刘琦[1]2003年在《液体火箭发动机可靠性增长试验评定方法研究》文中进行了进一步梳理液体火箭发动机可靠性增长试验的特点有：系统现场试验为小子样、加速寿命试验中存在多种应力综合作用、可靠性增长试验数据属于动态统计母体。此时，采用传统的统计分析理论已经难以得出科学的分析结果。本文在Bayes方法的基础上，综合利用系统可靠性增长试验的多种信息，对具有上述特点的一般系统的小子样可靠性增长试验评定方法进行研究，并将研究的结果用于火箭发动机的可靠性增长试验评定之中。文中主要就以下几个方面展丌研究： 在加速因子分析方面，本文在加速寿命试验失效机理不变的条件下，对指数、Weibull、对数正态和正态分布分别建立了加速因子的Bayes分析模型。在加速因子分析的基础上，给出了现场试验条件下可靠度先验分布的计算方法。加速因子Bayes分析模型的建立，解决了经典方法加速寿命试验分析中由于现场试验样本量小而难以对加速因子进行分析，或者分析精度较差的问题。 在可靠性增长试验评定先验分布的确定方面，针对可靠性增长试验数据的动态统计母体特点，基于阶段可靠性增长试验数据，对可靠性增长试验评定中先验分布确定的动态建模方法进行研究。分别提出了阶段信息折合法、线性回归建模法、ML-II方法、类似系统信息折合法、分解一综合法、可靠性增长模型法等先验分布确定的动态建模方法。动态建模方法的提出，可以解决Bayes方法可靠性增长试验评定中先验分布确定的关键问题。这对于系统现场试验小子样条件下，运用Bayes方法准确的评定系统的可靠性水平提供了理论基础。 在先验信息融合方面，分别对基于专家信息先验分布权重计算的AHP方法、综合因子法及经验Bayes下先验信息融合的样条函数法进行研究。先验信息融合方法的研究，解决了高可靠性复杂系统可靠性增长试验评定中，由于现场试验样本量小而难以进行先验信息的相容性检验，从而难以确定先验分布权重的问题。特别是先验信息融合的样条函数法，运用了经验Bayes理论，极大的降低了融合过程中引入主观信息的可能性。 在先验分布稳健性分析方面，本文分别对二项、正态、指数和Weibull分布建立了基于假设检验理论的先验分布稳健性分析模型。先验分布稳健性分析模型的研究，对于先验分布的合理性检验的提供了一个简便实用的工具。 在液体火箭发动机可靠性增长试验评定方面，本文结合某型号液体火箭发动机的工程实际，对可靠性增长试验评定理论进行了应用研究。对发动机的结构可靠性增长试验评定，国防科学技术大学研究生院学位论文分另lJ建、)一了陈、ye:一成败型模型、BayeS一weib:iH模型，并将分析结果与经典方法进行比较对于发动机性能可靠性评定，建立了BayeS一正态型模型。可靠性增长试验评定理论的应用，解决了发动泪卜丁靠性增长试验中由于现场试验数据样本量小、试验数据属于动态统计母体，从而用经典统计方一法难以对其进行可靠性评定的瓶颈问题。在理论研究的基础1，研制开发一r液体发动机可靠性增长试验评定的软件系统，以解决发动机可靠性评定，1，涉及少}{的大量的数据处理问题。关键词:可靠性增长试验评定，BayeS方法，加速因子，先验分布，动态建模，先验信息融合，稳健性分析第H页
冯静[2]2004年在《小子样复杂系统可靠性信息融合方法与应用研究》文中提出航天产品由于系统的复杂性和现场试验的小样本特点,其可靠性试验分析与评定一直是工程实践中的技术难题之一。为在现场试验小子样的前提下得到可信的评定结论,减少主观影响,需要从信息融合的角度出发,充分利用产品在设计、研制、生产、使用等各个环节中试验得到的寿命数据、性能参数退化数据等有关信息。鉴于此,针对航天产品小子样复杂系统在研制过程中出现的各类可靠性信息的特点,本文分别研究了同总体同环境多源信息的加权融合技术、不同环境信息的环境因子融合技术、变总体信息的可靠性增长融合技术和性能退化信息融合技术。主要研究工作如下: 针对工程实际中普遍存在的仿真数据、子系统试验、专家经验、历史试验等同总体、同环境下的多源验前信息,提出相关函数法、充分性测度法,最大熵-矩估计法等叁种适用于各信息源相互独立情形的线形加权融合方法;同时,考虑各信息源之间可能存在的相关性,提出了基于模糊逻辑算子的非线性加权融合方法。这几种融合方法充分考虑了各来源验前信息的可信度,同时,通过各种准则尽可能减少融合中的主观性,可以较好地解决在利用Bayes理论进行复杂系统可靠性评定时,验前信息难以获取和表示的关键问题。 针对航天产品在不同环境条件下获取的小样本、零失效试验信息,提出随机加权法、小概率法和修正逆矩法等叁种基于环境因子的信息融合技术。随机加权融合法是为解决液体火箭发动机性能可靠性评定中出现的现场样本量不足的问题而提出的,并利用第二类极大似然估计方法(ML-Ⅱ)得到了折合因子的Bayes估计;修正逆矩估计可以解决现场小样本失效数据情形下环境因子的估计问题;而小概率估计法则可以解决现场极少失效,甚至为零失效情形下的环境因子的估计问题。 针对产品研制中出现的多阶段变总体可靠性信息,提出中位秩方法、修正似然函数方法、保守增长模型方法和多模失效建模方法等四种可靠性增长信息融合技术。中位秩法可解决小子样失效数据情形下的可靠性增长分析;修正似然函数法为解决高可靠长寿命产品定时截尾试验时,出现零失效数据下可靠性增长分析问题,提供了一条新的技术途径;保守可靠性增长模型可以克服现有Weibull分布估计方法中,人为设定形状参数对评定结果的主观性影响,确保对航天领域中关键系统可靠性较高的要求;多模失效系统混合可靠性增长模型是对传统增长模型的拓展,可以分析对不同失效模式采取不同的改进措施对系统可靠性增长的影响。 为充分挖掘产品性能监测数据中的可靠性信息,提出性能退化信息融合技术。在对性能退化概念和建模步骤研究的基础上,提出了适用于描述均匀退化的线性随机过程模型。同时,针对退化失效的累积效应,提出了可以拟合不同形状退化轨道曲线的、具有较强通用性的复合Poisson过程模型;为充分利用复杂系统研制过程中的多环境性能试验信息,从退化失效随机过程的特性出发,研究了退化失效环境因子的一般定义,并给出了复合Poisson过程环境因子的具体形式和统计推断方法;进一步,为有效融合产品研制各阶段试验中的性能测试信息,合理分析产品设计和生产工艺的改进对可靠性增长的影响,提
王华伟[3]2003年在《液体火箭发动机可靠性增长管理研究》文中研究说明本论文以某型液体火箭发动机为工程背景，研究其可靠性增长管理理论和方法，是课题《液体火箭发动机可靠性增长分析与评估》研究成果的一部分。液体火箭发动机是运载火箭的主要动力装置，为满足现代航天运载火箭对其技术性能越来越高的要求，结构日趋复杂，可靠性已成为一项非常重要的技术指标。据统计，美国发射的各种运载火箭中，发动机故障占总故障的60％以上。因此，必须进行长时间、高工况的试验，对其性能与结构参数进行综合权衡，以实现设计上的优化与可靠性增长。但在我国，由于研制经费和研制周期所限，试验时间和试验次数较少，整机试验样本量偏小，有必要采用适当的可靠性增长管理方法，将工程上的试验、分析与纠正过程纳入科学管理，做到对可靠性增长进行定量控制，合理利用有限资源，以保证产品在规定时间内达到可靠性指标要求。当前的可靠性增长管理方法在液体火箭发动机中的应用存在诸多问题。本文针对液体火箭发动机可靠性试验特点，研究其可靠性增长管理理论方法及其应用，主要包括： (1)可靠性增长信息是实行可靠性增长管理的基础，准确性和数量直接影响可靠性增长分析、规划和决策的有效性。传统可靠性增长管理中只考虑飞行数据和地面试车数据，针对液体火箭发动机可靠性增长信息量小的特点，本文将其扩展为飞行数据、地面试车数据、类似型号产品试验数据、单元和分系统试验数据、专家信息和仿真试验数据以增加信息量。针对扩展后的可靠性增长信息具有分散性、随机性和时效性等特点，提出液体火箭发动机可靠性增长信息管理的方法和流程，并将并行管理和集成管理等现代管理模式引入到可靠性增长管理中。 (2)拓展信息来源的方法在扩大信息量的同时增加了信息处理的难度，加之可靠性增长过程中样本具有变母体的特点，使信息的处理和利用更加复杂。本文提出采用信息融合方法综合利用不同来源、不同时序点的可靠性增长信息，建立了液体火箭发动机信息融合框架结构，并给出同一阶段同源信息融合模型、同一阶段多源信息融合模型和可靠性增长信息融合模型，通过以上叁个可靠性增长模型可获得关于液体火箭发动机系统更准确、全面的判断信息。 (3)针对液体火箭发动机可靠性增长过程管理是不完备信息下的不确定性决策问题，分别建立了液体火箭发动机的FMEA模型和故障诊断模型。FMEA是产品可靠性增长分析的重要工具，它主要是一种定性方法，论文采用Bayes网络模型建立了液体火箭发动机全系统的FMEA模型，将故障严酷度和故障概率统一到一个框架结构中进行综合研究，解决了传统FMEA模型无法定量化的问题，实现了定性与定量相结合。故障诊断的正确性直接决定能否实现有效的可靠性增长，论文建立了基于Bayes网络的故障诊断模型，不仅能解决故障与征兆之间“多对多”的不确定决策问题，而且可国防科技大学研究生院学位论文以发现潜在故障源，解决故障之间的竞争风险问题。通过与其它故障诊断方法的对比，论文提出的方法在诊断速度、诊断结果和准确性方面优于其它故障诊断方法，可在输入数据不完备的情况下完成对复杂系统的故障诊断。在Bay比网络建模过程中，提出采用Leaky Noisy一or模型和灵敏度分析降低数据需求量和提高推断效率。 (4)建立了液体火箭发动机系统分阶段的可靠性增长规划模型。该模型依据信息融合结果，采用MTGP模型跟踪增长过程，可充分利用可靠性增长全程试验信息，在模型中设计决策变量，克服了传统的Bayes可靠性增长模型只能预测不能决策的缺陷。与经典可靠性增长模型相比，这种可靠性增长模型更符合工程实际、可操作性强。 (5)研究了液体火箭发动机基于不确定信息、不完备数据集下的风险决策问题，建立了基于先验信息的可靠性增长决策模型、基于最优信息量的可靠性增长规划模型和基于后验信息的可靠性增长决策模型，将可靠性增长试验与决策过程有机结合起来，克服了传统的Bayes决策方法中决策与信息之间相互割裂的缺点。关键词:液体火箭发动机可靠性增长信息融合Bayes网络可靠性增长规划风险决策第H页
王华伟, 周经伦, 何祖玉, 沙基昌[4]2003年在《液体火箭发动机可靠性增长规划研究》文中认为液体火箭发动机可靠性要求高、试验费用昂贵 ,有必要对可靠性增长试验进行综合规划 ,以减少试验费用、缩短研制周期和降低风险。根据液体火箭发动机的特点 ,提出双参数的 Bayes可靠性增长模型 ,综合利用产品研制过程中全程试验信息 ,动态评定可靠性水平。在客观评价其可靠性水平的基础上 ,采用 MTGP (ModifiedTracking,Growth and Prediction)模型跟踪增长过程 ,对液体火箭发动机的可靠性增长试验进行综合规划。研究表明 :这种方法能在小样本下 ,科学、合理地评定液体火箭发动机的可靠性水平和指导可靠性增长规划 ,在工程中有广泛的应用前景。
刘飞[5]2006年在《固体火箭发动机可靠性增长试验理论及应用研究》文中认为在固体火箭发动机研制过程中,通过一系列可靠性增长试验,不断消除发动机在设计和制造中的薄弱环节,使产品可靠性逐步提高。固体火箭发动机可靠性增长试验数据属动态统计母体,采用传统统计分析理论难以给出科学合理的分析结果。因此,可靠性增长试验分析与评估是固体火箭发动机研制过程中的一个重大理论问题。本文以固体火箭发动机为工程背景,对固体火箭发动机可靠性增长试验理论与方法进行了深入系统地研究。针对固体火箭发动机可靠性增长试验中存在的理论与实际问题,综合利用可靠性增长试验的多种信息,系统地提出了可靠性增长试验管理、规划和分析方法。针对固体火箭发动机可靠性增长试验管理问题,提出了增长试验规划方法,为可靠性增长试验的科学管理和决策提供了有效手段。在研制经费和可靠性指标双重约束条件下建立了试验规划模型,构建了基于故障模式的固体火箭发动机可靠性预测框架,实现了研制过程中试验、生产、设计改进等研制活动的数学化表述,细致刻画了产品可靠性增长试验的实际过程,实现了产品研制阶段试验量的预计,提出了有效的试验停止准则。上述方法和模型改变了传统试验管理和决策粗放状态,将试验管理和决策定量化、科学化,减少了主观因素干扰,在保证产品可靠性指标前提下,可有效降低研制成本。细致分析了固体火箭发动机研制过程中存在的延缓修正和及时修正两种策略。针对不同试验修正策略发展了可靠性增长模型,推广了离散AMSAA模型和非齐几何模型,扩大了模型应用范围。使用数论的序贯优化算法解决了模型应用中的计算问题。通过理论分析和数值仿真深入分析了两种模型的差异,讨论了模型误判对可靠性增长分析结果的影响,为研究人员应用此类模型打下了坚实基础。针对固体火箭发动机研制继承性强的特点,提出并建立了固体火箭发动机可靠性增长分析Bayes模型。为综合利用发动机研制过程中存在的大量历史信息和专家信息,针对不同种类信息提出了相应的信息融合方法。以Mazzuchi-Soyer模型为基础建立了可靠性增长分析Bayes模型,该模型既有可靠性增长评估功能,又可预测未来研制阶段产品可靠性,克服了一般Bayes模型只能进行产品可靠性评估的缺陷。仿真分析了模型稳健性,验证了其科学性。将模型应用于发动机贮存试验分析,开辟了Bayes可靠性增长模型新的应用领域。针对发动机部件过载试验和整机加延时间试验,提出了两种可靠性分析模型。在单应力过载可靠性分析方法基础上,引入多应力过载,考虑多应力相关和不相关两种情形,丰富了发动机部件过载试验分析理论。针对发动机整机加延时间试验,将Bayes可靠性增长模型推广应用,提出了发动机加延时间试验可靠性分析的Bayes模型,属创新工作。综合利用了产品历史信息和专家信息,推导得到定时截尾试验策略下产品可靠性的联合后验分布,利用Gibbs算法解决了复杂后验分布推断计算问题。针对叁参数威布尔分布参数估计存在的问题,提出了参数复合估计法,将极大似然估计和最小距离估计有机结合,创造性地解决了位置参数估计问题。在此基础上,采用混合威布尔分布拟合多应力竞争失效数据,提出了参数估计方法。应用EM算法进行参数估计和混合比计算,采用Bootstrap算法计算标准差,上述方法有效解决了多应力竞争失效数据建模问题。为解决固体火箭发动机可靠性分析中涉及的大量数据处理问题,研制开发了固体火箭发动机可靠性增长分析软件系统。该软件具有可靠性增长试验规划、各批次试验后可靠性评估、未来研制试验可靠性预测、过载试验可靠性分析等功能,为固体火箭发动机可靠性增长试验管理与分析评估提供了有力工具。本文研究成果对固体火箭发动机可靠性增长试验规划、分析与评估具有重要指导作用,对提高固体火箭发动机可靠性增长试验科学性具有很强实用价值。
李欣欣[6]2008年在《基于Bayes变动统计的精度鉴定与可靠性增长评估研究》文中认为武器系统战术技术指标(如精度、可靠性等)的鉴定与评估,是一项重要工作。特别是在变总体、小样本情况下,如何正确地使用各种来源的有用信息,对武器装备性能和质量作出准确评价,是工程实践中亟待解决的问题。论文以Bayes变动统计理论和方法为主线,以航空子母炸弹制导精度鉴定和可靠性增长试验评估为应用背景,以变总体、小子样为难点,研究了精度鉴定和可靠性增长评估中的一系列技术难题,提出了航空子母炸弹制导精度鉴定方案,和适用于不同场合的多种可靠性增长试验评估方案,为实际应用作了比较充分的理论准备。主要内容包括:1、航空子母炸弹制导精度鉴定。与传统的整体弹不同,子母弹的鉴定工作还比较薄弱,地面落点信息与空中布撒点信息、毁伤战术指标与制导技术指标之间的关系,都还有待研究和验证。论文首先根据WCMD的试验投放情况和毁伤机理,研究了武器毁伤效能战术指标与制导精度技术指标之间的关系,提出了指标转换方法。其次,在小子样条件下,运用Bayes理论和方法,提出了WCMD的制导精度和布撒均匀度的鉴定方案,其中,布撒均匀度是随着子母弹而出现的新的指标,其度量方法至今尚无定论。本文采用的均匀度度量方法以及所提出的鉴定方案具有合理性和可行性。鉴定方案还通过修正决策门限值,对Bayes SPRT方法进行了改进,进一步减少了决策所需的试验次数。分析和仿真结果表明,该鉴定方案可以用于类似武器系统的鉴定,具有一定的通用性。可靠性增长试验评估是本文的主要研究内容。按照故障纠正方式的不同,可靠性增长试验可以分为以下3种模式:即时纠正模式、延缓纠正模式和含延缓纠正模式。论文主要研究了延缓纠正模式、含延缓纠正模式的可靠性增长试验Bayes评估问题。由于阶段间的可靠性存在阶跃增长,不能简单地利用Bayes“相继律”,将前一阶段的验后分布当作后一阶段的验前分布。这样,Bayes评估的关键就在于验前信息的传递与表示。2、延缓纠正模式下的可靠性增长试验Bayes评估。首先建立了多阶段可靠性增长的Bayes模型,作为后续章节研究的基础。其次,在分布参数验前分布已知的前提下,研究了阶段内可靠性增长的Bayes分析方法,包括失效率、可靠度、MTBF等系统可靠性参数的验后分布获取及其点估计、置信估计等。这一部分的研究重点是分布参数验前分布的确定问题,其实质是不同试验阶段间验前信息的传递,即对Bayes“相继律”的改进。其中包括:用折合因子实现试验阶段之间的试验数据“折算”的方法,和用增长因子来实现试验阶段间的信息传递和确定当前阶段的验前分布的方法。研究了折合因子的随机化计算方法。研究了增长因子的多种计算方法,其中,用ML-Ⅱ方法确定增长因子备受推崇,但现有文献存在不足。论文发现并克服了这种不足,提出了一种改进的ML-Ⅱ方法来求解增长因子和验前分布参数,取得了良好的效果。在理论工作的基础上,提出了延缓纠正模式下,可靠性增长试验的2种Bayes评估流程,它们具有工程实用性。在当前试验阶段之前,除了前一阶段的现场试验结果之外,其实还存在着多种来源、不同形式的关于系统可靠性的验前信息。针对这种情况,论文还研究了采用基于可信度加权的融合方法,推导给出了融合验后分布,并以融合验前和融合验后分布为基础,研究给出了指数寿命模型可靠性参数的Bayes估计及假设检验方案。3、单台设备含延缓纠正模式下的可靠性增长试验Bayes评估。首先讨论了阶段内的可靠性Bayes评估,其次,讨论了工程实践中常用的模型等效折合方法,将AMSAA模型数据折合为指数寿命模型数据。对于折合后的数据,含延缓纠正模式下的可靠性增长过程被等效为延缓纠正模式的可靠性增长过程,可以采用本文已经研究得到的增长因子法进行Bayes评估。重点研究了在AMSAA模型基础上,进行阶段间信息传递的难题,提出了用增长因子联系相邻阶段的尺度参数a,来实现验前信息传递的方法。此时,增长因子联系的不再是相邻阶段的失效率,而是相邻阶段AMSAA模型中的尺度参数a。这样,仍然可以实现综合多阶段信息进行可靠性评估的目的,并通过仿真示例比较了这2种方法在含延缓纠正模式可靠性增长试验中的应用效果。论文还研究了基于序化关系的含延缓纠正模式可靠性增长试验Bayes评估方法。引入这种非常泛化的约束关系,使得直接得到末阶段失效率验后边缘分布密度成为可能,计算变得相对简便,而无须采用增长因子进行信息传递,进而提供了另一条对失效率等可靠性参数进行Bayes评估的途径。4、多台设备含延缓纠正模式的可靠性增长试验Bayes评估。对于阶段内的试验评估,现存方法都是从AMSAA模型的( a , b )参数出发展开的。与之不同,论文提出了新的参数组合( Sτ, b)作为Bayes评估的出发点。在验前分布均为Gamma分布的假设下,推导了它们的验后分布,并进一步发现,在试验截尾时刻,它们的验后分布具有以Γ分布为共轭分布的特点,因而分布形式简洁,计算简便。选择Sτ作为增长因子的联系对象,重点研究了增长因子法中等式约束的合理性,提出了方差等式约束的合理修正。以上述发现为基础,研究推导了验前分布转化、Γ分布近似、时间对准和增长因子传递等步骤,提出了完整的Γ分布近似Bayes评估方案,可以方便地用于研制过程评估等精度要求适中的场合。仿真示例也说明了这一点。5、Bayes方法稳健性分析。首先研究了稳健性分析的基本方法,其中,验前边缘密度似然值和验后期望损失是衡量稳健性的重要指标,所讨论的方法主要是围绕它们来展开的。在增长因子的F分布分位点确定方法中,显着性水平会影响增长因子的取值。本文通过对Bayes评估的验前、验后稳健性分析,确定了稳健性较好的显着水平取值,从而能更准确地获得当前阶段的验前分布,并通过示例进行了说明。对多阶段含延缓纠正的可靠性增长试验Bayes评估方法,也进行了验后稳健性分析,包括近似算法的稳健性分析、增长因子的稳健性分析等,并给出了稳健性分析的算例。论文还讨论了稳健性分析中需要注意的问题。验前信息与现场信息的相容性或一致性,是Bayes稳健性的决定性因素。
明志茂[7]2009年在《动态分布参数的Bayes可靠性综合试验与评估方法研究》文中进行了进一步梳理可靠性试验鉴定与评估是武器装备研制、定型、采办和使用过程中的重要环节。随着现代武器装备的技术含量和复杂程度不断提高,复杂装备的造价和试验费用昂贵,具有现场试验次数少、各阶段试验具有继承性但试验条件不尽相同等特点。因此,对于“小子样、多阶段、异总体”装备可靠性试验与评估问题,采用传统的统计分析方法难以给出科学合理的结论。论文针对装备研制阶段可靠性试验与评估的工程需求,将变动统计理论和Bayes方法引入到装备研制阶段可靠性试验与分析中,从新的视角对动态分布参数的Bayes多源信息融合、可靠性增长规划、可靠性鉴定方案的优化选择和可靠性试验评估等一系列难题进行了系统深入的研究,建立了一套适用于动态分布参数的Bayes可靠性试验鉴定与评估的理论和方法,为现代武器装备研制阶段可靠性保障提供技术支撑。论文主要研究工作及结论包括:1.作为论文工作的基础,首先,从装备研制需求和可靠性规范(国军标)的角度分析武器装备研制试验的特点及其在工程应用中存在的问题,分析表明:验前分布的表示、可靠性建模和信息融合是动态分布参数Bayes分析的核心问题。其次,以动态分布参数的Bayes可靠性分析为主线,构建了动态分布参数的Bayes可靠性综合试验与评估流程及选取原则。再次,研究了基于优化模型的D-S证据推理的信息融合方法,增长因子的多阶段可靠性信息融合方法,以及基于序化模型的Bayes可靠性增长信息融合方法。最后,研究了以随机过程和序化模型为主的动态分布参数的Bayes可靠性建模方法。2.针对装备研制分批次分阶段试验的特点,结合组件级和系统级产品的试验修正策略,分别构建了组件级多阶段Bayes可靠性增长规划模型和基于非齐次Poisson过程的系统级多阶段Bayes可靠性增长规划模型。获得了装备研制不同阶段不同增长效率情况下可靠性增长试验的准确信息,实现了装备研制阶段可靠性增长的动态规划和管理。3.为了合理利用专家经验、多阶段和异总体的多源试验信息评估产品的可靠性,针对新的Dirichlet先验分布,采用最优化理论解决了其分布参数因物理意义不明确而难以确定的问题,提出了动态分布参数的成败型Bayes可靠性评估与预测模型;分别构建了指数型Bayes可靠性增长评估模型和基于加延时间试验的威布尔寿命型Bayes可靠性增长评估模型,拓宽了模型的应用范围。采用MCMC算法解决了复杂后验量高维积分的计算问题。研究表明,该模型能够实现小子样多阶段复杂系统可靠性的评估与预测,克服了一般Bayes模型只能进行可靠性评估的缺陷。4.针对不同阶段不同层次试验信息的小样本可靠性鉴定问题,采用环境因子折合法,提出了在样本量一定的条件下Bayes可靠性鉴定试验方案,并从生产和使用双方风险的角度与经典方案进行了对比分析,进一步明确了Bayes方法的适用范围。通过引入继承因子,分别提出并推导了基于混合Beta分布和混合Gamma分布的Bayes可靠性鉴定试验方案,为小子样装备的可靠性鉴定方案制定提供了更为客观的依据。研究表明,采用混合先验分布能充分利用异总体的先验信息,有效降低可靠性鉴定的试验量。5.以××装备为对象,进行了本文所研究动态分布参数的Bayes可靠性试验与评估方法的设计与应用,验证了本文研究成果的有效性和可行性,为“小子样、多阶段、异总体”装备研制阶段可靠性试验与评估提供了完整的工程应用案例。总之,本文在国家高技术研究发展计划(863)和部委“十一五”预先研究项目的资助下,从理论、方法和应用的不同层面对动态分布参数的Bayes可靠性试验与评估问题开展了系统深入的研究。本文的研究结果,以及在此基础上的进一步研究将为小子样装备研制可靠性试验与评估提供一套理论完善、工程适用的理论与方法,对开展“小子样、多阶段、异总体”装备可靠性保障技术研究具有重要的理论和工程价值。
刘琦, 冯静, 周经伦, 张金槐[8]2004年在《基于动态建模方法的可靠性增长试验评定》文中研究指明运用动态建模方法对可靠性增长试验下可靠性参数的先验分布进行分析.在任务可靠度先验分布确定的基础上,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.首先给出了可靠性增长分析的动态模型,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,给出各阶段可靠性增长试验中可靠性参数的Bayes估计.针对液体火箭发动机寿命分布为Weibull分布的特点,对Weibull寿命型系统的可靠性增长试验进行评定.通过一个实际例子说明了该方法的有效性.
刘琦, 冯静, 周经伦[9]2004年在《Weibull寿命模型下火箭发动机可靠性增长试验的LS-Bayes分析》文中研究指明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。
刘琦, 冯静, 周经伦[10]2004年在《基于Gompertz模型的液体火箭发动机可靠性增长分析》文中研究指明运用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。
参考文献：
[1]. 液体火箭发动机可靠性增长试验评定方法研究[D]. 刘琦. 国防科学技术大学. 2003
[2]. 小子样复杂系统可靠性信息融合方法与应用研究[D]. 冯静. 国防科学技术大学. 2004
[3]. 液体火箭发动机可靠性增长管理研究[D]. 王华伟. 国防科学技术大学. 2003
[4]. 液体火箭发动机可靠性增长规划研究[J]. 王华伟, 周经伦, 何祖玉, 沙基昌. 宇航学报. 2003
[5]. 固体火箭发动机可靠性增长试验理论及应用研究[D]. 刘飞. 国防科学技术大学. 2006
[6]. 基于Bayes变动统计的精度鉴定与可靠性增长评估研究[D]. 李欣欣. 国防科学技术大学. 2008
[7]. 动态分布参数的Bayes可靠性综合试验与评估方法研究[D]. 明志茂. 国防科学技术大学. 2009
[8]. 基于动态建模方法的可靠性增长试验评定[J]. 刘琦, 冯静, 周经伦, 张金槐. 系统工程学报. 2004
[9]. Weibull寿命模型下火箭发动机可靠性增长试验的LS-Bayes分析[J]. 刘琦, 冯静, 周经伦. 导弹与航天运载技术. 2004
[10]. 基于Gompertz模型的液体火箭发动机可靠性增长分析[J]. 刘琦, 冯静, 周经伦. 航空动力学报. 2004
标签：航空航天科学与工程论文; 动力工程论文; 火箭发动机论文; 可靠性试验论文; 可靠性分析论文; 工程信息论文; 动态模型论文; 可靠性设计论文; 纠正措施论文;