可靠性试验鉴定与评估是武器装备研制、定型、采办和使用过程中的重要环节。随着现代武器装备的技术含量和复杂程度不断提高,复杂装备的造价和试验费用昂贵,具有现场试验次数少、各阶段试验具有继承性但试验条件不尽相同等特点。因此,对于“小子样、多阶段、异总体”装备可靠性试验与评估问题,采用传统的统计分析方法难以给出科学合理的结论。
论文针对装备研制阶段可靠性试验与评估的工程需求,将变动统计理论和Bayes方法引入到装备研制阶段可靠性试验与分析中,从新的视角对动态分布参数的Bayes多源信息融合、可靠性增长规划、可靠性鉴定方案的优化选择和可靠性试验评估等一系列难题进行了系统深入的研究,建立了一套适用于动态分布参数的Bayes可靠性试验鉴定与评估的理论和方法,为现代武器装备研制阶段可靠性保障提供技术支撑。论文主要研究工作及结论包括:
1.作为论文工作的基础,首先,从装备研制需求和可靠性规范(国军标)的角度分析武器装备研制试验的特点及其在工程应用中存在的问题,分析表明:验前分布的表示、可靠性建模和信息融合是动态分布参数Bayes分析的核心问题。其次,以动态分布参数的Bayes可靠性分析为主线,构建了动态分布参数的Bayes可靠性综合试验与评估流程及选取原则。再次,研究了基于优化模型的D-S证据推理的信息融合方法,增长因子的多阶段可靠性信息融合方法,以及基于序化模型的Bayes可靠性增长信息融合方法。最后,研究了以随机过程和序化模型为主的动态分布参数的Bayes可靠性建模方法。
2.针对装备研制分批次分阶段试验的特点,结合组件级和系统级产品的试验修正策略,分别构建了组件级多阶段Bayes可靠性增长规划模型和基于非齐次Poisson过程的系统级多阶段Bayes可靠性增长规划模型。获得了装备研制不同阶段不同增长效率情况下可靠性增长试验的准确信息,实现了装备研制阶段可靠性增长的动态规划和管理。
3.为了合理利用专家经验、多阶段和异总体的多源试验信息评估产品的可靠性,针对新的Dirichlet先验分布,采用最优化理论解决了其分布参数因物理意义不明确而难以确定的问题,提出了动态分布参数的成败型Bayes可靠性评估与预测模型;分别构建了指数型Bayes可靠性增长评估模型和基于加延时间试验的威布尔寿命型Bayes可靠性增长评估模型,拓宽了模型的应用范围。采用MCMC算法解决了复杂后验量高维积分的计算问题。研究表明,该模型能够实现小子样多阶段复杂系统可靠性的评估与预测,克服了一般Bayes模型只能进行可靠性评估的缺陷。
4.针对不同阶段不同层次试验信息的小样本可靠性鉴定问题,采用环境因子折合法,提出了在样本量一定的条件下Bayes可靠性鉴定试验方案,并从生产和使用双方风险的角度与经典方案进行了对比分析,进一步明确了Bayes方法的适用范围。通过引入继承因子,分别提出并推导了基于混合Beta分布和混合Gamma分布的Bayes可靠性鉴定试验方案,为小子样装备的可靠性鉴定方案制定提供了更为客观的依据。研究表明,采用混合先验分布能充分利用异总体的先验信息,有效降低可靠性鉴定的试验量。
5.以××装备为对象,进行了本文所研究动态分布参数的Bayes可靠性试验与评估方法的设计与应用,验证了本文研究成果的有效性和可行性,为“小子样、多阶段、异总体”装备研制阶段可靠性试验与评估提供了完整的工程应用案例。
总之,本文在国家高技术研究发展计划(863)和部委“十一五”预先研究项目的资助下,从理论、方法和应用的不同层面对动态分布参数的Bayes可靠性试验与评估问题开展了系统深入的研究。本文的研究结果,以及在此基础上的进一步研究将为小子样装备研制可靠性试验与评估提供一套理论完善、工程适用的理论与方法,对开展“小子样、多阶段、异总体”装备可靠性保障技术研究具有重要的理论和工程价值。
