小子样复杂装备系统测试性评估中的验前参数值确定方法

针对当前小子样测试性评估中对验前信息处理不规范、结果可信度差的问题,研究了由专家经验信息、子系统试验信息和虚拟仿真信息确定系统测试性验前参数值的方法.根据不同来源的测试性验前信息,分别提出了模糊不确定性加权、分系统数据折合和基于相似度量的Dempster-Shafer(D-S)证据融合方法估计系统测试性验前参数值.实例分析表明:该方法计算测试性评估中的验前参数值比其他文献方法的计算结果低约0.8%.     

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。     

基于Bayes变动统计理论的测试性外场统计验证方法

针对故障检测/隔离数据为"小子样"情况导致的测试性外场统计验证存在的周期长、验证结论置信度低等问题,研究并提出了基于Bayes变动统计理论的的测试性外场统计验证模型和方法。首先建立了不同寿命周期阶段故障检测率(FDR)的序化关系模型;然后以Dirichlet分布为先验分布,利用不同寿命周期阶段故障检测率先验估计值确定Dirichlet分布参数;在此基础上,融合"小子样、异总体"研制阶段增长试验数据和"小子样"外场使用数据,研究并提出了故障检测率的Bayes综合评估模型;引入Gibbs抽样方法求解故障检测率Bayes综合评估模型的复杂高维后验积分;最后在某机载稳定跟踪平台上开展了应用研究。结果表明本文方法能在较短的外场使用周期内,给出较高置信度的外场验证结论,为大型高可靠性装备测试性外场统计验证研究提供了重要的理论依据。     

基于Bayes网络的多源信息融合方法在精度评定中的应用

提出了一种基于多源验前信息融合的Bayes精度评定方法。利用Bayes网络进行多源验前信息融合时,能够结合现场试验数据,对信息加权因子做出较为合理的推断。根据验前及验后数据,通过Bayes网络中的MC—MC方法可以快速地获取各变量的验后统计特性,达到估计现场试验精度的目的。因此,基于多源验前信息融合的Bayes方法可用于解决小样本下的精度评定问题,仿真结果表明了该方法的有效性。     

基于Bayes理论的小子样维修性验证方法研究

针对现有经典维修性指标验证方法的不足,提出了一种小子样的维修性验证方法,即采用Bayes理论对维修性指标进行验证.给出了应用该方法的一般步骤,探讨了维修时间总体分布的确定方法,采用随机加权法对验前分布进行确定并利用ML - Ⅱ方法实现了多源信息的融合;进一步分析推导了基于Bayes理论的维修性验证方法的检验判据和样本量的大小.最后通过实例分析表明,该方法通过综合利用各种验前信息,可以有效地降低现场试验样本量,节省试验投入,缩短试验周期,且能保证较高的可信度.     

小子样条件下正态先验信息的融合

对于Bayes小子样检验方法,先验信息的有效性影响着统计推断的准确性。在对多源正态先验信息进行融合时,采用自助法将之转换为先验子分布,其中采用了改进的经验分布函数法进行再抽样。然后,基于专家水平确定其权重,再结合专家估计法确定各先验子分布的权重。最后,通过计算综合先验分布与假设的正态分布的差异部分的面积,对综合先验分布为正态分布的假设进行检验。案例分析表明此融合方法是有效的。     

发动机无失效数据可靠性评估研究

在定时截尾寿命试验特别是高可靠性、小子样试验中的无失效数据,引入了逆Weibull寿命分布函数,提出采用不完全Beta分布作为故障概率的先验分布,给出分布参数的最小二乘估计以及故障概率的Bayes估计和多层Bayes估计,从而得到可靠度的估计。最后针对实际问题进行了计算,结果表明Bayes估计稳定合理且容易计算,假定发动机寿命服从逆Weibull分布时的计算结果具有较高精度和较小的偏差。     

基于混合先验分布的导弹武器系统飞行可靠性评估

在小子样情况下,把导弹武器系统各个分系统的试验信息折合为现场试验信息,然后综合利用各种信息（地面试验信息,不同阶段的试验信息等）,运用基于专家系统确定权重区间的分层Bayes方法,对导弹武器系统的飞行可靠性进行评定。算例表明,该方法比直接提供权重估计的方法更稳健,可信度也更高。     

航空发动机MTBF的Bayes评估

针对航空发动机的试验样本量和故障数据少，采用传统的数学平均值法对其平均故障间隔时间（MTBF）评估不能反映其真实可靠性水平的问题，基于Bayes理论，把历史试验数据视为先验信息，采用矩等效方法确定先验分布，然后通过Bayes理论综合现场试验数据，建立了一种基于Bayes理论的航空发动机MTBF评估方法。该方法可以扩大MTBF评估所需的信息量。采用所提出的Bayes方法对某航空发动机MTBF进行评估，得到其MTBF评估值为302.68h，比采用数学平均值法约提高了18.7%，评估结果更符合实际。表明该方法可应用于航空发动机MTBF的评估。      

验前大容量仿真信息“淹没”现场小子样试验信息问题

在运用Bayes方法对武器系统进行鉴定的过程中，仿真信息作为验前信息使用一直是一个有争议的问题。本文给出了验前子样可信度的定义及相应的计算方法，在分析了大量仿真信息“淹没”小子样现场试验信息这一现象的基础上，将验前信息的可信度引入统计推断，较好地解决了仿真信息在试验鉴定中的应用问题。     

Testability evaluation using prior information of multiple sources

Testability plays an important role in improving the readiness and decreasing the lifecycle cost of equipment. Testability demonstration and evaluation is of significance in measuring such testability indexes as fault detection rate（FDR） and fault isolation rate（FIR）, which is useful to the producer in mastering the testability level and improving the testability design, and helpful to the consumer in making purchase decisions. Aiming at the problems with a small sample of testability demonstration test data（TDTD） such as low evaluation confidence and inaccurate result, a testability evaluation method is proposed based on the prior information of multiple sources and Bayes theory. Firstly, the types of prior information are analyzed. The maximum entropy method is applied to the prior information with the mean and interval estimate forms on the testability index to obtain the parameters of prior probability density function（PDF）, and the empirical Bayesian method is used to get the parameters for the prior information with a success-fail form. Then, a parametrical data consistency check method is used to check the compatibility between all the sources of prior information and TDTD. For the prior information to pass the check, the prior credibility is calculated. A mixed prior distribution is formed based on the prior PDFs and the corresponding credibility. The Bayesian posterior distribution model is acquired with the mixed prior distribution and TDTD, based on which the point and interval estimates are calculated.Finally, examples of a flying control system are used to verify the proposed method. The results show that the proposed method is feasible and effective.     

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。     

综合航电设备多传感器多级数据融合的敌我属性估计

介绍了C^4 ISR系统中多传感器数据融合的特点和一种空战融合模式,结合实例说明了多传感器各自对目标信息的测量结果进行融合处理,推导了单传感器和多传感器未知命题的周期融合的可信度分配,并根据概率分布函数求出我机和敌机的置信度和拟信度,进行了验证和分析。分析表明,多传感器数据融合可以较全面准确地识别空中目标,达到对目标属性的准确估计。     

超声速湍流密度脉动预测的神经网络方法

针对气动光学效应对湍流密度脉动预测的需求,发展了超声速湍流密度脉动预测的神经网络方法,从直接数值模拟（DNS）的超声速湍流边界层的流场数据中挖掘规律,建立了包含5个隐含层的密度脉动模型。实验结果表明,所发展的神经网络方法可以很好地预测密度脉动均方值,它不仅能很好地预测训练样本,对测试样本预测的精度和稳定性也显著高于传统模型,且具有一定的泛化能力。通过特征选择和加入先验信息,确定了密度脉动模型的7个输入参数特征量,进一步提高了模型的泛化能力和实用性。     

制导精度一体化试验的Bayesian样本量计算方法

针对制导精度一体化试验的样本量计算(SSD)问题,分析了应用经典样本量计算方法和标准幂先验的Bayesian样本量计算方法存在的问题和矛盾;为了解决验前样本量很大时,基于标准幂先验得到的设计先验与Bayesian平均后验方差准则之间的矛盾,综合考虑仿真可信度与验前样本量的影响,提出了试验的设计效应指标,给出一种基于试验的设计效应等价确定修正幂先验指数的方法,并用于构造Bayesian样本量计算的设计先验;以兴趣参数Bayesian估计的平均后验方差为输出精度,分别设计了在试验经费约束和评估精度要求约束下的一体化试验方案样本量优化计算方程,并通过示例分析证明了所提Bayesian样本量计算方法的有效性。     

导弹装备测试性数据相关性分析研究

针对目前装备使用阶段测试性数据来源于专家信息这类存在不确定性因素的信息,会直接影响测试性验证结论的准确性和完整性。为了增加测试性数据的可信度,基于导弹装备使用阶段测试性数据,提出了灰色关联分析的方法流程,对数据进行相关性分析。结果表明,基于灰色关联算法的数据相关性分析方法能得到测试性数据可信度程度,并挖掘出测试性指标间潜在的关联规律,能丰富专家信息,有助于提高验证准确度。     

Static Frame Model Validation with Small Samples Solution Using Improved Kernel Density Estimation and Confidence Level Method

An improved method using kernel density estimation (KDE) and confidence level is presented for model validation with small samples. Decision making is a challenging problem because of input uncertainty and only small samples can be used due to the high costs of experimental measurements. However, model validation provides more confidence for decision makers when improving prediction accuracy at the same time. The confidence level method is introduced and the optimum sample variance is determined using a new method in kernel density estimation to increase the credibility of model validation. As a numerical example, the static frame model validation challenge problem presented by Sandia National Laboratories has been chosen. The optimum bandwidth is selected in kernel density estimation in order to build the probability model based on the calibration data. The model assessment is achieved using validation and accreditation experimental data respectively based on the probability model. Finally, the target structure prediction is performed using validated model, which are consistent with the results obtained by other researchers. The results demonstrate that the method using the improved confidence level and kernel density estimation is an effective approach to solve the model validation problem with small samples.