基于小样本失效数据的机械可靠性评估

"高可靠,少失效"的机械产品或系统特征使得可靠性评估变得愈发困难。针对这一问题,提出了一种基于三参数威布尔分布的小样本失效数据的机械可靠性评估方法。在确定寿命分布模型的基础上对小样本失效数据采用灰色估计法进行三参数估计,并进行拟合优度检验,进而通过蒙特卡洛抽样得到的子样作为参数的贝叶斯先验分布。在此基础上通过贝叶斯公式计算三参数后验分布,继而得到系统的可靠度、失效率等可靠性指标,更加准确地对小样本失效数据的机械可靠性进行评估。实际算例验证了方法的有效性。

小样本数据处理的加速寿命预测方法

Bayes Bootstrap法在小样本预测领域应用成熟广泛,但由于其随机产生的自助样本中存在不利于预测精度的野值点造成预测偏差较大,针对此不足,提出Bayes Bootstrap&k-means方法。在拥有小样本失效数据情况下,首先采用Bayes Bootstrap法产生自助样本对原有寿命数据进行容量扩充,再采用k-means方法对其进行数据聚类分析,尽可能去除野值点,筛选出更加符合预测规律的数据点。最后以多芯片组件互连结构双应力加速寿命进行预测为例计算验证了该方法相比仅采用Bayes Bootstrap法,预测精度提高了约81.44%,有一定的工程意义。