无失效威布尔情形下基于双修正多层Bayes的可靠性评估

利用配分布曲线法构建无失效数据的可靠性评估模型时,往往采用E-Bayes或多层Bayes来估计失效概率,但因其估计能力有限,整体可靠度点估计精度不高。针对威布尔分布数据提出了一种新的双修正多层Bayes方法,用于改善失效概率估计,并完成可靠度点估计。在多层Bayes的基础上,通过修正失效概率上下限值来减小失效概率估计误差,然后结合加权最小二乘法和威布尔分布可靠度函数确定参数估计值和可靠度曲线,从而得到可靠度点估计。利用Monte-Carlo仿真试验,发现新方法能将参数估计相对误差控制在10%以下,并且得到的可靠度值更加趋近真值。通过实例分析发现,在超参数c取不同值的情况下,采用新方法得到的可靠度都更加接近工程实际。新方法适用性分析表明,形状参数β是影响估计精度的关键因素,且在β>2.2时新方法具有明显的优势及良好的稳健性。研究结果可为其他寿命分布无失效数据的可靠性评估提供参考。

一类改进最大熵方法的可调参数分析

在结构可靠性分析中,引入含可调参数的转换函数能对传统的最大熵方法进行改进,获得更高的失效概率预测精度。但是,此可调参数的最佳取值很难确定。针对这一问题,引入概率守恒方程,从功能函数转换前后所得概率密度函数出发,建立其最大熵值的变化关系,给出转换前后最大熵值之差的理论形式。通过对三种典型单调非线性转换函数开展算例研究,发现功能函数转换前后的最大熵值之差与转换函数的最佳可调参数值有关。改变可调参数值驱使最大熵值之差变化的同时,改进最大熵方法能遍历到更好的失效概率估计值。