[发明专利]一种基于非独立寿命数据的系统可靠性参数估计方法

说明书

本发明公开了一种基于非独立寿命数据的系统可靠性参数估计方法，包括：采用模型分割技术将原始系统可靠性模型分割为多个相互独立的子模型；基于模型分割结果，将系统整体似然函数解耦为多个相互独立的证据似然函数的乘积；构建各证据似然函数的一般通用表达式；根据系统可靠性模型的结构关系绘制证据推理图，并利用所述证据推理图编译所有证据量；计算系统整体似然函数；对系统可靠性参数进行估计与预测。本发明方法可解决包含非独立数据的系统可靠性模型的参数估计问题，适用范围包括故障树、事件树、贝叶斯网络模型等，具有普遍适用性。

技术领域

本发明涉及系统可靠性研究技术领域，特别涉及一种基于非独立寿命数据的系统可靠性参数估计方法。

背景技术

现阶段，复杂系统可靠性关键参数估计的一大挑战在于试验数据匮乏。在实际工程中，对整个系统进行多次独立的重复性试验成本高昂。为了降低试验成本，减少试验次数，常常同时在系统的不同部件上安装多个传感器以收集实验数据，而此时收集的实验数据则是非独立的。使用非独立寿命数据进行可靠性研究的难点在于似然函数解析求解。在这种情况下，高效便捷地处理数据的相关性对于系统可靠性关键参数的准确估计与预测具有重要意义。

针对非独立的寿命数据，已有一种基于割集的可靠性参数估计方法，该方法使用广义割集确定非独立数据对应的证据量，可有效处理包含非独立数据故障树模型的可靠性分析问题。此外，还有一种基于非独立故障时间数据的似然函数构造方法，该方法基于系统的可靠性结构，列出与非独立数据一致的所有可能事件，并计算它们对似然函数的贡献，进而得到系统整体的似然函数。但这些方法仅适用于特定可靠性模型(如故障树)，无法用于具有共用部件的系统，不具有普遍适用性。

发明内容

针对上述问题，本发明提供一种基于非独立寿命数据的系统可靠性参数估计方法，该方法可应用于包含多种非独立寿命数据(如：故障时间数据、左截尾数据、右截尾数据)的系统可靠性模型的参数估计问题，应用范围包括故障树、事件树、贝叶斯网络等多类系统可靠性模型，具有普遍适用性。

为解决上述技术问题，本发明的实施例提供如下方案：

一种基于非独立寿命数据的系统可靠性参数估计方法，包括以下步骤：

S1、采用模型分割技术将原始系统可靠性模型分割为多个相互独立的子模型；

S2、基于模型分割结果，将系统整体似然函数解耦为多个相互独立的证据似然函数的乘积；

S3、构建各证据似然函数的一般通用表达式；

S4、根据系统可靠性模型的结构关系绘制证据推理图，并利用所述证据推理图编译所有证据量；

S5、计算系统整体似然函数；

S6、对系统可靠性参数进行估计与预测。

优选地，所述步骤S1具体包括：

根据被观测节点的位置分布，采用基于d-分离的模型分割技术将原始系统可靠性模型分割为多个相互独立的子模型；

其中，对于没有共用节点的模型，根据图模型中的d-分隔结构位置进行分割，对于有共用节点的模型则不进行分割。

优选地，所述步骤S2具体包括：

根据各个子模型之间的相互独立性，将系统整体似然函数解耦为多个相互独立的证据似然函数的乘积：

其中N为节点，w为系统中被观测节点的数目。

优选地，所述步骤S3具体包括：

构建各证据似然函数的一般通用表达式如下：