[发明专利]一种基于贝叶斯理论的小子样可靠性评定方法

权利要求书

1.一种基于贝叶斯理论的小子样可靠性评定方法，对现场试验数据的小子样特性，采用贝叶斯方法对系统存在的多源验前信息与现场试验信息进行有效的整合，通过验后信息对系统的可靠性作出评价，来评估产品的可靠性，其特征在于，包括以下步骤：

(1)系统初始化后，输入验前信息；

(2)根据验前信息的类别对验前信息进行分类；

(3)如果验前信息为相似系统实验信息，就根据基于D-S证据理论的相似系统折算方法对相应的验前信息进行折算，折算完成后通过相容性检验方法判定折算结果是否符合要求，将符合要求的验前信息的分布模型确定为可靠性评定做准备；如果验前信息不是相似系统实验信息而是不同环境下试验信息，就根据基于F-HS算法的环境因子折算方法对相应的验前信息进行折算，折算完成后通过相容性检验方法判定折算结果是否符合要求，将符合要求的验前信息的分布模型确定为可靠性评定做准备；

(4)使用的混合验前分布模型对多源验前分布进行融合，得到融合后的验前分布模型；

(5)基于贝叶斯可靠性的评定方法确定现场试验信息的贝叶斯可靠性模型；

(6)通过贝叶斯方法将现场试验信息与验前信息进行整合，得到有效的验后分布模型；

(7)采用Gibbs采样算法获取验后分布函数的样本值；

(8)使用验后分布函数的样本值对可靠性参数的进行评定估计，得到可靠性参数的估计值，方法结束；

所述的步骤(3)中基于F-HS算法的环境因子折算方法，包括以下步骤：

(3.1)首先将不同环境下数据折算中的样本x₁,x₂,…,x_n的分割配对问题转换为全局优化问题，其公式如下：

其中，k表示数据分割个数，i₁,i₂,…,i_k表示数据分割点，D(i_j,i_j+1)表示数据i_j与i_j+1间的数据半径；

(3.2)然后将样本数据从小到大进行排列形成新的样本排列方式，并计算出不同环境下试验数据的中心点，计算公式如下所示：

其中，分别表示数据集X、Y的样本均值，x_(i)、y_(j)分别表示数据集X、Y的样本数据点，x_(c)、y_(s)分别表示数据集X、Y的数据中心点；

(3.3)接着随机生成4个初始解放入和声记忆库中，并按从小到大进行排序；然后生成新解I_new＝(i_new1,i_new2,…,i_newk)，i_newj通过以下方式获得：

在[0,1]之间随机产生一个变量R₁，并将R₁与初始化的HMCR进行比较；如果R₁＜HMCR，随机的从和声记忆库中得到一组解；否则，随机产生一组新的解；对得到的新解进行微调；如果这组新解是从和声记忆库中得到的，就使用微调参数BW对这组新解进行微调；此时，需要再产生一个解向量R₂，并将R₂与初始化的参数PAR进行比较，如果R₂＜PAR，就使用微调参数BW对这组解进行微调，得到一组新的解，微调公式如下所示：

i_newj＝i_newj+BW(2R₂-1)；

其中，i_newj表示新生成的解，BW表示微调带宽，R₂表示随机数；如果R₂PAR，不需要任何调整；

(3.4)判断分类数量是否达到k类；如果未达到，重新生成新的解向量；如果达到要求，将新产生的解与记忆库中的最差解进行比较，判断新产生的解是否比最差解更好；若新解比原来的最差解要好，使用新解将最差解替换掉，更新记忆库；否则，不加理会，重复上述步骤，直到达到终止条件或者迭代次数达到最大为止，此时解终止循环，得到最优分割点序列；

(3.5)通过以上方法对数据进行处理后，得到数据的最优分割点序列，两两数据进行配对并计算折算因子，其计算公式如下所示：

其中，表示聚类后的数据点，y_j表示另一环境下的数据点，K表示折算因子，m表示数据点个数；计算结束后，利用折算因子K将不同环境下的实验数据进行折算。