[发明专利]融合多源成败型数据的可靠度评估方法

权利要求书

1.融合多源成败型数据的可靠度评估方法，其特征在于，包括以下几个步骤： 

步骤一、搜集处理成败型数据 

对产品相关的成败型数据进行搜集，包括： 

1)产品正式试验得到的成败型数据(r₀,n₀)； 

2)从不同信息源获取的成败型数据(r_i,n_i)，如相似产品的成败型数据，产品不同技术状态、不同环境下的成败型数据等，若有m个其它信息源，那么第i个信息源的成败型数据可表示为(r_i,n_i)，i＝1…m。 

其中r₀、r_i为“成功”的次数，n₀、n_i为样本数。 

步骤二、设立修正因子并构建融合模型 

已知，成败型数据“成功”的次数r服从二项分布(伯努利分布)，即r～B(n,p)。其中n为已知；p为单样本“成功”发生的概率，即p代表了样本产品的可靠度，因此对参数p的评估即是对可靠度R的评估。 

成败型数据(r₀,n₀)，(r_i,n_i)成功次数所服从的二项分布为： 

r₀～B(n₀,p₀)   (1) 

r_i～B(n_i,p_i)   (2) 

采用修正因子的方法，将修正因子直接作用于模型之中，以此来构建融合模型，利用多源成败型数据对参数p₀进行评估。因此引入修正因子k_i来构建p₀和p_i的关系，即： 

p_i＝k_ip₀   (3) 

也就是 

r_i～B(n_i,k_ip₀)   (4) 

其中(4)表示了信息源间关系。为了将样本数据(r₀,n₀)和m个来源的数据(r_i,n_i)构建到一个模型来融合表示多源信息，引入状态参数c_i，i＝0,…,m，构建数据融合模型： 

r_i～B(n_i,(c₀+c₁k₁...+c_mk_m)·p₀)   (5) 

其中c₀(即i＝0时)为信息来源于正式试验数据(r₀,n₀)时的状态；当信息来源于第i个信息源时c_i＝1，其它的状态参数c_v＝0，v≠i；用向量C来表示状态参数： 

C＝(c₀,c₁,...,c_m) 

用向量K来表示修正因子： 

K＝(1,k₁,...，k_m) 

那么(5)可表示为： 

r_i～B(n_i,C′·K·p₀)   (6) 

将多源数据融合到一个模型之中，从而构建了能够描述不同来源信息差异并将其整体描述的融合模型。 

步骤三、构建贝叶斯评估模型 

确定贝叶斯模型的总体分布为(6)，将分布参数p₀及修正因子k₁,...，k_m作为贝叶斯模型中的参数，确定其先验分布： 

对于二项分布而言，通常采用Beta分布作为其分布参数p₀的先验分布，即： 

p₀～Beta(a,b) 

其中a，b为先验分布中的超参数，超参数的先验分布可表示为π(a)，π(b)。p₀的先验分布可表示为π(p₀|a,b)。 

同时确定修正因子k₁,...，k_m的先验分布π(k₁),...，π(k_m)。 

最终，可知未知参数的后验分布为： 

进而确定(7)为贝叶斯评估模型。 

步骤四、评估可靠性指标 

利用马尔可夫链蒙特卡罗方法对贝叶斯模型(7)进行抽样模拟，获得未知变量的后验分布及未知变量的评估值。即获得参数p₀及修正因子k₁,...，k_m的评估值从而得到产品任务成功可靠度的评估值： 

2.根据权利要求1所述的融合多源成败型数据的可靠度评估方法，其特征在于，所述的步骤四具体为： 

对于一次性使用的产品而言，其可靠性指标即为评估得到的可靠度值R。 

对于非一次性使用的产品而言，若已知其每次任务的持续时间为T，且其可靠度函数为指数分布： 

R(t)＝e^-λt   (8) 

那么产品的可靠度R可表示为R(T)，进而通过(8)得到产品的失效率：