论文部分内容阅读
在可靠性试验中,常得到各种截尾数据。在定时截尾试验中,有时会遇到无失效数据,特别是在高可靠性,小样本问题中更容易产生无失效数据。由于无失效数据出现的情况越来越多,因此对无失效数据的分析和处理显得越来越重要。对某产品进行m次定时截尾试验,截尾时间为,相应试验样品数为,若结果是所有样品无一失效,则称为无失效数据,记,它表示截尾时间达到或超过的产品数,即在时刻尚未失效的产品数。本文主要考虑了“无失效数据”问题中的两个方面:一、如何运用无失效数据进行可靠性指标的估计问题茆诗松在文献[13]中提出了一种处理无失效数据的方法—配分布曲线法,其基本思想是:首先估计各时刻的失效概率,然后用最小二乘法或加权最小二乘法估计寿命参数,其中关键是估计各时刻的失效概率。对指数分布而言,关键是估计其失效率。(A)当产品的寿命分布为Weibull分布时,其分布函数为 , (1)其中均未知。 <WP=62>定理1当威布尔分布(1)的形状参数时,若对产品进行次定时截尾试验,得到一组无失效数据,记+,则各时刻处的失效概率应满足其中,,若取的先验分布为上的均匀分布,则在平方损失下,的Bayes估计为 。定理1′当威布尔分布(1)的形状参数时,若对产品进行次定时截尾试验,得到一组无失效数据,记,则各时刻处的失效概率应满足:,其中,,是的上界(由先验信息或专家经验确定)。若取的先验分布为上的均匀分布,则在平方损失下,的Bayes估计为 。(B)当产品的寿命分布为指数分布时,其密度函数为 , (2)其中为指数分布的失效率。对指数分布(2),若取失效率的共轭先验分布为Gamma分布,令其密度函数为 <WP=63> (3)其中,为不完全Gamma函数。定理2 对寿命服从指数分布(2)的产品进行次定时截尾试验,前 次定时截尾试验的结果是所有样品无一失效,得无失效数据,,而在第次定时截尾试验中,截尾时间为,相应的试验样品数为,结果有1个样品失效,若的多层先验密度为(3)给出,则在平方损失下,的多层Bayes估计为 ,其中,,,为无失效数据时的初估计,在此取 , 其中,为不完全Gamma函数。称为指数分布(2)在无失效数据为时失效率的综合多层Bayes估计。 <WP=64>定理2′ 对寿命服从指数分布(2)的产品进行次定时截尾试验,前次定时截尾试验的结果是所有样品无一失效,得无失效数据,,而在第次定时截尾试验中,截尾时间为,相应的试验样品数为,结果有r个样品失效,若的多层先验密度为(3)给出,则在平方损失下,的多层Bayes估计为 ,其中,,的定义与定理2中相同,, ,同理称为指数分布(2)在无失效数据时失效率的综合多层Bayes估计。二、无失效情况下的可靠性验证试验问题已知产品的寿命分布,假如要求产品的某个可靠性指标达到某种要求,那么在样品数取定情况下,无失效数据试验的时间为多长?这类问题称为无失效可靠性验证试验问题,本文考虑产品的寿命分布为Weibull分布(1),以平均寿命为考核指标,为总试验时间的失效数,要使为给定的常数,问总试验时间为多长?定理3 设产品的寿命分布为Weibull分布(1),取未知参数的联合先验分布 <WP=65>,~,~。首先解如下方程组确定参数a和b 。当时,可求出满足的,从而确定试验时间。定理3′当定理3中所得时,取未知参数的联合先验分布为 ~,~,~,可以解如下方程组确定参数,。