无失效数据场合下Pareto分布可靠度的Bayes估计

在无失效数据场合下,根据Pareto分布的分布函数的上凸函数性质,讨论Pareto分布可靠度的Bayes估计.首先取关于失效概率P_(i)的减函数(1-P_(i))^(a)作为P_(i)先验分布的核函数,给出了可靠度Ri的先验分布,然后计算其Bayes估计,最后进行了算例分析.算例分析结果表明,与取均匀分布作为失效概率的先验分布相比,本文提出的方法有效提高了Pareto分布可靠度的估计精度.

无失效数据时城轨车辆安全相关继电器可靠性评估方法研究

针对城市轨道车辆安全相关继电器在实际运用过程中一般不会失效,但难以使用常用方法对其寿命分布进行分析评估的问题,给出了2种在无失效数据条件下估算继电器可靠性的方法。一种为分布未知条件下,利用非参数方法将其转化为二项分布的参数估计问题,对可靠度置信下限进行估计;另一种为假设威布尔分布形状参数未知条件下,利用工程经验的形状参数对可靠度置信下限进行估计。通过实例计算证明所提方法的可行性和有效性,并对计算误差进行对比分析。应用所提方法可以有效评估继电器在实际工况下的可靠性,进而为车辆安全可靠运行提供保障。

引信步进应力加速寿命试验无失效数据情况贮存寿命评估

目的针对某引信加速寿命试验出现无失效数据情况无评估方法问题,开展贮存寿命评估研究。方法根据某引信特点和样品条件,选取采用步进应力加速寿命试验。因本次样品量过少,不能进行摸底试验来确定合理的应力和步长,加速寿命试验只能采用其预估值,因而试验结果出现了无失效情况。为此提出先对无失效数据按贝叶斯统计方法将零失效比率(失效数/样本数)数据转换为非降序失效比率的失效数据,再按有失效数据的处理方法评估贮存寿命。结果以此方法编制计算程序,对某引信无失效试验数据进行处理,评估其贮存寿命为20.1a。结论采用贝叶斯统计规律处理无失效数据的方法有效可行,解决了引信步进应力加速寿命试验无失效数据情况下的贮存寿命评估难题。

低温阀门无失效数据环节可靠性建模方法研究

针对无失效数据环节的可靠性评估时,采用单一模型难以同时得到参数的点估计和置信区间估计,而采用不同方法分别进行点估计和区间估计会造成结果的一致性问题,本文针对在无失效数据情形下,对低温阀门填料环节进行可靠性分析,提出了一种运用多层bayes方法得到产品可靠度的点估计,综合bootstrap抽样法从产品的寿命概率分布中重新抽取样本,与矩法结合得出低温阀门填料环节的可靠度区间估计的可靠性建模方法。该方法根据低温阀门实际运行工况,确定多层bayes方法中取值上限参数c的值,进而得到低温阀门填料环节的寿命概率分布曲线,再利用bootstrap法从寿命概率分布中重新抽取新样本,新样本采用矩法获得低温阀门填料环节可靠度的区间估计,并与置信限方法得到的区间估计进行对比。结果表明:在威布尔分布条件下,新模型提高了可靠度区间估计精度,为无失效数据环节可靠性评估提供了理论基础。

威布尔分市场合无失效数据的可靠性分析

拿文综合了近几年来对威布尔分布和指数分布的无失效数据处理的几种方法这些方法是经典方法、贝叶斯方法、最小x^2方法、等效失效敷方法,并对这些方法作了适当的分析,提出进一步需研究的问题。

指数分布无失效数据的多层Bayes分析

韩明等．指数分布无失效数据的多层Ｂａｙｅｓ分析．数理统计与管理，１９９８，１７（４），２４～２７．本文对指数分布无失效数据的失效率，在先验分布为Ｇａｍｍａ分布时，给出了多层Ｂａｙｅｓ估计。最后。

基于无失效数据的加权E-Bayes可靠性评估方法

针对无失效数据情况下产品的可靠性评估问题,提出加权最小二乘法结合期望Bayes(expectedBayesian,E-Bayes)可靠性评估方法与模型。根据工程经验,构造出产品失效概率的先验分布;运用Bayes理论与方法,给出产品失效概率的E-Bayes估计;在威布尔分布场合下,采用加权最小二乘法来拟合产品寿命分布参数,给出产品可靠性指标的点估计和区间估计;结合算例分析,探讨模型的稳健性与方法的优越性,表明该方法具有较好的工程应用价值。

一种新的无失效数据可靠性评估方法研究

为对高可靠性的电子与机电类产品进行可靠性评估,在无失效数据情况下,提出一种将失效信息引进置信限分析中的修正单侧置信限评估法。通过不同截尾时间对应的产品无失效数据,采用Bayes参数估计得到产品失效率,并根据所提出的方法将时间系数进行等效替换,得到产品可靠度与平均故障间隔时间。以某型机器人步进电机的无失效数据为例,将该方法与其他单侧置信限方法的计算结果进行对比分析,结果表明:在置信水平为0.99条件下,产品平均故障间隔时间为37 080 h,小于其他置信限方法的计算结果;当任务时间达到1 000 h时,采用新方法得到的产品可靠度估计值为0.973.实例分析验证了新方法在无失效数据产品可靠性评估中的有效性,且可防止产品可靠度与平均故障间隔时间估计结果冒进现象的发生。

小样本及无失效数据时电器产品可靠性特征量的估计

随着电器产品可靠性的提高 ,其可靠性试验一般采用定时截尾寿命试验 ,若产品的可靠性很高 ,则可能会出现失效样品个数较少甚至无失效样品产生 ,即出现了小样本及无失效数据的情况 ,若采用经典方法估计其可靠性特征量会引入较大误差 ,本文对于小样本时可靠性特征量的估计引入了平均寿命的修正极大似然估计公式 ,研究结果表明 ,修正后的平均寿命估计量的相对误差比极大似然估计法的相对误差有了明显减小 ,且截尾程度越高 ,修正效果越明显 ,而对试验中出现无失效数据时的可靠性特征量应用Bayes理论进行估计。

威布尔分布场合下无失效数据的可靠性参数估计

文章假设产品的寿命服从威布尔分布,在无失效数据情形,当失效概率pi的先验分布为π(pi|b)=b(1-pi)b-1(1<b<c)时,给出了超参数b在2种先验分布下失效概率的E-Bayes(Expected-Bayes)估计和多层Bayes估计,在此基础上,给出了威布尔分布可靠度的E-Bayes估计和多层Bayes估计。最后对实际数据进行了计算,并分析了超参数的先验分布对失效概率和可靠度估计的影响及E-Bayes估计和多层Bayes估计之间的关系。

无失效数据的MEMS传感器可靠性分析

为了解决有限试验次数情况下微机电系统(MEMS)传感器的无失效数据可靠性分析问题,针对寿命服从指数分布的MEMS传感器,通过研究最优置信限法和最小二乘估计这两种方法来获得适用于MEMS传感器无失效数据可靠性分析的置信度α、c(c>1为常数)。分析试验组数对于预测分析结果的影响,通过对两种方法进行不同分组试验,获得MEMS传感器的最佳分组数。针对某数字型双轴倾角MEMS传感器的实际算例表明置信度α=0. 4、c取值范围3~6,分组为12/13组时,得到最佳预测结果,证明了所提出方法的有效性。

无失效数据的可靠性评估和寿命预测

提出一种无失效数据可靠性评估和寿命预测方法 ,给出其可靠度和使用寿命的置信下限。该方法在Weibull分布形状参数下限已知的情况下 ,能将所有无失效寿命数据进行累加 ,大大提高可靠性分析的精度 ;而在对数正态分布标准差上限已知的情况下 ,可以充分发挥对数正态分布的可靠度和使用寿命置信下限较高的优点。此外 ,还建立对数寿命标准差和Weibull分布形状参数之间的关系式 ,从而能够根据工程上积累的大量对数正态分布标准差上限的数据求得Weibull分布形状参数下限 ,反之亦然。本文方法易于计算 。

指数分布场合下无失效数据的统计分析

由于产品的可靠性愈来愈高,所以在可靠性寿命试验中, “无失效数据”的现象也愈来愈多.本文根据指数分布的无记忆性,给出可靠度的先验分布,进而在无失效数据的情况下,得到了平均寿命的Bayes估计.

威布尔分布场合无失效数据的失效概率估计方法

随着产品可靠性的提高和成本的增加,以及研制周期的限制,现在可靠性试验常采取小样本、短周期,因此试验中收集到的往往是无失效数据,配分布曲线方法在处理这类无失效问题中应用较广。方法的关键步骤就是失效概率的估计,但是针对威布尔分布场合的失效概率估计,研究还比较缺乏。根据形状参数的不同取值范围,利用分布函数的特点和凹凸性,来确定对应的失效概率的取值范围。在实际操作中,可通过工程实践或者专家信息确定形状参数的取值范围,并进一步采用Bayes方法得到失效概率的估计值。仿真算例和轴承实例的计算分析也证明了该方法的有效性和稳健性。

双超参数无失效数据的E-Bayes可靠性分析

讨论了双超参数情形无失效数据问题.利用构造先验分布为含有双超参数的Beta分布情形的减函数,给出了2个超参数情形下失效概率pi=P(T<ti)的E-Bayes估计,并在此基础上考查了其可靠性指标.最后,利用最值定理与介值定理证明了其可靠性指标的合理性.结果表明:当si→∞时,E-Bayes估计方法与用多层Bayes方法所得可靠性指标趋于相等,计算较为简便.

正态分布场合下无失效数据的统计分析

利用正态分布函数的性质获得了各检测时刻失效概率新的Bayes估计,进而给出了母体参数的估计。最后,对实际数据进行了处理。

基于无失效数据指数分布参数的AMLE

本文讨论了基于无失效数据指数分布参数的近似极大似然估计（ＡＭＬＥ）．利用Ｐｏｉｓｓｏｎ过程中年龄过程的多维生存分布的Ｌｅｂｅｓｇｕｅ分解式以及本文提出的伪样本估计法，导出了参数λ所满足的近似似然方程，讨论了解的存在唯一性．利用数值计算方法，最终可获得λ的ＡＭＬＥλｎ．大量随机模拟表明，其结果与真值很接近。

威布尔分布场合下无失效数据的Bayes分析

通过对分布函数进行变换,使变换后的函数成为凹函数,利用凹函数性质给出了各检测时刻失效概率的Bayes估计,进而得到了产品可靠性指标的估计。最后,通过对实际数据进行计算,验证了方法的稳定性。

基于Bayes方法的无失效数据寿命分布研究

Bayes估计是对产品无失效数据进行分析的一种有效方法。对无失效数据,给出了失效概率的Bayes估计,并结合配分布曲线方法和Matlab软件给出了无失效数据时产品寿命分布类型的确定方法。最后,结合某型发动机的无失效数据进行了计算分析,从而得到该型发动机的寿命分布函数。

一般δ-冲击模型中无失效数据的Bayes统计推断

在这篇文章中,我们针对一般冲击模型,研究Bayes方法处理无失效数据的问题．所谓一般δ-冲击模型是指系统受到强度为λ的Poisson冲击,当两个连续冲击之间时间间隔的长度不属于某个固定的区间[δ_1,δ_2]时,系统将失效．我们分别选择均匀分布和Beta分布作为先验分布,用Bayes方法和多层Bayes方法得到了参数δ_1和δ_2的估计．