多源验前信息下基于证据理论的ML-II融合方法

在复杂新型产品的可靠性评估中,试验的样本量通常较小,而Bayes方法在小样本统计推断中比经典统计方法更为适用。针对可靠性工程中遇到的验前信息的多源性问题,给出了一种基于证据理论的ML-II融合方法。在融合过程中考虑了信息源的可信性,减小了可信度低的信息源对评估结果的影响。以电子产品为例,算例实验表明了该方法在有"干扰信息源"存在的情况下的评估结果的有效性和合理性。

基于Bayes-模糊逻辑算子的小子样可靠性信息融合方法

为了解决航空航天复杂系统可靠性评定中样本量小而导致评估结果可信度不高的问题,引入模糊逻辑算子这一非线性模型对多源可靠性验前信息进行融合,并给出了其参数估计的第二类极大似然(ML-Ⅱ)估计方法,通过仿真示例说明了融合方法的有效性.