导读:本文包含了无失效数据论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据,可靠性,概率,寿命,参数,方法,下限。
无失效数据论文文献综述
王璨,董玉革,黄聿锋,丁曙光[1]（2019）在《基于无失效数据失效概率多层Bayes估计的单失效数据可靠性分析》一文中研究指出给出单失效数据情况下似然函数的一般表达式,得出失效概率的多层Bayes估计,讨论了失效概率的变化规律。算例表明,该方法可以将无失效数据的可靠性分析方法推广到单失效数据时失效概率的估计,所得的结果较为合理。(本文来源于《机械工程师》期刊2019年09期）
梁红琴,郑世伟,唐家银,冯雪峰[2]（2019）在《无失效数据的可靠性置信限统计评估》一文中研究指出文章针对可靠性试验中的无失效数据可靠性评估问题,首先采用结果概率置信下限统计推断法,给出了指数分布型产品无失效数据的可靠性评估方法,并获得了平均寿命、可靠度和可靠寿命的单侧置信下限;其次通过分布函数变换给出了形状参数已知时Weibull分布型产品特征寿命的单侧置信下限,又利用特征参数函数单调映射关系获得了其他可靠性指标的单侧置信下限;并给出了形状参数未知时Weibull分布型产品无失效数据的可靠性评估方法;最后通过算例分析演绎了置信限评估的有效性与可行性。(本文来源于《统计与决策》期刊2019年15期）
李亿民[3]（2019）在《指数分布无失效数据下参数的单侧M-Bayes估计》一文中研究指出基于指数分布定时截尾寿命试验,定义了失效率λ的单侧M-Bayes置信上限和可靠度R(t)的单侧M-Bayes置信下限;证明了超参数取不同密度函数时λ的M-Bayes置信上限函数性质,探讨了估计量关于超参数的稳健性,并通过实例对失效率λ和可靠度R(t)给出了不同超参数下的M-Bayes估计。结果证明,对于超参数分布的不同选取,估计具有较强的稳健性。(本文来源于《山东理工大学学报(自然科学版)》期刊2019年05期）
佐磊,孙洪凯,何怡刚,尹柏强,胡小敏[4]（2019）在《无失效数据的MEMS传感器可靠性分析》一文中研究指出为了解决有限试验次数情况下微机电系统(MEMS)传感器的无失效数据可靠性分析问题,针对寿命服从指数分布的MEMS传感器,通过研究最优置信限法和最小二乘估计这两种方法来获得适用于MEMS传感器无失效数据可靠性分析的置信度α、c(c>1为常数)。分析试验组数对于预测分析结果的影响,通过对两种方法进行不同分组试验,获得MEMS传感器的最佳分组数。针对某数字型双轴倾角MEMS传感器的实际算例表明置信度α=0. 4、c取值范围3～6,分组为12/13组时,得到最佳预测结果,证明了所提出方法的有效性。(本文来源于《电子测量与仪器学报》期刊2019年06期）
韩辰宇[5]（2019）在《基于无失效数据的电主轴可靠性评估》一文中研究指出电主轴是包括数控机床在内的数控加工装备的关键功能部件,其可靠性水平是制约我国国产高档数控装备可靠性的关键瓶颈因素,迄今为止关于电主轴可靠性评估方法的研究尚处于起步阶段,缺乏系统且完整的理论支撑。电主轴是典型的高可靠长寿命产品,在有限试验时间内很难出现故障或明显性能退化失效,故传统的基于统计理论下的可靠性评估方法并不奏效。因此,针对电主轴展开早期可靠性试验及无失效数据下的电主轴可靠性评估研究,对于合理评定电主轴产品可靠性水平具有重要意义。目前在机床电主轴无失效数据或极少失效数据的情况下,只能计算得到参数的点估计或参数的单侧置信区间,极难同时得到点估计与区间估计,这将影响可靠度分析结果的一致性。针对此问题,本文以某型号数控机床电主轴为研究对象,根据类似电主轴故障分析进行监测点及监测信息确定,结合载荷信息进行加速寿命试验方案确定,据此进行电主轴的加速寿命试验测试;结合测试信息进行无失效数据下的电主轴可靠度评估。首先,根据电主轴的工作原理与结构完成电主轴子系统划分,结合现场故障信息,应用FMECA法、PageRank算法分别从整体分析、故障相关角度评估关键故障子系统及关键故障模式;然后,基于现场故障信息确定电主轴早期故障时间,由加工工艺信息计算切削力与转速等载荷与加速应力,并据此进行试验;最后,利用配分布曲线法获得累积故障分布曲线,结合E-Bayes方法进行定时截尾时间下电主轴失效概率估计,应用加权最小二乘法得到可靠度点估计,引入参数Bootstrap方法并结合累积故障分布曲线实现可靠度区间估计,通过与传统的置信限分析法得到的置信区间对比,验证方法的可靠性与优越性。本文提出的电主轴可靠性评估方法可以有效地避免传统方法中无失效数据时无法进行分析的问题,为电主轴的可靠性评估提供了一种新的思路。(本文来源于《吉林大学》期刊2019-06-01）
肖楚琬,邓力,张真[6]（2019）在《无失效数据机载多余度EWIS可靠性研究》一文中研究指出针对高可靠度机载多余度EWIS各组成部分寿命服从指数分布但参数未知的情况,提出采用无失效数据可靠度分析方法评估EWIS的可靠度水平。通过Monte-Carlo仿真方法对连接形式为"先并联、后串联"EWIS各组成部分寿命进行抽样,利用"最小最大值"方法获得系统寿命的抽样值,用概率纸检验法初步判断EWIS寿命是否服从威布尔分布,再用Pearson拟合优度检验法判断EWIS寿命是否服从威布尔分布。结合无故障飞行时间的样本值与EWIS寿命服从威布尔分布的假设,采用无失效数据分析方法评估EWIS的可靠度水平。研究方法对机载多余度EWIS无失效数据可靠度分析有一定的贡献。(本文来源于《计算机与现代化》期刊2019年04期）
李爽[7]（2019）在《威布尔分布无失效数据的可靠性估计》一文中研究指出在产品的生产和运用过程中,研究产品的可靠性是很重要的环节。研究方法是进行产品的寿命试验。随着高可靠性产品日益增多,产品在做寿命试验时,一方面长时间没有失效数的可能性增加,另一方面为了控制试验的成本,多采用定时截尾的试验方法。这些原因造成试验收集到的有关产品的寿命试验数据基本是无失效数据。基于无失效数据对产品可靠性参数进行科学合理的估计就成为我们研究的重点。本文主要研究在无失效数据场合,威布尔分布可靠性参数的估计,主要研究内容如下:目前针对威布尔分布无失效数据场合可靠性参数的点估计广泛使用的方法是配分布曲线法,求解区间估计则多用最优置信区间估计。这使得求解点估计和区间估计处理方法脱节。基于此,本文改进了传统的配分布曲线法,利用失效概率的后验分布得到了置信水平为1-?的置信上限的估计,从而得到了可靠度在置信水平为1-?的置信下限的估计。利用本文的方法可以基于改进的配分布曲线法同时求得威布尔分布无失效数据场合可靠度的点估计和区间估计。配分布曲线法对可靠性参数估计的精度的决定因素是失效概率的估计,本文依据Bayes理论观点,利用失效概率的后验分布来调整其先验分布或先计算得到失效概率在[1,0]范围内的估计值,再由失效概率与失效时间的关系依次修正失效概率取值范围两种方法来修正失效概率的估计。通过轴承实验的具体实例,验证了本文提出的方法的稳健性和可行性。(本文来源于《西华师范大学》期刊2019-04-01）
王璨[8]（2019）在《基于无失效数据的液力变速箱可靠性分析》一文中研究指出当前社会,产品的可靠性越来越高,对于这类高可靠性产品,如液力变速箱,在其可靠性试验中通常会出现无失效数据或少失效数据的情形。将这类产品的可靠性定量表示,对于了解、分析和提升产品的可靠性都具有重大意义。对于高可靠性产品在无失效数据或少失效数据时的可靠性分析问题,现有的研究与讨论较少。为了解决此类问题,本文从变速箱无失效数据出发,对此进行了研究与讨论,主要内容如下。1.本文对无失效数据时液力变速箱的可靠性分析进行了研究。文中合理地使用液力变速箱现有信息,如寿命分布模型、预测寿命和报废指标等,采用虚拟增广样本方法进行数据增广,应用多层Bayes方法进行失效概率估计,由最小二乘法进行数据拟合,对无失效数据时的液力变速箱进行了可靠性分析。由液力变速箱可靠性分析流程,通过分析与推广,文中给出了一种高可靠性产品可靠性分析方法,并通过相关算例对该方法的可行性进行了验证。2.本文利用无失效数据时的可靠性分析方法,对单失效数据情形下的可靠性分析问题进行了研究。文中对单失效数据时的似然函数进行了讨论,给出了其一般表达式,并根据多层Bayes方法与最小二乘法,得到了失效概率与可靠度的估计值及其变化规律。算例表明,本文的方法可以将无失效数据的可靠性分析方法推广到单失效数据时的可靠性分析,所得的单失效数据可靠性分析结果较为合理。3.本文对无失效数据时和单失效数据时失效概率多层Bayes估计的计算方法进行了研究。由于多层Bayes估计的计算较为复杂,为了对其进行简化计算,本文将相关积分进行降重处理。算例表明,应用文中简化计算方法所得结果与精确结果相比,误差较小。(本文来源于《合肥工业大学》期刊2019-04-01）
王新鹏,张静远,张洪刚[9]（2019）在《无失效数据条件下装备贮存可靠性分析》一文中研究指出为解决装备贮存可靠度评估问题,对寿命分布为平均失效率递增类分布(increasing failure rates on the average,IFRA)的装备的贮存可靠性进行分析。首先,针对装备检测过程中可能出现的无失效数据情况,确定了失效概率的先验分布并给出了Bayes估计。然后用加权最小二乘法给出了寿命分布的参数估计,进而得到了装备贮存可靠度的估计和表达式。最后结合实例进行计算,说明了方法的稳定性和可行性,为工程上评估装备贮存可靠度提供借鉴。(本文来源于《系统工程与电子技术》期刊2019年05期）
李海洋,谢里阳,刘杰,袁延凯,姚常辉[10]（2019）在《无失效数据场合智能换刀机器人中轴承的可靠性评估》一文中研究指出在目前无失效数据可靠性评估方法中,采用一个模型很难同时得到参数的点估计和置信区间估计。如果采用不同方法分别进行点估计和区间估计,则会造成结果的一致性问题。为此在无失效数据情况下对某型号智能换刀机器人系统中转动关节处的滚动轴承进行可靠性分析,提出一种新的无失效数据可靠性评估模型。新模型采用E-Bayes方法推导出产品寿命概率分布曲线,进而得到产品可靠度的点估计。再利用参数Bootstrap法从寿命概率分布中重新抽取新样本,通过新样本获得产品可靠度的区间估计。在不降低结果可信度的情况下,同时得到产品可靠度的点估计和区间估计。算例分析结果表明,在威布尔分布条件下,新模型不仅能够满足可靠性评估的要求,还可以提高可靠度区间估计精度。所提模型已经验证在进行无失效数据可靠性评估过程中具有良好的可行性,且便于工程应用。(本文来源于《机械工程学报》期刊2019年02期）
无失效数据论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章针对可靠性试验中的无失效数据可靠性评估问题,首先采用结果概率置信下限统计推断法,给出了指数分布型产品无失效数据的可靠性评估方法,并获得了平均寿命、可靠度和可靠寿命的单侧置信下限;其次通过分布函数变换给出了形状参数已知时Weibull分布型产品特征寿命的单侧置信下限,又利用特征参数函数单调映射关系获得了其他可靠性指标的单侧置信下限;并给出了形状参数未知时Weibull分布型产品无失效数据的可靠性评估方法;最后通过算例分析演绎了置信限评估的有效性与可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
无失效数据论文参考文献
[1].王璨,董玉革,黄聿锋,丁曙光.基于无失效数据失效概率多层Bayes估计的单失效数据可靠性分析[J].机械工程师.2019
[2].梁红琴,郑世伟,唐家银,冯雪峰.无失效数据的可靠性置信限统计评估[J].统计与决策.2019
[3].李亿民.指数分布无失效数据下参数的单侧M-Bayes估计[J].山东理工大学学报(自然科学版).2019
[4].佐磊,孙洪凯,何怡刚,尹柏强,胡小敏.无失效数据的MEMS传感器可靠性分析[J].电子测量与仪器学报.2019
[5].韩辰宇.基于无失效数据的电主轴可靠性评估[D].吉林大学.2019
[6].肖楚琬,邓力,张真.无失效数据机载多余度EWIS可靠性研究[J].计算机与现代化.2019
[7].李爽.威布尔分布无失效数据的可靠性估计[D].西华师范大学.2019
[8].王璨.基于无失效数据的液力变速箱可靠性分析[D].合肥工业大学.2019
[9].王新鹏,张静远,张洪刚.无失效数据条件下装备贮存可靠性分析[J].系统工程与电子技术.2019
[10].李海洋,谢里阳,刘杰,袁延凯,姚常辉.无失效数据场合智能换刀机器人中轴承的可靠性评估[J].机械工程学报.2019
论文知识图
