| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 数控机床可靠性评估国内外研究现状 | 第11-13页 |
| 1.3 小样本可靠性评估方法研究现状 | 第13-15页 |
| 1.4 本文的主要研究内容 | 第15-17页 |
| 第2章 基于RBF神经网络及Bootstrap法的先验分布构建 | 第17-41页 |
| 2.1 Bayes理论解决小样本问题的基本思想 | 第17-18页 |
| 2.2 常用的先验分布构建方法 | 第18-19页 |
| 2.3 Bootstrap法构建先验分布 | 第19-23页 |
| 2.3.1 Bootstrap法数学思想 | 第19-20页 |
| 2.3.2 先验样本分布类型对Bootstrap法构建先验分布的影响 | 第20-21页 |
| 2.3.3 先验样本的分布类型的初步分析 | 第21-23页 |
| 2.4 常用的分布类型确定方法 | 第23-25页 |
| 2.5 基于RBF神经网络扩充数据的分布类型确定方法 | 第25-37页 |
| 2.5.1 备选分布类型的确定 | 第25-26页 |
| 2.5.2 分布类型的确定依据 | 第26-28页 |
| 2.5.3 基于RBF神经网络扩充数据 | 第28-31页 |
| 2.5.4 基于RBF神经网络扩充数据确定分布类型的流程 | 第31页 |
| 2.5.5 计算机仿真算例 | 第31-37页 |
| 2.6 RBF神经网络-Bootstrap法构建先验分布的步骤 | 第37-38页 |
| 2.7 工程应用实例 | 第38-40页 |
| 2.8 本章小结 | 第40-41页 |
| 第3章 基于非线性约束-KL距离的先验信息可信度计算 | 第41-56页 |
| 3.1 基于先验信息可信度建立混合先验分布 | 第41-42页 |
| 3.2 先验信息可信度定义及其计算方法简介 | 第42-47页 |
| 3.2.1 先验信息可信度的定义 | 第42页 |
| 3.2.2 常用先验信息可信度计算方法 | 第42-47页 |
| 3.3 基于非线性约束-KL距离的先验信息可信度计算 | 第47-53页 |
| 3.3.1 非线性约束-KL距离计算先验信息可信度的原理 | 第47-49页 |
| 3.3.2 非线性约束的确定 | 第49-51页 |
| 3.3.3 约束集合中分布参数的随机抽样 | 第51-53页 |
| 3.4 工程应用实例 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 基于Bayes方法的数控车铣重型机床可靠性评估 | 第56-70页 |
| 4.1 数控车铣重型机床Bayes可靠性评估流程 | 第56-57页 |
| 4.2 似然函数及参数后验分布表达式的确定 | 第57页 |
| 4.3 基于马尔科夫链蒙特卡洛法计算后验分布 | 第57-61页 |
| 4.3.1 马尔科夫链蒙特卡洛法计算积分的原理 | 第57-58页 |
| 4.3.2 贝叶斯分析中马尔科夫蒙特卡洛法的模拟计算 | 第58-59页 |
| 4.3.3 马尔科夫蒙特卡洛法的抽样方法 | 第59-61页 |
| 4.4 基于Openbugs软件的Bayes后验计算 | 第61-66页 |
| 4.4.1 Openbugs软件简介 | 第61-62页 |
| 4.4.2 后验分布参数模拟估计 | 第62-66页 |
| 4.5 可靠性评估方法分析比较 | 第66-69页 |
| 4.6 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78页 |
