融合多源成敗型數(shù)據(jù)的可靠度評(píng)估方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種融合多源成敗型數(shù)據(jù)的可靠度評(píng)估方法，包括以下幾個(gè)步驟：步驟一、搜集處理成敗型數(shù)據(jù)；步驟二、設(shè)立修正因子并構(gòu)建融合模型；步驟三、構(gòu)建貝葉斯評(píng)估模型；步驟四、評(píng)估可靠性指標(biāo)；本發(fā)明能夠融合多源成敗型數(shù)據(jù)，建立不同來(lái)源成敗型數(shù)據(jù)間的聯(lián)系，從全局的角度進(jìn)行求解，對(duì)不同來(lái)源間的關(guān)系進(jìn)行了量化，并評(píng)估得到產(chǎn)品的可靠性指標(biāo)；同時(shí)本發(fā)明也能夠在產(chǎn)品數(shù)據(jù)稀缺的情況下，融合各方面信息，提高產(chǎn)品可靠度評(píng)估精度并提高置信下限。
【專(zhuān)利說(shuō)明】融合多源成敗型數(shù)據(jù)的可靠度評(píng)估方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明是一種利用貝葉斯理論，針對(duì)多個(gè)來(lái)源的成敗型數(shù)據(jù)，實(shí)現(xiàn)多源成敗型數(shù)據(jù)融合進(jìn)而擴(kuò)充樣本量、提高評(píng)估精度的產(chǎn)品可靠度評(píng)估方法，屬于可靠性評(píng)估【技術(shù)領(lǐng)域】。可用于一次性使用的產(chǎn)品或長(zhǎng)航時(shí)無(wú)人機(jī)等大系統(tǒng)的可靠度等指標(biāo)的評(píng)估、考核。

【背景技術(shù)】
[0002]在產(chǎn)品可靠性指標(biāo)的評(píng)估過(guò)程中，“成功”、“失敗”等成敗型數(shù)據(jù)被廣泛采用，除用于一次性使用的導(dǎo)彈等成敗型產(chǎn)品外，在考核飛機(jī)等大系統(tǒng)(如長(zhǎng)航時(shí)無(wú)人機(jī))的任務(wù)可靠度等指標(biāo)時(shí)，亦將任務(wù)“成功”與“失敗”的次數(shù)數(shù)據(jù)作為評(píng)估的依據(jù)，因此基于成敗型數(shù)據(jù)的可靠性評(píng)估是一個(gè)重要且應(yīng)用范圍廣闊的領(lǐng)域。然而它通常需要投入較大的樣本量才能在可信范圍內(nèi)獲得并驗(yàn)證產(chǎn)品的可靠性指標(biāo)，而在產(chǎn)品的實(shí)際研制過(guò)程中，由于經(jīng)費(fèi)、時(shí)間、樣本量等因素的限制，滿(mǎn)足樣本量要求并獲得可信的可靠性指標(biāo)是比較困難的。另一方面，產(chǎn)品有時(shí)存在著其它來(lái)源的樣本量，如一個(gè)型號(hào)飛機(jī)(成敗型產(chǎn)品)可能存在不同的狀態(tài)，其間各存在一定的飛行架次，另外還有前代產(chǎn)品、相似產(chǎn)品、其它類(lèi)型試驗(yàn)等信息。若能有效的利用上述多源樣本量，將其融合于可靠性指標(biāo)評(píng)估之中，那么就解決了在有限樣本量及可信范圍內(nèi)獲得并驗(yàn)證產(chǎn)品可靠性指標(biāo)的問(wèn)題，并節(jié)省了相應(yīng)的科研資源。
[0003]在基于多源成敗型數(shù)據(jù)融合的可靠性評(píng)估方面，國(guó)內(nèi)外已開(kāi)展了一定的研究，主要是采用考慮繼承因子的Bayes方法來(lái)開(kāi)展融合工作，雖然這種方法思路準(zhǔn)確有效，但在實(shí)施過(guò)程中仍存在以下兩方面的問(wèn)題:一是這種方法多用于兩個(gè)來(lái)源的信息融合，雖然理論上可以解決更多源信息的融合，但在計(jì)算及繼承因子的分配上會(huì)存在一定的困難；二是繼承因子的確定較為主觀，并未在多源信息的基礎(chǔ)上從全局上計(jì)算獲取，且其取值的物理意義亦值得推敲。若要解決上述問(wèn)題，則需要以新的思路在構(gòu)建多源信息的Bayes模型以及全局性計(jì)算方法上尋找突破口。


【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的是為了解決上述問(wèn)題，提出一種能夠有效的融合多源成敗型數(shù)據(jù)、在全局上實(shí)現(xiàn)求解計(jì)算、在有限的樣本量下具有較高評(píng)估精度及滿(mǎn)足置信要求的基于Bayes理論的可靠性融合評(píng)估方法。
[0005]本發(fā)明的具體步驟為:
[0006]步驟一、搜集處理成敗型數(shù)據(jù)；
[0007]步驟二、設(shè)立修正因子并構(gòu)建融合模型；
[0008]步驟三、構(gòu)建貝葉斯評(píng)估模型；
[0009]步驟四、評(píng)估可靠性指標(biāo)；
[0010]本發(fā)明的優(yōu)點(diǎn)在于:
[0011](I)本發(fā)明能夠融合多源成敗型數(shù)據(jù)，評(píng)估得到產(chǎn)品的可靠性指標(biāo)；
[0012](2)本發(fā)明建立了不同來(lái)源成敗型數(shù)據(jù)間的聯(lián)系，從全局的角度進(jìn)行求解，對(duì)不同來(lái)源間的關(guān)系進(jìn)行了量化；
[0013](3)本發(fā)明能夠在產(chǎn)品數(shù)據(jù)稀缺的情況下，融合各方面信息，提高產(chǎn)品可靠度評(píng)估精度并提高置信下限。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0014]圖1是本發(fā)明的流程圖；

【具體實(shí)施方式】
[0015]下面將結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
[0016]方法的流程圖如圖1所示，包括以下幾個(gè)步驟:。
[0017]步驟一、搜集處理成敗型數(shù)據(jù)
[0018]對(duì)產(chǎn)品相關(guān)的成敗型數(shù)據(jù)進(jìn)行搜集，除了產(chǎn)品正式試驗(yàn)得到的成敗型數(shù)據(jù)(^，n0)外，還應(yīng)從不同信息源獲取成敗型數(shù)據(jù)，如相似產(chǎn)品的成敗型數(shù)據(jù)，產(chǎn)品不同技術(shù)狀態(tài)、不同環(huán)境下的成敗型數(shù)據(jù)等。若有m個(gè)其它信息源，那么第i個(gè)信息源的成敗型數(shù)據(jù)可表示為Cri, n) , i = 1...m。其中r0> T1為“成功”的次數(shù)，nQ、Iii為樣本數(shù)。
[0019]為了擴(kuò)充數(shù)據(jù)量，對(duì)成敗型進(jìn)行分解細(xì)化，即細(xì)化從第I到第Iii次試驗(yàn)中成功次數(shù)同樣本次數(shù)的對(duì)應(yīng)關(guān)系，也就是將(I^ni)細(xì)化為(ru，nu)，其中j為第j次試驗(yàn)。如對(duì)于成敗數(shù)據(jù)(4，5)而言，它在在5次試驗(yàn)中成功了 4次失敗了 I次，如果是在第3次試驗(yàn)時(shí)失敗的話(huà)，那么成敗型數(shù)據(jù)可細(xì)化為(I, D、(2，2)、(2，3)、(3，4)、(4，5)。因此對(duì)于(ri； η,)而言，其細(xì)化后的數(shù)據(jù)可表示O^ni), (r0, n0)可細(xì)化為Otl, nQ)。
[0020]步驟二、設(shè)立修正因子并構(gòu)建融合模型
[0021]對(duì)于成敗型數(shù)據(jù)而言，“成功”的次數(shù)r服從二項(xiàng)分布(伯努利分布)，即r~B(n，p)。那么在η個(gè)樣本中“成功”r次的概率為:

【權(quán)利要求】
1.融合多源成敗型數(shù)據(jù)的可靠度評(píng)估方法，其特征在于，包括以下幾個(gè)步驟: 步驟一、搜集處理成敗型數(shù)據(jù) 對(duì)產(chǎn)品相關(guān)的成敗型數(shù)據(jù)進(jìn)行搜集，包括: 1)產(chǎn)品正式試驗(yàn)得到的成敗型數(shù)據(jù)； 2)從不同信息源獲取的成敗型數(shù)據(jù)O^ni),如相似產(chǎn)品的成敗型數(shù)據(jù)，產(chǎn)品不同技術(shù)狀態(tài)、不同環(huán)境下的成敗型數(shù)據(jù)等，若有m個(gè)其它信息源，那么第i個(gè)信息源的成敗型數(shù)據(jù)可表示為 Ct^ni), i = Ρ..ηι。 其中r0、Γ?為“成功”的次數(shù)，nQ、Iii為樣本數(shù)。 步驟二、設(shè)立修正因子并構(gòu)建融合模型 已知，成敗型數(shù)據(jù)“成功”的次數(shù)r服從二項(xiàng)分布(伯努利分布)，即！■?B(n，p)。其中η為已知；ρ為單樣本“成功”發(fā)生的概率，即P代表了樣本產(chǎn)品的可靠度，因此對(duì)參數(shù)P的評(píng)估即是對(duì)可靠度R的評(píng)估。 成敗型數(shù)據(jù)(ri； η,)成功次數(shù)所服從的二項(xiàng)分布為: r0 ?B(n0，p0) (I) T1-B(IiilPi) (2) 采用修正因子的方法，將修正因子直接作用于模型之中，以此來(lái)構(gòu)建融合模型，利用多源成敗型數(shù)據(jù)對(duì)參數(shù)Ptl進(jìn)行評(píng)估。因此引入修正因子h來(lái)構(gòu)建Ptl和Pi的關(guān)系，即:
Pi = kiP0 (3) 也就是
T1 ~ Bfci, ^p0) (4) 其中⑷表示了信息源間關(guān)系。為了將樣本數(shù)據(jù)和m個(gè)來(lái)源的數(shù)據(jù)(I^ni)構(gòu)建到一個(gè)模型來(lái)融合表示多源信息，引入狀態(tài)參數(shù)Ci，i = O,…，m，構(gòu)建數(shù)據(jù)融合模型:T1-B (rii, (Cfc1Ii1...+cmkm).p0) (5) 其中Ctl (即i = O時(shí))為信息來(lái)源于正式試驗(yàn)數(shù)據(jù)(^，n0)時(shí)的狀態(tài)；當(dāng)信息來(lái)源于第i個(gè)信息源時(shí)Ci = I,其它的狀態(tài)參數(shù)Cv = O, V古i ;用向量C來(lái)表示狀態(tài)參數(shù):
C = (Co, C1, , Cm) 用向量K來(lái)表示修正因子:
K= (1，k”...，km) 那么(5)可表示為: T1-BOiW.K.p0) (6) 將多源數(shù)據(jù)融合到一個(gè)模型之中，從而構(gòu)建了能夠描述不同來(lái)源信息差異并將其整體描述的融合模型。 步驟三、構(gòu)建貝葉斯評(píng)估模型 確定貝葉斯模型的總體分布為(6)，將分布參數(shù)Ptl及修正因子k”...，km作為貝葉斯模型中的參數(shù)，確定其先驗(yàn)分布: 對(duì)于二項(xiàng)分布而言，通常采用Beta分布作為其分布參數(shù)Ptl的先驗(yàn)分布，即:
P0 ?Beta (a, b) 其中a，b為先驗(yàn)分布中的超參數(shù)，超參數(shù)的先驗(yàn)分布可表示為(a)，Ji (b)。Ptl的先驗(yàn)分布可表不為31 (pQ|a，b)。同時(shí)確定修正因子Ic1,..., km的先驗(yàn)分布n (Ii1),...,π (km)。 最終，可知未知參數(shù)的后驗(yàn)分布為:
進(jìn)而確定(J)為貝葉斯評(píng)估模型。 步驟四、評(píng)估可靠性指標(biāo) 利用馬爾可夫鏈蒙特卡羅方法對(duì)貝葉斯模型(7)進(jìn)行抽樣模擬，獲得未知變量的后驗(yàn)分布及未知變量的評(píng)估值。即獲得參數(shù)Ptl及修正因子ki，...，km的評(píng)估值P /；,.../?,,,從而得到產(chǎn)品任務(wù)成功可靠度的評(píng)估值:
2.根據(jù)權(quán)利要求1所述的融合多源成敗型數(shù)據(jù)的可靠度評(píng)估方法，其特征在于，所述的步驟四具體為: 對(duì)于一次性使用的產(chǎn)品而言，其可靠性指標(biāo)即為評(píng)估得到的可靠度值R。 對(duì)于非一次性使用的產(chǎn)品而言，若已知其每次任務(wù)的持續(xù)時(shí)間為T(mén)，且其可靠度函數(shù)為指數(shù)分布: R(t)=(8) 那么產(chǎn)品的可靠度R可表示為R(T)，進(jìn)而通過(guò)(8)得到產(chǎn)品的失效率:
【文檔編號(hào)】G06F19/00GK104133994SQ201410356603
【公開(kāi)日】2014年11月5日 申請(qǐng)日期:2014年7月24日 優(yōu)先權(quán)日:2014年7月24日
【發(fā)明者】王立志, 向錦武, 王曉紅, 李宇翔, 木漫漫 申請(qǐng)人:北京航空航天大學(xué)