技術特征：

1.一種考慮產品結構相似性的可靠性統計評估方法，包括：

確定相似產品可靠性模型；

利用相似產品和目標產品的試驗數據，采用仙農熵做為信息量的度量，提出分配結果與觀測結果的信息分配等比原則，對模型參數做出推斷；

基于前述的相似產品類型和相應的參數模型，將相關的獨立觀測信息融合于目標產品的可靠性評定中以達到擴大信息量的目的，通過該模型將相似產品的試驗信息融合于目標產品的可靠性評定。

2.根據權利要求1所述的方法，其中，所述確定相似產品可靠性模型包括確定兩個產品之間的局部相同，所述相同是指設計上的相同、工作原理上的相同、材料上的相同及工作環(huán)境上的相同；利用這兩個產品含有相同組成部分的特點，在兩個產品的可靠度之間建立起參數關系，進一步利用該關系進行統計推斷以達到利用相似產品信息進行可靠性分析的目的。

3.根據權利要求2所述方法，其中，S₁和S₂為工程上所述的兩個相似的產品，其中S₂為是我們需要進行可靠性評定的對象，為目標產品，而S₁是與目標產品S₂有相似部分的相似產品。假定S₁和S₂可以分解成兩個部分(A，B)和(B，C)，即這兩個產品有相同的組成部分B，并且A與B以及B與C之間是串聯結構，這時有R₁＝R_A·R_E及R₂＝R_B·R_C，其中R₁，R₂，R_A，R_B和R_c分別為S₁，S₂，A,B和C的可靠度。

4.根據權利要求3所述的方法，其中，所述可靠性分析使用關系式：所述關系式是在有相關信息情形下進行可靠性評估的基本模型，稱之為相似產品指數模型，其中α(0＜α＜1)是相似組成部分B在相似產品S₁中可靠性所占的比例β(0＜β＜1)是相似組成部分B在目標產品S₂中可靠性所占的比例且都是未知參數。

5.根據權利要求1所述的方法，其中，所述的信息分配等比原則是指采用仙農(Shannon)熵做為信息量的度量，則信息分配等比原則方程可表示為

$\frac{{\∫}_0^1{f}_{A,\mathrm{\α}}\left(r\right)\log f_{A,\mathrm{\α}}\left(r\right)dr}{{\∫}_0^1{f}_{B,\mathrm{\α}}\left(r\right)\log f_{B,\mathrm{\α}}\left(r\right)dr}=\frac{{\∫}_0^1{f}_A\left(r\right)\log f_A\left(r\right)dr}{{\∫}_0^1{f}_B\left(r\right)\log f_B\left(r\right)dr}$

其中f.是對應分布F.的密度函數，F₁(r)是根據相似產品S₁以往的試驗數據得到的可靠度R₁時的置信分布,F_A，α(r)和F_B，α(r)是基于相似產品S₁置信分布F₁(r)的組成部分A和B的可靠度的分配結果；F_A(r)和F_B(r)是利用相似產品S₁的組成部分A和B的試驗信息得到的A和B可靠度的置信分布，它們是觀測結果；通過上式計算得到的解即為參數α的估計量以及參數β的估計量，其中，r為任意實數。

6.根據權利要求5所述的方法，其中，假定

否則，如果

則在信息分配等比原則方程中將A和B互換，并取α′＝1-α；由可得F_B，α(r)＝F₁(r^1/α)以及

f_B，α(r)＝α^-1r^(1-α)/αf₁(r^1/α)；f_A，α(r)＝(1-α)^-1r^α/(1-α)f₁(r^1/1-α))。

7.根據權利要求1所述的方法，其中，所述融合的算法，屬于特征級數據融合算法，基于前面所描述的相似產品類型和相應的參數模型，將相關的獨立觀測信息融合于所關心的目標產品的可靠性評定中去以達到擴大信息量的目的。

8.根據權利要求1所述的方法，其中，所述融合算法包括：

(1)相似產品及目標產品試驗數據的預處理；

(2)從相似產品的信息中提取目標信息；

(3)來自不同相似產品的目標信息的融合。

9.根據權利要求8所述的方法，其中，試驗數據的預處理包括：由產品本身的壽命試驗數據提取該產品的可靠性信息，利用該產品的壽命試驗數據計算其可靠度置信下限，并進一步利用該下限計算出該產品可靠度的置信分布。

10.根據權利要求8所述的方法，其中，目標信息的提取包括：利用相似產品的指數模型，由相似產品可靠度的置信分布計算出目標產品可靠度的置信分布。

11.根據權利要求8所述的方法，其中，不同目標信息的融合包括：綜合利用相似產品所提供的目標產品的置信分布，計算出目標產品最終的可靠度下限。

12.根據權利要求1所述的方法，其中，基于前述的相似產品類型和相應的參數模型，將相關的獨立觀測信息融合于所關心的目標產品的可靠性評定中以達到擴大信息量的目的，通過該模型將相似產品的試驗信息融合于目標產品的可靠性評定的步驟包括：

首先考察相似模型其中0＜α，β＜1是已利用所述對模型參數做出推斷得到的參數的估計量，以下將它們作為常數處理；

記F₁(r)，F₂(r)分別是基于產品S₁和S₂的試驗數據經過數據預處理后所得到的其可靠度的置信分布，f₁，f₂是相應的密度函數；由R₁的置信分布F₁可得相似產品S₁所提供的關于目標產品S₂的可靠度置信分布相應的密度函數記為定義

$F\left(r\right)=c({\tilde{f}}_2,f_2){\∫}_0^r{\tilde{f}}_2\left(s\right)f_2\left(s\right)sds$

其中我們將上式所定義的F(r)作為融合了相似產品S₁的可靠性信息后目標產品S₂的置信分布；其中，r為[0，1]區(qū)間上任一實數，s為隨機變量，c(f1,f2)表示關于f1和f2的函數；

當參數α，β是多解情形時按如下方式處理；記Ω_α和Ω_β分別是參數α和β解的集合；這里有1≤|Ω_α|≤3，1≤|Ω_β|≤3；記

α∈Ω_α，β∈Ω_β}；當|Ω_α||Ω_β＞1時，按下面方法定義

13.根據權利要求4所述的方法，其中，利用相似產品S₁的試驗數據可以得到參數α的估計量；

如果相似產品S₁的組成部分A和B都有獨立的試驗數據，且這兩個產品的試驗數據滿足信息平衡性條件：

此處用記號和表示基于相似產品S₁的組成部分A和B的單獨試驗信息所獲得的A和B可靠度的置信密度，∈是已知常數；則按下面步驟進行目標產品可靠性信息的提?。?1)根據相似產品S₁及其組成部分A和B的試驗數據，利用可靠性綜合評估方法計算出相似產品S₁綜合了其本身的試驗信息以及其組成部分A和B的試驗信息情形下的可靠度置信密度f₁；(2)分別利用A和B的試驗數據以及在相似產品S₁的試驗過程中所獲得的A和B的試驗數據計算A和B的置信密度f_A，f_B，將這里的f_A，f_B做為S₁的組成部分A和B的觀測結果；(3)將上面步驟(1)和(2)中所獲得的f₁，f_A，f_B代入信息分配等比原則方程估計參數α；(4)用這里步驟(1)中所得到的f₁做為提取目標產品S₂可靠性信息的出發(fā)點。

14.根據權利要求4所述的方法，其中，如果S₁的組成部分A和B都有獨立的試驗數據，但A和B的試驗數據不滿足信息平衡條件的情形，通過下面方法來實現A和B單獨試驗信息的利用，具體步驟如下：(1)僅根據相似產品S₁本身的試驗數據計算其可靠度置信密度f₁，利用信息分配等比原則方程來估計參數α，記相應的估計量為(2)根據S₁的組成部分A和B單獨的試驗數據計算其可靠度置信密度用下面的做為提取目標產品S₂可靠性信息的出發(fā)點，其中

其中c是標準化常數，r為任意實數。

15.根據權利要求4所述的方法，其中，僅B或A有試驗數據的情形下，取

其中c是標準化常數，r為任意實數，當僅A有單獨的試驗數據時取