一、随机删失情形下威布尔分布的参数在序约束下的极大似然估计（论文文献综述）
孙博[1]（2021）在《基于多源信息融合的数控机床关键功能部件可靠性评估》文中研究指明数控机床作为装备制造业的“工业母机”,其可靠性水平已成为影响行业发展的重要技术指标之一,而保障关键功能部件的可靠性是保障数控机床可靠性水平的重要途径。数控机床关键功能部件的可靠性评估方法不仅用于可靠性水平的考核,还能为可靠性设计、可靠性增长及预防性维修提供重要依据。因此,研究数控机床关键功能部件可靠性评估方法以获取准确的评估结果具有重要的研究意义和工程价值。故障数据是可靠性评估的重要依据,然而随着数控机床关键功能部件可靠性水平的不断提升,可靠性试验周期不断延长,致使有限时间内获取的故障数据严重不足,而仅凭有限的故障数据所得出评估结果的精度较低。在数控机床关键功能部件的全寿命周期中,蕴藏着多源的可靠性信息,但其中存在着部分缺失、获取困难等弊病,若能充分利用这些不完善的信息可弥补故障数据的不足,并提升可靠性评估精度是亟待解决的难题。目前基于多源信息融合的可靠性评估研究通常是将相同维度的信息进行融合,信息源相对单一,易导致评估结果偏差较大,故在保证融合误差最小的前提下,需完善不同来源的信息进行融合的方法。综上,在“高档数控机床与基础制造装备”国家科技重大专项的资助下,提出了基于多源信息融合的数控机床关键功能部件可靠性评估方法:针对其故障模式多样的特点,以混合威布尔分布为可靠性模型,对区间删失的前期产品可靠性信息、混合不确定的可靠性仿真信息、专家的模糊判断信息、非线性的性能退化信息和右删失的小样本故障等信息进行深入挖掘并融合以评估数控机床关键功能部件可靠性,并以伺服刀架和主轴为例,验证该方法能有效提高可靠性评估的精度。论文主要研究内容如下:（1）针对数控机床关键功能部件前期故障数据存在记录不完整、无准确的故障时间等问题,提出一种考虑区间删失数据的可靠性评估方法。在建立含有区间删失数据的似然函数基础上,采用期望最大化（Expectation Maximization,EM）算法和Delta方法分别进行点估计和区间估计,并通过蒙特卡洛仿真对所提出的方法进行了验证;且将该方法应用在伺服刀架和主轴的可靠性评估中,得到了前期产品的可靠性评估结果。（2）为获得作为数控机床关键功能部件可靠性评估信息源的可靠性仿真信息,提出基于混合不确定性的可靠性仿真方法。从数控机床关键功能部件的功能原理入手,采用“功能-运动-动作”方法建立了故障树;通过扩展的概率盒理论和变异系数对认知不确定性进行量化,并将数控机床关键功能部件作为一种多状态的可维修系统,利用双层蒙特卡洛的方法实现混合不确定性的可靠性仿真;最后应用该方法获取了伺服刀架的可靠性仿真结果,并采用Birnbaum重要度对各子系统的重要度进行评价。（3）为融合前期产品的可靠性信息、专家信息和可靠性仿真信息以得到产品可靠性评估的先验信息,搭建了基于串行结构的信息融合框架。采用“最优最劣”法和模糊理论建立专家系统,并以前期产品的可靠性评估结果作为基础,获取专家对现有产品的可靠性水平判断结果,进而通过贝叶斯融合方法与可靠性仿真信息融合,再利用改进的重要性重采样算法获取最终的多源信息融合结果。（4）为弥补混合威布尔分布在小样本情况下可靠性评估精度低的不足,提出一种考虑右删失数据的小样本可靠性评估方法。由非线性的退化过程预测出故障前的时间,并与小样本的故障数据进行融合;将多源信息融合结果作为先验信息,通过条件概率密度函数进行数据分类,再依据基于马尔科夫链蒙特卡洛方法对各子分布的参数进行求解;最后采用仿真和实例分析评价所提方法的精度。依据本文提出基于多源信息融合的数控机床关键功能部件可靠性评估的方法,获取伺服刀架和主轴可靠性评估结果,且验证了可有效提升评估结果的精度,从而为后续开展可靠性设计、可靠性增长及预防性维修等提供重要的技术手段。
赵爱红[2]（2021）在《三参数离散广义逆威布尔分布的可靠性统计分析》文中提出
胡钧铭[3]（2021）在《小子样复杂系统可靠性增长试验关键技术研究》文中指出可靠性增长试验旨在发现系统设计、制造、运营中潜在的失效模式,在经故障机理分析后,采取针对性的纠正措施,从而降低或消除系统故障。通过测试、修正、再测试过程的不断迭代,纠正措施的有效性得以验证,系统的可靠性水平得以逐步提升。因而,可靠性增长试验成为保障复杂系统可靠性的重要工程手段。可靠性增长规划和可靠性增长评估是系统可靠性增长研究的两个主要领域。前者是在实际增长试验实施前,规划试验资源,构建可靠性增长曲线,为跟踪、监控与调整可靠性增长试验方案提供参照。后者则是根据增长试验数据评估系统当前的可靠性,以及外推或者预测系统将来的可靠性。本文以系统可靠性增长试验为研究课题,围绕可靠性增长规划与可靠性增长评估两大研究领域,针对可靠性增长规划受不确定性因素的影响,开展了可靠性增长方案的稳健性评价研究;针对小样本贝叶斯可靠性增长评估中先验分布的建构问题,开展了多源数据融合的可靠性增长评估研究;针对受仪器故障、观测机制等因素制约导致的可靠性增长数据缺失,开展了缺失数据下的系统可靠性增长评估研究;针对可靠性增长评估中可靠性增长模型的模型不确定性是影响分析决策的因素之一,开展了可靠性增长模型的模型不确定性研究。论文的主要研究内容与创新成果如下:（1）提出了可靠性增长规划的稳健性评价方法。分析了可靠性增长规划中的不确定性影响因素,引入信息差理论对规划问题的不确定性进行分析,构建了可靠性增长规划的稳健性评价指标,推导了可靠性增长规划稳健性的计算模型。通过算例分析演示了该方法,并将分析结果与最坏情况分析进行比较,阐明了所提方法的可行性。（2）提出了可靠性增长评估的多源信息融合框架。分析了可靠性增长贝叶斯评估中的先验信息来源,根据证据理论建立了多源信息的融合框架。从多源信息的证据融合结果出发,分别基于Belief函数与Plausibility函数的等效矩,将先验信息转化为先验分布。从不同的先验组合出发推断未知参数的后验分布。算例研究表明,先验信息的认知不确定性传播到后验信息中,融合后的先验信息比单一信源信息提高了推断结果的准确性。（3）构建了缺失数据的可靠性增长评估方法。基于期望最大化算法和幂律模型的顺序统计量特性,分别从解析与随机模拟两个维度对左删失和区间删失数据的可靠性增长评估进行了研究。推导了两类删失数据的似然函数的解析解,并构建了基于蒙特卡洛期望最大化算法的两类删失数据的推断方法。算例研究演示和验证了所提方法的有效性。（4）提出了可靠性增长模型不确定性的量化方法。可靠性增长模型除用于评估系统当前可靠性水平外,还可预测系统未来或者下一阶段的可靠性。数据驱动的可靠性增长建模本质上是对可靠性增长过程的一种近似。这种近似会导致模型不确定性。实践中,经过统计检验的模型即被视为能够表征实际可靠性增长过程,但统计检验通常只回答了模型能否表征实际数据,并未定量给出模型自身的不确定性。建立可靠性增长模型的模型不确定性量化框架,为可靠性增长模型的评价提供新方法,同时也为可靠性增长预测提供更为全面的不确定性信息。基于贝叶斯方法,本文建立了可靠性增长模型的模型不确定性量化框架。算例研究演示和验证了该方法的有效性。
李冬冬[4]（2020）在《考虑截断删失数据的铁路货车车钩失效规律与维修策略研究》文中研究说明在我国大力推行“公转铁”的新形势下,铁路货运迎来了重载、高速大发展的历史性机遇。随着铁路货车牵引吨位的增加和车辆周转次数的增多,作为主要承载部件的车钩装置的运用工况严重恶化,钩体和钩舌出现裂纹和断裂的频率显着增加,对铁路货车的运行安全和运输稳定形成巨大隐患。同时,由于缺乏对车钩在新运行工况下失效规律的探索,无法优化车钩维修策略。为此,本研究采集铁路货车车钩现场检修数据,开展车钩失效规律和维修策略的研究。首先,构建车钩的可靠性模型。基于左截断全删失的数据场景,针对既有参数估计方法难以适用本文似然函数求解的情况,在梯度下降法和Nelder-Mead单纯形算法的启发下,提出适用于本文数据情景的层次网格参数估计算法,实现可靠性模型参数的准确求解。通过改进EM算法进行算法性能的对比验证,结果表明,层次网格参数估计算法能够有效减少迭代次数,提高算法对初始值的鲁棒性。其次,求解模型参数的置信区间。结合数据场景选用非参数随机加权Bootstrap抽样生成Bootstrap样本,对比四种非参数Bootstrap分位数方法的覆盖概率,发现BCa分位数方法求解所得覆盖概率最接近名义置信水平。基于模型参数的求解结果,根据AIC和故障机理选择Weibull分布作为车钩的寿命分布。再次,制定基于可靠度的车钩单部件预防性维修策略。根据现行车钩的维修方式和维修范围划定两级不完美维修,并据此构建混合故障率演化模型,采用效费比方法决策各个维修时刻的具体维修方式。与现行的定周期维修策略进行比较,结果表明,在一个更换周期内,本文制定的16型钩体维修策略能够减少2次维修,使钩体在较高运行可靠度的前提下减少0.341元/天的维修费用。最后,制定16型车钩的预防性机会维修策略。根据单部件维修策略所得维修方式和维修次数,考虑钩体和钩舌的经济相关性建立机会时间维修窗。相比于分别实施单部件维修策略,该维修模型能够在较高运行可靠度的基础上减少7次停运,维修节约率达14.6%,使车钩的整体维修成本降低2.42%。
吴迪[5]（2020）在《基于线性回归模型的贝叶斯方法的应用》文中研究说明线性回归模型是回归分析中十分重要的组成部分,在许多领域的实际问题中都有着非常广泛的应用,在刻画事物间的线性关系时既简单又方便.贝叶斯理论也在统计学中占有重要地位,虽然在我国的研究起步较晚,但是这几年一直是热点的研究问题,所以本文主要是对线性回归模型、贝叶斯理论以及二者相结合进行研究.本文在研究线性回归模型时,主要选用的是多元线性回归模型和Logistic回归模型,从两种模型的一般形式开始,到两种模型本身所具有的特性,以及模型的建立条件和检验方式,都进行了非常详细的说明,进而求解出模型的极大似然估计结果.本文以某高校379名获得创新竞赛奖励的大学生必修课程成绩数据为例,对影响大学生创新能力问题进行统计分析,结果可行有效.本文将线性回归模型与贝叶斯理论相结合,在贝叶斯多元线性回归模型中,选择无信息先验作为模型的先验分布,通过理论推导得出相应的贝叶斯理论参数估计结果;在Logistic回归模型中选择联合正态先验分布为模型的先验分布,来求出模型中的参数估计,并且还在Logistic模型中加入等式约束,在不同的问题中相应减少需要估计的参数个数,使模型参数求解简便.贝叶斯理论是将样本信息、先验信息和总体信息结合,对模型中参数进行求解,得出参数的理论估计结果,证明该方法是行之有效的.最后,本文通过数值模拟方法,对线性回归模型中参数的极大似然估计和贝叶斯参数估计进行模拟,求出估计结果,在均匀分布和多元线性回归模型中,比较参数的极大似然估计和贝叶斯参数估计,得到贝叶斯参数估计准确率更高,偏差更小.所以贝叶斯线性回归模型是有效的、更优的.
何瑞姣[6]（2020）在《删失数据下有限混合模型的参数估计》文中研究表明生存分析及可靠性领域作为现代统计学的一个重要分支,已经广泛应用于众多科学领域中。在信息技术迅猛发展的时代,各个领域的数据都越来越复杂,它们可能来源于不同的种类或分组,因此混合模型在生存分析及可靠性领域的应用越来越广泛。由于生存分析及可靠性方面常常伴随着删失数据,因此对生存分析中的混合模型进行研究有着重要的应用价值。本文主要从两个方面研究删失数据下有限混合模型的参数估计问题。一方面是从缺失信息的处理方面来讨论参数估计的准确性,即对缺失信息采用两种处理方法。第一种是仅将数据的所属成分视为缺失信息,第二种是将数据的所属成分及删失数据均视为缺失信息,然后通过模拟比较两种处理方法的性能。另一方面从算法的改进方面来讨论参数估计的稳定性及精确性,即用DAEM算法（确定性退火期望最大化）克服EM算法收敛到局部最大值的缺陷,从而提高估计的精确度。针对缺失信息的处理方面来看,第一种仅将数据的所属成分视为缺失信息,则默认删失数据的概率密度函数是已知的,用生存函数代替其概率密度函数;第二种将删失数据也视为缺失信息,对观测数据的对数似然函数求期望来获得密度函数。模拟结果显示,尽管总体的删失数据量不同,基于EM算法的两种处理方法对混合指数分布的参数估计结果几乎一致,但是就模拟的精确度来讲,方法二的结果较方法一的结果更精准。就算法的改进方面,在成分均值间隔较小时,EM算法很难将各个成分区分开来,而DAEM算法可以很好的将成分区分开,估计结果比较准确。随着成分均值的间隔增大,两种算法的估计结果趋于一致,但是DAEM算法更趋向稳定。
秦红[7]（2019）在《逻辑回归的Fiducial推断》文中研究说明逻辑回归在许多领域中都有广泛的应用,对于它的处理方法,一般是采用极大似然估计方法,同时贝叶斯方法的运用可以提高逻辑回归的准确性,因为引入了合理的先验分布函数,可以有效的降低估计参数时产生的误差。但是Fisher在1930年提出了Fiducial推断的思想,不需要先验信息也能够对参数进行估计,使得参数估计更加简单。本文着重研究逻辑回归的Fiducial推断,通过蒙特卡罗方法构建了逻辑回归系数的置信区间,对逻辑回归的Fiducial推断进行了进一步的研究与验证。首先,本文给出了逻辑回归、贝叶斯以及Fiducial推断的介绍;其次,基于Fiducial推断对逻辑回归进行了有限样本行为研究,采用控制变量法,分别模拟比较了逻辑回归的极大似然估计、贝叶斯推断以及Fiducial推断得到的回归系数置信区间的覆盖率、置信区间平均长度以及方差、以及估计参数的Bias和MSE。结果发现,逻辑回归的Fiducial推断在小样本的情况下得到的结果要优于其他的两种方法,具体表现在它得到的覆盖率更加接近于给定的置信水平,同一置信水平下得到的置信区间长度较窄,参数估计的Bias和MSE较小,估计的精度更高。最后单独比较了逻辑回归的Fiducial推断在不同情形下的结果,根据数值模拟结果发现,逻辑回归的Fiducial推断在小样本的情形下具有良好的性质。并进行了实证研究。
张晓东[8]（2019）在《删失数据场合Lindley分布的参数估计》文中研究表明1958年Lindley首次提出Lindley分布,该分布主要用于分析寿命数据.时至今日,已有众多学者对该分布进行了扩展研究,并取得了一定的研究成果.鉴于Lindley分布比指数分布具有更好的适应性与灵活性.因此,很有必要对Lindley分布的相关统计性质进行研究.与此同时,在寿命试验和可靠性分析中常常出现删失数据,吸引了众多学者参与研究,进而推进了删失数据基础理论的不断发展与完善.本文将主要研究逐步Ⅱ型区间删失数据和逐步Ⅱ型混合删失数据下Lindley分布的参数估计,具体研究内容分为以下五个部分.第一部分,主要对Lindley分布进行基本介绍,阐述国内外Lindley分布的研究现状,结合历史研究背景,分析出其在删失数据下研究的理论价值与意义.第二部分,主要在逐步Ⅱ型区间删失数据下,讨论Lindley分布的参数估计.为求得参数估计值,运用Newton-Raphson迭代法求解Lindley分布参数极大似然估计的近似解.同时得到Lindley分布可靠函数和风险函数的极大似然估计,最后通过数值模拟检验Lindley分布的有效性.第三部分,主要在逐步Ⅱ型区间删失数据下,讨论Lindley分布参数分别在平方损失函数和熵损失函数下的贝叶斯估计.为简化计算过程,运用Lindley近似法对参数估计量进行计算.同时得到基于平方损失函数下Lindley分布可靠函数和风险函数的贝叶斯估计.最后通过数值模拟计算出该分布参数分别在两种损失函数下贝叶斯估计的均值和均方误差,以及可靠函数和风险函数的贝叶斯估计,并与其极大似然估计进行比较分析.第四部分,主要在逐步Ⅱ型混合删失数据下,讨论Lindley分布的参数估计.为提高估计值的精确度,使估计值更加稳定,运用EM算法计算Lindley分布参数的极大似然估计,并通过数值模拟进行检验.第五部分,主要在逐步Ⅱ型混合删失数据下,讨论Lindley分布参数分别在平方损失函数和熵损失函数下的贝叶斯估计.通过Lindley近似法获得贝叶斯估计的数值解,运用数值模拟计算出该分布参数分别在两种损失函数下贝叶斯估计的均值和均方误差,并与运用EM算法得到的极大似然估计进行比较分析.
郭涛[9]（2019）在《民用航空发动机反推同步锁维修间隔确定方法研究》文中研究说明民用航空发动机是衡量一个国家科技水平和综合国力的重要标志,与欧美航空发达国家相比,我国在该领域还有很大差距,其中动力装置维修间隔的确定就是一个不容忽视的问题。一方面,由于我国研制发动机处于起步阶段,研究国产发动机部件维修间隔确定相关理论比较匮乏;另一方面,维修间隔的确定与优化缺少运营数据的支持和验证。本文以民用航空发动机典型部件——反推同步锁为研究对象,综合考虑部件的可靠性、经济性和可用度来进行维修间隔的确定。首先,在前人研究的基础上,推导出考虑首检期系数的反推同步锁可用度和费用率模型,并以可靠寿命为约束条件,得到反推同步锁的维修间隔确定模型;然后,从航空公司获取反推同步锁可靠性数据,运用MINITAB软件对数据进行分布拟合、拟合优度检验、参数估计和假设检验得到分布参数估计值和可靠寿命,再用多目标模糊群决策方法得到与可用度最大和费用率最小分别对应的权重,采用MATALAB软件编程得到两个单目标极值;最后,将得到的参数估计值、可靠寿命、单目标极值和权重代入到维修间隔确定模型中,并采用改进的遗传算法进行求解,来验证模型和算法的有效性。计算结果表明:首检期系数符合对应部件的故障率随服役时间推移不断升高的特点,另外,求解得到的反推同步锁维修间隔值与该部件对应的维修计划文件（MPD）中的维修间隔信息相差不大。因此该方法可以为国产发动机制造商确定部件维修间隔值提供参考。
孙帆,戴林送[10]（2019）在《对数广义逆威布尔回归模型的参数估计》文中研究说明分析了对数广义逆威布尔回归模型,修正了高斯-牛顿迭代法,利用修正的高斯-牛顿法研究了对数广义逆威布尔分布模型的极大似然估计,得出了广义逆威布尔分布模型的参数估计。通过Monte Carlo数值模拟研究了该估计在不同样本条件下的参数估计结果。数值模拟结果显示:该模型的修正迭代极大似然估计效果是显着的,在不同样本条件下具有良好的表现和一定的规律性。
二、随机删失情形下威布尔分布的参数在序约束下的极大似然估计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、随机删失情形下威布尔分布的参数在序约束下的极大似然估计（论文提纲范文）
（1）基于多源信息融合的数控机床关键功能部件可靠性评估（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 课题来源 |
| 1.3 数控机床关键功能部件可靠性评估的研究现状 |
| 1.4 可靠性评估关键问题研究现状 |
| 1.4.1 可靠性模型 |
| 1.4.2 小样本可靠性评估 |
| 1.4.3 可靠性仿真 |
| 1.4.4 专家信息 |
| 1.4.5 退化信息 |
| 1.4.6 信息融合研究现状 |
| 1.5 本文的研究思路与内容安排 |
| 第2章 考虑区间删失数据的前期产品可靠性评估方法 |
| 2.1 引言 |
| 2.2 问题数学描述 |
| 2.3 基于EM算法的考虑区间删失数据估计方法 |
| 2.3.1 EM算法 |
| 2.3.2 考虑区间删失数据的参数估计 |
| 2.4 基于Delta方法的区间估计方法 |
| 2.5 仿真验证 |
| 2.6 实例分析 |
| 2.6.1 主轴可靠性评估 |
| 2.6.2 伺服刀架可靠性评估 |
| 2.7 本章小结 |
| 第3章 基于混合不确定性的数控机床关键功能部件可靠性仿真方法 |
| 3.1 引言 |
| 3.2 基于FMA法建立故障树 |
| 3.3 不确定性量化 |
| 3.4 基于不完全维修的双层多状态可靠性仿真方法 |
| 3.4.1 蒙特卡洛仿真方法 |
| 3.4.2 数控机床关键功能部件可靠性仿真 |
| 3.5 实例分析 |
| 3.6 本章小结 |
| 第4章 基于改进的贝叶斯先验信息融合方法 |
| 4.1 引言 |
| 4.2 专家系统 |
| 4.2.1 确定各标准权重 |
| 4.2.2 各标准可靠性提升因子的提取 |
| 4.3 基于改进的贝叶斯信息融合方法 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第5章 混合威布尔分布的小样本可靠性评估方法 |
| 5.1 引言 |
| 5.2 随机退化过程 |
| 5.2.1 Wiener过程的退化模型 |
| 5.2.2 Gamma过程的退化模型 |
| 5.2.3 逆高斯过程的退化模型 |
| 5.2.4 基于扩散过程的非线性退化建模 |
| 5.3 贝叶斯参数估计方法 |
| 5.3.1 贝叶斯方法简介 |
| 5.3.2 马尔科夫链蒙特卡洛方法 |
| 5.4 考虑右删失数据的小样本参数估计方法 |
| 5.4.1 问题数学描述 |
| 5.4.2 混合威布尔分布先验分布 |
| 5.4.3 基于条件概率密度数据分类 |
| 5.4.4 基于MCMC子分布求解方法 |
| 5.5 仿真验证 |
| 5.6 实例分析 |
| 5.6.1 考虑退化数据的主轴可靠性评估 |
| 5.6.2 考虑右删失数据的伺服刀架可靠性评估 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的学术成果 |
| 攻读博士学位期间参加的科研项目 |
| 致谢 |
（3）小子样复杂系统可靠性增长试验关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号及缩略语 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 可靠性增长概述 |
| 1.2.2 可靠性增长规划研究现状 |
| 1.2.3 可靠性增长评估研究现状 |
| 1.2.4 综述总结与问题提出 |
| 1.3 本文研究内容与结构 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文章节结构 |
| 第二章 系统可靠性增长规划稳健性研究 |
| 2.1 引言 |
| 2.2 理论基础 |
| 2.2.1 信息差理论 |
| 2.2.2 规划模型 |
| 2.2.3 最坏情况分析 |
| 2.3 稳健性建模 |
| 2.3.1 决策变量 |
| 2.3.2 不确定性变量 |
| 2.3.3 收益函数 |
| 2.3.4 性能阈值 |
| 2.3.5 稳健性函数 |
| 2.4 算例研究 |
| 2.4.1 信息差分析 |
| 2.4.2 最坏情况分析 |
| 2.4.3 比较研究 |
| 2.5 本章小结 |
| 第三章 多源信息融合的系统可靠性增长评估 |
| 3.1 引言 |
| 3.2 理论基础 |
| 3.2.1 幂律过程基础 |
| 3.2.2 证据理论基础 |
| 3.3 评估方法 |
| 3.3.1 多源信息融合的贝叶斯评估框架 |
| 3.3.2 先验分布构建 |
| 3.3.3 后验分布推断 |
| 3.4 算例研究 |
| 3.4.1 故障数据仿真 |
| 3.4.2 先验一致情况 |
| 3.4.3 先验不一致情况 |
| 3.5 本章小结 |
| 第四章 缺失数据下的系统可靠性增长评估 |
| 4.1 引言 |
| 4.2 理论基础 |
| 4.2.1 顺序统计量 |
| 4.2.2 EM算法 |
| 4.3 评估方法 |
| 4.3.1 缺失数据类型 |
| 4.3.2 缺失数据边缘似然函数 |
| 4.3.3 缺失数据MCEM算法 |
| 4.4 算例研究 |
| 4.4.1 仿真验证算例 |
| 4.4.2 工程验证算例—发电机 |
| 4.4.3 工程应用算例—车辆 |
| 4.5 本章小结 |
| 第五章 系统可靠性增长模型不确定性研究 |
| 5.1 引言 |
| 5.2 理论基础 |
| 5.2.1 模型不确定性 |
| 5.2.2 模型不确定性表征 |
| 5.2.3 模型不确定性量化 |
| 5.2.4 可靠性增长评估全面不确定性量化框架 |
| 5.3 可靠性增长模型校准算例研究 |
| 5.3.1 观测数据 |
| 5.3.2 模型不确定性对参数评估的影响 |
| 5.3.3 模型不确定性对预测的影响 |
| 5.4 可靠性增长模型验证算例研究 |
| 5.4.1 基于模型不确定性的模型验证原理 |
| 5.4.2 模型与数据 |
| 5.4.3 模型不确定性量化 |
| 5.4.4 模型验证准则比较 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（4）考虑截断删失数据的铁路货车车钩失效规律与维修策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 铁路货车车钩失效规律研究现状 |
| 1.2.2 截断删失数据研究现状 |
| 1.2.3 模型参数求解算法 |
| 1.2.4 机械设备维修策略研究现状 |
| 1.3 研究目的与意义 |
| 1.4 课题主要来源 |
| 1.5 研究内容与章节安排 |
| 2 问题描述与模型构建 |
| 2.1 铁路货车车钩的基本情况 |
| 2.2 数据类型 |
| 2.2.1 截断数据 |
| 2.2.2 删失数据 |
| 2.3 考虑截断删失寿命数据的似然函数 |
| 2.3.1 似然函数建模 |
| 2.3.2 模型选择方法 |
| 2.4 车钩数据的似然函数建模 |
| 2.5 本章小结 |
| 3 模型参数及置信区间求解 |
| 3.1 层次网格参数估计算法 |
| 3.1.1 算法提出背景 |
| 3.1.2 算法具体设计 |
| 3.1.3 算法验证 |
| 3.1.4 算法敏感性分析 |
| 3.2 基于BOOTSTRAP方法的参数置信区间求解 |
| 3.2.1 Bootstrap方法分类及对比 |
| 3.2.2 非参数Bootstrap置信区间求解方法 |
| 3.2.3 非参数Bootstrap置信区间对比 |
| 3.3 车钩数据的似然函数求解 |
| 3.4 本章小结 |
| 4 铁路货车车钩预防性维修策略研究 |
| 4.1 单部件预防性维修 |
| 4.1.1 模型假设 |
| 4.1.2 故障率演化规则 |
| 4.1.3 基于效费比的维修方式选择 |
| 4.1.4 成本函数及目标函数建立 |
| 4.2 车钩单部件预防性维修策略 |
| 4.2.1 钩体预防性维修策略 |
| 4.2.2 钩舌预防性维修策略 |
| 4.3 系统层预防性机会维修 |
| 4.3.1 机会维修时间窗 |
| 4.3.2 成本函数及目标函数建立 |
| 4.4 车钩预防性机会维修策略 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于线性回归模型的贝叶斯方法的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状及其分析 |
| 1.2.2 国外研究现状及其分析 |
| 1.2.3 国内外研究现状对比分析 |
| 1.3 主要研究内容和结构 |
| 第2章 线性回归模型概述 |
| 2.1 多元线性回归模型 |
| 2.2 回归模型的显着性检验 |
| 2.2.1 回归方程的F检验 |
| 2.2.2 回归系数的t检验 |
| 2.2.3 多重共线性检验 |
| 2.2.4 异方差检验 |
| 2.3 LOGISTIC回归模型 |
| 2.3.1 Logistic回归模型的适用条件 |
| 2.3.2 Logistic回归模型的优缺点 |
| 2.3.3 Logistic回归模型形式 |
| 第3章 贝叶斯方法基本理论知识 |
| 3.1 贝叶斯公式 |
| 3.2 贝叶斯推断理论 |
| 3.2.1 点估计 |
| 3.2.2 区间估计 |
| 3.2.3 假设检验 |
| 3.3 损失函数 |
| 3.4 无信息先验分布 |
| 3.5 马尔科夫链蒙特卡洛方法 |
| 3.5.1 马尔可夫链 |
| 3.5.2 转移概率 |
| 3.5.3 平稳分布 |
| 3.5.4 M—H抽样 |
| 3.5.5 接受—拒绝抽样 |
| 3.5.6 Gibbs抽样 |
| 3.5.7 蒙特卡洛方法 |
| 第4章 贝叶斯回归模型 |
| 4.1 多元线性回归模型建立 |
| 4.2 LOGISTIC回归模型 |
| 4.3 等式约束下的LOGISTIC回归模型 |
| 4.4 多元线性回归模型的贝叶斯方法 |
| 4.5 LOGISTIC回归模型的贝叶斯方法 |
| 4.6 等式约束下的LOGISTIC回归模型的贝叶斯方法 |
| 第5章 数值模拟 |
| 5.1 均匀分布贝叶斯估计 |
| 5.2 多元线性回归贝叶斯估计 |
| 第6章 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 致谢 |
（6）删失数据下有限混合模型的参数估计（论文提纲范文）
| 摘要 |
| Abstract |
| 1.引言 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 理论意义 |
| 1.1.3 实际意义 |
| 1.2 文献综述 |
| 1.3 本文的创新点 |
| 1.4 本文的主要研究框架 |
| 2.相关理论概述 |
| 2.1 删失数据的分类及定义 |
| 2.1.1 删失数据的类型 |
| 2.1.2 随机删失机制的描述 |
| 2.2 .有限混合模型 |
| 2.2.1 有限混合模型的定义 |
| 2.2.2 有限混合模型的可识别性 |
| 2.3 EM算法基本理论 |
| 2.3.1 E步和M步 |
| 2.3.2 广义EM算法 |
| 2.3.3 EM算法的收敛性 |
| 2.3.4 EM算法的特性 |
| 2.4 DAEM(确定性退火期望最大化)算法 |
| 2.4.1 最大熵原理 |
| 2.4.2 基于参数化后验概率的DAEM算法 |
| 2.4.3 DAEM算法理论证明 |
| 2.4.4 DAEM算法的搜索策略 |
| 3.从删失数据的不同处理方法研究混合模型的参数估计 |
| 3.1 数值求解 |
| 3.1.1 完全数据（w,d,z）情况下的数值求解 |
| 3.1.2 完全数据（x,z）情况下的数值求解 |
| 3.2 数值模拟 |
| 4.基于DAEM算法的删失数据指数混合模型参数估计 |
| 4.1 数值求解 |
| 4.2 数值模拟 |
| 4.3 实证研究 |
| 4.3.1 案例分析一 |
| 4.3.2 案例分析二 |
| 5.总结及展望 |
| 5.1 总结 |
| 5.2 未来的工作 |
| 参考文献 |
| 致谢 |
（7）逻辑回归的Fiducial推断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景 |
| 1.2 研究的内容 |
| 1.3 研究的创新点 |
| 第二章 基本概念和理论 |
| 2.1 逻辑回归介绍 |
| 2.1.1 逻辑回归理论概述 |
| 2.1.2 逻辑回归参数估计 |
| 2.2 贝叶斯逻辑回归介绍 |
| 2.2.1 贝叶斯方法 |
| 2.2.2 贝叶斯逻辑回归 |
| 2.3 逻辑回归的Fiducial推断 |
| 2.3.1 Fiducial推断的介绍 |
| 2.3.2 逻辑回归的Fiducial推断 |
| 第三章 数值模拟研究及结果比较 |
| 3.1 不同估计方法在不同情形下的数值模拟研究比较 |
| 3.1.1 同一置信水平下的数值模拟结果比较 |
| 3.1.2 不同置信水平下的数值模拟结果比较 |
| 3.2 逻辑回归的Fiducial推断在四种情形下的比较 |
| 3.3 实证研究 |
| 第四章 结论与展望 |
| 4.1 结论 |
| 4.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（8）删失数据场合Lindley分布的参数估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 Lindley分布介绍 |
| 1.2 Lindley分布国内外研究现状 |
| 1.3 研究背景及意义 |
| 1.4 本文主要研究内容 |
| 第二章 逐步Ⅱ型区间删失数据下Lindley分布参数的极大似然估计 |
| 2.1 引言 |
| 2.2 Lindley分布参数的极大似然估计 |
| 2.3 基于Newton-Raphson方法求Lindley分布参数的极大似然估计 |
| 2.4 数值模拟 |
| 2.5 本章小结 |
| 第三章 逐步Ⅱ型区间删失数据下Lindley分布参数的贝叶斯估计 |
| 3.1 引言 |
| 3.2 Lindley分布参数的贝叶斯估计 |
| 3.3 基于Lindley近似法求Lindley分布参数的贝叶斯估计 |
| 3.4 数值模拟 |
| 3.5 本章小结 |
| 第四章 逐步Ⅱ型混合删失数据下Lindley分布参数的极大似然估计 |
| 4.1 引言 |
| 4.2 基于EM算法求Lindley分布参数的极大似然估计 |
| 4.3 数值模拟 |
| 4.4 本章小结 |
| 第五章 逐步Ⅱ型混合删失数据下Lindley分布参数的贝叶斯估计 |
| 5.1 引言 |
| 5.2 Lindley分布参数的贝叶斯估计 |
| 5.3 基于Lindley近似法求Lindley分布参数的贝叶斯估计 |
| 5.4 数值模拟 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士期间主要研究成果 |
| 致谢 |
（9）民用航空发动机反推同步锁维修间隔确定方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究情况 |
| 1.2.2 国内研究进展 |
| 1.3 论文主要研究内容 |
| 1.3.1 主要研究内容 |
| 1.3.2 章节安排 |
| 第二章 反推同步锁维修任务分析 |
| 2.1 可靠性基本概念 |
| 2.1.1 故障寿命分布规律 |
| 2.1.2 分布拟合与参数估计 |
| 2.1.3 威布尔分布 |
| 2.2 发动机部件隐蔽类故障分析 |
| 2.2.1 动力装置故障分类 |
| 2.2.2 隐蔽故障的特点 |
| 2.3 基于MSG-3 分析的反推同步锁维修任务确定 |
| 2.3.1 反推同步锁故障类型 |
| 2.3.2 系统/动力装置维修任务分析逻辑 |
| 2.3.3 反推同步锁维修任务类型分析 |
| 2.4 本章小结 |
| 第三章 反推同步锁维修间隔确定多目标模型的建立 |
| 3.1 问题的提出 |
| 3.1.1 现有模型分析 |
| 3.1.2 问题描述 |
| 3.1.3 决策目标与决策变量 |
| 3.2 可用度模型的建立 |
| 3.3 费用率模型的建立 |
| 3.4 基于可靠度限制的维修间隔确定建模 |
| 3.5 本章小结 |
| 第四章 基于改进遗传算法的维修间隔确定模型求解 |
| 4.1 模型求解思路 |
| 4.2 传统遗传算法的运算流程 |
| 4.2.1 遗传算法的基本步骤 |
| 4.2.2 遗传算法的基本实现技术 |
| 4.2.3 遗传算法的特点 |
| 4.3 遗传算法的改进 |
| 4.3.1 选择算子的改进 |
| 4.3.2 交叉算子的改进 |
| 4.3.3 变异算子的改进 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第五章 反推同步锁维修间隔确定验证分析 |
| 5.1 反推同步锁可靠性数据统计 |
| 5.2 反推同步锁可靠性分析 |
| 5.2.1 可靠性模型的选择 |
| 5.2.2 参数估计 |
| 5.2.3 假设检验 |
| 5.3 反推同步锁可靠寿命的计算 |
| 5.4 多目标模糊群决策法确定权重 |
| 5.5 反推同步锁维修间隔的确定 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 附录 |
| 作者简介 |
四、随机删失情形下威布尔分布的参数在序约束下的极大似然估计（论文参考文献）
- [1]基于多源信息融合的数控机床关键功能部件可靠性评估[D]. 孙博. 吉林大学, 2021
- [2]三参数离散广义逆威布尔分布的可靠性统计分析[D]. 赵爱红. 燕山大学, 2021
- [3]小子样复杂系统可靠性增长试验关键技术研究[D]. 胡钧铭. 电子科技大学, 2021(01)
- [4]考虑截断删失数据的铁路货车车钩失效规律与维修策略研究[D]. 李冬冬. 北京交通大学, 2020(04)
- [5]基于线性回归模型的贝叶斯方法的应用[D]. 吴迪. 长春理工大学, 2020(02)
- [6]删失数据下有限混合模型的参数估计[D]. 何瑞姣. 浙江工商大学, 2020(05)
- [7]逻辑回归的Fiducial推断[D]. 秦红. 青岛大学, 2019(02)
- [8]删失数据场合Lindley分布的参数估计[D]. 张晓东. 南宁师范大学, 2019(01)
- [9]民用航空发动机反推同步锁维修间隔确定方法研究[D]. 郭涛. 中国民航大学, 2019(02)
- [10]对数广义逆威布尔回归模型的参数估计[J]. 孙帆,戴林送. 新乡学院学报, 2019(03)