小子样复杂系统可靠性信息融合方法及其应用PDF电子书下载

第1章 绪论 1

1.1 研究的工程背景及意义 1

1.2 多源可靠性信息的收集与整理 4

1.2.1 可靠性信息的来源 4

1.2.2 可靠性信息的特征 5

1.2.3 可靠性数据的收集要求 6

1.2.4 可靠性数据的收集程序与方法 6

1.2.5 数据适用性 7

1.2.6 多源信息的分类 8

1.2.7 航天产品可靠性信息的重要来源 8

1.2.8 建立多源可靠性信息数据库系统 9

1.3 可靠性信息融合技术研究现状 11

1.3.1 同一状态产品多源信息的加权融合 12

1.3.2 不同环境条件下可靠性信息的融合 12

1.3.3 可靠性增长信息融合 16

1.4 存在的问题及解决问题的思路 18

1.4.1 存在的问题 18

1.4.2 解决问题的思路 20

1.5 主要内容和创新点 21

1.5.1 主要内容和结构安排 21

1.5.2 创新点 22

第2章 多源验前信息加权融合方法 25

2.1 引言 25

2.2 基于相关函数的线性融合方法 26

2.2.1 相关函数 27

2.2.2 基于相关函数的多源信息融合方法 28

2.2.3 示例 30

2.3 基于充分性测度的线性融合方法 31

2.3.1 未知参数是一个模糊概念 32

2.3.2 充分性测度的公理化定义 32

2.3.3 一种特殊的充分性测度 33

2.3.4 基于充分性测度确定融合权重因子 33

2.3.5 示例 34

2.4 基于最大熵-矩估计的线性融合方法 35

2.4.1 相关基本概念 35

2.4.2 最大熵-矩估计融合方法 36

2.4.3 示例 38

2.5 基于灰关联分析的线性融合方法 39

2.5.1 灰关联基本理论 39

2.5.2 基于灰关联分析的Bayes信息融合 41

2.5.3 示例 44

2.6 基于线性经验Bayes估计的线性融合方法 45

2.6.1 线性经验Bayes基本理论 45

2.6.2 基于线性经验Bayes估计的多源信息融合模型 46

2.6.3 示例 48

2.6.4 结论 50

2.7 基于修正证据组合规则的线性融合方法 50

2.7.1 D-S证据理论及修正合成公式 50

2.7.2 基于修正证据组合规则的多源可靠性信息融合 54

2.7.3 示例分析 56

2.8 基于平均互信息熵的线性融合方法 57

2.8.1 基于平均互信息熵的融合方法 57

2.8.2 示例 59

2.8.3 结论 59

2.9 基于模糊逻辑算子的非线性融合方法 60

2.9.1 模糊逻辑算子 60

2.9.2 模糊逻辑信息融合方法 62

2.9.3 示例 63

2.10 本章小结 65

第3章 基于环境因子的信息融合方法 67

3.1 引言 67

3.1.1 环境因子研究的基本假设 68

3.1.2 环境因子的定义 68

3.1.3 常见寿命分布的环境因子 69

3.2 环境因子估计的随机加权方法 71

3.2.1 液体火箭发动机性能可靠性定义及模型 72

3.2.2 用随机加权法确定验前分布 73

3.2.3 利用ML-Ⅱ方法确定修正因子 75

3.2.4 发动机性能可靠性评定 76

3.2.5 示例 76

3.3 环境因子的小概率估计法 78

3.3.1 Weibull分布环境因子分析的前提及其定义 79

3.3.2 环境因子的小概率估计 79

3.3.3 示例 82

3.4 环境因子的修正逆矩估计方法 83

3.4.1 Weibull分布环境因子K的修正逆矩估计？ 83

3.4.2 示例 85

3.5 本章小结 86

第4章 可靠性增长信息融合方法 87

4.1 引言 87

4.2 基于中位秩的动态可靠性增长模型 89

4.2.1 建模思想 89

4.2.2 次序统计量和秩的概念 90

4.2.3 可靠性增长动态建模 91

4.2.4 示例 93

4.3 Weibull产品零失效下可靠性增长模型 94

4.3.1 建模思想 94

4.3.2 零失效数据 95

4.3.3 配分布曲线法及其存在的问题 95

4.3.4 可靠性增长动态建模 96

4.3.5 示例 98

4.4 小子样复杂系统保守可靠性增长模型 99

4.4.1 建模思想概述 99

4.4.2 双参数Weibull分布的有关特性 100

4.4.3 分阶段研制系统可靠性保守增长模型 101

4.4.4 示例 103

4.5 多模失效系统的混合可靠性增长模型 104

4.5.1 建模思想 104

4.5.2 经典AMSAA模型 105

4.5.3 混合AMSAA可靠性增长模型 105

4.5.4 模型的求解算法 108

4.5.5 示例 108

4.6 基于相似信息融合的固体火箭发动机贮存寿命预测 110

4.6.1 引言 110

4.6.2 贮存测试数据与模型假设 111

4.6.3 配分布曲线法确定验前信息Sk对应的贮存可靠度函数 112

4.6.4 由对数似然准则确定相似型号信息融合权重 112

4.6.5 贮存寿命预测 113

4.6.6 示例 114

4.6.7 结论 115

4.7 本章小结 116

第5章 退化失效信息融合方法 118

5.1 引言 119

5.1.1 退化失效问题研究的必要性 119

5.1.2 退化失效的基本概念 120

5.1.3 退化失效信息融合技术研究的一般步骤 121

5.1.4 退化失效模型的正则性 124

5.2 基于线性随机过程的退化失效建模 126

5.2.1 建模思想 127

5.2.2 性能退化过程分析的一般模型 127

5.2.3 液体火箭发动机可靠性评定 129

5.2.4 示例 132

5.3 基于复合Poisson过程的退化失效建模 133

5.3.1 建模思想 133

5.3.2 可靠性评定中引入复合Poisson过程的必要性 135

5.3.3 退化特性参数和失效判据 135

5.3.4 退化轨道模型 136

5.3.5 可靠性评定 139

5.3.6 示例 141

5.4 退化失效环境因子问题研究 142

5.4.1 建模思想 142

5.4.2 退化失效环境因子的定义 143

5.4.3 基于复合Poisson过程的退化失效环境因子 144

5.4.4 复合Poisson过程环境因子的统计推断 145

5.4.5 示例 147

5.5 基于系统性能退化信息的可靠性增长分析 147

5.5.1 建模思想 148

5.5.2 性能退化的线性随机过程模型 148

5.5.3 系统可靠性增长评定 149

5.5.4 系统可靠性增长分析 153

5.5.5 示例 154

5.6 本章小结 155

第6章 总结与展望 158

6.1 本书的主要贡献 158

6.2 进一步研究的展望 160

参考文献 161

索引 170