《无失效数据的可靠性分析》求取 ⇩

目录1

第一章　无失效数据的参数估计1

1.1　经典方法2

1.1.1　配分布曲线法2

1.1.2　极小x2-法3

1.1.3　等效失效数法4

1.1.4　MLR分布族可靠度的下限5

1.1.5　最优置信限法7

1.1.6　修正似然函数法11

1.1.7　改造CLASS-K法12

1.1.8　广义线性模型法15

1.2　Bayes方法20

1.2.1　配分布曲线法——pi的Bayes估计（1）20

1.2.2　配分布曲线法——pi的Bayes估计（2）23

1.2.3　配分布曲线法——pi的Bayes估计（3）24

1.2.4　配分布曲线法——pi的先验分布的构造（减函数法）25

1.2.5　极小x2-法——参数的再估计31

1.3.1　均匀分布——均匀分布32

1.3　多层Bayes方法32

1.3.2　Beta分布——均匀分布35

1.3.3　截尾Beta分布——均匀分布（1）36

1.3.4　截尾Beta分布——均匀分布（2）37

1.3.5　pi的多层先验分布的构造——减函数法38

1.3.6　pi先验密度的核为（1—pi）k时pi的多层Bayes估计47

第二章　指数分布51

2.1 经典方法51

2.1.1　最优置信估计51

2.1.2　修正极大似然估计56

2.1.3　等效失效数与参数估计58

2.1.4　改造CLASS-K法59

2.1.5　参数的近似极大似然估计（AMLE）61

2.1.6　最小二乘估计68

2.2　Bayes方法70

2.2.1 pi的Bayes估计（1）70

2.2.2　pi的Bayes估计（2）72

2.2.3　可靠度的Bayes置信下限74

2.2.4　λ的Bayes估计75

2.2.5　λ的Bayes估计和Bayes置信上限77

2.3.1　λ的多层Bayes估计（1）79

2.3　多层Bayes方法79

2.3.2　λ的多层Bayes估计（2）84

2.4　参数的综合估计法87

2.4.1　引进失效信息后pm＋1（r）的Bayes估计87

2.4.2　pm＋1（r）和λ以及R（t）的综合估计90

2.4.3　引进失效信息后λ和R（t）的另一个综合估计91

2.4.4　数值例94

3.1　最优置信估计95

第三章　Weibull分布95

3.1.1　可靠度的最优置信下限96

3.1.2　可靠寿命的最优置信下限97

3.1.3　平均寿命的最优置信下限98

3.1.4　在m1≤m≤m2（0＜m1＜m2＜∞）的情况100

3.2　最小二乘估计——配分布曲线法102

3.2.1　最小二乘估计102

3.2.2　配分布曲线法的数值例103

3.3　等效失效数与参数估计111

3.4　修正极大似然估计113

3.5　改造CLASS-K法及其应用117

3.6　恒定应力加速寿命试验中无失效数据的处理119

3.6.1　问题的提出119

3.6.2　m、η2、η3的近似无偏估计120

3.6.3　无失效数据下的估计方法122

3.6.4　恒加试验的数据处理124

3.7　广义线性模型法的应用实例125

4.1.1　对数正态分布情形下的置信限128

4.1　最优置信估计128

第四章　正态分布和对数正态分布128

4.1.2　正态分布情形下的置信限135

4.2　最小二乘估计——配分布曲线法137

4.2.1　正态分布的最小二乘估计137

4.2.2　对数正态分布的最小二乘估计138

4.2.3　数值例141

4.3　改造CLASS-K方法及其应用148

4.4　参数的综合估计法及其应用149

4.4.1　无失效时pi的Bayes估计150

4.4.2　引进失效信息后pm＋1（r）的Bayes估计151

4.4.3　参数的综合估计153

4.4.4　数值例155

第五章　双参数指数分布156

5.1　参数的修正极大似然估计156

5.2　参数的最小二乘估计158

5.3 配分布曲线法——pi的Bayes估计161

5.3.1　确定pi的变化范围162

5.3.2　pi的Bayes估计（1）162

5.3.3　pi的Bayes估计（2）163

5.4.1　pi的多层先验分布164

5.4 配分布曲线法——pi的多层Bayes估计164

5.4.2　pi的多层Bayes估计165

5.5　数值例166

第六章　极值分布169

6.1 参数的最小二乘估计169

6.2　pi的Bayes估计170

6.3　pi的多层Bayes估计171

6.4 几个例子173

6.5.1　参数的综合估计177

6.5　参数的综合估计法及其应用177

6.5.2　数值例178

第七章　二项分布——非参数方法180

7.1 经典方法180

7.2　Bayes方法181

7.2.1　按Bayes假设确定先验分布181

7.2.2　利用专家经验确定先验分布182

7.2.3　共轭先验分布183

7.2.4　R的先验密度为增函数184

7.2.5　Miller等（1992）的工作185

7.2.6　先验分布的构造方法——增函数法及其应用186

7.3　多层Bayes方法189

7.3.1　多层Bayes估计（1）189

7.3.2　多层Bayes估计（2）190

7.3.3　多层Bayes估计（3）194

7.4　数值例196

第八章　无失效抽样检验方法199

8.1　指数分布下无失效可靠性验证199

8.1.1　经典方法200

8.1.2　Bayes方法203

8.1.3　经典方法与Bayes方法的比较206

8.2　二项分布无失效抽样检验方法206

8.2.1　经典方法207

8.2.2　先验分布为Beta（1，1）的Bayes方法207

8.2.3　先验分布为U（RL，1）时的Bayes方法208

8.2.4　（n，0）Ⅰ、（n，0）Ⅱ、（n，0）Ⅲ的比较209

8.2.5　先验分布为Beta分布时的经验Bayes方法209

8.3 在无失效抽样检验合格的产品中不合格品率的估计210

8.2.6　应用无失效抽样方案（n，0）的注意事项210

8.3.1　问题的提出211

8.3.2　某些可供选择的估计方法211

8.3.3　建议的估计方法213

8.3.4　估计方法的合理性214

8.3.5　对“验证抽样的结果”比较215

8.3.6　对c＞0抽样方案的应用216

8.4 Martz和Waller的BAZE方法219

8.4.2　选取Gamma先验分布220

8.4.1　问题的提出220

8.4.3　Bayes无失效检验计划的组成221

8.4.4　数值例224

本节附录226

第九章　“倒挂”数据与无失效数据的综合处理227

9.1　问题的提出227

9.2　建立模型228

9.3　用“倒挂”数据和无失效数据估计R（ti）228

9.4　λ与RL（ti）的估计230

9.5　系统综合231

9.6　数值例232

第十章　退化失效模型234

10.1　退化数据可靠性概述234

10.2　退化量的统计模型235

10.2.1　非破坏性的连续测量数据236

10.2.2　破坏性的一次测量数据237

10.3　退化失效模型的研究与应用概况238

结束语243

参考文献245