[发明专利]融合多源成败型数据的可靠度评估方法

说明书

技术领域

本发明是一种利用贝叶斯理论，针对多个来源的成败型数据，实现多源成败型数据融合进而扩充样本量、提高评估精度的产品可靠度评估方法，属于可靠性评估技术领域。可用于一次性使用的产品或长航时无人机等大系统的可靠度等指标的评估、考核。 

背景技术

在产品可靠性指标的评估过程中，“成功”、“失败”等成败型数据被广泛采用，除用于一次性使用的导弹等成败型产品外，在考核飞机等大系统(如长航时无人机)的任务可靠度等指标时，亦将任务“成功”与“失败”的次数数据作为评估的依据，因此基于成败型数据的可靠性评估是一个重要且应用范围广阔的领域。然而它通常需要投入较大的样本量才能在可信范围内获得并验证产品的可靠性指标，而在产品的实际研制过程中，由于经费、时间、样本量等因素的限制，满足样本量要求并获得可信的可靠性指标是比较困难的。另一方面，产品有时存在着其它来源的样本量，如一个型号飞机(成败型产品)可能存在不同的状态，其间各存在一定的飞行架次，另外还有前代产品、相似产品、其它类型试验等信息。若能有效的利用上述多源样本量，将其融合于可靠性指标评估之中，那么就解决了在有限样本量及可信范围内获得并验证产品可靠性指标的问题，并节省了相应的科研资源。 

在基于多源成败型数据融合的可靠性评估方面，国内外已开展了一定的研究，主要是采用考虑继承因子的Bayes方法来开展融合工作，虽然这种方法思路准确有效，但在实施过程中仍存在以下两方面的问题：一是这种方法多用于两个来源的信息融合，虽然理论上可以解决更多源信息的融合，但在计算及继承因子的分配上会存在一定的困难；二是继承因子的确定较为主观，并未在多源信息的基础上从全局上计算获取，且其取值的物理意义亦值得推敲。若要解决上述问题，则需要以新的思路在构建 多源信息的Bayes模型以及全局性计算方法上寻找突破口。 

发明内容

本发明的目的是为了解决上述问题，提出一种能够有效的融合多源成败型数据、在全局上实现求解计算、在有限的样本量下具有较高评估精度及满足置信要求的基于Bayes理论的可靠性融合评估方法。 

本发明的具体步骤为： 

步骤一、搜集处理成败型数据； 

步骤二、设立修正因子并构建融合模型； 

步骤三、构建贝叶斯评估模型； 

步骤四、评估可靠性指标； 

本发明的优点在于： 

(1)本发明能够融合多源成败型数据，评估得到产品的可靠性指标； 

(2)本发明建立了不同来源成败型数据间的联系，从全局的角度进行求解，对不同来源间的关系进行了量化； 

(3)本发明能够在产品数据稀缺的情况下，融合各方面信息，提高产品可靠度评估精度并提高置信下限。 

附图说明

图1是本发明的流程图； 

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。 

方法的流程图如图1所示，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，除了产品正式试验得到的成败型数据(r₀,n₀)外，还应从不同信息源获取成败型数据，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。 

为了扩充数据量，对成败型进行分解细化，即细化从第1到第n_i次试验中成功次数同样本次数的对应关系，也就是将(r_i,n_i)细化为(r_ij,n_ij),其中j为第j次试验。如对于 成败数据(4,5)而言，它在在5次试验中成功了4次失败了1次，如果是在第3次试验时失败的话，那么成败型数据可细化为(1,1)、(2,2)、(2,3)、(3,4)、(4,5)。因此对于(r_i,n_i)而言，其细化后的数据可表示(r_i,n_i)，(r₀,n₀)可细化为(r₀,n₀)。 

步骤二、设立修正因子并构建融合模型