声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 动量轮可靠性研究现状
1.2.2 信息融合研究现状
1.3.1 本文研究内容
1.3.2 本文结构安排
第二章 Bayes理论基础
2.1 Bayes定理
2.1.1 Bayes方法的特点
2.1.2 Bayes方法的优点
2.1.3 Bayes公式
2.2 Bayes估计
2.2.1 Bayes点估计
2.2.2 Bayes区间估计
2.3 Bayes先验分布的确定
2.3.1 贝叶斯假设
2.3.2 Jeffreys先验分布
2.3.3 共轭先验分布
2.3.4 最大熵先验分布
2.3.5 多层先验分布
2.4 Bayes后验分布的计算
2.4.1 M-H抽样算法
2.4.2 Gibbs抽样算法
2.5 OpenBUGS软件简介
2.5.1 收敛性分析判断
2.5.2 zeros-ones转换方法
2.6 本章小结
第三章 基于D-S证据理论与Bayes方法融合寿命数据的动量轮可靠性评估
3.1 引言
3.2 Weibull分布简介
3.3 证据理论基础
3.3.1 识别框架
3.3.2 基本概率分配
3.3.3 信任函数与似然函数
3.3.4 Dempster合成规则
3.4.1 融合失效寿命数据和右截尾寿命数据的模型构建
3.4.2 基于D-S证据理论融合专家知识构建先验分布
3.4.3 基于Bayes方法的参数估计
3.5 案例分析
3.6 本章小结
第四章 基于性能退化的动量轮可靠性评估
4.1 引言
4.2 基于标准Wiener过程的可靠性评估
4.2.1 标准Wiener过程简介
4.2.2 标准Wiener过程的退化数据建模
4.2.3 标准Wiener过程的首达时间分布与可靠性评估
4.3 基于随机效应Wiener过程的可靠性评估
4.3.1 随机效应Wiener过程的退化数据建模
4.3.2 随机效应Wiener过程的首达时间分布与可靠性评估
4.4 模型比较准则
4.4.1 AIC准则
4.4.2 BIC准则
4.4.3 DIC准则
4.5 案例分析
4.5.1 标准Wiener过程下的参数估计
4.5.2 随机效应Wiener过程下的参数估计
4.5.3 模型的选择与动量轮的可靠性评估
4.6 本章小结
第五章 基于多源信息融合的动量轮可靠性评估
5.1 引言
5.2.1 融合退化数据和伯努利数据的模型构建
5.2.2 融合退化数据和伯努利数据模型的参数估计
5.3.1 融合退化数据和寿命数据的模型构建
5.3.2 融合退化数据和寿命数据模型的参数估计
5.4.1 融合退化数据、寿命数据和伯努利数据的模型构建
5.4.2 融合退化数据、寿命数据和伯努利数据模型的参数估计
5.5 融合总体产品多源信息的个体产品实时可靠性评估
5.5.1 个体产品的实时可靠性建模
5.5.2 个体产品退化模型中未知参数先验分布的确定
5.5.3 个体产品的实时可靠性评估
5.5.4 个体产品实时可靠性评估基本步骤
5.6.1 融合多源信息的动量轮总体可靠性评估
5.6.2 融合动量轮总体多源信息的单个动量轮实时可靠性评估
5.7 本章小结
第六章 总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间参加的科研项目与取得的成果
电子科技大学;