基于贝叶斯信息融合的复杂系统可靠性增长分阶段评价方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景 | 第10-13页 |
| 1.2 研究目的和意义 | 第13-14页 |
| 1.3 研究方法和现状 | 第14-15页 |
| 1.4 主要创新点 | 第15-16页 |
| 1.5 研究思路及内容 | 第16-18页 |
| 第二章 理论基础和方法综述 | 第18-31页 |
| 2.1 可靠性相关概念和指标 | 第18-21页 |
| 2.1.1 可靠性相关概念 | 第18-19页 |
| 2.1.2 可靠性评价指标 | 第19-20页 |
| 2.1.3 常见的故障分布函数 | 第20-21页 |
| 2.2 使用阶段的浴盆曲线 | 第21-23页 |
| 2.3 研制阶段的可靠性增长管理与评价模型 | 第23-29页 |
| 2.3.1 研制试验和可靠性增长过程 | 第23-24页 |
| 2.3.2 AMSAA模型 | 第24-27页 |
| 2.3.3 Bayes信息融合方法 | 第27-29页 |
| 2.4 可靠性增长突变点的评估方法 | 第29-31页 |
| 第三章 复杂系统可靠性增长分段模型 | 第31-44页 |
| 3.1 系统可靠性增长突变点的研究思路 | 第31-32页 |
| 3.2 基于增长趋势的突变点求解模型 | 第32-38页 |
| 3.2.1 可靠性增长试验的三种失效处置方式 | 第32-34页 |
| 3.2.2 可靠性增长趋势的图检验 | 第34-35页 |
| 3.2.3 模型建立 | 第35-37页 |
| 3.2.4 分段模型求解步骤 | 第37-38页 |
| 3.3 基于拟合优度的突变点求解方法 | 第38-39页 |
| 3.4 案例分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于分段数据的贝叶斯可靠性评价方法 | 第44-57页 |
| 4.1 基于极大似然法的系统可靠性评价方法 | 第44-45页 |
| 4.2 基于Bayes的系统可靠性评价方法 | 第45-51页 |
| 4.2.1 基于Bayes的研究思路 | 第45-47页 |
| 4.2.2 最大熵方法 | 第47-48页 |
| 4.2.3 模型的构建 | 第48-51页 |
| 4.3 案例分析 | 第51-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 硕士期间取得的研究成果 | 第64-65页 |
