可靠性建模方法与寿命预测实战
📚 共计 30 章节
第01章
可靠性工程导论
可靠性的定义与度量 · 浴盆曲线 · 失效率函数 · 可靠度函数与累积失效概率函数
基础
核心概念
第02章
常见寿命分布（上）
指数分布（无记忆性）· 威布尔分布（形状参数的意义）· 正态分布与对数正态分布
分布
参数
第03章
常见寿命分布（下）
极值分布 · 伽马分布 · 分布拟合优度检验（K-S检验、A-D检验）
分布
检验
第04章
数据预处理与探索性分析
数据清洗（缺失值、异常值处理）· 右删失数据的识别 · 非参数估计（Kaplan-Meier曲线）
数据
清洗
第05章
参数估计方法
极大似然估计（MLE）原理 · MLE的数值求解（牛顿-拉夫逊法）· 区间估计与置信区间
估计
MLE
第06章
加速寿命试验（ALT）基础
加速模型（Arrhenius、逆幂律、Eyring）· 加速因子 · 试验方案设计
ALT
加速
第07章
加速寿命试验数据分析
基于MLE的加速模型参数估计 · 外推正常应力下的寿命 · 实战案例（LED灯珠寿命预测）
ALT
案例
第08章
退化建模基础
退化轨迹与退化量分布 · 伪寿命法 · 基于随机过程的退化模型（Wiener过程、Gamma过程）
退化
随机过程
第09章
基于Wiener过程的退化建模
线性与非线性Wiener过程 · 参数估计 · 首达时分布与寿命预测
Wiener
预测
第10章
基于Gamma过程的退化建模
Gamma过程的性质 · 参数估计 · 剩余寿命预测
Gamma
剩余寿命
第11章
竞争失效分析
串联与并联竞争失效模型 · 似然函数构建 · 参数估计与模型选择
竞争失效
模型
第12章
系统可靠性建模
可靠性框图（RBD）· 故障树分析（FTA）· 最小割集与重要度分析
系统
FTA
第13章
马尔可夫过程与可修系统
状态转移图 · 柯尔莫哥洛夫微分方程 · 稳态可用度与瞬时可用度
马尔可夫
可用度
第14章
蒙特卡洛仿真在可靠性中的应用
随机数生成 · 系统可靠性仿真 · 寿命分布仿真
仿真
蒙特卡洛
第15章
贝叶斯可靠性分析
先验分布的选择（共轭先验、无信息先验）· 后验分布计算 · 贝叶斯更新与寿命预测
贝叶斯
更新
第16章
机器学习在寿命预测中的应用（上）
特征工程（时域、频域特征提取）· 传统机器学习方法（SVR、随机森林）
ML
特征工程
第17章
机器学习在寿命预测中的应用（下）
深度学习基础（RNN、LSTM）· 实战案例（轴承剩余寿命预测）
深度学习
LSTM
第18章
PHM与健康管理
健康指标构建 · 阈值设定 · 剩余寿命预测的不确定性量化
PHM
健康管理
第19章
可靠性增长试验
Duane模型 · AMSAA模型 · 增长趋势检验
增长
Duane
第20章
可靠性验证试验
定时截尾与定数截尾试验方案 · OC曲线 · 生产方与使用方风险
验证
OC曲线
第21章
软件可靠性基础
软件可靠性模型（J-M模型、Goel-Okumoto模型）· 软件可靠性增长测试
软件
可靠性
第22章
可靠性分配与预计
等分配法 · 评分分配法 · 应力-强度干涉模型
分配
预计
第23章
维修性工程基础
维修性度量（MTTR、修复率）· 预防性维修与基于状态的维修
维修
MTTR
第24章
备件需求预测
基于泊松过程的备件需求模型 · 备件库存优化
备件
库存
第25章
可靠性数据分析实战（Python）
使用Reliability库进行分布拟合与参数估计
Python
Reliability
第26章
寿命预测实战（Python）
使用PyMC进行贝叶斯寿命预测
PyMC
贝叶斯
第27章
加速寿命试验实战（Python）
使用Python进行ALT数据建模与预测
ALT
Python
第28章
退化建模实战（Python）
使用Python实现Wiener过程退化建模
退化
Wiener
第29章
机器学习寿命预测实战（Python）
使用scikit-learn和TensorFlow进行RUL预测
ML
TensorFlow
第30章
综合案例与项目实战
从数据采集到寿命预测的全流程实战（工业案例）
综合
项目