[发明专利]一种基于Bayes的多阶段复杂系统可靠性增长评价方法

摘要

本发明提供一种基于Bayes的多阶段复杂系统可靠性增长评价方法，充分利用了各个阶段各个子系统的集成调试中的可靠性增长信息而非其他主观信息进行可靠性增长评价，弥补了利用传统AMSAA模型评价方法进行可靠性增长评价时不能有效利用各个阶段的可靠性增长信息进而造成评价结果存在保守或者冒进问题的不足。本发明评价结果更加符合客观实际，同时无需进行系统级的可靠性增长试验，可以有效的降低对系统级的可靠性增长试验的依赖和相关试验费用，具有较高的经济性；对于在集成调试和试运行阶段的大型复杂系统，可以利用本发明方法分阶段分子系统地对其进行可靠性增长评价，以解决该类对象的可靠性增长评价问题。

主权项

1.一种基于Bayes的多阶段复杂系统可靠性增长评价方法，其特征在于：包括以下步骤：S1、首先假设各个子系统运行中的故障均采用含延缓方式纠正；第j子系统的在i阶段内的故障次数N_ij(t)服从离散AMSAA模型；子系统的故障率随阶段不断降低。然后利用Box‑Tiao方法构造无信息先验分布，结合第1阶段似然函数得到后验a_1j，b_1j；S2、根据公式(1)和公式(2)计算出第一阶段的加权故障率λ₁；其中，τ_Dij、n_Di为第i阶段第j子系统的指数寿命型试验的试验时间和故障次数，表示参数为2n_Dij的卡方分布的下侧分位数，n_ij表示的实际故障数，τ_ij表示实际运行时间，t_ijk表示故障时间；其中，λ_i‑1表示第i‑1阶段得到的各子系统故障率的加权平均值；S3、结合式(3)计算出增长因子和系统形状参数的先验均值E(b_2j)；E(b_ij)＝E(b_i‑1|D)(1‑η_ij)    (3)S4、结合式(4)计算出第2阶段第j个子系统NHPP模型尺度参数的先验均值E(a_2j)；其中，a^_lj，和b^_1j分别表示第1阶段形状参数和尺度参数的后验均值，aˊ_2j，bˊ_2j分别表示第2阶段尺度参数和形状参数的先验均值，t₂为前两阶段的试运行时间之和；S5、根据式(5)计算出第2阶段第j个子系统尺度参数和形状的先验分布参数，得到联合先验分布；S6、根据式(6)‑(8)计算出第2阶段第j个子系统尺度参数和形状参数的后验均值E(a_2j│D),E(b_2j│D)；S7、由式(9)得出第2阶段第j个子系统截尾时刻的MTBF；S8、重复S2‑S7，计算得到第2阶段所有子系统截尾时刻的MTBF值，得出系统截尾时刻MTBF值；S9、对第i(i>2)阶段重复以上步骤，得出第i阶段截尾时刻的MTBF值，直到最后一个阶段。