一种基于贝叶斯理论的小子样可靠性评定方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.1.1 课题的背景 | 第10-11页 |
| 1.1.2 课题的意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容和预期研究成果 | 第14-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 第2章 相关研究基础 | 第16-24页 |
| 2.1 相关关键技术 | 第16-18页 |
| 2.1.1 D-S证据理论 | 第16-17页 |
| 2.1.2 Fisher最优分割法 | 第17页 |
| 2.1.3 和声搜索算法 | 第17-18页 |
| 2.2 相容性检验方法 | 第18-19页 |
| 2.3 贝叶斯可靠性评定关键技术 | 第19-21页 |
| 2.3.1 贝叶斯相关理论 | 第19-20页 |
| 2.3.2 贝叶斯可靠性评定的一般步骤 | 第20-21页 |
| 2.4 本章小结 | 第21-24页 |
| 第3章 验前信息折算方法的研究 | 第24-38页 |
| 3.1 研究概述 | 第24-25页 |
| 3.2 相似系统的信息折算 | 第25-30页 |
| 3.2.1 问题提出及分析 | 第25-27页 |
| 3.2.2 相似系统关系模型 | 第27-28页 |
| 3.2.3 基于D-S证据理论的折算方法 | 第28-30页 |
| 3.3 不同环境下信息的折算 | 第30-35页 |
| 3.3.1 问题提出及分析 | 第30-32页 |
| 3.3.2 HS算法的参数优化 | 第32-34页 |
| 3.3.3 基于F-HS算法的信息折算 | 第34-35页 |
| 3.4 本章小结 | 第35-38页 |
| 第4章 基于贝叶斯理论的可靠性评定方法 | 第38-52页 |
| 4.1 验前分布的确定 | 第38-39页 |
| 4.2 多源验前信息融合 | 第39-44页 |
| 4.2.1 问题提出及分析 | 第40-41页 |
| 4.2.2 混合验前分布模型 | 第41-44页 |
| 4.3 贝叶斯验后分布模型 | 第44-47页 |
| 4.3.1 验后分布模型 | 第44-45页 |
| 4.3.2 Gibbs采样算法 | 第45-47页 |
| 4.4 小子样可靠性评定 | 第47-50页 |
| 4.4.1 贝叶斯可靠性模型 | 第47-48页 |
| 4.4.2 贝叶斯可靠性评定 | 第48-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第5章 实验及结果分析 | 第52-60页 |
| 5.1 实验平台及数据集 | 第52-53页 |
| 5.1.1 实验平台 | 第52页 |
| 5.1.2 实验数据集 | 第52-53页 |
| 5.2 实验评价标准 | 第53-54页 |
| 5.2.1 折算方法评价标准 | 第53页 |
| 5.2.2 贝叶斯评定评价标准 | 第53-54页 |
| 5.3 实验结果及分析 | 第54-59页 |
| 5.3.1 相似系统折算方法对比实验 | 第54-55页 |
| 5.3.2 环境因子折算方法对比实验 | 第55-56页 |
| 5.3.3 混合验前分布模型对比实验 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |
