随着科学技术的快速发展,高科技产品由于造价高昂、制作工艺复杂等原因,无法进行大样本的可靠性实验,这使得实验数据呈现小子样的特点。如何科学合理地利用小子样的现场实验数据,为产品的可靠性评定提供决策依据成为一个重要课题。近些年在小子样可靠性评定领域,由于贝叶斯理论能够有效地整合验前实验信息与现场实验信息对系统可靠性做出客观的评价,而得到了广泛的关注。因此,本文对基于贝叶斯理论的小子样可靠性评定方法开展研究,主要研究内容如下:本文针对基于贝叶斯理论的小子样可靠性评定方法准确率较低的问题,对验前信息预处理和贝叶斯可靠性评定两个阶段进行改进。在验前信息预处理阶段,主要针对验前信息的折算方法进行了研究。针对相似系统的信息折算存在的问题,本文提出了一种相似系统折算方法,基于相关系数确定相似系统间的关系矩阵,采用D-S证据理论进行整合的折算方法;同时针对系统在不同环境下的实验信息,本文提出一种基于F-HS算法的折算方法,提高了信息分割配对的准确率,进而提高了折算效率。在贝叶斯可靠性评定阶段,使用共轭验前分布的方法确定验前信息的分布,提出一种混合验前分布模型,解决了验前信息“淹没”小子样现场实验信息及多源验前分布的融合权重问题;通过贝叶斯公式对混合验前分布模型与现场实验信息进行整合,并采用Gibbs算法对验后分布模型进行采样,有效的对系统可靠性参数进行评定。实验结果表明,本文提出的验前信息折算方法,在验前信息与现场实验信息符合相容性检验的前提下,很好地提高了折算的准确率。采用基于混合验前分布模型的贝叶斯可靠性评定方法,解决了多源验前分布的融合权重问题,并对可靠性参数进行有效的评定。本文通过三组对比实验表明本文方法的有效性。