试验中进行可靠性评定的一般方法。通过实例,比较了这一方法与经典方法和使用贝塔分布为先验分布的贝叶斯方法的差异,说明了该方法的合理性和可行性。     

基于混合先验分布的弹射弹Bayes可靠性估计

建立了一种综合利用单元试验数据和系统试验数据的弹射弹B aye s可靠性评估方法。该方法通过建立基于继承因子的混合B e ta先验分布,结合弹射弹试验数据确定后验分布,最后通过后验分布推断弹射弹可靠性。采用该方法及G JB 376-1987方法和传统贝叶斯方法,对某型弹射弹可靠性进行了评估。结果表明,在置信水平0.90情况下,三种方法可靠度评估结果分别为0.9922,0.978,0.996。表明本文方法是有效的,在相同的现场试验情况下,评估结果比经典统计方法更合理。     

步兵榴弹环境适应性试验设计与评估方法

直接由验前数据获取验前分布可能导致正样机数据"左右"定型试验结论,为了解决此问题,采用混合贝塔分布描述二项分布的验前分布,用相似性因子描述前后两次试验在产品状态和试验条件的差异,运用层次分析法确定了影响步兵榴弹环境适应性试验项目的不同因素的取值范围和相应评语集,给出了基于混合贝塔分布的试验方案设计方法.在获得试验数据后,运用聚类分析方法分析了产品验后分布的环境敏感性.结果表明,该方法参数估计的均方误差更小,估计值更稳健;聚类分析方法能够发现环境因素对产品性能的影响,能够为产品的改进和使用提供数据支撑和指导.     

基于支持向量机的捷联惯组历次测试数据建模预测

针对捷联惯组历次测试数据的小样本建模问题,在对测试数据进行了插值和相空间重构的基础上,提出了通过支持向量机建立测试数据的回归模型,用来预测捷联惯组历次测试数据的变化趋势.实例分析证明该方法能够准确反映捷联惯组历次测试数据的变化规律,具有一定的实际应用价值.     

基于混合验前分布的小子样维修性验证试验方法研究

针对小子样雏修性验证试验方法进行研究。首先,采用Matlab工具箱中的秩和方法对验前数据进行一致性检验,再使用基于权重因子的信息融合方法确定混合验前分布,最后,运用概率似然比方法得出混合验前分布下的小子样维修性验证试验方案。实例证明,该方法可以减少现场试验样本量,降低试验费用,缩短试验周期,提高军事经济效益。     

Weibull寿命模型下火箭发动机可靠性增长试验的LS-Bayes分析

基于液体火箭发动机可靠性增长试验的特点,结合数理统计中的线性回归方法对新阶段试验下发动机的可靠性试验结果进行预测.结合发动机的少量现场试验数据,利用Bayes方法对Weibull寿命型火箭发动机的可靠性增长试验结果进行评定.首先给出了可靠性增长分析的模型,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度的Bayes估计.     

Research on Test Data Distribution of Strapdown Inertial Measurement Unit Based on Bayesian Method

Aiming at that the successive test data set of the strapdown inertial measurement unit is always small,a Bayesian method is used to study its statistical characteristics.Its prior and posterior distributions are set up by the method and the pretest,sample and population information.Some statistical inferences can be made based on the posterior distribution.It can reduce the statistical analysis error in the case of small sample set.