本论文以某型液体火箭发动机为工程背景，研究其可靠性增长管理理论和方法，是课题《液体火箭发动机可靠性增长分析与评估》研究成果的一部分。液体火箭发动机是运载火箭的主要动力装置，为满足现代航天运载火箭对其技术性能越来越高的要求，结构日趋复杂，可靠性已成为一项非常重要的技术指标。据统计，美国发射的各种运载火箭中，发动机故障占总故障的60％以上。因此，必须进行长时间、高工况的试验，对其性能与结构参数进行综合权衡，以实现设计上的优化与可靠性增长。但在我国，由于研制经费和研制周期所限，试验时间和试验次数较少，整机试验样本量偏小，有必要采用适当的可靠性增长管理方法，将工程上的试验、分析与纠正过程纳入科学管理，做到对可靠性增长进行定量控制，合理利用有限资源，以保证产品在规定时间内达到可靠性指标要求。当前的可靠性增长管理方法在液体火箭发动机中的应用存在诸多问题。本文针对液体火箭发动机可靠性试验特点，研究其可靠性增长管理理论方法及其应用，主要包括： (1)可靠性增长信息是实行可靠性增长管理的基础，准确性和数量直接影响可靠性增长分析、规划和决策的有效性。传统可靠性增长管理中只考虑飞行数据和地面试车数据，针对液体火箭发动机可靠性增长信息量小的特点，本文将其扩展为飞行数据、地面试车数据、类似型号产品试验数据、单元和分系统试验数据、专家信息和仿真试验数据以增加信息量。针对扩展后的可靠性增长信息具有分散性、随机性和时效性等特点，提出液体火箭发动机可靠性增长信息管理的方法和流程，并将并行管理和集成管理等现代管理模式引入到可靠性增长管理中。 (2)拓展信息来源的方法在扩大信息量的同时增加了信息处理的难度，加之可靠性增长过程中样本具有变母体的特点，使信息的处理和利用更加复杂。本文提出采用信息融合方法综合利用不同来源、不同时序点的可靠性增长信息，建立了液体火箭发动机信息融合框架结构，并给出同一阶段同源信息融合模型、同一阶段多源信息融合模型和可靠性增长信息融合模型，通过以上三个可靠性增长模型可获得关于液体火箭发动机系统更准确、全面的判断信息。 (3)针对液体火箭发动机可靠性增长过程管理是不完备信息下的不确定性决策问题，分别建立了液体火箭发动机的FMEA模型和故障诊断模型。FMEA是产品可靠性增长分析的重要工具，它主要是一种定性方法，论文采用Bayes网络模型建立了液体火箭发动机全系统的FMEA模型，将故障严酷度和故障概率统一到一个框架结构中进行综合研究，解决了传统FMEA模型无法定量化的问题，实现了定性与定量相结合。故障诊断的正确性直接决定能否实现有效的可靠性增长，论文建立了基于Bayes网络的故障诊断模型，不仅能解决故障与征兆之间“多对多”的不确定决策问题，而且可国防科技大学研究生院学位论文以发现潜在故障源，解决故障之间的竞争风险问题。通过与其它故障诊断方法的对比，论文提出的方法在诊断速度、诊断结果和准确性方面优于其它故障诊断方法，可在输入数据不完备的情况下完成对复杂系统的故障诊断。在Bay比网络建模过程中，提出采用Leaky Noisy一or模型和灵敏度分析降低数据需求量和提高推断效率。 (4)建立了液体火箭发动机系统分阶段的可靠性增长规划模型。该模型依据信息融合结果，采用MTGP模型跟踪增长过程，可充分利用可靠性增长全程试验信息，在模型中设计决策变量，克服了传统的Bayes可靠性增长模型只能预测不能决策的缺陷。与经典可靠性增长模型相比，这种可靠性增长模型更符合工程实际、可操作性强。 (5)研究了液体火箭发动机基于不确定信息、不完备数据集下的风险决策问题，建立了基于先验信息的可靠性增长决策模型、基于最优信息量的可靠性增长规划模型和基于后验信息的可靠性增长决策模型，将可靠性增长试验与决策过程有机结合起来，克服了传统的Bayes决策方法中决策与信息之间相互割裂的缺点。关键词:液体火箭发动机可靠性增长信息融合Bayes网络可靠性增长规划风险决策第H页