前言
第1章绪论1
1.1研究背景1
1.2国内外研究现状3
1.2.1不确定性量化方法
研究现状3
1.2.2不确定性量化在可靠
性工程中的应用研究现状6
1.2.3稳健设计理论研究现状7
1.3内容概述9
参考文献10
第2章证据理论、随机集理论与
不确定性量化基础16
2.1证据理论16
2.1.1辨识框架和基本概率
分配16
2.1.2证据合成规则17
2.1.3信任函数和似然函数19
2.1.4证据理论的模型解释19
2.1.5不确定性信息的
证据理论表示20
2.2随机集理论27
2.2.1随机集的概念与随机集的
数学表示28
2.2.2随机集的极限累计
分布函数28
2.2.3基于随机集的扩张原理29
2.2.4不确定信息的随机
集表示30
2.3证据理论与随机集的联系32
2.4基于证据理论的不确定性量化的
基本步骤32
2.5信任函数与似然函数计算34
2.5.1顶点法34
2.5.2蒙特卡洛法36
2.6不确定性量化应用案例41
2.6.1RLC放电电路原理及关键
性能参数42
2.6.2RLC放电电路建模43
2.6.3RLC放电电路关键性能参数的
不确定性量化44
2.6.4RLC放电电路灵敏度
分析45
2.6.5RLC放电电路性能的不确定性
量化46
2.7本章小结48
参考文献48
第3章非精确概率下基于证据理论的
典型系统可靠性模型51
3.1非精确概率下典型系统的可靠性
模型51
3.1.1单调关联系统52
3.1.2非单调关联系统55
3.2算例分析56
3.3本章小结61
参考文献61
第4章认知不确定性下基于证据
理论的可靠性分析方法62
4.1故障树与区间分析相结合的
可靠性分析方法62
4.1.1底事件区间概率的确定62
4.1.2底事件相互独立时故障树分析的
区间门算子63
4.1.3底事件相关时故障树分析的
区间门算子63
4.1.4底事件共因失效时故障树分析的
区间门算子64
4.1.5底事件含多态性时故障树分析的
区间门算子64
4.1.6算例分析65
4.2证据理论与贝叶斯网络相结合的
可靠性分析方法69
4.2.1贝叶斯网络69
4.2.2证据理论对贝叶斯网络的
扩展69
4.2.3算例分析73
4.3本章小结75
参考文献76
基于不确定性量化的可靠性分析、评估与稳健设计目录第5章不确定性量化在可靠度近似
计算中的应用78
5.1变量为随机分布时的可靠度
近似计算78
5.1.1可靠度近似计算的
基本原理78
5.1.2可靠度近似计算的实现79
5.1.3算例分析80
5.2变量同时包含随机-认知不确定
性时的可靠度近似计算85
5.2.1一般情况下的可靠度
近似计算86
5.2.2应力-强度干涉模型的
可靠度近似计算87
5.3小子样数据下的可靠度
近似计算90
5.3.1小子样数据的灰色置信
区间估计91
5.3.2小子样数据下变量的焦元和
基本概率分配计算92
5.3.3算例分析92
5.4本章小结95
参考文献95
第6章认知不确定性下可靠性
灵敏度分析98
6.1基于概率包络的灵敏度分析99
6.1.1概率包络下灵敏度
分析指标定义99
6.1.2算例分析100
6.2专家估计信息的可靠性
灵敏度分析106
6.2.1专家估计信息下可靠性
灵敏度指标定义106
6.2.2算例分析108
6.3考虑认知不确定性的可靠性
灵敏度分析新指标111
6.3.1传统的可靠性灵
敏度指标111
6.3.2认知不确定性下可靠性灵敏度
新指标定义112
6.3.3可靠性灵敏度新指标的
计算113
6.3.4算例分析115
6.4本章小结121
参考文献121
第7章混合不确定性下的稳健性
分析与设计123
7.1证据理论框架下的稳健性
分析与设计123
7.1.1基于证据理论的产品质量指标
数学模型123
7.1.2基于证据理论的产品质量
不确定性传播124
7.1.3基于证据理论的产品质量
不确定性量化125
7.1.4产品质量稳健性评价新方法与
设计准则126
7.1.5稳健性评价新方法的
特点127
7.1.6算例分析128
7.2基于随机集的稳健性
分析与设计132
7.2.1基于随机集的产品质量
数学模型132
7.2.2随机集的随机抽样方法132
7.2.3随机集的不确定性
表征能力133
7.2.4产品质量稳健性分析的
蒙特卡洛模拟方法134
7.2.5产品质量稳健性的评价指标与
优化设计准则136
7.2.6程序开发137
7.2.7算例分析137
7.3本章小结144
参考文献145
展开
