小子样变总体下的Bayes测试性验证方法

现有测试性验证试验方案一般都需要较大的故障样本量,利用装备研制阶段的测试性数据则可能有效解决这一问题。但研制阶段的测试性数据和现场试验数据一样属于“小子样”且具有“变总体”特点,为此提出一种基于Bayes理论的测试性验证方法。首先根据装备研制各阶段积累的测试性试验信息构建装备测试性参数故障检测/隔离率(fault detection rate/fault isolation rate,FDR/FIR)的动态增长模型,用以揭示装备测试性水平的动态变化规律,并对其测试性指标进行预测。然后根据最大熵原理计算系统FDR/FIR的先验分布。最后结合少量现场试验数据,根据Bayes最大验后风险准则制定装备测试性验 证方案,对装备测试性指标进行验证。通过实例对比分析表明,该方法有效融合了研制阶段数据与现场试验数据,能在小样本的情况下提高验证结论的置信度,降低评估风险。     

确定测试性验证试验方案的贝叶斯方法

现有的测试性验证试验方案在一定的风险约束下都需要较大的故障样本量。针对这一问题,以故障检测率(fault detection rate, FDR)为验证指标,提出利用研制阶段试验数据和专家信息制定测试性验证试验方案的贝叶斯方法。该方法首先利用研制阶段试验数据建立了产品的FDR增长模型,以此描述FDR在研制阶段的变化趋势,然后利用专家信息确定模型中的超参数,进而得到FDR的验前分布,最后依据贝叶斯最大后验风险准则制定了新的测试性验证试验方案。通过实例的对比分析表明,与经典试验方案相比,新方案样本量减少效果明显,在样本量保持不变的条件下双方风险大大降低。     

成败型武器性能评估中的“淹没”问题研究

武器性能评估中,当真实试验数据样本量不足时,可利用Bayes方法将仿真试验数据作为先验信息.但若先验信息处理不当,就会出现大量仿真试验数据"淹没"真实试验数据的情况,使评估结果失去意义.提出一种基于全概率思想的先验信息综合方法,通过在成败型武器性能评估中的应用,表明该方法能合理考虑仿真系统可信度的影响和仿真试验数据的重要性,较好地解决了真实试验数据的"淹没"问题.     

ATR算法识别率的区间估计与样本量分析

针对雷达ATR性能评估中样本量的特点,从贝叶斯分析角度出发,选取最小长度准则对ATR算法的识别率进行区间估计,主要分析不同估计精度要求下的最小样本量。分析了识别率区间估计的影响因素,分别给出了无先验信息和两类典型有先验信息情况下的识别率区间估计方法和样本量确定准则,得到了识别率估计精度和所需最小样本量的关系。     

变参数指数分布先验信息的折合

针对高可靠性复杂系统试验数据少、寿命试验中分布参数变动的特点,讨论了多阶段环境试验下,变参数指数分布先验信息的折合方法。提出了指数分布折合因子的概念,通过该折合因子将不同阶段试验数据折合为现场试验数据,以此作出指数分布中未知参数的折合区间估计和点估计。在寿命分布为指数分布的可靠性增长试验中,在现场样本量较小的情况下,将同分布的历史试验数据进行折合,进而运用Bayes方法评估系统失效率等有重要的意义。最后通过仿真实例验证了该方法的有效性。     

维修性先验信息的融合方法

在利用Bayes小子样方法进行维修性指标验证时,针对维修性先验信息与现场维修信息为异总体的可能性较大的问题,分别建立了前期试验阶段维修时间信息向现场试验信息折合的内积模型和相似装备维修时间信息向待评装备维修时间信息折合的线性模型。采用随机加权法将先验信息转换为先验分布,并以现场信息为基准,根据各先验信息与现场信息分布模型中均值参数的差异程度来确定各先验分布的权重,然后通过计算综合先验分布与假设的正态分布的概率密度误差,对其融合后为正态分布的假设进行了检验,同时也提出了准确计算分布模型参数的方法。对某舰船装备维修性先验信息的折合与融合的实例表明了方法的有效性。     

基于遗传算法的故障样本优化选取方法

为降低测试性验证试验费用,提出基于遗传算法的故障样本优化选取方法。方法通过故障-测试关联分析和故障-故障等价分析,确定初始故障样本集中各元素对应的等价集,并对初始故障样本集进行扩展,在此基础上,建立了故障样本选取优化求解模型。在不降低样本注入数量和测试特性的条件下,以试验费用最小为优化目标,给出了基于改进遗传算法的样本优化选取方法。算例应用结果表明,该方法设计的故障样本选取方法能有效降低测试性验证试验费用。     

基于多信号流图和相似性度量的故障可诊断性评价方法

针对目前基于定性模型无法对电子系统故障可诊断性进行定量评价的问题, 将定性模型与数据驱动方法相结合, 提出一种基于多信号流图和相似性度量的故障可诊断性评价方法。首先, 根据系统的组成结构建立多信号流图模型并得到故障-测试相关性矩阵, 基于故障-测试相关性矩阵提出了故障可诊断性评价准则。其次, 提取测试信号的小波包Shannon熵作为特征向量, 以欧式距离作为相似性度量指标, 将故障可诊断性定量评价问题转换为不同故障模式下测试信号特征向量的相似性度量问题。然后, 构建故障可诊断性评价矩阵, 依据故障可诊断性评价矩阵提出了系统可诊断性指标。最后, 通过仿真分析验证了所提方法的有效性。结果表明, 所提方法在不构建数学模型的前提下, 能够实现电子系统的故障可诊断性的定量评价。     

融合先验加速退化与外场退化信息的可靠性评估方法

针对性能退化过程服从Wiener过程的产品,运用贝叶斯统计推断法,提出了一种融合同类产品加速退化试验(accelerated degradation test, ADT)信息与个体外场退化信息的可靠性评估方法。考虑到内、外场应力环境之间的差异,提出了基于修正系数的Wiener过程双参数修正模型;分别建立了步进ADT数据模型与外场退化数据模型,得到各应力下分布参数估计值;利用加速因子,将各加速应力下分布参数估计值折算到正常工作应力下,构成未知参数先验分布的数据样本;采用CvM检验法,确定未知参数最优先验分布类型及其超参数估计值;构建了外场退化数据下未知参数的后验分布函数,采用马尔可夫蒙特卡罗方法,得到参数的后验分布均值。通过实例分析验证了所提方法的正确性和实用性,结果表明,本方法可有效处理先验ADT信息与外场退化信息之间的融合评估问题。     

考虑单元互测的测试性指标分配方法

测试性分配是将系统级测试性指标按照一定规则分配给各组成单元的过程。针对现有主流测试性分配方法未考虑单元之间的互测情形,导致分配结果不合理,尤其是部分单元分配指标虚高,难以实现或代价过高等问题,提出了在综合考虑单元故障率、故障危害度等多重影响因素基础上,进一步考虑单元互测因素的测试性指标分配方法。首先实施考虑多重影响因素的指标初次分配;然后基于单元测试性初步设计结果,实施测试性建模与分析,得到单元自检故障率与他检故障率;再利用这两个数据以及初次分配结果构造分配函数实施再次分配,进而得到最终的分配结果;最后应用该方法进行仿真和实例运算,证明了该方法的有效性和先进性。     

极小子样下无人侦察机系统效能评估多层Bayes-ADC模型

针对研发阶段无人侦察机系统效能评估受到研发试验成本、样机数量等相关条件制约,其所能获取的样本量极少问题,提出多层Bayes-ADC模型.该方法运用多层Bayes技术,充分利用历史统计数据和经验信息,确定无人侦察机失效率、修复率多层Bayes估计,进而构造无人侦察机可用度、可信度.同时基于极大熵准则确定能力指标权重,进而构造无人侦察机能力向量.基于以上建立了极小子样背景的系统效能评估多层Bayes-ADC模型,解决了极小子样下的无人侦察机系统效能评估问题.案例分析验证了模型的有效性.     

基于贝叶斯融合与仿真的系统剩余寿命预测

针对复杂设备的系统级剩余寿命预测问题, 提出一种将贝叶斯理论与仿真相结合的融合预测方法。首先, 采用仿真方法将单机级的多源失效信息折合到系统级, 并转化为验前分布。然后, 结合系统级的现场试验数据, 获得多源信息的验后分布, 并通过加权融合确定联合验后分布, 从而预测系统的剩余寿命。最后, 以某系统作为实例进行方法验证。结果表明,所提方法为系统剩余寿命预测提供了一条可行思路, 并能够在工程实践中运用。     

指数分布下可靠性指标验证的截尾SPOT方法

针对传统指标检验方法进行验证决策所需样本量大的问题,提出一种序贯验后加权检验方法(se-quential posterior odd test,SPOT),给出系统寿命服从指数分布条件下,应用SPOT方法进行可靠性指标验证时决策阈值的计算模型及给定样本容量时的截尾SPOT方法。由于该方法充分利用了验前获得的关于总体分布未知参数的信息,因而减小了对现场试验子样的需求。最后给出了应用该方法的具体步骤,通过仿真实验证明了该方法的有效性。     

正态分布未知参数的联合序贯验后加权检验方法

在进行抽样试验时,采用传统的假设检验方法进行决策所需的样本容量通常是比较大的,而充分利用在进行抽样试验之前所能获得的关于总体分布未知参数的验前信息,在Bayes理论的基础上,采用序贯验后加权检验方法可以有效地减小试验所需的样本容量。对正态分布总体的均值与方差参数均未知时的联合序贯验后加权检验方法进行了深入分析,给出了在抽样试验之前确定假设检验问题所需样本容量和决策阈值的计算方法,并结合雷达探测距离的以往实际试验数据和结果进行了对比分析,验证了该方法在减小样本容量及提高试验效费比方面的有效性。     

基于云模型和证据理论的装备管理绩效评价

针对部队装备管理绩效影响因素复杂,评价过程具有模糊性、不确定性等特点,提出了基于云模型和改进证据理论的装备管理绩效评价方法。首先,构建了装备管理绩效评价指标体系,采用组合赋权法确定指标权重;然后,借助云模型对评语信息进行建模,构造基本概率分配函数,再引入Jousselme距离,通过计算证据可信度和可靠度得到证据的复合权重,以此作为权重系数对证据源进行修正;最后,采用改进的证据融合规则进行各指标基本概率分配融合,得到综合评价结果。通过实例分析验证了指标体系的科学性和算法的有效性,为部队装备管理绩效评价提供了参考。     

基于顺序Dirichlet分布的Bayes可靠性增长评估方法

针对产品可靠性增长试验过程中试验样本量少这一特点,提出一种基于顺序Dirichlet分布的Bayes可靠性增长评估方法。利用顺序Dirichlet分布的统计特性,对产品可靠性增长试验过程中的专家信息进行规范化描述,并在Bayes试验鉴定框架下作为验前信息给出其验前分布的确定方法,以及产品可靠性增长过程中各试验阶段产品可靠性的评估方法。通过综合考虑产品各试验阶段的历史信息,主观信息和客观信息等多种信息形式,解决了小样本情况下产品可靠性增长试验性能指标的评估问题。     

基于修正权值混合验后的导弹精度融合评估

当利用仿真实验和飞行试验两类信息进行导弹精度融合评估时,对于正态分布参数,如果将有信息验前分布与无信息验前分布进行混合,将导致混合验后分布权重无法真实反映两类数据的相容性水平,从而导致估计结果产生偏差。针对这一问题,提出了飞行试验样本所对应的有验前样本容量约束的第二类极大似然（prior sample size constrained maximum likelihood II, SCML II）估计,定义了有验前样本容量约束的边际密度（prior sample size constrained marginal density, SCMD）函数值。采用现场样本的SCMD替换无信息验前分布条件下的现场样本边际分布,从而修改了加权混合验后分布的融合权重。最后,通过实例分析了改进方法的估计性能。