基于Dirichlet先验分布的模糊可靠性增长模型研究

将模糊理论应用于基于Dirichlet先验分布的Bayes可靠性增长模型,提出了可靠性增长的模糊模型。在对Dirichlet先验分布函数研究的基础上,分析了先验参数的获取方法。针对某水冲压发动机可靠性增长试验使用Dirichlet先验分布模型进行了分析,给出了试验各阶段的先验分布和后验分布,并分析了与先验信息方差有关的参数对后验可靠度的影响。在此基础上,通过引入模糊变量,发展了模糊可靠性增长模型,得到了试验各阶段模糊可靠度。     

逐步Ⅱ型截尾情形下逆-Weibull部件的Bayes估计

在逐步Ⅱ型截尾试验下,研究了逆-Weibull部件寿命参数的极大似然估计和Bayes估计。利用简单迭代方法,给出了寿命参数的极大似然估计的数值解。然后基于不同的先验分布,得到不同损失函数下寿命参数的Bayes估计。最后,运用Monte-Carlo方法对各估计结果作了模拟比较,结果表明Bayes估计优于极大似然估计,且LINEX损失下的Bayes估计误差最小。     

逐步Ⅱ型混合截尾下Pareto分布的统计分析

基于逐步Ⅱ型混合截尾寿命试验数据,研究了Pareto分布的统计分析问题。利用极大似然方法和Bayes估计理论,导出了Pareto分布参数的极大似然估计和基于不同先验分布下的Bayes估计。最后利用Monte-Carlo模拟方法对估计的结果进行了对比分析。     

双边定时截尾下广义Pareto分布的可靠性分析

基于双边定时截尾样本,研究广义Pareto分布的形状参数和可靠性指标的估计问题。在进行极大似然估计时,由于似然方程无解析解,故采用EM算法。对形状参数选取,4信息先验,在平方损失下,研究给出广义Pareto分布的形状参数和可靠性指标的Bayes估计。通过Monte-Carlo模拟对形状参数和可靠度函数的极大似然估计、EM估计和Bayes估计的效果进行比较。模拟结果说明,Bayes方法和EM算法适合在小样本场合下对形状参数进行估计,Bayes方法和极大似然估计法适合在大样本场合下对形状参数估计,极大似然估计方法和EM算法适合对可靠度进行估计。     

基于贝叶斯模型的装备剩余寿命预测研究

为了解决武器装备日益复杂及维修工作日趋繁重的问题,运用贝叶斯模型预测装备修理后的剩余寿命,为合理安排其修理计划提供依据。替代传统的指数分布,用威布尔分布描述系统寿命特征,并运用极大似然方法和贝叶斯方法估计威布尔分布的两个未知参数,给出其置信区间。在此基础上,对先验样本和后验样本两种不同情况,分别运用贝叶斯模型预测装备修理后的剩余寿命,并给出实例。结果表明了该方法的有效性。     

Rayleigh分布环境因子的经验Bayes估计及仿真

讨论了Rayleigh分布环境因子的定义和估计问题。基于逐次截尾模型,在LINEX损失函数下,给出环境因子的经验Bayes估计。最后利用Monte-Carlo方法对经验Bayes估计和极大似然估计进行了分析比较。结果表明,经验Bayes估计优于极大似然估计。     

屏蔽数据在新型截尾样本下系统的可靠性分析

当系统含有屏蔽数据时,在具有随机移走逐步增加型截尾模型下,讨论了部件寿命服从双参数指数分布的串联系统可靠性估计问题。设随机移走系统数服从二项分布,利用极大似然方法,Bayes理论及方法,推导出双参数指数部件参数、系统可靠性函数、失效率函数及移走概率的极大似然估计和Bayes估计。并利用Monte Carlo方法对两种估计结果进行了比较,表明Bayes估计较极大似然估计效果更优。     

未知量测噪声分布下的CBMeMBer算法

针对目标跟踪过程中量测噪声概率分布等先验知识无法准确获取的问题,提出一种基于风险评估的势均衡多目标多伯努利(RE-CBMeMBer)滤波算法。采用CBMeMBer算法的序贯蒙特卡洛实现,在粒子预测后利用风险函数和评估函数计算粒子风险值,并用评估结果更新粒子权值。避免了计算似然函数且不依赖量测噪声的概率分布。仿真表明:与SMC-CBMeMBer算法相比,RE-CBMeMBer算法具有更好的实时性,特别是当量测噪声分布未知时,具有更高的跟踪精度和稳定性。     

多源信息的验前分布融合方法研究

验前分布的获取和表示是B ayes理论应用中的一个关键问题。针对目前多源验前信息融合中存在的过分依赖专家信息的问题,提出了一种基于第2类极大似然估计原理(M L-II)确定验前分布权重的方法,该方法将现场试验数据看作是由其边缘分布产生的样本,然后根据不同验前分布下现场样本似然性的大小来确定其在验前分布融合中的作用,并以此进一步确定不同验前分布的权重因子。最后通过算例证明了该方法比基于专家信息的融合方法更为合理和有效。     

Ⅰ型混合截尾下指数-威布尔分布的统计分析

在定时混合截尾情形下,研究了指数威布尔分布的统计分析问题。利用最大似然估计方法给出了指数-威布尔分布参数的最大似然估计。运用Lindley’s逼近方法计算出了分布参数的Bayes估计。最后,运用Monte-Carlo方法对最大似然估计和Bayes估计结果作了模拟比较,结果表明Bayes估计优于最大似然估计。