基于貝葉斯混合概率分布融合的系統(tǒng)可靠性分析與預(yù)測(cè)方法
發(fā)布時(shí)間：2021-04-05 11:26
針對(duì)一般系統(tǒng)可靠性分析與預(yù)測(cè)方法在處理多層次信息分布不均衡（multi-level&information imbalanced,MLII）系統(tǒng)時(shí)的一些局限性,提出了基于貝葉斯推理與信息提取融合的系統(tǒng)可靠性分析方法。該方法通過(guò)引入直接先驗(yàn)分布、間接先驗(yàn)分布與融合先驗(yàn)分布的方式,重構(gòu)了經(jīng)典貝葉斯推理算法。主要?jiǎng)?chuàng)新性包括提出了基于自更新權(quán)重系數(shù)的貝葉斯混合算法,該算法可充分利用底層單元的完備數(shù)據(jù),自下而上地補(bǔ)償頂層匱乏的信息,獲得較為準(zhǔn)確的系統(tǒng)可靠性分析與預(yù)測(cè)結(jié)果。將該方法應(yīng)用于具有MLII特點(diǎn)的復(fù)雜機(jī)電系統(tǒng),分析結(jié)果較傳統(tǒng)方法有更高的準(zhǔn)確性。
【文章來(lái)源】：系統(tǒng)工程與電子技術(shù). 2018,40(07)北大核心EICSCD
【文章頁(yè)數(shù)】：9 頁(yè)
【部分圖文】：
圖１ＭＬＩＩ系統(tǒng)圖Ｆｉｇ．１ＧｒａｐｈｉｃａｌｄｅｓｃｒｉｐｔｉｏｎｏｆＭＬＩＩｓｙｓｔｅｍ
?????????????????????表１經(jīng)典ＢＭ方法與自更新權(quán)重系數(shù)的ＢＭ方法的異同對(duì)比Ｔａｂｌｅ１ＣｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｃｌａｓｓｉｃａｌＢＭａｐｐｒｏａｃｈａｎｄｔｈｅｐｒｏｐｏｓｅｄｏｎｅ權(quán)重系數(shù)α經(jīng)典的ＢＭ方法自更新權(quán)重系數(shù)的ＢＭ方法變量性質(zhì)確定值隨機(jī)變量計(jì)算過(guò)程事先確定隨推理過(guò)程更新選取依據(jù)主觀信息主觀信息＋客觀信息３ＭＬＩＩ系統(tǒng)的ＢＩＥＡ方法第２節(jié)給出了基于自更新權(quán)重系數(shù)的ＢＭ方法的數(shù)理算法，下面結(jié)合圖４所示的多層次結(jié)構(gòu)來(lái)闡述ＭＬＩＩ系統(tǒng)的ＢＩＥＡ模型。圖４多層次結(jié)構(gòu)系統(tǒng)Ｆｉｇ．４Ｍｕｌｔｉ－ｌｅｖｅｌｓｔｒｕｃｔｕｒｅｓｙｓｔｅｍ３．１ＭＬＩＩ系統(tǒng)的ＢＩＥＡ模型不失一般性，以ｌ行第ｋ個(gè)單元Ｅ（ｌ，ｋｌ）為研究對(duì)象，其參數(shù)集θ（ｌ，ｋｌ）。那么第ｌ＋１行的父節(jié)點(diǎn)Ｅ（ｌ＋１，ｋｌ＋１）則有參數(shù)集θ（ｌ＋１，ｋｌ＋１）。給定其參數(shù)直接先驗(yàn)分布πＤ（θ（ｌ＋１，ｋｌ＋１）），其可靠度函數(shù)可一般地描述為Ｒ（ｌ＋１，ｋｌ＋１）（ｔ）＝ｆ（ｔ｜θ（ｌ＋１，ｋｌ＋１））。其中，ｆ（）是由具體物理背景及失效機(jī)理確定的函數(shù)。那么，研究對(duì)象的可靠度函數(shù)及對(duì)應(yīng)的參數(shù)概率密度函數(shù)的一般形式為Ｒ（ｌ，ｋｌ）（ｔ｜θ（ｌ，ｋｌ））＝Ψ（ｌ，ｋｌ）（Ｒ（ｌ＋１，ｋｌ＋１）（ｔ｜θ（ｌ＋１，ｋｌ＋１））：ｋｌ＋１∈Ｑ（ｌ，ｋｌ））ｆ（ｌ，ｋｌ）（ｔ｜θ（ｌ
Ｄ）＝∫Θｆ（ｔｐ｜Θ）Ｒ（ｔｐ｜Θ）π（Θ｜Ｄ）ｄΘ（１５）平均故障時(shí)間（ｍｅａｎｔｉｍｅｔｏｆａｉｌｕｒｅ，ＭＴＴＦ）為ＭＴＴＦ＝Ｅ（Ｔ）＝∫ｔ０ｔｄｔ∫Θｆ（ｔｐ｜Θ）ｄΘ（１６）式中，Ｄ是ＭＬＩＩ系統(tǒng)的可用數(shù)據(jù)集；Ｒ（ｔｐ｜Ｄ）和λ（ｔｐ｜Ｄ）分別是在ｔｐ時(shí)刻的可靠度與故障率。現(xiàn)將ＢＩＥＡ方法的主要步驟羅列如下，其主要分析流程及與經(jīng)典貝葉斯方法的異同如圖５所示。圖５ＢＩＥＡ系統(tǒng)可靠性分析方法流程圖Ｆｉｇ．５ＦｌｏｗｃｈａｒｔｏｆＢＩＥＡｓｙｓｔｅｍｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓｍｅｔｈｏｄ
【參考文獻(xiàn)】：
期刊論文
[1]Bayesian-based information extraction and aggregation approach for multilevel systems with multi-source data[J]. Lechang Yang,Jianguo Zhang,Yanling Guo,Qian Wang. Journal of Systems Engineering and Electronics. 2017(02)
[2]Measuring reliability under epistemic uncertainty:Review on non-probabilistic reliability metrics[J]. Kang Rui,Zhang Qingyuan,Zeng Zhiguo,Enrico Zio,Li Xiaoyang. Chinese Journal of Aeronautics. 2016(03)
本文編號(hào)：3119544
【文章來(lái)源】：系統(tǒng)工程與電子技術(shù). 2018,40(07)北大核心EICSCD
【文章頁(yè)數(shù)】：9 頁(yè)
【部分圖文】：
圖１ＭＬＩＩ系統(tǒng)圖Ｆｉｇ．１ＧｒａｐｈｉｃａｌｄｅｓｃｒｉｐｔｉｏｎｏｆＭＬＩＩｓｙｓｔｅｍ
?????????????????????表１經(jīng)典ＢＭ方法與自更新權(quán)重系數(shù)的ＢＭ方法的異同對(duì)比Ｔａｂｌｅ１ＣｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｃｌａｓｓｉｃａｌＢＭａｐｐｒｏａｃｈａｎｄｔｈｅｐｒｏｐｏｓｅｄｏｎｅ權(quán)重系數(shù)α經(jīng)典的ＢＭ方法自更新權(quán)重系數(shù)的ＢＭ方法變量性質(zhì)確定值隨機(jī)變量計(jì)算過(guò)程事先確定隨推理過(guò)程更新選取依據(jù)主觀信息主觀信息＋客觀信息３ＭＬＩＩ系統(tǒng)的ＢＩＥＡ方法第２節(jié)給出了基于自更新權(quán)重系數(shù)的ＢＭ方法的數(shù)理算法，下面結(jié)合圖４所示的多層次結(jié)構(gòu)來(lái)闡述ＭＬＩＩ系統(tǒng)的ＢＩＥＡ模型。圖４多層次結(jié)構(gòu)系統(tǒng)Ｆｉｇ．４Ｍｕｌｔｉ－ｌｅｖｅｌｓｔｒｕｃｔｕｒｅｓｙｓｔｅｍ３．１ＭＬＩＩ系統(tǒng)的ＢＩＥＡ模型不失一般性，以ｌ行第ｋ個(gè)單元Ｅ（ｌ，ｋｌ）為研究對(duì)象，其參數(shù)集θ（ｌ，ｋｌ）。那么第ｌ＋１行的父節(jié)點(diǎn)Ｅ（ｌ＋１，ｋｌ＋１）則有參數(shù)集θ（ｌ＋１，ｋｌ＋１）。給定其參數(shù)直接先驗(yàn)分布πＤ（θ（ｌ＋１，ｋｌ＋１）），其可靠度函數(shù)可一般地描述為Ｒ（ｌ＋１，ｋｌ＋１）（ｔ）＝ｆ（ｔ｜θ（ｌ＋１，ｋｌ＋１））。其中，ｆ（）是由具體物理背景及失效機(jī)理確定的函數(shù)。那么，研究對(duì)象的可靠度函數(shù)及對(duì)應(yīng)的參數(shù)概率密度函數(shù)的一般形式為Ｒ（ｌ，ｋｌ）（ｔ｜θ（ｌ，ｋｌ））＝Ψ（ｌ，ｋｌ）（Ｒ（ｌ＋１，ｋｌ＋１）（ｔ｜θ（ｌ＋１，ｋｌ＋１））：ｋｌ＋１∈Ｑ（ｌ，ｋｌ））ｆ（ｌ，ｋｌ）（ｔ｜θ（ｌ
Ｄ）＝∫Θｆ（ｔｐ｜Θ）Ｒ（ｔｐ｜Θ）π（Θ｜Ｄ）ｄΘ（１５）平均故障時(shí)間（ｍｅａｎｔｉｍｅｔｏｆａｉｌｕｒｅ，ＭＴＴＦ）為ＭＴＴＦ＝Ｅ（Ｔ）＝∫ｔ０ｔｄｔ∫Θｆ（ｔｐ｜Θ）ｄΘ（１６）式中，Ｄ是ＭＬＩＩ系統(tǒng)的可用數(shù)據(jù)集；Ｒ（ｔｐ｜Ｄ）和λ（ｔｐ｜Ｄ）分別是在ｔｐ時(shí)刻的可靠度與故障率。現(xiàn)將ＢＩＥＡ方法的主要步驟羅列如下，其主要分析流程及與經(jīng)典貝葉斯方法的異同如圖５所示。圖５ＢＩＥＡ系統(tǒng)可靠性分析方法流程圖Ｆｉｇ．５ＦｌｏｗｃｈａｒｔｏｆＢＩＥＡｓｙｓｔｅｍｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓｍｅｔｈｏｄ
【參考文獻(xiàn)】：
期刊論文
[1]Bayesian-based information extraction and aggregation approach for multilevel systems with multi-source data[J]. Lechang Yang,Jianguo Zhang,Yanling Guo,Qian Wang. Journal of Systems Engineering and Electronics. 2017(02)
[2]Measuring reliability under epistemic uncertainty:Review on non-probabilistic reliability metrics[J]. Kang Rui,Zhang Qingyuan,Zeng Zhiguo,Enrico Zio,Li Xiaoyang. Chinese Journal of Aeronautics. 2016(03)
本文編號(hào)：3119544
本文鏈接：http://sikaile.net/projectlw/xtxlw/3119544.html
最近更新
教材專著
