| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 不确定性量化及证据理论模型 | 第12-14页 |
| 1.2.1 不确定性量化模型 | 第12-14页 |
| 1.2.2 证据理论模型 | 第14页 |
| 1.3 贝叶斯网络方法在可靠性分析中研究现状 | 第14-18页 |
| 1.3.1 静态贝叶斯网络 | 第15-16页 |
| 1.3.2 动态贝叶斯网络 | 第16-18页 |
| 1.4 课题来源 | 第18页 |
| 1.5 研究思路与内容安排 | 第18-21页 |
| 1.5.1 问题提出 | 第18页 |
| 1.5.2 研究思路 | 第18-19页 |
| 1.5.3 内容安排 | 第19-21页 |
| 第2章 不确定性量化的区间模型及证据理论模型 | 第21-28页 |
| 2.1 不确定性的特征及类型 | 第21-22页 |
| 2.2 区间模型 | 第22-24页 |
| 2.2.1 不确定性信息的区间描述方法 | 第22-23页 |
| 2.2.2 区间分析运算规则 | 第23-24页 |
| 2.3 证据理论 | 第24-27页 |
| 2.3.1 识别框架 | 第24页 |
| 2.3.2 基本概率分配函数 | 第24-25页 |
| 2.3.3 信任及似然函数 | 第25-26页 |
| 2.3.4 合成规则 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于证据理论和静态贝叶斯网络的可靠性建模及分析 | 第28-63页 |
| 3.1 贝叶斯网络的描述及建模 | 第28-34页 |
| 3.1.1 贝叶斯网络的描述 | 第28-31页 |
| 3.1.2 贝叶斯网络的建模 | 第31-34页 |
| 3.2 基于证据理论和静态贝叶斯网络的建模 | 第34-36页 |
| 3.2.1 认知不确定性下贝叶斯网络节点模型 | 第34-35页 |
| 3.2.2 基于证据理论和静态贝叶斯网络的叶节点的故障率或故障概率 | 第35-36页 |
| 3.3 算法的提出 | 第36-46页 |
| 3.3.1 叶节点的故障率和故障概率 | 第38-39页 |
| 3.3.2 根节点状态的后验故障率和后验故障概率 | 第39-40页 |
| 3.3.3 根节点的概率重要度 | 第40-41页 |
| 3.3.4 根节点的关键重要度 | 第41-42页 |
| 3.3.5 根节点的灵敏度 | 第42-43页 |
| 3.3.6 根节点的认知重要度 | 第43-44页 |
| 3.3.7 算法验证 | 第44-46页 |
| 3.4 液压系统可靠性建模及分析实例 | 第46-62页 |
| 3.4.1 根节点的后验故障率 | 第55-56页 |
| 3.4.2 根节点的重要度 | 第56-60页 |
| 3.4.3 根节点的灵敏度 | 第60-61页 |
| 3.4.4 根节点的认知重要度 | 第61页 |
| 3.4.5 结果分析 | 第61-62页 |
| 3.5 本章小结 | 第62-63页 |
| 第4章 基于证据理论和离散时间贝叶斯网络可靠性建模及分析 | 第63-88页 |
| 4.1 动态故障树分析方法及动态逻辑门 | 第63-65页 |
| 4.2 基于离散时间贝叶斯网络的描述 | 第65-74页 |
| 4.2.1 离散时间贝叶斯网络建模 | 第66-68页 |
| 4.2.2 静态逻辑门向离散时间贝叶斯网络转化 | 第68-70页 |
| 4.2.3 动态逻辑门向离散时间贝叶斯网络转化 | 第70-74页 |
| 4.3 算法提出 | 第74-79页 |
| 4.3.1 叶节点的故障率和故障概率 | 第74-75页 |
| 4.3.2 叶节点状态的后验故障概率 | 第75-76页 |
| 4.3.3 算法验证 | 第76-79页 |
| 4.4 斗轮机俯仰液压系统可靠性建模及分析 | 第79-87页 |
| 4.4.1 离散时间贝叶斯网络建模 | 第80-82页 |
| 4.4.2 离散时间条件概率表 | 第82-85页 |
| 4.4.3 基于离散时间贝叶斯网络可靠性建模及分析 | 第85-87页 |
| 4.5 本章小结 | 第87-88页 |
| 结论 | 第88-90页 |
| 参考文献 | 第90-96页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第96-97页 |
| 致谢 | 第97-98页 |
| 作者简介 | 第98页 |
