在可靠性理论中,通常将产品丧失所规定功能的现象称之为失效.然而,随着科学技术的快速进步和发展,产品的可靠性得到了极大的提高.由于很多高可靠性产品往往在几年甚至几十年内都不会出现失效现象,这就给我们收集产品的失效数据带来了巨大的困难和挑战.但是,大多数产品都存在某个或某些质量特征,这些特征随着时间的推移而逐渐衰退,并最终导致产品的失效.因此我们可以通过研究这些质量特征的退化数据来推断产品的可靠性.但是,由于产品的高可靠性,在正常试验条件下有时也很难收集到足够的退化数据.而我们知道,产品质量特征的退化往往会受到许多环境因素或者试验条件的影响,比如温度,电压,湿度,压强等,这些因素被称为压力水平或加速变量.因此,一个更为有效的方法是在高压力水平下去收集产品的退化数据,从而对产品的可靠性进行评估.另一方面,近年来,客观Bayes方法由于其具有诸多优点而受到越来越多的关注.本文正是从客观Bayes的角度来研究和分析加速退化数据.本文首先对客观Bayes做了简单介绍,重点介绍了两种无信息先验:Jeffreys先验和reference先验.然后分别研究了带有测量误差的加速退化Wiener模型和加速退化的逆高斯模型.对于这两个模型,我们利用客观Bayes方法得出了Jeffreys先验和不同组序下的reference先验.同时,我们从理论上证明了各个先验下后验分布的正常性问题.随机模拟结果表明,客观Bayes方法较最大似然估计和Boostrap方法在均方误差和覆盖率上有更好的表现。进一步,我们将所提出的方法运用到实际的退化数据中,评估了产品的可靠性。文章最后简要总结了我们的研究工作,并指出了一些可以进一步研究的问题。