| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 存在的问题及研究思路 | 第14页 |
| 1.4 本文主要内容 | 第14-16页 |
| 第二章 可靠性理论基础 | 第16-20页 |
| 2.1 可靠性的数学描述 | 第16-17页 |
| 2.2 常用寿命分布 | 第17-18页 |
| 2.3 退化失效概述 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于回归模型和Wiener过程模型的可靠性评估 | 第20-47页 |
| 3.1 退化过程建模 | 第20-25页 |
| 3.1.1 线性回归退化模型 | 第20-22页 |
| 3.1.2 Wiener过程退化模型 | 第22-23页 |
| 3.1.3 带测量误差的Wiener过程退化模型 | 第23-25页 |
| 3.2 模型求解与可靠性评估 | 第25-33页 |
| 3.2.1 基于回归模型的可靠性评估 | 第25-27页 |
| 3.2.2 基于Wiener过程模型的可靠性评估 | 第27-31页 |
| 3.2.3 基于带测量误差Wiener过程模型的可靠性评估 | 第31-33页 |
| 3.3 可靠性评估算例 | 第33-41页 |
| 3.3.1 回归模型 | 第34-36页 |
| 3.3.2 Wiener过程模型 | 第36-39页 |
| 3.3.3 带测量误差的Wiener过程模型 | 第39-41页 |
| 3.4 关于模型选择的讨论 | 第41-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于神经网络的可靠性评估 | 第47-61页 |
| 4.1 神经网络基础 | 第47-50页 |
| 4.1.1 人工神经元 | 第47-48页 |
| 4.1.2 多层前馈神经网络 | 第48-49页 |
| 4.1.3 欠拟合与过拟合 | 第49-50页 |
| 4.2 回归拟合神经网络 | 第50-53页 |
| 4.3 时间序列拟合神经网络 | 第53-55页 |
| 4.4 实时寿命预测 | 第55-60页 |
| 4.4.1 离线学习阶段 | 第57-58页 |
| 4.4.2 实时预测阶段 | 第58-59页 |
| 4.4.3 对聚类的讨论 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 基于加速退化试验数据的可靠性评估 | 第61-74页 |
| 5.1 加速退化试验的基本假设 | 第61-62页 |
| 5.2 加速模型 | 第62-63页 |
| 5.3 基于恒定应力加速退化试验的可靠性评估 | 第63-65页 |
| 5.3.1 基于回归模型的可靠性评估 | 第63-64页 |
| 5.3.2 基于Wiener过程模型的可靠性评估 | 第64-65页 |
| 5.4 基于步进应力加速退化试验的可靠性评估 | 第65-67页 |
| 5.4.1 基于回归模型的可靠性评估 | 第66-67页 |
| 5.4.2 基于Wiener过程模型的可靠性评估 | 第67页 |
| 5.5 可靠性评估算例 | 第67-72页 |
| 5.6 本章小结 | 第72-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 附录 | 第79-88页 |
| 附录1基于回归模型的可靠性评估R程序 | 第79-81页 |
| 附录2基于Wiener过程模型的可靠性评估R程序 | 第81-84页 |
| 附录3基于带测量误差Wiener过程模型的可靠性评估R程序 | 第84-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-89页 |
| 致谢 | 第89-90页 |
| 附件 | 第90页 |
