| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 注释表 | 第9-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 本文研究背景、目的和意义 | 第11-13页 |
| 1.2 国内外研究与发展状况 | 第13-19页 |
| 1.2.1 贝叶斯更新方法 | 第13-15页 |
| 1.2.2 关于贝叶斯方法的研究 | 第15-18页 |
| 1.2.3 贝叶斯方法在可靠性分析中的应用 | 第18-19页 |
| 1.3 本文的研究内容及研究方法 | 第19-20页 |
| 第二章 贝叶斯方法概述及计算方法 | 第20-36页 |
| 2.1 引言 | 第20页 |
| 2.2 贝叶斯公式 | 第20-22页 |
| 2.2.1 贝叶斯公式的事件形式 | 第20-21页 |
| 2.2.2 贝叶斯公式的连续形式 | 第21-22页 |
| 2.3 贝叶斯先验分布的确定 | 第22-26页 |
| 2.3.1 主观先验分布 | 第23页 |
| 2.3.2 无信息先验分布 | 第23-24页 |
| 2.3.3 共轭先验分布 | 第24-26页 |
| 2.4 贝叶斯后验分布的计算 | 第26-35页 |
| 2.4.1 拉普拉斯近似计算方法 | 第27-29页 |
| 2.4.2 蒙特卡罗(MC)模拟方法 | 第29-30页 |
| 2.4.3 蒙特卡洛模拟方法的误差计算 | 第30页 |
| 2.4.4 拒绝抽样方法 | 第30页 |
| 2.4.5 重要抽样(IS)方法 | 第30-31页 |
| 2.4.6 马尔科夫链蒙特卡洛（MCMC）模拟方法 | 第31-32页 |
| 2.4.7 一次/二次可靠度分析方法 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 最大熵准则识别材料疲劳寿命分布 | 第36-56页 |
| 3.1 引言 | 第36-37页 |
| 3.2 疲劳损伤预测模型 | 第37-40页 |
| 3.2.1 参数化模型 | 第37-39页 |
| 3.2.2 非参数化模型 | 第39-40页 |
| 3.3 最大熵准则识疲劳寿命分布 | 第40-44页 |
| 3.3.1 疲劳寿命统计矩计算 | 第40-41页 |
| 3.3.2 最大熵准则 | 第41-42页 |
| 3.3.3 计算Lagrange乘子 | 第42-43页 |
| 3.3.4 疲劳寿命分布的识别 | 第43-44页 |
| 3.4 应用实例分析 | 第44-54页 |
| 3.4.1 基于原始数据的疲劳寿命分布 | 第44-50页 |
| 3.4.2 基于数据对数的疲劳寿命分布 | 第50-54页 |
| 3.5 本章小结 | 第54-56页 |
| 第四章 基于贝叶斯参数更新的疲劳裂纹扩展预测 | 第56-65页 |
| 4.1 引言 | 第56页 |
| 4.2 确定疲劳裂纹扩展的模型参数 | 第56-58页 |
| 4.3 构建参数化模型的条件概率 | 第58-59页 |
| 4.4 应用实例 | 第59-64页 |
| 4.4.1 疲劳裂纹扩展模型 | 第59-60页 |
| 4.4.2 疲劳裂纹扩展试验数据 | 第60-62页 |
| 4.4.3 疲劳裂纹扩展预测及剩余寿命 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 全文总结 | 第65-66页 |
| 5.2 对今后工作的展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 在学期间的研究成果及发表的学术论文 | 第72页 |