随着现代工业制造与科技高速发展,电子通讯、航空航天、交通设施等领域的多数设备均具有小子样、长寿命、高可靠的特征,在此背景下基于随机过程的退化建模分析已成为学术研究和工业实践的热点.Wiener过程具有良好的数学特性和数据拟合能力,可以对多种典型设备的退化数据进行建模分析,因此已成为当前退化建模中应用最广泛的模型之一.然而,现代设备的结构复杂性与运行环境的不确定性使设备的退化过程具有更多的随机性与异质性.为了对现代设备的退化过程进行更加合适的可靠性建模,本文提出三种基于Wiener过程的退化数据建模方法,对退化建模体系进行完善.一.针对设备个体间异质性和退化数据中存在测量误差干扰的问题,建立了带有测量误差的双随机效应Wiener模型,并提出多阶段参数估计方法.在随机漂移效应和随机扩散效应的基础上,该模型同时考虑了测量误差对退化建模的影响.并且对该模型的失效时间分布进行分析推导.在仿真实验中,应用数值仿真和铝合金裂纹实例实验对所提方法进行验证.二.对于动态环境下剩余寿命(Remaining Useful Life,RUL)估计困难的问题,建立带测量误差的自适应Wiener模型.该模型利用连续的布朗运动对自适应漂移项的波动变化进行建模,增加了模型的随机性,使其更加符合动态环境下设备的退化过程.并且根据首次到达时间(First Hitting Time,FHT)概念,推导得到在线RUL分布的概率密度函数(Probability Density Function,PDF)的解析表达式.在期望最大化(Expectation Maximization,EM)方法的基础上,对在线RUL分布中的未知参数进行估计.在仿真实验中,建立数值仿真与电容退化实例实验对所提方法进行验证.三.现有Wiener模型中的测量误差通常被假设服从高斯分布.由于异常值的厚尾性,带有高斯测量误差的Wiener模型并不适用于对存在异常值的退化数据进行退化建模.为此,建立了带有对异常值具有更好稳健性的t分布误差的Wiener模型.由于t分布误差会引起似然函数存在多重积分的问题,进而导致参数估计困难,为解决该问题,应用EM算法与变分贝叶斯(Variational Bayes,VB)方法估计未知参数.在仿真实验中,分别应用数值仿真与实例实验对该方法进行验证.最后,总结本文研究内容与成果,为未来对基于退化的可靠性建模的进一步研究做了有益探索.