基于贝叶斯混合概率分布融合的系统可靠性分析与预测方法
发布时间：2021-04-05 11:26
针对一般系统可靠性分析与预测方法在处理多层次信息分布不均衡（multi-level&information imbalanced,MLII）系统时的一些局限性,提出了基于贝叶斯推理与信息提取融合的系统可靠性分析方法。该方法通过引入直接先验分布、间接先验分布与融合先验分布的方式,重构了经典贝叶斯推理算法。主要创新性包括提出了基于自更新权重系数的贝叶斯混合算法,该算法可充分利用底层单元的完备数据,自下而上地补偿顶层匮乏的信息,获得较为准确的系统可靠性分析与预测结果。将该方法应用于具有MLII特点的复杂机电系统,分析结果较传统方法有更高的准确性。
【文章来源】：系统工程与电子技术. 2018,40(07)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
图１ＭＬＩＩ系统图Ｆｉｇ．１ＧｒａｐｈｉｃａｌｄｅｓｃｒｉｐｔｉｏｎｏｆＭＬＩＩｓｙｓｔｅｍ
?????????????????????表１经典ＢＭ方法与自更新权重系数的ＢＭ方法的异同对比Ｔａｂｌｅ１ＣｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｃｌａｓｓｉｃａｌＢＭａｐｐｒｏａｃｈａｎｄｔｈｅｐｒｏｐｏｓｅｄｏｎｅ权重系数α经典的ＢＭ方法自更新权重系数的ＢＭ方法变量性质确定值随机变量计算过程事先确定随推理过程更新选取依据主观信息主观信息＋客观信息３ＭＬＩＩ系统的ＢＩＥＡ方法第２节给出了基于自更新权重系数的ＢＭ方法的数理算法，下面结合图４所示的多层次结构来阐述ＭＬＩＩ系统的ＢＩＥＡ模型。图４多层次结构系统Ｆｉｇ．４Ｍｕｌｔｉ－ｌｅｖｅｌｓｔｒｕｃｔｕｒｅｓｙｓｔｅｍ３．１ＭＬＩＩ系统的ＢＩＥＡ模型不失一般性，以ｌ行第ｋ个单元Ｅ（ｌ，ｋｌ）为研究对象，其参数集θ（ｌ，ｋｌ）。那么第ｌ＋１行的父节点Ｅ（ｌ＋１，ｋｌ＋１）则有参数集θ（ｌ＋１，ｋｌ＋１）。给定其参数直接先验分布πＤ（θ（ｌ＋１，ｋｌ＋１）），其可靠度函数可一般地描述为Ｒ（ｌ＋１，ｋｌ＋１）（ｔ）＝ｆ（ｔ｜θ（ｌ＋１，ｋｌ＋１））。其中，ｆ（）是由具体物理背景及失效机理确定的函数。那么，研究对象的可靠度函数及对应的参数概率密度函数的一般形式为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）平均故障时间（ｍｅａｎｔｉｍｅｔｏｆａｉｌｕｒｅ，ＭＴＴＦ）为ＭＴＴＦ＝Ｅ（Ｔ）＝∫ｔ０ｔｄｔ∫Θｆ（ｔｐ｜Θ）ｄΘ（１６）式中，Ｄ是ＭＬＩＩ系统的可用数据集；Ｒ（ｔｐ｜Ｄ）和λ（ｔｐ｜Ｄ）分别是在ｔｐ时刻的可靠度与故障率。现将ＢＩＥＡ方法的主要步骤罗列如下，其主要分析流程及与经典贝叶斯方法的异同如图５所示。图５ＢＩＥＡ系统可靠性分析方法流程图Ｆｉｇ．５ＦｌｏｗｃｈａｒｔｏｆＢＩＥＡｓｙｓｔｅｍｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓｍｅｔｈｏｄ
【参考文献】：
期刊论文
[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)
本文编号：3119544
【文章来源】：系统工程与电子技术. 2018,40(07)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
图１ＭＬＩＩ系统图Ｆｉｇ．１ＧｒａｐｈｉｃａｌｄｅｓｃｒｉｐｔｉｏｎｏｆＭＬＩＩｓｙｓｔｅｍ
?????????????????????表１经典ＢＭ方法与自更新权重系数的ＢＭ方法的异同对比Ｔａｂｌｅ１ＣｏｍｐａｒｉｓｏｎｂｅｔｗｅｅｎｃｌａｓｓｉｃａｌＢＭａｐｐｒｏａｃｈａｎｄｔｈｅｐｒｏｐｏｓｅｄｏｎｅ权重系数α经典的ＢＭ方法自更新权重系数的ＢＭ方法变量性质确定值随机变量计算过程事先确定随推理过程更新选取依据主观信息主观信息＋客观信息３ＭＬＩＩ系统的ＢＩＥＡ方法第２节给出了基于自更新权重系数的ＢＭ方法的数理算法，下面结合图４所示的多层次结构来阐述ＭＬＩＩ系统的ＢＩＥＡ模型。图４多层次结构系统Ｆｉｇ．４Ｍｕｌｔｉ－ｌｅｖｅｌｓｔｒｕｃｔｕｒｅｓｙｓｔｅｍ３．１ＭＬＩＩ系统的ＢＩＥＡ模型不失一般性，以ｌ行第ｋ个单元Ｅ（ｌ，ｋｌ）为研究对象，其参数集θ（ｌ，ｋｌ）。那么第ｌ＋１行的父节点Ｅ（ｌ＋１，ｋｌ＋１）则有参数集θ（ｌ＋１，ｋｌ＋１）。给定其参数直接先验分布πＤ（θ（ｌ＋１，ｋｌ＋１）），其可靠度函数可一般地描述为Ｒ（ｌ＋１，ｋｌ＋１）（ｔ）＝ｆ（ｔ｜θ（ｌ＋１，ｋｌ＋１））。其中，ｆ（）是由具体物理背景及失效机理确定的函数。那么，研究对象的可靠度函数及对应的参数概率密度函数的一般形式为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）平均故障时间（ｍｅａｎｔｉｍｅｔｏｆａｉｌｕｒｅ，ＭＴＴＦ）为ＭＴＴＦ＝Ｅ（Ｔ）＝∫ｔ０ｔｄｔ∫Θｆ（ｔｐ｜Θ）ｄΘ（１６）式中，Ｄ是ＭＬＩＩ系统的可用数据集；Ｒ（ｔｐ｜Ｄ）和λ（ｔｐ｜Ｄ）分别是在ｔｐ时刻的可靠度与故障率。现将ＢＩＥＡ方法的主要步骤罗列如下，其主要分析流程及与经典贝叶斯方法的异同如图５所示。图５ＢＩＥＡ系统可靠性分析方法流程图Ｆｉｇ．５ＦｌｏｗｃｈａｒｔｏｆＢＩＥＡｓｙｓｔｅｍｒｅｌｉａｂｉｌｉｔｙａｎａｌｙｓｉｓｍｅｔｈｏｄ
【参考文献】：
期刊论文
[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)
本文编号：3119544
本文链接：https://www.wllwen.com/projectlw/xtxlw/3119544.html
