[发明专利]融合多源成败型数据的可靠度评估方法

摘要

本发明公开了一种融合多源成败型数据的可靠度评估方法，包括以下几个步骤：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；本发明能够融合多源成败型数据，建立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，并评估得到产品的可靠性指标；同时本发明也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。

主权项

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(ri,ni)，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(ri,ni)，i＝1…m。 其中r0、ri为“成功”的次数，n0、ni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)，(ri,ni)成功次数所服从的二项分布为： r0～B(n0,p0)   (1) ri～B(ni,pi)   (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ki来构建p0和pi的关系，即： pi＝kip0   (3) 也就是 ri～B(ni,kip0)   (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(ri,ni)构建到一个模型来融合表示多源信息，引入状态参数ci，i＝0,…,m，构建数据融合模型： ri～B(ni,(c0+c1k1...+cmkm)·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ci＝1，其它的状态参数cv＝0，v≠i；用向量C来表示状态参数： C＝(c0,c1,...,cm) 用向量K来表示修正因子： K＝(1,k1,...，km) 那么(5)可表示为： ri～B(ni,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,...，km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,...，km的先验分布π(k1),...，π(km)。 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,...，km的评估值从而得到产品任务成功可靠度的评估值：