产品的可靠性指标是为产品制定维护计划与更新周期的重要参考信息,获取准确的产品可靠性指标具有重要的工程意义。当前大量高可靠长寿命产品在工程可接受的寿命试验或加速寿命试验时间内几乎不发生失效,因而传统的基于寿命数据的可靠性评估方法已不能适应这些产品的可靠性评估需要,基于性能退化数据的可靠性评估方法成为了对高可靠长寿命产品进行可靠性评估的最佳手段。本文首先对基于回归模型、Wiener过程模型和带测量误差Wiener过程模型的可靠性评估方法进行了研究,给出了每种退化模型下可靠性评估的详细流程和算法,并重点对模型选择的方法进行了研究。在详细分析各模型特点和理论适用场景的基础上,提出了根据退化量测量误差等先验知识选择退化模型的方法,并论证了在退化量采样次数较小,候选模型都是忽略环境、负载等因素时的简化模型的工程背景下,基于退化试验数据统计检验结果选择退化模型的方法效果不佳。接着对神经网络在可靠性评估中的适用性问题进行了研究,指出了有效应用神经网络应具备的两个基本前提条件,即泛化输入与训练输入相似性条件以及网络输入输出映射规律性条件,并结合性能退化过程的特点进行分析,判定神经网络在基于性能退化数据的离线可靠性评估中并不具有良好的表现。其后介绍了实时寿命预测的基本概念,提出了一种基于神经网络和退化轨迹相似度度量的实时寿命预测方法。最后对加速退化试验的基本概念、加速性条件和加速模型进行了简要介绍,总结了常用的加速模型以及它们各自适用的加速应力类型,并给出了基于恒定应力和步进应力加速退化试验数据的可靠性评估流程和算法,同时对可靠性评估中可能出现的敏感参数问题进行了讨论,说明了识别敏感参数的重要性。