无失效数据的可靠性分析PDF电子书下载

目录 1

第一章　无失效数据的参数估计 1

1.1　经典方法 2

1.1.1　配分布曲线法 2

1.1.2　极小x2-法 3

1.1.3　等效失效数法 4

1.1.4　MLR分布族可靠度的下限 5

1.1.5　最优置信限法 7

1.1.6　修正似然函数法 11

1.1.7　改造CLASS-K法 12

1.1.8　广义线性模型法 15

1.2　Bayes方法 20

1.2.1　配分布曲线法——pi的Bayes估计（1） 20

1.2.2　配分布曲线法——pi的Bayes估计（2） 23

1.2.3　配分布曲线法——pi的Bayes估计（3） 24

1.2.4　配分布曲线法——pi的先验分布的构造（减函数法） 25

1.2.5　极小x2-法——参数的再估计 31

1.3.1　均匀分布——均匀分布 32

1.3　多层Bayes方法 32

1.3.2　Beta分布——均匀分布 35

1.3.3　截尾Beta分布——均匀分布（1） 36

1.3.4　截尾Beta分布——均匀分布（2） 37

1.3.5　pi的多层先验分布的构造——减函数法 38

1.3.6　pi先验密度的核为（1—pi）k时pi的多层Bayes估计 47

第二章　指数分布 51

2.1 经典方法 51

2.1.1　最优置信估计 51

2.1.2　修正极大似然估计 56

2.1.3　等效失效数与参数估计 58

2.1.4　改造CLASS-K法 59

2.1.5　参数的近似极大似然估计（AMLE） 61

2.1.6　最小二乘估计 68

2.2　Bayes方法 70

2.2.1 pi的Bayes估计（1） 70

2.2.2　pi的Bayes估计（2） 72

2.2.3　可靠度的Bayes置信下限 74

2.2.4　λ的Bayes估计 75

2.2.5　λ的Bayes估计和Bayes置信上限 77

2.3.1　λ的多层Bayes估计（1） 79

2.3　多层Bayes方法 79

2.3.2　λ的多层Bayes估计（2） 84

2.4　参数的综合估计法 87

2.4.1　引进失效信息后pm＋1（r）的Bayes估计 87

2.4.2　pm＋1（r）和λ以及R（t）的综合估计 90

2.4.3　引进失效信息后λ和R（t）的另一个综合估计 91

2.4.4　数值例 94

3.1　最优置信估计 95

第三章　Weibull分布 95

3.1.1　可靠度的最优置信下限 96

3.1.2　可靠寿命的最优置信下限 97

3.1.3　平均寿命的最优置信下限 98

3.1.4　在m1≤m≤m2（0＜m1＜m2＜∞）的情况 100

3.2　最小二乘估计——配分布曲线法 102

3.2.1　最小二乘估计 102

3.2.2　配分布曲线法的数值例 103

3.3　等效失效数与参数估计 111

3.4　修正极大似然估计 113

3.5　改造CLASS-K法及其应用 117

3.6　恒定应力加速寿命试验中无失效数据的处理 119

3.6.1　问题的提出 119

3.6.2　m、η2、η3的近似无偏估计 120

3.6.3　无失效数据下的估计方法 122

3.6.4　恒加试验的数据处理 124

3.7　广义线性模型法的应用实例 125

4.1.1　对数正态分布情形下的置信限 128

4.1　最优置信估计 128

第四章　正态分布和对数正态分布 128

4.1.2　正态分布情形下的置信限 135

4.2　最小二乘估计——配分布曲线法 137

4.2.1　正态分布的最小二乘估计 137

4.2.2　对数正态分布的最小二乘估计 138

4.2.3　数值例 141

4.3　改造CLASS-K方法及其应用 148

4.4　参数的综合估计法及其应用 149

4.4.1　无失效时pi的Bayes估计 150

4.4.2　引进失效信息后pm＋1（r）的Bayes估计 151

4.4.3　参数的综合估计 153

4.4.4　数值例 155

第五章　双参数指数分布 156

5.1　参数的修正极大似然估计 156

5.2　参数的最小二乘估计 158

5.3 配分布曲线法——pi的Bayes估计 161

5.3.1　确定pi的变化范围 162

5.3.2　pi的Bayes估计（1） 162

5.3.3　pi的Bayes估计（2） 163

5.4.1　pi的多层先验分布 164

5.4 配分布曲线法——pi的多层Bayes估计 164

5.4.2　pi的多层Bayes估计 165

5.5　数值例 166

第六章　极值分布 169

6.1 参数的最小二乘估计 169

6.2　pi的Bayes估计 170

6.3　pi的多层Bayes估计 171

6.4 几个例子 173

6.5.1　参数的综合估计 177

6.5　参数的综合估计法及其应用 177

6.5.2　数值例 178

第七章　二项分布——非参数方法 180

7.1 经典方法 180

7.2　Bayes方法 181

7.2.1　按Bayes假设确定先验分布 181

7.2.2　利用专家经验确定先验分布 182

7.2.3　共轭先验分布 183

7.2.4　R的先验密度为增函数 184

7.2.5　Miller等（1992）的工作 185

7.2.6　先验分布的构造方法——增函数法及其应用 186

7.3　多层Bayes方法 189

7.3.1　多层Bayes估计（1） 189

7.3.2　多层Bayes估计（2） 190

7.3.3　多层Bayes估计（3） 194

7.4　数值例 196

第八章　无失效抽样检验方法 199

8.1　指数分布下无失效可靠性验证 199

8.1.1　经典方法 200

8.1.2　Bayes方法 203

8.1.3　经典方法与Bayes方法的比较 206

8.2　二项分布无失效抽样检验方法 206

8.2.1　经典方法 207

8.2.2　先验分布为Beta（1，1）的Bayes方法 207

8.2.3　先验分布为U（RL，1）时的Bayes方法 208

8.2.4　（n，0）Ⅰ、（n，0）Ⅱ、（n，0）Ⅲ的比较 209

8.2.5　先验分布为Beta分布时的经验Bayes方法 209

8.3 在无失效抽样检验合格的产品中不合格品率的估计 210

8.2.6　应用无失效抽样方案（n，0）的注意事项 210

8.3.1　问题的提出 211

8.3.2　某些可供选择的估计方法 211

8.3.3　建议的估计方法 213

8.3.4　估计方法的合理性 214

8.3.5　对“验证抽样的结果”比较 215

8.3.6　对c＞0抽样方案的应用 216

8.4 Martz和Waller的BAZE方法 219

8.4.2　选取Gamma先验分布 220

8.4.1　问题的提出 220

8.4.3　Bayes无失效检验计划的组成 221

8.4.4　数值例 224

本节附录 226

第九章　“倒挂”数据与无失效数据的综合处理 227

9.1　问题的提出 227

9.2　建立模型 228

9.3　用“倒挂”数据和无失效数据估计R（ti） 228

9.4　λ与RL（ti）的估计 230

9.5　系统综合 231

9.6　数值例 232

第十章　退化失效模型 234

10.1　退化数据可靠性概述 234

10.2　退化量的统计模型 235

10.2.1　非破坏性的连续测量数据 236

10.2.2　破坏性的一次测量数据 237

10.3　退化失效模型的研究与应用概况 238

结束语 243

参考文献 245