小子样和高维情况下基于统计学习理论的可靠性方法研究

针对机械结构和机构产品，研究小子样和高维情况下的可靠性分析与设计新方法。依据统计学习理论的模型预测总风险最小推理原则，采用支持矢量机来建立小样本情况下基本变量概率密度函数模拟的非参数模型，解决增量学习和抗干扰问题；研究大型复杂产品在高维和多失效模式下极限状态函数近似的支持矢量机模型，建立支持矢量机与响应面法的结合模型，解决高维和非线性情况所面临的维数灾难问题与支持矢量机的核函数选择问题；建立Bootstrap随机抽样法与支持矢量机相结合的系统可靠度置信区间预测模型，解决可靠性预测的稳健性与精度问题；采用综合和分解两种方法建立可靠性敏度分析模型，为可靠性设计提供准确信息；设计并实施实物可靠性验证试验，达到在节省人力与物力前提下验证昂贵产品可靠性的目的。该项目对于从纵深方向发展可靠性理论体系，并推动其在机械产品可靠性分析与设计中的应用具有重大理论意义和工程应用价值。