产品可靠性评估中的多源信息融合技术研究开题报告

1. 研究目的与意义

随着科学技术的发展，越来越多的高新技术，高新产品被发明创造出来，在投入生产或在使用过程中，需要对产品的可靠性进行评估，而这些产品的可靠性评估，有的需要进行大量的试验，有的则需要收集大量的使用数据，这一过程则需要大量试验成本和时间，费时费力，而最终得到的结果可能并不准确，还有更特殊的是以上两种方法都不能解决的，这时就需要研究一种新的省时省力并科学准确的可靠性评估方法，而产品可靠性评估中的多源信息融合技术则可以完美的解决这一问题。

产品可靠性评估中的多源信息融合技术自二十世纪六七十年代发展以来，已经运用越来越多的领域当中。

而在这一发展过程中，也出现了许多的问题，例如，产品可靠性评估中的多源信息融合技术一般用于高端复杂的产品，另外，这一技术的方式方法并不具有多样性，随着时间的推移，这些局限性可能会导致这一评估方法失去准确性、科学性、普遍性。

2. 研究内容和预期目标

研究内容： 1. 产品可靠性评估中的多源信息融合技术的理论基础：参考相关文献，系统地研究可靠性评估的概念原理、作用及其特点，探讨多源信息融合技术的定义原理、必要性和重要意义。

2. 多源信息融合技术的基本常见方法、模型及原理：将重点研究几种常见的可靠性数据融合的方法，重点剖析bayes融合方法、逻辑模板法、模糊理论、d-s证据理论，建立模型，系统阐述各种方法的原理、特点及其适用范围。

3. 多源信息融合技术研究在产品可靠性评估中的应用：结合当下产品可靠性评估中多源信息融合技术在军事应用包括战术和战略上指挥等领域的广泛应用程度，还有在民事领域的应用程度。

3. 国内外研究现状

产品可靠性评估中的多源信息融合技术早在20世纪六七十年代就引起了人们的广泛关注。

那时就有人将bayes方法用与可靠性统计分析。

许多学者在此领域开展了相关研究工作并取得了大量的研究成果国外研究现状：美国是信息融合技术起步最早、发展最快的国家，最典型的是战场管理和目标检测系统beta，除美国以外，英国、法国、德国、日本、等发达国家也普遍重视信息融合技术的研究，都在积极推进数据融合技术的发展。

4. 计划与进度安排

2022年1月1日-2022年1月5日：形成论文全部工作的计划表。

查找相关资料，了解国内外研究进展状况、课题的可行性以及意义等必要地准备工作，并形成论述部分的初稿。

2022年1月6日-2022年1月15日：查阅相关书籍，完成开题报告。

5. 参考文献

[1]刘本纪，龚时雨.靠性评估中多源信息融合的概率模型方法, O212.8;TP202 [2] 陈淑鑫、迟立颖、刘娜娜. 信息融合多传感器故障贝叶斯可靠性分析, TB114.3;TP212 [3] 方艮海.产品可靠性评估中的多源信息融合技术研究，TB114.3 [4] 潘泉，王增福，梁彦，杨峰 ，刘准钆.信息融合理论的基本方法与进展（Ⅱ），TP202 [5] 郭永基. 可靠性工程原理[M]. 清华大学出版社, 2002. [6] ElsayedA.Elsayed, 赛义德, Elsayed,等. 可靠性工程[M]. 电子工业出版社, 2013. [7] 卢明银, 徐人平, 李乃梁,等. 系统可靠性[M]. 机械工业出版社, 2008. [8] 王润生. 信息融合[M]. 科学出版社, 2007. [9] 王耀南, 李树涛. 多传感器信息融合及其应用综述[J]. 控制与决策, 2001, 16(5):518-522. [10] 庄钊文, 郁文贤, 王浩,等. 信息融合技术在可靠性评估中的应用[J]. 系统工程与电子技术, 2000, 22(3):6-9. [11] 冯静, FENGJing. 基于证据理论的可靠性信息融合方法研究[J]. 计算机仿真, 2009, 26(12):82-85. [12] Ross A, Jain A K, Qian J Z. Information Fusion in Biometrics[M]// Audio- and Video-Based Biometric Person Authentication. CiteSeer, 2000:2115-2125.. [13] Ross A, Jain A. Information fusion in biometrics[J]. Pattern Recognition Letters, 2003, 24(13):2115-2125. [14] Ullman J D. Information integration using logical views[J]. Theoretical Computer Science, 2000, 239(2):189-210. [15] Bleiholder J, Naumann F. Data fusion[J]. Acm Computing Surveys, 2008, 41(1):137-153. [16] Hall D L, Llinas J. An introduction to multisensor data fusion[J]. Proceedings of the IEEE, 1997, 85(1):6-23. [17] Nakamura E F, Loureiro A A F, Frery A C. Information fusion for wireless sensor networks: Methods, models, and classifications[J]. Acm Computing Surveys, 2007, 39(3):9. [18] Epstein B A. INFORMATION COLLABORATION AND RELIABILITY ASSESSMENT: US, US 20020049738 A1[P]. 2002. [19] Karki R, Hu P, Billinton R. A simplified wind power generation model for reliability evaluation[J]. IEEE Transactions on Energy Conversion, 2006, 21(2):533-540. [20] Atwa Y M, El-Saadany E F. Reliability Evaluation for Distribution System With Renewable Distributed Generation During Islanded Mode of Operation[J]. IEEE Transactions on Power Systems, 2009, 24(2):572-581.