一种基于Gibbs抽样的可靠性增长Bayes方法.pdfVIP

200 7年12月 西 北工 业 大 学 学 报 Dee． 2007 第25卷第6期 Journal of Northwestern Polytechnical University Vol_25 No．6 一 种基于Gibbs抽样的可靠性增长Bayes方法 王燕萍，吕震宙 (西北工业大学 航空学院，陕西西安 710072) 摘 要：针对由幂律过程描述的可靠性增长模型，提出了一种基于Gibbs抽样的可靠性增长Bayes 分析方法。通过Gibbs抽样，该方法能够很方便地计算出可靠性增长模型参数及参数函数关于后验 分布的数字特征，避免了传统Bayes方法中复杂的高维积分计算。基于Gibbs抽样的可靠性增长 Bayes分析方法不仅可以用于单台／多台系统，而且也适用于小子样可靠性增长问题，其优越性由 具有精确解的算例进行了充分地说明。 关 键 词：可靠性增长，幂律过程，Bayes方法，Gibbs抽样 中图分类号：TBll4．3、O212．8 文献标识码：A 文章编号：1000—2758(2007)06—0784—05 针对可靠性增长试验数据建立可靠性增长模 看起来复杂而困难的Bayes计算变得简单直观。文 型，利用数学分析方法来获得可靠性增长模型的参 献[5～7]将MCMC方法中最为广泛使用的Gibbs 数估计值，一直以来这都是可靠性增长分析中的一 抽样引入Bayes分析中，使得很多复杂的Bayes分 个关键问题，因为模型参数的估计值将会直接影响 析问题都能直接解决。 到可靠性增长的评估结果(如平均故障间隔时间 目前，在可靠性增长分析中，幂律过程常被用来 MTBF、可靠度等)。为了给出可靠性增长模型参数 描述可靠性增长的过程。然而，针对幂律过程的 更稳健的点估计和区间分析，一些学者[1 ]已经成 Bayes分析[8]尚且不多。这是由于Bayes分析的困 功地将Bayes方法应用到可靠性增长分析中。Bayes 难性和幂律过程的自身特征使得幂律过程的Bayes 方法将可得到的有用先验信息，如专家经验、历史数 分析并非一件容易的事情。本文将Gibbs抽样引入 据等，与现场试验信息结合起来用于统计推断，它比 到幂律过程的Bayes分析中，大大地简化了其分析 传统的统计方法更为有效。但在Bayes方法中，不仅 过程，进而实现了单台／多台系统可靠性增长的 Bayes公式需要计算多重积分，而且关于后验分布 Bayes分析。 的一些数字特征(如后验期望、方差)的计算也都可 归结为关于后验分布的积分计算。当积分的维数较 1 Gibbs抽样 少或分布形式较简单时，可以通过直接积分方法来 计算，或利用数值积分、正态近似、静态 Monte 1．1 Gibbs抽样 Carlo法等近似计算方法来计算；而在实际中许多 Gibbs抽样方法是一种最简单、应用最广的 分布往往是复杂的、高维的、非标准形式的分布，这 Markov Chain Monte Carlo(MCMC)方法，它最早 时上述方法都难以实施，因此Bayes方法中的积分 是于1984年由Geman S和Geman Dc。 提出，后由 计算问题一直是其发展和应用的严重障碍。Markov Gelfand和Smith[g 将其完善为一般的Bayes算法。 Chain Monte Carlo(MCMC)方法H 是近年来发展 Gibbs抽样的基本思想是：从满条件分布中进 起来的一种简单而有效的Bayes计算方法，它使得 收稿日期：2006—11—15 基金项目：国家自然科学基金(10572l17)、新世纪优秀人才支持计划(NCET一05—0868)和航空科学基金(2007