贝叶斯方法评估系统产品的可靠性.docVIP

贝叶斯方法评估系统（产品）的可靠性 用随机抽样进行统计分析计算的可靠性评估方法很多，而且都已标准化。但都要专门进行长时间的可靠性试验。这里介绍应用贝叶斯方法，推导了产品在研制中的增长评定方程式，充分利用产品在研制过程中和各现场试验信息，进行多母体统计分析，导出一种通用的故障率计算方程式，利用本方程式计算故障率，不仅简单、方便和经济，而且计算结果更符合产品的实际。 1 贝叶斯法可靠性评估模型 设产品研制分为m个阶段，或产品的可靠性有m次改进（一般m＝2或m＝3），每个阶段产品的故障率为λ1、λ2···λm，且有λ1λ2···λm，各阶段的试验信息为（г1，r1）I阶段的试验时间和故障数。根据贝叶斯公式，产品在（г1，r1）= f[(г1，r1) ···(гm，rm)] 式中：f[λ1···λm /(г1，r1) ···(гm，rm)]为验后密度函数。 f（λ1···λm）为验前分布函数 f[(г1，r1) ···(гm，rm)/ λ1···λm]为似然函数 f[(г1，r1) ···(гm，rm)]为(г1，r1) ···(гm，rm)的边缘密度函数。 假设验前分布函数已知，通过贝叶斯公式可求得验后密度函数，进而可求得m阶段故障率的密度函数f(λm)，最后可求得m阶段产品故障率上限λmu。 设产品寿命服从指数分布。在这种假设下，产品的验前分布为伽玛函数，即 f(λ1···λm)=( e－) 式中г0、r0为验前分布参数。 似然函数为： f[(г1，r1) ···(гm，rm)/ λ1···λm] =( e－) [(г1，r1) ···(гm，rm)]的边缘密度函数为： f[(г1，r1) ···(гm，rm)] =···λ1···λm) · f[(г1，r1) ···(гm，rm)/ λ1···λm]dλ1···dλm 经推导，验后密度函数为： f[(г1，r1) ···(гm，rm)/ λ1···λm] － = ···－ dλ1···dλm 第m阶段产品故障率λm的密度函数为， (λm)=···λ1···λm) · (г1，r1) ···(гm，rm)]dλ1···dλm-1 取置信度为1－，m阶段产品故障率上限λmu可由下面的方程式求得： λm）dλm==1-- 当m=2，且取验前分布参数г0＝0，r0=0，经推导并整理其结果，得联立方程组如下： Fi+1(1-xje－X)=1- X= P=r2-1 =r1-1 Fi+1=Ei+1/D i= D=K1=Ei+1 Ei+1=i i= τ(1)=τ1 τ(2)=τ2 根据试验数据，给出总试验时间τ1 ，τ2，和故障数r1，r2，并给定置信度1-和m=2，就可通过计算计算机出λmu和 MTBF。 此增长评定方程式是一种通用的方程，它也适合只有一个研制阶段的情况。当后一阶段的试验信息为τ2＝0，r2＝1时（即相当此阶段信息毫无作用），由增长方程可解得与单母体相同的故障率数值。 当m=3时，同样可推导出可靠性评估的增长方程，不过计算公式要复杂多了。一般m的最大值为3。 2 计算结果 以某弹上计算机为例，收集的试验数据如表1。 表1 试验数据统计表 试验项目 第一阶段试验信息 第二阶段试验信息 试验时间（小时） 失效率 试验时间（小时） 失效率 出厂验收测试 半实物仿真 匹配试验 抗干扰试验 例行试验 全弹振动试验 运输试验 装前测验 综合测验 技术阵地测试 发射阵地测试 292 72 896 240 471 112 16 299 292 432 100 7 290 32 112 184 157 / 4 289 288 240 50 2 1 总试验信息 3222 7 1646 3 注：试验时间为产品台数乘以每台的测试时间 从表1看出，可得试验信息：m=2，γ1＝7，γ2＝3，τ1=3222，τ2=1646。 取置信度1--＝90％，根据所得的试验信息，用高级语言编程，在计算机上算得 λmu=0.0024041409 随之可计算出MTBF和R(t)。 3 讨论 有效使用贝叶斯方法的关键是合理假设验前分布密度函数，对电子产品和机电产品，许多文献资料都分析和论证了其验前分布密度函数为伽玛函数，故计算结果是可信的。 可靠性评估应该用区间法进行统计分析，用定点法计算，无置信度参数，计算结果可信度低。 用