基于ML-Ⅱ原理的多源验前信息融合方法研究

在Bayes小子样理论中,验前分布的获取和表示是一个关键问题。针对反舰导弹靶场试验中遇到的验前信息的多源性,给出了一种基于第二类极大似然估计原理(ML-Ⅱ)的多源异总体验前分布的融合方法,并通过仿真实例证明了该方法的有效性。

基于ML-Ⅱ的指数分布可靠性多层Bayes估计

Bayes估计法是可靠性评估中应用最为广泛的方法之一,指数分布的Bayes验前概率密度函数中的重要参数主要依靠Reformulation法和Box-Tiao法确定,具有较强的主观经验性。基于Beyes估计的基本思想,以试验数据为依据,利用第二类极大似然估计法(ML-Ⅱ估计法)确定Bayes方法中的相关参数,避免了参数确定的主观性。实例表明结果合理,方法客观、可行。

基于AHP—ML Ⅱ融合算法的先验分布研究

在缺乏可靠性试验数据的情况下,为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,充分利用产品先验信息。以获得关于产品可靠性的更完整和更准确的判断信息,从而进一步形成对产品性能的可靠估计或预测。提出一种基于AHP-ML II的融合算法,对先验信息进行层次分析法处理后,再使用第二类极大似然估计法进行二次处理,通过不同的信息在融合后的先验分布中所起作用的大小,确定出各部分的权重因子,最后通过实例仿真分析得出该算法确实比融合前具有更好的合理性和可靠性。

基于ML-II方法的k/n-系统Bayes可靠性评估

n中取k系统(简称k/n-系统)是工程实践中应用最广泛的系统类型之一。为了在系统现场试验样本量很小的情况下进行可靠性评估,首先利用次序统计量推导了k/n-系统寿命分布的密度函数,并给出了模型参数的第二类极大似然估计(ML-Ⅱ估计);然后给出了k/n-系统Bayes可靠性评估的一般步骤;仿真实例表明了方法的可行性。

指数寿命可靠性增长评估中增长因子的确定方法

对于延缓纠正模式的可靠性增长试验,阶段内产品的寿命服从失效率为常数的指数分布,而阶段间的可靠性有阶跃增长,通常考虑以增长因子进行阶段间的信息传递,增长因子的确定成为关键。首先分析常用的ML-Ⅱ确定方法的局限性,提出改进的ML-Ⅱ方法,并对阶段末的可靠性作出Bayes评估。最后仿真示例表明了改进方法的有效性。

基于系统性能退化数据的可靠性增长研究

性能退化表征的是产品的工作能力随时间逐渐降低的现象。对于试验费用昂贵的高可靠性产品,失效时间数据难以得到,此时性能退化数据是进行可靠性增长分析的重要信息。文章提出用线性随机过程模型来描述产品性能参数逼近临界值的过程,并根据失效机理进行产品可靠性评估;再根据产品研制试验分阶段进行的特点,引进增长因子反映各阶段间的改进程度,并用ML Ⅱ方法得到该参数的估计;最后用线性回归方法得到失效率随研制阶段进展而下降的可靠性增长模型。文中推导的寿命分布函数中的参数因物理含义明确而易于通过实时测量特性参数输出数据估计得到。文中还给了一个数值例说明该方法在工程上应用的有效性。

多源验前信息下k/N(G)系统可靠性指标的Bayes估计

针对k/n(G)系统部件寿命中的参数存在多源验前信息的情况下,基于ML-Ⅱ信息融合方法对先验分布进行融合,并在平方损失函数和LINEX损失函数下,分别得到了k/n(G)系统可靠性指标的Bayes估计。最后的随机模拟例子表明,该方法评估效果好,精度高,并且LINEX损失函数下的估计要优于平方损失函数下的估计。

ε-代换类先验分布族的贝叶斯稳健性分析

对ε-代换类:Γ={π:π=(1-ε)π0+εq,q∈D(0≤ε≤1)的贝叶斯稳健性进行分析,π0是选定的先验分布,D为分布集.首先讨论了分布集D的选择对后验稳健性的影响.其次讨论了当D的选择合理时,ML-Ⅱ估计■是后验稳健的,并以■为先验分布,分别对正态分布进行稳健贝叶斯分析.

动态分布参数验前分布的稳健性分析

讨论了动态分布参数的验前建模问题,并由此运用边缘分布给出验前分布的ML-Ⅱ估计;对于不同的验前分布所引起的验后稳健性问题作了初步分析.

基于灰色模糊贝叶斯网络算法的编队突防作战效能评估方法

针对环境、人员素质等不确定性因素对编队突防作战效能的影响,提出一种改进灰色模糊贝叶斯网络(GFBN)的编队突防作战效能评估方法。首先,提出了基于层次分析第二类极大似然估计(AHP-ML II)模型的先验信息融合算法,将不同来源的历史先验信息加以处理,降低了主观性影响;其次,对贝叶斯网络模型的输入信息进行了灰色模糊地概率化转化处理;最后,针对不确定性因素的影响建立了基于改进GFBN法的单机、编队突防评估模型;进行了融合算法和编队突防的算例分析,着重将模糊因素作为评估模型的输入来考虑效能评估的效果。最后,通过效能评估值的对比发现,此算法将此类不确定性因素输入算法模型,能使编队突防作战效能显著提高,仿真结果更接近实战效能。

基于修正权值混合验后的导弹精度融合评估

当利用仿真实验和飞行试验两类信息进行导弹精度融合评估时,对于正态分布参数,如果将有信息验前分布与无信息验前分布进行混合,将导致混合验后分布权重无法真实反映两类数据的相容性水平,从而导致估计结果产生偏差。针对这一问题,提出了飞行试验样本所对应的有验前样本容量约束的第二类极大似然(prior samplesize constrained maximum likelihood-II,SCML-II)估计,定义了有验前样本容量约束的边际密度(prior sample sizeconstrained marginal density,SCMD)函数值。采用现场样本的SCMD替换无信息验前分布条件下的现场样本边际分布,从而修改了加权混合验后分布的融合权重。最后,通过实例分析了改进方法的估计性能。