一种基于Bayes的参数相关Gamma退化模型可靠性评估方法、装置及介质制造方法及图纸

本发明专利技术提供一种基于Bayes的参数相关Gamma退化模型可靠性评估方法、装置及介质，可提高评估的可靠性。该方法包括以下步骤：通过等间隔测量获取样本退化数据；描述退化数据分布的参数相关性，并以贝叶斯模型得出退化量分布参数后验分布模型；根据MH算法中混合Gibbs算法思想，进行后验分布的抽样，得到抽样结果；根据抽样结果得出参数后验估计结果；以参数后验估计结果进行产品可靠性评估，得到产品可靠度。本发明专利技术在产品退化轨迹服从Gamma过程的基础上，考虑参数的相关性，由于无从得知参数相关的形式、程度等，因此考虑使用Jeffreys无信息先验分布描述参数的相关性，后通过贝叶斯方法，结合测得的退化数据，可以得出产品可靠度评价的模型。评价的模型。评价的模型。

【技术实现步骤摘要】
一种基于Bayes的参数相关Gamma退化模型可靠性评估方法、装置及介质


[0001]本专利技术属于可靠性评估领域，具体涉及考虑参数相关性的Gamma退化过程产品的可靠性评估。

技术介绍

[0002]工程机械由于产品结构复杂，因此传统的独立分布无法完全概括真实的产品退化过程。仅考虑独立情形，无法正确处理多部件串联、并联等系统结构的可靠性评估，将会严重低估或高估产品可靠度，因此亟需一种考虑相关性(包括数据相关，参数相关，模式相关等等)的可靠性评估模型。
[0003]本专利技术中，缩略语和关键术语定义：
[0004]MLE——极大似然估计
[0005]MCMC——马尔科夫链蒙特卡洛方法
[0006]MH算法——Metropolis
‑
Hastlings算法
[0007]Bayes——贝叶斯模型
[0008]关键术语定义：
[0009]参数相关——分布中参数之间具有相关性
[0010]满条件分布——去除正则化常数的分布
[0011]考虑相关性的产品可靠性评估方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Bayes的参数相关Gamma退化模型可靠性评估方法，其特征在于，包括以下步骤：通过等间隔测量获取样本退化数据；描述退化数据分布的参数相关性，并以贝叶斯模型得出退化量分布参数后验分布模型；根据MH算法中混合Gibbs算法思想，进行后验分布的抽样，得到抽样结果；根据抽样结果得出参数后验估计结果；以参数后验估计结果进行产品可靠性评估，得到产品可靠度。2.根据权利要求1所述的基于Bayes的参数相关Gamma退化模型可靠性评估方法，其特征在于，所述样本退化数据为以相同的时间间隔Δt测量产品的性能退化量X(t
i
),i＝1,2,...,n描述退化数据分布的参数相关性的方法包括以Jeffreys无信息先验分布描述退化数据分布的参数相关性；描述退化数据分布的参数相关性，并以贝叶斯模型得出退化量分布参数后验分布模型的方法包括：以退化量X(t
i
)服从Gamma过程，选择参数的先验分布为Jeffreys无信息先验分布，建立Bayes模型，得到在该数据下的参数后验分布密度函数，分布参数的联合后验密度函数为公式中，ΔX
ti
＝X
ti
‑
X
ti
‑1，ΔX＝{ΔX
ti
,i＝1,2,...,n
‑
1}，参数α,λ为ΔX的分布参数，ψ
′
(αΔt)为Digamma函数ψ(αΔt)的导数各参数的满条件分布为各参数的满条件分布为式中，
“∝”
表示满条件分布，“～”表示服从的分布，Gamma表示Gamma分布。3.根据权利要求2所述的基于Bayes的参数相关Gamma退化模型可靠性评估方法，其特征在于，描述退化数据分布的参数相关性的方法包括：当样本数据足够，使用Copula函数描述退化数据分布的参数相关性；4.根据权利要求2所述的基于Bayes的参数相关Gamma退化模型可靠性评估方法，其特征在于，本方法可采用Wiener退化过程替换Gamma退化过程；5.根据权利要求1所述的基于Bayes的参数相关Gamma退化模型可靠性评估方法，其特征在于，根据MH算法中混合Gibbs算法思想，进行后验分布的抽样，得到抽样结果的方法包括：选择(α,λ)合适的初始值[α
(0)
,λ
(0)
]；在MH算法中混合以Gibbs算法的方式选择建议分布，以所述初始值开始抽取样本[α
(t)
,
λ
(t)<...

【专利技术属性】
技术研发人员：殷泽凯，郭宇，严兵，
申请(专利权)人：江苏徐工工程机械研究院有限公司，
类型：发明
国别省市：