第1章  绪论
  1.1  引言
  1.2  测试性增长试验建模技术研究进展
    1.2.1  测试性试验与评价
    1.2.2  测试性设计优化与改进
    1.2.3  可靠性增长试验与管理
  1.3  本书概况
第2章  测试性增长试验建模基础理论
  2.1  引言
  2.2  测试性试验分类及其数据分析
    2.2.1  测试性试验分类
    2.2.2  测试性预计试验
    2.2.3  测试性虚拟试验
    2.2.4  测试性测定试验
    2.2.5  测试性增长试验
    2.2.6  测试性验证试验
    2.2.7  测试性外场使用试验
  2.3  多源测试性数据等效折合分析方法
    2.3.1  基于权重因子的测试性专家数据等效折合方法
    2.3.2  基于近似处理模型的测试性摸底试验数据等效折合方法
    2.3.3  基于增长因子的测试性增长试验数据等效折合方法
    2.3.4  基于结构函数的测试性可更换单元数据等效折合方法
  2.4  多源“小子样”全寿命周期数据相容性检验技术
    2.4.1  基于Bayes置信区间估计的参数相容性检验方法
    2.4.2  基于修正Pearson统计量的非参数相容性检验方法
    2.4.3  基于Fisher检验统计量的“小子样”测试性增长
试验数据相容性检验
  2.5  测试性增长时效性分析
    2.5.1  方案设计阶段
    2.5.2  研制生产阶段
    2.5.3  使用维护阶段
  2.6  测试性增长数学模型作用
    2.6.1  测试性增长试验规划
    2.6.2  测试性增长试验跟踪
    2.6.3  测试性增长试验预计
  2.7  本章小结
第3章  及时修正下测试性增长跟踪与预计模型建模技术
  3.1  引言
  3.2  测试性增长效能消耗机理与函数形式建模
    3.2.1  测试性设计缺陷识别与修正过程描述
    3.2.2  测试性增长效能函数消耗机理
    3.2.3  确定测试性增长效能消耗率函数
  3.3  基于铃形测试性增长效能消耗率函数的测试性增长试验跟踪与预计模型建模
    3.3.1  测试性增长试验中的非齐次泊松计数过程
    3.3.2  考虑测试性增长效能函数的系统测试性增长试验跟踪与预计模型建模
    3.3.3  案例验证
第4章  延缓修正下测试性增长跟踪与预计模型建模技术
  4.1  基于铃形曲线考虑修正延时的测试性增长数学模型
    4.1.1  基于非齐次泊松过程的测试性设计缺陷变化分析
    4.1.2  线考虑纠正延时的测试性增长数学模型
    4.1.3  实验验证
    4.1.4  实验结果分析
  4.2  非理想延缓修正下测试性增长跟踪与预计模型建模
    4.2.1  测试性设计缺陷非理想修正过程分析
    4.2.2  测试性设计缺陷非理想修正过程建模
    4.2.3  实验验证
    4.2.4  实验结果分析
  4.3  本章小结
第5章  离散测试性增长试验跟踪与预计模型建模技术
  5.1  测试性增长试验初始水平确定
    5.1.1  考虑及时纠正的测试性增长指标评估
    5.1.2  考虑延缓纠正的测试性增长指标评估
  5.2  描述测试性指标变化趋势的状态转移模型
  5.3  基于马尔可夫链的测试性增长参数模型
  5.4  基于PSO-GA的模型参数估计
    5.4.1  极大似然估计的缺陷
    5.4.2  混合PSO-GA优化算法
    5.4.3  算法有效性验证
  5.5  跟踪预计方法性能分析
    5.5.1  LH-OAT方法介绍
    5.5.2  参数敏感性分析
  5.51  3示例验证
  5.6  本章小结
第6章  基于Bayesian变动统计理论的测试性增长评估模型建模技术
  6.1  基于经典统计理论的测试性增长评估模型建模技术
    6.1.1  测试性预计模型及其局限性分析
    6.1.2  FDR/FIR估计方法
    6.1.3  故障检测/隔离数据量与FDR/FIR点估计精度关系建模与分析
    6.1.4  故障检N/隔离数据量与FDR/FIR区间估计精度、置信水平关系建模与分析
    6.1.5  小结
  6.2  基于Bayesian变动统计理论的测试性增长评估模型建模技术
    6.2.1  基于Bayes变动统计理论的测试性增长评估总体技术思路
    6.2.2  基于Bayesian变动统计理论的测试性增长评估
  6.3  模型稳健性分析
    6.3.1  仿真方法
    6.3.2  仿真结果分析
  6.4  案例验证
    6.4.1  FDR先验信息
    6.4.2  增长趋势检验
    6.4.3  FDR先验分布
    6.4.5  解析法计算FDR后验估计值及效果分析
    6.4.6  MCMC法计算FDR后验估计值
  6.5  本章小结
第7章  基于熵损失函数的测试性增长评估模型建模技术
  7.1  熵损失函数下的测试性增长Bayesian模型
  7.2  熵损失函数下测试性增长的多层Bayesian跟踪模型
    7.2.1  多层先验分布的确定
    7.2.2  测试性增长的多层Bayesian模型
  7.3  熵损失函数下测试性增长的E-Bayesian跟踪模型
  7.4  案例验证
    7.4.1  熵损失函数下的多层Bayesian测试性增长数学模型有效性验证
    7.4.2  熵损失函数下的测试性增长E-Bayesian跟踪
  7.5  本章小结
第8章  测试性增长试验实施技术
  8.1  基于试验数据的设计改进方式选择
  8.2  基于试验数据的诊断决策算法更新
    8.2.1  问题分析
    8.2.2  问题解决
    8.2.3  案例应用
  8.3  本章小结
参考文献