小子样复杂系统可靠性信息融合方法及其应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

小子样复杂系统可靠性信息融合方法及其应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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