一、定数截尾指数分布参数的具有一致最小平均长度的区间估计（论文文献综述）
王春玲[1]（2021）在《几类模型下兴趣参数的广义推断研究》文中研究指明广义推断是利用广义检验变量和广义枢轴量对兴趣参数进行统计推断的方法,它在样本量较小时和模型中存在讨厌参数时均有着良好的表现。近年来其被不断的应用于各类统计问题当中。本文主要讨论广义推断方法在几类常见参数模型中的应用,所用到的模型包括双参数指数分布模型,线性混合效应模型,基于截尾数据的广义逆指数分布模型等。本文通过构造兴趣参数的广义枢轴量得到了其广义置信区间和假设检验问题的广义p值,并通过蒙特卡罗（MC）方法进行模拟比较,主要结果如下:（1）.研究了基于广义推断的双参数指数分布均值、分位数和生存概率的区间估计问题。讨论了均值和分位数的广义置信限,利用MC方法与精确置信限、近似置信限进行了比较,结果发现我们所给出的方法得到的置信限更接近于精确置信限;并解决了精确置信限无法给出显示解的问题;同时也给出了该分布均值、分位数和生存概率其广义置信区间的覆盖率和区间长度,结果表明与近似置信区间相比,广义置信区间的覆盖率更接近名义水平,且区间长度较短。（2）.研究了线性混合效应模型中兴趣参数的统计推断问题。通过构造带有两个方差分量的线性混合效应模型中各个兴趣参数的广义枢轴量来研究兴趣参数的广义置信区间和广义p值检验,通过蒙特卡罗模拟方法给出了置信区间的覆盖率及其平均长度还计算了犯第一类错误概率和检验的功效,同时将所得的结果与其他方法的结果进行比较,结论证明了广义推断方法的优良性质。（3）.给出了广义逆指数分布（GIE）的广义信仰分布（GFD）函数,并基于该分布函数计算出了 GIE参数λ和β的估计值和广义置信区间。利用AMHG（Adaptive Metropolis-Hastings within Gibbs）-MCMC采样方法得到了参数β的迭代值,解决了参数β枢轴方程为隐式方程的难题,将该方法与贝叶斯方法、基于渐近正态分布的大样本方法进行比较.模拟结果显示,广义推断方法在该模型上表现更好。（4）.分别探讨了广义推断在基于完全数据和截尾实验数据广义逆指数分布中的应用,研究了这种可靠性分布模型基于逐步type-Ⅱ右截尾实验数据及最高记录值数据的统计推断问题。对于此推断问题,首先构造出了参数的枢轴方程,然后基于其广义枢轴量计算出了相应的广义置信区间,最后通过MC方法得到了置信区间的覆盖率及其区间长度,并将该方法下的覆盖率与基于渐近正态分布的大样本方法下的覆盖率进行了比较。模拟结果表明,广义推断方法具有较高的准确度和实际应用价值。
胡钧铭[2]（2021）在《小子样复杂系统可靠性增长试验关键技术研究》文中研究说明可靠性增长试验旨在发现系统设计、制造、运营中潜在的失效模式,在经故障机理分析后,采取针对性的纠正措施,从而降低或消除系统故障。通过测试、修正、再测试过程的不断迭代,纠正措施的有效性得以验证,系统的可靠性水平得以逐步提升。因而,可靠性增长试验成为保障复杂系统可靠性的重要工程手段。可靠性增长规划和可靠性增长评估是系统可靠性增长研究的两个主要领域。前者是在实际增长试验实施前,规划试验资源,构建可靠性增长曲线,为跟踪、监控与调整可靠性增长试验方案提供参照。后者则是根据增长试验数据评估系统当前的可靠性,以及外推或者预测系统将来的可靠性。本文以系统可靠性增长试验为研究课题,围绕可靠性增长规划与可靠性增长评估两大研究领域,针对可靠性增长规划受不确定性因素的影响,开展了可靠性增长方案的稳健性评价研究;针对小样本贝叶斯可靠性增长评估中先验分布的建构问题,开展了多源数据融合的可靠性增长评估研究;针对受仪器故障、观测机制等因素制约导致的可靠性增长数据缺失,开展了缺失数据下的系统可靠性增长评估研究;针对可靠性增长评估中可靠性增长模型的模型不确定性是影响分析决策的因素之一,开展了可靠性增长模型的模型不确定性研究。论文的主要研究内容与创新成果如下:（1）提出了可靠性增长规划的稳健性评价方法。分析了可靠性增长规划中的不确定性影响因素,引入信息差理论对规划问题的不确定性进行分析,构建了可靠性增长规划的稳健性评价指标,推导了可靠性增长规划稳健性的计算模型。通过算例分析演示了该方法,并将分析结果与最坏情况分析进行比较,阐明了所提方法的可行性。（2）提出了可靠性增长评估的多源信息融合框架。分析了可靠性增长贝叶斯评估中的先验信息来源,根据证据理论建立了多源信息的融合框架。从多源信息的证据融合结果出发,分别基于Belief函数与Plausibility函数的等效矩,将先验信息转化为先验分布。从不同的先验组合出发推断未知参数的后验分布。算例研究表明,先验信息的认知不确定性传播到后验信息中,融合后的先验信息比单一信源信息提高了推断结果的准确性。（3）构建了缺失数据的可靠性增长评估方法。基于期望最大化算法和幂律模型的顺序统计量特性,分别从解析与随机模拟两个维度对左删失和区间删失数据的可靠性增长评估进行了研究。推导了两类删失数据的似然函数的解析解,并构建了基于蒙特卡洛期望最大化算法的两类删失数据的推断方法。算例研究演示和验证了所提方法的有效性。（4）提出了可靠性增长模型不确定性的量化方法。可靠性增长模型除用于评估系统当前可靠性水平外,还可预测系统未来或者下一阶段的可靠性。数据驱动的可靠性增长建模本质上是对可靠性增长过程的一种近似。这种近似会导致模型不确定性。实践中,经过统计检验的模型即被视为能够表征实际可靠性增长过程,但统计检验通常只回答了模型能否表征实际数据,并未定量给出模型自身的不确定性。建立可靠性增长模型的模型不确定性量化框架,为可靠性增长模型的评价提供新方法,同时也为可靠性增长预测提供更为全面的不确定性信息。基于贝叶斯方法,本文建立了可靠性增长模型的模型不确定性量化框架。算例研究演示和验证了该方法的有效性。
袁海晟[3]（2021）在《基于威布尔分布的可靠性鉴定试验方案设计》文中研究说明可靠性是指产品在规定的条件下,规定的时间内完成规定功能的能力。随着我国工业化水平的不断提升,无论是军工产品还是民用产品,对产品的可靠性要求都在不断提高。产品的可靠性水平由设计、制造加工和维护等多个环节共同决定。其中,不可忽视的一环是产品正式设计定型前的可靠性鉴定试验。目前我国机械产品的可靠性鉴定试验标准,一般采用GJB 899A-2009,此标准是基于产品寿命分布服从指数分布制定的,然而机械产品的寿命却大多服从或者近似服从于威布尔分布。因此本文对这一问题进行了研究,主要包括以下内容:（1）详细的阐述了可靠性鉴定试验类型、原理、设计要求、基本参数。对威布尔分布模型进行了详细的介绍,分析了威布尔分布模型的特点和主要适用场景。（2）对定时截尾试验的原理进行了介绍。针对有替换定时截尾试验,提出了一种多样本威布尔分布更新过程的计算模型,并完成了标准试验方案设计和LQ极限质量试验方案设计。针对无替换定时截尾试验,给出了试验方案设计的数学方程组。进一步结合具体算例,将本文的方案设计和GJB 899A-2009中方案以及一种基于非齐次泊松过程的方案设计进行了仿真对比与分析,证明了本文方案的优势。（3）阐述了统计学中序贯概率比检验的原理,并介绍了由其衍生而来的序贯试验方案。针对试验中不同的故障品处理策略,分别设计了基于威布尔分布的序贯试验方案。并结合具体算例,对序贯试验方案进行了仿真分析。（4）针对寿命分布的形状参数m确定这一问题,采用了参数估计的方法修正威布尔分布的形状参数。针对鉴定试验样本量较小,估计结果受样本随机性影响较大的问题,给出了一种基于S-SMART重采样方法的小样本估计方法。并结合实际例子,应用基于S-SMART重采样方法的小样本估计方法来确定样品寿命分布的形状参数,进一步完成方案设计,并对设计出的方案进行了仿真分析。
赵竑恺[4]（2021）在《逐次定数截尾数据下ZZ分布的参数估计》文中研究表明在有关参数估计的可靠性试验中,截尾寿命试验是一类被广泛应用的试验方法。又由于现代工业产品具有寿命长、试验成本高等特点,在截尾寿命试验的过程中,试验人员可以从未失效产品中随机抽取一部分产品移离试验,称此为逐次截尾寿命试验。这样,既可以了解产品的特性又可以节约成本,其研究更具有现实意义。可靠性统计推断一般是基于常见的四种寿命分布:指数分布、韦布尔分布、极值分布和对数正态分布。在各种寿命试验或截尾样本形式下,国内外对这四种分布的研究已有很多,然而有些存储产品,在给定的设计寿命之前很少失效,过了设计寿命之后失效的比例大幅增加,这时ZZ分布能够较好地刻画这类产品的寿命分布。本文是在ZZ分布场合下,基于逐次定数截尾试验数据,研究参数的估计与性质。具体研究内容如下:1.研究逐次定数截尾数据下ZZ分布参数的极大似然估计和近似极大似然估计。首先由联合密度函数给出参数的似然函数,取对数求偏导得到非线性似然方程组,用Newton-Raphson迭代法求得其数值解。其次,运用泰勒展式,将似然方程组的非线性部分转化为线性表达,即用近似极大似然估计求得参数的解析表达式。最后,通过Matlab软件进行数值模拟,验证并比较两种估计方法。2.探讨逐次定数截尾数据下ZZ分布参数的最佳线性无偏估计。由于每次失效时都有产品退出试验,故观察到的样本数据是有多种可能的顺序统计量。首先研究一种抽样情形下ZZ分布参数的条件最佳线性无偏估计,再将每种可能情况出现的概率作为权重,加权得到一般逐次定数截尾数据下ZZ分布参数的最佳线性无偏估计的表达式。其次,给出两种特殊移出情况时最佳线性无偏估计的具体表达式,并构造出数表,便于使用。最后,利用数值仿真算例验证所提出的一般最佳线性无偏估计方法的可行性。3.讨论逐次定数截尾数据下ZZ分布参数的区间估计和可靠度函数的置信下限。首先,通过EZ分布构造其分布仅仅通过可靠度函数而依赖于参数的统计量,变换后得到各时刻可靠度函数置信下限的表达式。其次,运用极大似然估计的渐近理论得到参数的近似置信区间。最后,利用数值模拟验证区间估计方法的有效性。
刘璐,李云飞[5]（2021）在《定数截尾场合Pareto分布形状参数的最优置信区间》文中研究表明首先采用传统方法,在置信水平为1-α=0.95时,求得定数截尾寿命试验下Pareto分布形状参数的置信区间,分析发现该置信区间并非最优置信区间.然后给出了满足定数截尾样本下参数最优置信区间的条件,进一步求解出Pareto分布形状参数的最优置信区间.最后将其与传统方法求得的置信区间进行对比分析,发现当失效个数r≤11时,具有一致最小平均长度性质的置信区间（最优置信区间）作为形状参数的置信区间将会使估计精度得到提高.
魏秋月[6]（2020）在《广义推断方法在几类推断问题中的应用》文中进行了进一步梳理广义推断是基于广义检验变量和广义枢轴量的统计推断方法,由于其性能良好,近年来被不断的应用于各类统计推断问题当中。此文章讨论广义推断方法在几种常见分布的参数推断中的应用,这些分布包括正态分布,对数正态分布,逆高斯分布,多元正态分布,指数分布,广义逆指数分布等。本文采取的主要方法是:通过构造兴趣参数的Fiducial模型,得到它们的广义枢轴量,进而给出检验的广义p值,以及兴趣参数的广义置信区间,主要结果如下:（1）介绍基于广义推断的正态分布与指数分布下两总体均值差的问题,给出假设检验问题的广义p值,然后又将其应用到截尾指数分布总体均值、定数截断寿命试验均值差检验问题当中。（2）给出了广义推断在单参数指数分布与广义逆指数分布下的应用,对于单参数指数分布可靠性参数推断,构造枢轴方程,给出可靠性参数的新的广义枢轴量,同时给出广义置信区间的频率性质证明,通过蒙特卡罗模拟方法给出了置信区间及其平均长度、犯第一类错误的概率和检验的功效,进而将该方法与贝叶斯方法、基于渐近正态思想的大样本方法和Bootstrap重抽样方法进行比较。给出广义逆指数分布基于逐步typeⅡ删失数据和最高记录数据（upper record values）的统计推断研究。模拟研究表明,广义推断方法有良好的表现。（3）给出逆高斯分布变异系数与尺度参数的统计推断。给出了逆高斯分布变异系数的广义置信区间,同时与方差估计反推法（method of variance of estimates recovery,MOVOER）和Bootstrap方法并进行比较;另外,用广义推断给出尺度参数两两差的同时置信区间,在此基础上消除每对尺度参数差之间的相关性影响优化同时置信区间,结论证明了广义推断方法的优良性质。（4）给出当有多个对数正态总体且均值相同时,此均值的参数推断;给出多元正态分布兴趣参数θ=E（X’X）的参数推断,模拟结果证明了广义推断方法的良好频率性质。
李泽乙[7]（2020）在《贝塔指数几何分布参数的极大似然估计及应用》文中进行了进一步梳理具有递减、递增和倒置的失效函数称为贝塔指数几何分布（BEG）,它是经指数几何分布（EG）的扩展,由贝塔（β）随机变量的分对数产生的。包括广义指数几何分布（GEG）,几何指数分布（GE）,以及贝塔指数分布（BE）。本篇文章,主要针对贝塔指数几何分布参数的极大似然估计和应用进行研究。首先,研究了基于全样本下的贝塔指数几何分布参数的极大似然估计问题。求解未知参数的极大似然估计值。用Newton迭代数值法,结合MATLAB语言编写程序,将6061-T6铝片在与轧制方向平行以每秒18次震荡（每个周期最大应力为31000Psi）下得到的101个疲劳寿命观测数据,代入程序中进行计算,求解出参数的极大似然估计值。其次,对基于截尾样本下的贝塔指数几何分布参数的极大似然估计问题进行了研究。第一步对数据进行截尾处理,取其前70个数据。用Newton迭代数值法,结合MATLAB语言编写程序,将这70个数据代入程序计算,求出截尾样本下参数的极大似然估计值。最后,对实际应用的101个观测数据进行卡方拟合检验。检验数据是否服从贝塔指数几何分布。第一步先对数据进行处理、分组,求出发生的事件落在区间上的概率和频率。再对求解出的计算结果进行比较。若二者的差值较小,则接受原假设,从而接受数据服从贝塔指数几何分布。
操琴[8]（2020）在《极少失效数据下的铁路货车转向架大部件可靠性评估与检修策略优化》文中研究指明随着工业技术的蓬勃发展,轨道车辆装备技术状态显着改善,对整车安全性具有重要意义的转向架大部件的可靠性不断提升,短时期内很难监测到其失效状态,常规基于失效数据的可靠性评估方法难以适用类似高可靠性零部件的可靠性评估。因此,在极少失效数据下进行铁路货车转向架大部件的可靠性评估,进而制定科学经济的检修策略具有重大的理论意义和工程价值。鉴于此本文以铁路货车转向架大部件为研究对象,开展极少失效数据下的转向架大部件的可靠性评估与检修策略的优化设计等研究。主要进行了以下研究工作:首先,开展大部件的失效模式及影响分析,判定其主要失效模式,分析研究对象的结构信息,并针对主要失效模式下的监测数据设计定时截尾试验,以完成极少失效数据的初步分析。其次,为充分利用极少失效数据包含的信息,设计以改进E-Bayes为核心的配分布曲线法进行可靠度点估计的详细流程。通过选取恰当的超先验分布和超参数值域,构建多层先验分布,运用改进E-Bayes方法求取各个截尾时间点的失效概率估计值,并结合以时间加权的最小二乘法得到可靠度函数参数的点估计。以转向架的主要组成部件侧架、摇枕为例,分析计算得到可靠度的点估计值。利用经典算例中的仿真数据对不同点估计的方法进行对比分析,验证了本文所选方法的优越性。然后,在点估计的基础之上,应用包含矩估计的参数Bootstrap方法,进行侧架、摇枕的可靠度的区间估计。并利用上述经典算例数据,对反向推导法、置信限法等不同的区间估计方法进行对比,验证参数Bootstrap方法的有效性。最后,在上述可靠性评估的基础上,构建等周期段修与变周期厂修相结合的检修策略模型,并将求解结果与现有定时检修的检修策略作对比以及完成模型参数的敏感性分析,分析结果表明本文所提检修策略具有良好的鲁棒性和优越性。
吴登科[9]（2020）在《成比例失效模型基于广义次序统计量的统计推断方法研究》文中指出在研究一些产品可靠性的时候,通常把产品分为可修产品和不可修产品。可修产品是指当产品失去规定的功能后可以通过检修恢复其功能;而当产品失去规定的功能后检修是不可能的,并且产品发生失效后被废弃,则称该产品为不可修产品。如果不可修产品失去了规定的功能,则称产品发生失效。因此对于成比例失效模型统计推断的研究正在引起广泛的关注。Kamps（1995）提出了广义次序统计量（GOS）的概念。GOS是各种常用的次序统计量的推广。因此可以把常见的各种形式次序统计量的分布理论统一到GOS的分布理论。本文讨论的内容是成比例失效模型基于广义次序统计量的统计推断方法研究。本文首先介绍了成比例失效模型、失效率、可靠度函数、逐次定数截尾样本、上记录值、广义次序统计量、广义推断以及替换方法的基本概念。接着研究了成比例失效模型基于广义次序统计量的推断方法研究,利用概率积分变换和指数分布的无记忆性把广义次序统计量转化为独立同分布的随机变量,从而可以构造准样本和枢轴量。然后利用广义统计推断方法得到成比例失效模型参数的广义枢轴量,并通过逆估计方法来求解参数的点估计。然后以Weibull分布为例,得到相应的结果,并后续再推导得到Weibull分布相应的可靠性特征的广义置信区间。在此基础上,分别考察成比例失效模型基于逐次定数截尾样本和上记录值的推断方法,并依然以Weibull分布为例,分别得到相应具体的结果。最后对广义Pareto分布基于广义次序统计量的推断方法进行研究,并考察基于完全样本的广义Pareto分布参数的广义置信区间以及点估计,再与最大似然估计以及M估计方法通过Monte Carlo模拟方法进行点估计的比较,得到我们的点估计方法即逆估计方法是好的;再通过90%和95%分位数模拟得到我们方法的置信区间的模拟覆盖率,并与基于M估计的boostrap方法（Ye的方法）进行比较,得出我们的方法不论是尺度参数还是形状参数,模拟的覆盖率相比较Ye的方法,更接近名义的覆盖率。当形状参数ζ<0的时候,我们方法的区间长度相比Ye的方法要更接近真实参数的值。继续考察广义Pareto分布基于上记录值的点估计推断方法,并依然与最大似然估计方法比较,得出我们方法（逆估计方法）要好;然后通过90%和95%分位数模拟得到我们方法的广义置信区间的模拟覆盖率,和名义覆盖率相比较基本一致,表明我们的方法是有效的。
张烁[10]（2020）在《VMC850E型立式加工中心导轨副的精度保持性试验及评估方法研究》文中研究表明本文基于国家科技重大专项,针对目前国产滚动直线导轨副在精度保持性方面的相关研究与发达国家相比存在较大差距这一主要问题,选用国产某型号导轨副作为研究对象,对VMC850E型立式加工中心进行改造,搭建完成试验台。对导轨副精度保持性的试验方法、数据分析方法及评估方法进行较为全面的研究,为国产导轨副精度保持性的进一步升级提供可靠的数据和理论支撑。首先,在导轨副精度保持性试验台设计及试验方案拟定方面。结合导轨副自身特性,明确试验台的基本性能要求,对VMC850E型立式加工中心进行改造,重点研究其机械结构部分、测控硬件系统部分和测控软件系统部分,确保试验台能够实现加载跑合功能与在线数据采集功能。综合考虑精度保持性试验特点和试验设备寿命等因素,拟定可行的加速寿命试验方案。然后,在试验数据处理方面。系统地总结了导轨副精度保持性试验数据处理的流程,包括如何将记录的数据转化成精度指标值、异常试验数据的处理、通过精度指标值确定导轨副具体的失效时间以及分布假设检验,并完成导轨副精度衰退曲线的绘制。最后,在评估方法方面。结合本次试验为小子样和加速寿命试验的特点,采用虚拟增广理论的方法处理失效数据,并在此基础上分别建立二参数和三参数威布尔分布模型,深入研究两种分布模型的参数估计方法并进行拟合优度检验,最终确定最优解。在上述工作的基础上,通过分析得到导轨副可靠性指标值的点估计与最优置信区间估计,完成对试验的评估。基于评估结果,对试验所选用的导轨副额定动载荷进行适当修正,通过观察试验完成后试验样本的品质表现情况,对导轨副进行了精度保持性综合评价。
二、定数截尾指数分布参数的具有一致最小平均长度的区间估计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、定数截尾指数分布参数的具有一致最小平均长度的区间估计（论文提纲范文）
（1）几类模型下兴趣参数的广义推断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状与发展 |
| 1.3 主要研究内容 |
| 第2章 广义推断在双参数指数分布中的应用 |
| 2.1 基本概念 |
| 2.2 双参数指数分布相关性质 |
| 2.3 双参数指数分布均值的置信区间估计 |
| 2.4 双参数指数分布p分位数的置信区间估计 |
| 2.5 双参数指数分布生存概率的广义置信区间 |
| 2.6 模拟比较 |
| 2.7 本章小结 |
| 第3章 线性混合模型兴趣参数的广义推断研究 |
| 3.1 方差分量σ_e~2和σ_α~2的广义推断 |
| 3.2 固定效应μ的广义枢轴量 |
| 3.3 模拟研究 |
| 3.4 本章小结 |
| 第4章 广义推断在广义逆指数分布兴趣参数中的应用 |
| 4.1 广义逆指数分布函数 |
| 4.2 参数β,λ的近似推断 |
| 4.3 广义逆指数分布参数β,λ的贝叶斯推断 |
| 4.4 GIE分布参数β,λ的广义Fiducial推断 |
| 4.5 不完全数据下参数β的置信区间估计 |
| 4.6 模拟结果 |
| 4.7 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 研究生在读期间主要研究成果 |
| 附录 |
（2）小子样复杂系统可靠性增长试验关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号及缩略语 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 可靠性增长概述 |
| 1.2.2 可靠性增长规划研究现状 |
| 1.2.3 可靠性增长评估研究现状 |
| 1.2.4 综述总结与问题提出 |
| 1.3 本文研究内容与结构 |
| 1.3.1 论文研究内容 |
| 1.3.2 论文章节结构 |
| 第二章 系统可靠性增长规划稳健性研究 |
| 2.1 引言 |
| 2.2 理论基础 |
| 2.2.1 信息差理论 |
| 2.2.2 规划模型 |
| 2.2.3 最坏情况分析 |
| 2.3 稳健性建模 |
| 2.3.1 决策变量 |
| 2.3.2 不确定性变量 |
| 2.3.3 收益函数 |
| 2.3.4 性能阈值 |
| 2.3.5 稳健性函数 |
| 2.4 算例研究 |
| 2.4.1 信息差分析 |
| 2.4.2 最坏情况分析 |
| 2.4.3 比较研究 |
| 2.5 本章小结 |
| 第三章 多源信息融合的系统可靠性增长评估 |
| 3.1 引言 |
| 3.2 理论基础 |
| 3.2.1 幂律过程基础 |
| 3.2.2 证据理论基础 |
| 3.3 评估方法 |
| 3.3.1 多源信息融合的贝叶斯评估框架 |
| 3.3.2 先验分布构建 |
| 3.3.3 后验分布推断 |
| 3.4 算例研究 |
| 3.4.1 故障数据仿真 |
| 3.4.2 先验一致情况 |
| 3.4.3 先验不一致情况 |
| 3.5 本章小结 |
| 第四章 缺失数据下的系统可靠性增长评估 |
| 4.1 引言 |
| 4.2 理论基础 |
| 4.2.1 顺序统计量 |
| 4.2.2 EM算法 |
| 4.3 评估方法 |
| 4.3.1 缺失数据类型 |
| 4.3.2 缺失数据边缘似然函数 |
| 4.3.3 缺失数据MCEM算法 |
| 4.4 算例研究 |
| 4.4.1 仿真验证算例 |
| 4.4.2 工程验证算例—发电机 |
| 4.4.3 工程应用算例—车辆 |
| 4.5 本章小结 |
| 第五章 系统可靠性增长模型不确定性研究 |
| 5.1 引言 |
| 5.2 理论基础 |
| 5.2.1 模型不确定性 |
| 5.2.2 模型不确定性表征 |
| 5.2.3 模型不确定性量化 |
| 5.2.4 可靠性增长评估全面不确定性量化框架 |
| 5.3 可靠性增长模型校准算例研究 |
| 5.3.1 观测数据 |
| 5.3.2 模型不确定性对参数评估的影响 |
| 5.3.3 模型不确定性对预测的影响 |
| 5.4 可靠性增长模型验证算例研究 |
| 5.4.1 基于模型不确定性的模型验证原理 |
| 5.4.2 模型与数据 |
| 5.4.3 模型不确定性量化 |
| 5.4.4 模型验证准则比较 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（3）基于威布尔分布的可靠性鉴定试验方案设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 威布尔分布模型研究现状 |
| 1.2.2 可靠性鉴定试验研究现状 |
| 1.2.3 威布尔分布下可靠性鉴定试验研究存在的问题 |
| 1.3 本文研究内容与结构安排 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 可靠性鉴定试验基本原理 |
| 2.1 可靠性试验方案设计原理 |
| 2.1.1 可靠性鉴定试验概述 |
| 2.1.2 可靠性鉴定试验方案分类 |
| 2.1.3 抽样检验 |
| 2.2 威布尔分布模型 |
| 2.3 试验参数 |
| 2.4 本章小结 |
| 第三章 基于威布尔分布的定时截尾试验方案设计 |
| 3.1 定时截尾试验原理 |
| 3.2 有替换定时截尾试验方案设计 |
| 3.2.1 有替换定时截尾试验的标准方案设计 |
| 3.2.2 有替换定时截尾试验的LQ方案设计 |
| 3.3 无替换定时截尾试验方案设计 |
| 3.4 算例分析 |
| 3.4.1 有替换定时截尾试验算例分析 |
| 3.4.2 无替换定时截尾试验算例分析 |
| 3.4.3 形状参数存在误差时的试验方案选择 |
| 3.5 本章小结 |
| 第四章 基于威布尔分布的序贯试验方案设计 |
| 4.1 序贯试验原理 |
| 4.1.1 似然比检验 |
| 4.1.2 序贯概率比检验 |
| 4.1.3 基于指数分布的序贯试验方案 |
| 4.2 有替换序贯试验方案设计 |
| 4.3 无替换序贯试验方案设计 |
| 4.4 算例分析 |
| 4.4.1 序贯试验的判决方式 |
| 4.4.2 有替换序贯试验算例分析 |
| 4.4.3 无替换序贯试验算例分析 |
| 4.5 本章小结 |
| 第五章 基于参数估计的可靠性鉴定试验方案研究 |
| 5.1 参数估计原理 |
| 5.1.1 极大似然估计 |
| 5.1.2 贝叶斯估计 |
| 5.1.3 S-SMART重采样方法 |
| 5.2 基于参数估计的可靠性鉴定试验方案研究 |
| 5.2.1 威布尔分布参数的极大似然估计 |
| 5.2.2 形状参数的贝叶斯估计 |
| 5.3 算例分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间参加的科研项目与取得的成果 |
| 1.在学期间参与的研究项目 |
| 2.在学期间发表的论文 |
（4）逐次定数截尾数据下ZZ分布的参数估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的目的和意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 逐次定数截尾国外研究现状 |
| 1.2.2 逐次定数截尾国内研究现状 |
| 1.2.3 ZZ分布研究现状 |
| 1.3 研究内容及论文结构 |
| 第2章 预备知识 |
| 2.1 ZZ分布 |
| 2.2 参数估计方法 |
| 2.2.1 点估计 |
| 2.2.2 区间估计 |
| 2.2.3 常见估计方法——极大似然估计 |
| 2.2.4 常见估计方法——最小二乘估计 |
| 2.2.5 常见估计方法——Bootsrtap方法 |
| 2.3 本章小结 |
| 第3章 逐次定数截尾数据下ZZ分布参数的极大似然估计 |
| 3.1 逐次定数截尾试验 |
| 3.2 逐次定数截尾数据下ZZ分布参数的极大似然估计 |
| 3.3 逐次定数截尾数据下ZZ分布参数的近似极大似然估计 |
| 3.4 数值模拟 |
| 3.5 本章小结 |
| 第4章 逐次定数截尾数据下ZZ分布参数的最佳线性无偏估计 |
| 4.1 逐次定数截尾数据下ZZ分布的最佳线性无偏估计 |
| 4.1.1 一般线性无偏估计表达式 |
| 4.1.2 R=(n-r,0,0,---,0)_(1×r)时的最佳线性无偏估计 |
| 4.1.3 R=(1,1,---,1,0,---,0)_(1×r)时的最佳线性无偏估计 |
| 4.2 数值模拟 |
| 4.3 应用算例 |
| 4.4 本章小结 |
| 第5章 逐次定数截尾数据下ZZ分布参数的区间估计和可靠度函数的置信下限 |
| 5.1 可靠度函数的置信下限 |
| 5.2 渐近正态区间 |
| 5.3 数值模拟 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（5）定数截尾场合Pareto分布形状参数的最优置信区间（论文提纲范文）
| 0 引言 |
| 1 Pareto分布中形状参数的最优置信区间 |
| 1.1 Pareto分布参数θ的置信区间 |
| 1.2 最优置信区间 |
| 1.3 Pareto分布参数θ的最优置信区间 |
| 2 算例分析 |
| 3 结论 |
（6）广义推断方法在几类推断问题中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状与发展 |
| 1.3 主要研究内容 |
| 第2章 几种指数型分布族的参数的检验问题 |
| 2.1 广义推断相关概念 |
| 2.2 指数分布定数截断寿命试验均值差的检验 |
| 2.3 截尾指数分布均值的检验 |
| 2.4 本章小结 |
| 第3章 广义推断在指数分布与逆指数分布中参数推断的应用 |
| 3.1 指数分布下可靠性参数问题研究 |
| 3.2 广义逆指数分布基于逐步typeⅡ截尾试验与最高记录数据的参数问题研究 |
| 3.3 模拟研究 |
| 3.4 本章小结 |
| 第4章 逆高斯分布中变异系数和尺度参数的统计推断研究 |
| 4.1 变异系数的区间估计 |
| 4.2 多总体尺度参数的同时置信区间 |
| 4.3 模拟研究 |
| 4.4 本章小结 |
| 第5章 广义推断在对数正态分布与多元正态分布中的应用 |
| 5.1 多个对数正态总体相同均值下的推断问题 |
| 5.2 多元正态分布兴趣参数的广义枢轴量 |
| 5.3 模拟研究 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 研究生学位期间主要研究成果 |
| 附录 |
（7）贝塔指数几何分布参数的极大似然估计及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 数理统计学简述 |
| 1.1.1 数理统计学的任务和性质 |
| 1.1.2 数理统计学的应用 |
| 1.1.3 数理统计学的发展史 |
| 1.2 贝塔指数几何分布国内外研究发展状况 |
| 1.3 论文主要内容和创新点 |
| 2 贝塔指数几何分布参数基于全样本下的极大似然估计 |
| 2.1 寿命分布 |
| 2.1.1 寿命分布类研究 |
| 2.1.2 随机变量的分布 |
| 2.2 极大似然估计法 |
| 2.3 极大似然估计量 |
| 2.4 分布参数的函数的极大似然估计量 |
| 2.5 未知参数的极大似然估计 |
| 2.6 应用实例 |
| 2.7 小结 |
| 3 贝塔指数几何分布参数基于截尾样本下的极大似然估计 |
| 3.1 参数在定数截尾样本下的极大似然估计 |
| 3.2 参数在定时截尾样本下的极大似然估计 |
| 3.3 小结 |
| 4 卡方拟合检验法拟合检验贝塔指数几何分布 |
| 4.1 假设检验的概念 |
| 4.1.1 假设检验常用方法 |
| 4.1.2 假设检验的基本原理 |
| 4.1.3 假设检验的基本形式 |
| 4.1.4 检验统计量与拒绝域 |
| 4.1.5 两种错误 |
| 4.1.6 假设检验的步骤 |
| 4.2 参数假设检验与非参数假设检验 |
| 4.3 卡方拟合检验法 |
| 4.4 卡方拟合优度检验法拟合检验贝塔指数几何分布 |
| 4.5 小结 |
| 5 结论 |
| 参考文献 |
| 攻读硕士期间发表学术论文情况 |
| 致谢 |
| 附录 χ~2分布表 |
（8）极少失效数据下的铁路货车转向架大部件可靠性评估与检修策略优化（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及研究意义 |
| 1.2 国内外研究现状分析 |
| 1.2.1 转向架大部件可靠性评估的研究现状 |
| 1.2.2 极少失效数据下的可靠性评估研究现状 |
| 1.2.3 检修策略的研究现状 |
| 1.2.4 研究方法总结分析 |
| 1.3 研究内容和论文结构 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文结构框架 |
| 2 转向架大部件可靠性评估的需求和特征分析 |
| 2.1 转向架大部件可靠性评估的需求分析 |
| 2.1.1 转向架系统结构分析 |
| 2.1.2 转向架大部件FMEA分析 |
| 2.2 转向架大部件可靠性评估的特征分析 |
| 2.2.1 数据来源 |
| 2.2.2 极少失效数据的特征分析 |
| 2.3 本章小结 |
| 3 基于配分布曲线法的转向架大部件可靠度点估计 |
| 3.1 失效概率P_i的确定 |
| 3.1.1 E-Bayes方法 |
| 3.1.2 经典Bayes方法 |
| 3.1.3 多层Bayes方法 |
| 3.2 基于最小二乘法的参数拟合 |
| 3.2.1 最小二乘法 |
| 3.2.2 基于时间加权的最小二乘法 |
| 3.3 仿真验证 |
| 3.3.1 基于经典文献数据的方法验证 |
| 3.3.2 超先验分布类型的敏感性分析 |
| 3.3.3 超参数值域的敏感性分析 |
| 3.3.4 不同数量和截尾时间的敏感性分析 |
| 3.4 转向架大部件的可靠度点估计 |
| 3.5 本章小结 |
| 4 基于Bootstrap方法的转向架大部件可靠度区间估计 |
| 4.1 基于Bootstrap的可靠度区间估计 |
| 4.1.1 Bootstrap方法的分类 |
| 4.1.2 参数Bootstrap的基本流程 |
| 4.1.3 基于矩估计的参数拟合 |
| 4.2 不同区间估计方法的对比分析 |
| 4.2.1 反向推导法 |
| 4.2.2 置信限分析法 |
| 4.2.3 方法验证 |
| 4.3 转向架大部件的可靠度区间估计 |
| 4.4 本章小结 |
| 5 转向架大部件的检修策略优化 |
| 5.1 检修策略优化模型的构建 |
| 5.1.1 检修策略优化的问题描述 |
| 5.1.2 目标函数的建立 |
| 5.2 检修策略优化模型的求解及分析 |
| 5.2.1 检修模型的求解 |
| 5.2.2 优化效果的比较分析 |
| 5.3 模型参数的敏感性分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）成比例失效模型基于广义次序统计量的统计推断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 第一节 研究背景和研究意义 |
| 第二节 文献综述 |
| 第三节 研究内容及创新点 |
| 一、研究内容 |
| 二、主要创新点 |
| 第四节 本章小结 |
| 第二章 成比例失效模型及相关基本概念概述 |
| 第一节 成比例失效模型以及可靠度函数 |
| 一、成比例失效模型 |
| 二、失效率与可靠度函数 |
| 第二节 逐次定数截尾样本、上记录值以及广义次序统计量 |
| 第三节 广义推断 |
| 一、广义检验变量、广义极端域和广义p值 |
| 二、广义置信区间 |
| 三、替换方法 |
| 第四节 本章小结 |
| 第三章 成比例失效模型基于广义次序统计量的推断方法研究 |
| 第一节 区间估计 |
| 一、参数λ的区间估计 |
| 二、参数α的区间估计 |
| 第二节 参数λ和α的点估计 |
| 第三节 Weibull分布基于广义次序统计量的推断结果 |
| 一、区间估计 |
| 二、分位数和可靠性函数的广义置信区间 |
| 三、点估计 |
| 第四节 成比例失效模型基于逐次定数截尾样本的推断结果 |
| 一、区间估计和点估计 |
| 二、Weibull分布基于逐次定数截尾样本的推断结果 |
| 第五节 成比例失效模型基于上记录值的推断结果 |
| 一、区间估计和点估计 |
| 二、Weibull分布基于上记录值的推断结果 |
| 第六节 本章小结 |
| 第四章 广义Pareto分布基于广义次序统计量的推断方法研究 |
| 第一节 模型介绍 |
| 第二节 区间估计和点估计 |
| 一、关于分位数的广义置信区间和可靠性函数 |
| 二、预测区间 |
| 三、对于参数ζ和β的点估计 |
| 第三节 广义Pareto分布基于完全样本的推断结果 |
| 一、现有文献点估计方法:最大似然估计和M估计方法 |
| 二、逆估计 |
| 三、区间估计 |
| 第四节 广义Pareto分布基于上记录值的推断结果 |
| 一、最大似然估计 |
| 二、逆估计 |
| 三、区间估计 |
| 第五节 本章小结 |
| 第五章 结论及展望 |
| 第一节 主要结论 |
| 第二节 研究展望 |
| 参考文献 |
| 附录 |
| 致谢 |
（10）VMC850E型立式加工中心导轨副的精度保持性试验及评估方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 导轨副精度保持性试验研究现状 |
| 1.2.2 导轨副寿命评估方法研究现状 |
| 1.3 课题研究内容 |
| 1.4 本章小结 |
| 第2章 滚动直线导轨副精度保持性试验 |
| 2.1 试验条件 |
| 2.1.1 试验设备要求 |
| 2.1.2 试验工作条件 |
| 2.2 试验台的搭建 |
| 2.2.1 试验台整体结构 |
| 2.2.2 试验台机械结构 |
| 2.2.3 试验台测控硬件系统 |
| 2.2.4 试验台测控软件系统 |
| 2.3 加速寿命试验方法 |
| 2.3.1 加速寿命试验类型 |
| 2.3.2 加速模型的选取 |
| 2.3.3 恒定应力加速试验方案 |
| 2.4 试验过程 |
| 2.5 本章小结 |
| 第3章 试验数据分析与处理 |
| 3.1 滚动直线导轨副精度指标检测方法 |
| 3.2 滚动直线导轨副精度指标值计算方法 |
| 3.3 试验数据处理 |
| 3.3.1 精度指标值计算 |
| 3.3.2 异常试验数据处理 |
| 3.3.3 精度衰退曲线分析 |
| 3.4 试验数据分布拟合检验 |
| 3.4.1 具体失效时间的确定 |
| 3.4.2 威布尔分布假设检验 |
| 3.5 本章小结 |
| 第4章 威布尔分布模型建立 |
| 4.1 威布尔分布特性 |
| 4.2 威布尔分布数学模型 |
| 4.3 小子样条件下虚拟增广理论 |
| 4.4 二参数威布尔分布评估 |
| 4.4.1 二参数图解法 |
| 4.4.2 二参数最小二乘估计法 |
| 4.4.3 参数估计 |
| 4.5 本章小结 |
| 第5章 三参数威布尔分布参数估计与对比 |
| 5.1 三参数威布尔分布应用的必要性 |
| 5.2 三参数威布尔分布参数估计法比较分析 |
| 5.2.1 相关系数优化法 |
| 5.2.2 概率权重矩法 |
| 5.3 拟合优度检验 |
| 5.3.1 D检验法 |
| 5.3.2 误差面积比检验法 |
| 5.3.3 误差检验法 |
| 5.4 本章小结 |
| 第6章 精度保持性试验评估结果及应用 |
| 6.1 评估结果分析 |
| 6.1.1 导轨副寿命指标点估计 |
| 6.1.2 导轨副可靠度区间估计 |
| 6.2 评估结果应用 |
| 6.2.1 导轨副额定动载荷的修正 |
| 6.2.2 导轨副精度保持性品质评价 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的科研成果 |
| 致谢 |
四、定数截尾指数分布参数的具有一致最小平均长度的区间估计（论文参考文献）
- [1]几类模型下兴趣参数的广义推断研究[D]. 王春玲. 北京建筑大学, 2021(01)
- [2]小子样复杂系统可靠性增长试验关键技术研究[D]. 胡钧铭. 电子科技大学, 2021(01)
- [3]基于威布尔分布的可靠性鉴定试验方案设计[D]. 袁海晟. 电子科技大学, 2021(01)
- [4]逐次定数截尾数据下ZZ分布的参数估计[D]. 赵竑恺. 哈尔滨理工大学, 2021(09)
- [5]定数截尾场合Pareto分布形状参数的最优置信区间[J]. 刘璐,李云飞. 内江师范学院学报, 2021(02)
- [6]广义推断方法在几类推断问题中的应用[D]. 魏秋月. 北京建筑大学, 2020(08)
- [7]贝塔指数几何分布参数的极大似然估计及应用[D]. 李泽乙. 辽宁工业大学, 2020(03)
- [8]极少失效数据下的铁路货车转向架大部件可靠性评估与检修策略优化[D]. 操琴. 北京交通大学, 2020(03)
- [9]成比例失效模型基于广义次序统计量的统计推断方法研究[D]. 吴登科. 浙江工商大学, 2020(05)
- [10]VMC850E型立式加工中心导轨副的精度保持性试验及评估方法研究[D]. 张烁. 沈阳理工大学, 2020(08)