动态分布参数Bayes估计中的验前建模及验前分布的适应性

动态参数Bayes估计中,参数验前信息的运用是一个关键问题。文中提出动态分布参数的线性回归建模策略,给出了验前分布的确定方法。为了获得较为稳健的验前分布,文中运用第二类最大似然(ML-Ⅱ)方法。文中论述的方法对于多维动态分布参数验前信息的分析及多层验前信息的分析具有普遍意义。     

基于混合验前分布的制导精度评定方法

如何合理有效地利用验前信息是小子样评定中的关键问题。针对导弹制导精度评定,提出了一种根据验前数据构造验前分布的方法,并结合验前信息可信度给出了一种混合验前分布。通过对参数验后估计的分析,该方法能够有效避免验前信息“淹没”现场信息的情况,而验前信息可信度则通过验后边缘分布得到。通过对验后估计均方差(MSE)的分析,给出了验前信息利用的一些基本原则,为工程应用提供了指导。     

多维分布参数可变时的Bayes估计

文中讨论多元正态总体分布参数（期望值）在试验过程中可变的Bayes估计。首先论述了由验前信息动态建模的方法，其次给出现场试验下分布参数的估计。对建模和辨识中的一些问题作了较详细的论述。     

Weibull分布串并联系统的Bayes可靠性评估

基于工程实践中的可靠性验前信息,给出了Weibull分布下Bayes可靠性分析方法。进而针对Weibull分布的串并联系统,由单元的验后矩导出准确的系统可靠性验前矩,并在此基础上,运用最大熵准则给出了系统可靠性验前分布的估计。最后根据试验数据得出系统的验后分布,并用该分布对系统可靠性进行了评估。     

多种验前信息源情况下的融合验后分布

本文研究Ｂａｙｅｓ统计推断中有多种（或多阶段）验前信息时，分布参数验后分布的表示。文中，首先在考虑验前子样可信度的基础上，对多种验前信息源进行了综合，得出了验前分布的融合表示。然后，给出分布参数验后分布的表示，列举了应用示例。本文方法，对于小子样武器装备精度的评估具有普遍意义。     

多种验前信息源情况下的融合验后分布

本文研究Bayes统计推断中有多种(或多阶段)验前信息时,分布参数验后分布的表示。文中,首先在考虑验前子样可信度的基础上,对多种验前信息源进行了综合,得出了验前分布的融合表示。然后,给出分布参数验后分布的表示,列举了应用示例。本文方法,对于小子样武器装备精度的评估具有普遍意义。     

Weibull分布串并联系统的Bayes可靠性评估

基于工程实践中的可靠性验前信息，给出了Ｗｅｉｂｕｌｌ分布下Ｂａｙｅｓ可靠性分析方法。进而针对Ｗｅｉｂｕｌｌ分布的串并联系统，由单元的验后矩导出准确的系统可靠性验前矩，并在此基础上，运用最大熵准则给出了系统可靠性验前分布的估计。最后根据试验数据得出系统的验后分布，并用该分布对系统可靠性进行了评估。     

基于距离一矩法判据的多源寿命信息融合

针对小子样复杂系统的可靠性信息融合技术展开研究,解决同总体多源信息的科学利用与融合问题。该方法从数据层融合人手,考虑了各源验前信息的可信度,根据矩法估计原理求解各种可能验前分布的参数。采取距离作为度量选取最佳融合验前分布丽数。最后通过MATLAB仿真实例对4种常见分布进行了研究,验证了该方法的有效性。     

验前分布的确定及导弹落点精度鉴定

本文介绍了Bootstrap方法和随机加权法,并用这两种方法确定导弹落点精度的验前分布,最后以Bayes方法为例说明验前分布确定的重要性。     

导弹落点密集度评定的稳健性分析

本文讨论了复杂假设之下的随机落点密集度评定问题,考虑到验前分布的不确定性,采用了ε-污染验前分布族分析了决策问题的稳健性,最后进行了实例仿真。     

多阶段试验下Bayes序贯估计方法

讨论在多阶段试验下正态分布参数的Bayes序贯估计，给出了估计方案，并扩充至多维的场合。对工程应用中的一些问题作了思考，提出了处置方法。     

基于非线性Wiener过程航空发动机性能退化预测

针对线性随机过程航空发动机剩余使用寿命预测精度不高的问题,提出一种漂移系数为指数形式的非线性Wiener过程发动机性能退化建模,进而预测航空发动机的剩余寿命。基于直接监测发动机性能退化数据,构建发动机性能退化模型,根据Wiener过程首达阈值时间的数学性质,推导出剩余寿命的概率分布。通过极大似然估计构建退化模型中未知参数的似然函数,利用遗传算法得到发动机总体模型参数的离线估计值。考虑到不同发动机个体间的差异性,采用贝叶斯公式,结合发动机的实时监测数据与总体模型参数的先验分布对模型中随机参数进行实时更新,从而对个体发动机的剩余寿命实时预测。最后,选择商用航空发动机仿真数据集(C-MAPSS)进行实验,结果表明：针对个体发动机基于非线性随机过程方法,实时更新非线性Wiener方法能够提高航空发动机循环中期剩余寿命预测的准确性,提供更加可靠的预防性维修决策。     

命中精度Bayes推断中基于P值的验前可信度建模

在对散布参数验前可信度的定义与必要性进行分析的基础上，给出了给定散布参数（方差）的P值计算模型，构建了一维散布分析时验前分布可信度的P值模型，给出了验前P值与验前可信度的定义，并对其变动情况进行了阐述，给出了验前分布的拒绝条件.对二维散布分析条件下的验前可信度分析，分别构建了验前P值的独立求解模型和集成求解模型.并从0.05，0.2，0.4区分的数据区间，给出了验前分布选择的原则和要求.基于案例比较可见，验前可信度能较为显著地完成验前分布的差异化比较，相对现有的仅对验前可信度的定性说明，基于P值的验前可信度建模与计算，不仅能完成验前可信度的量化计算，而且能从概率的角度对验前分布选择的正确性进行假设检验.      

An improved multiple model GM-PHD filter for maneuvering target tracking

In this paper, an improved implementation of multiple model Gaussian mixture probability hypothesis density (MM-GM-PHD) filter is proposed. For maneuvering target tracking, based on joint distribution, the existing MM-GM-PHD filter is relatively complex. To simplify the filter, model conditioned distribution and model probability are used in the improved MM-GM-PHD filter. In the algorithm, every Gaussian components describing existing, birth and spawned targets are estimated by multiple model method. The final results of the Gaussian components are the fusion of multiple model estimations. The algorithm does not need to compute the joint PHD distribution and has a simpler computation procedure. Compared with single model GM-PHD, the algorithm gives more accurate estimation on the number and state of the targets. Compared with the existing MM-GM-PHD algorithm, it saves computation time by more than 30%. Moreover, it also outperforms the interacting multiple model joint probabilistic data association (IMMJPDA) filter in a relatively dense clutter environment.     

Lifetime prediction based on Gamma processes from accelerated degradation data

Accelerated degradation test is a useful approach to predict the product lifetime at the normal use stress level, especially for highly reliable products. Two kinds of the lifetime prediction based on Gamma processes were studied. One was to predict the lifetime of the population from accelerated degradation data, and the other was to predict the lifetime of an individual by taking the accelerated degradation data as prior information. For an extensive application, the Gamma process with a time transformation and random effects was considered. A novel contribution is that a deducing method for determining the relationships between the shape and scale parameters of Gamma processes and accelerated stresses was presented. When predicting the lifetime of an individual, Bayesian inference methods were adopted to improve the prediction accuracy, in which the conjugate prior distribution and the non-conjugate prior distribution of random parameters were studied. The conjugate prior distribution only considers the random effect of the scale parameter while the non-conjugate prior distribution considers the random effects of both the scale and shape parameter. The application and usefulness of the proposed method was demonstrated by the accelerated degradation data of carbon-film resistors.     

基于不确定性测度与支持度的测试性验前信息融合方法

针对目前验前信息融合方法存在主观性和单一性的缺陷,引入验前分布的不确定性测度和支持度,提出了基于不确定性测度与支持度相结合的验前信息加权融合方法.首先,利用β分布对测试性验前信息的不确定性进行描述,运用不同的验前信息确定验前分布超参数;然后,引入不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;最后利用混合验前分布,结合测试性现场试验数据,计算了Bayes融合评估的验后结果.该方法不仅考虑了验前分布本身对测试性参数的真实情况描述的接近程度,还考虑了不同来源的验前信息之间的支持程度.实例分析表明,在同一置信水平下,基于该方法的测试性评估置信下限相对于传统方法的测试性评估置信下限大约提高了0.7%.      

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果,引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层,即通过判断两种样本是否属于同一分布,这种度量在小子样情况下不太可信,为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则,分析了现有可信度融合评估方法的不足,并结合正态分布的参数估计问题,给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。     

Bayes方法应用中验前信息可信度的影响分析

Bayes方法已在航空航天类装备的参数估计与决策分析中得到了广泛应用。但现有的研究主要集中于验前分布的构造与方法的工程应用,而对验前信息或验前分布可信性影响的分析较少。给出了验前可信度的定义与计算方法,建立了验前可信度的影响分析模型,给出了基于验前可信度要求的验后置信区间计算方法。以装备精度分析为例,给出了验前可信度影响的分析结果。