动态分布参数验前分布的稳健性分析

讨论了动态分布参数的验前建模问题,并由此运用边缘分布给出验前分布的ML-Ⅱ估计;对于不同的验前分布所引起的验后稳健性问题作了初步分析。     

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。     

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.      

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。     

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%.      

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。     

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。     

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。     

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。     

小子样武器装备可靠性评定过程中专家信息的规范化描述

在对航空航天领域可靠性工程中专家信息的特征进行分析的基础上, 分别对模糊描述、概率描述法、专家打分法、主观语言描述方式的专家信息规范化进行了研究, 并对基于专家信息的验前分布确定过程进行了分析.建立了专家信息规范化的广义验前信息描述、基于不确定性加权验前信息描述、最大熵法验前信息描述的验前分布确定模型.论文的研究对于小子样条件下运用Bayes方法分析系统可靠性时, 基于专家信息的验前分布确定具有重要的工程指导意义.      

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。     

多层验前信息下多维动态参数的Bayes试验分析

文中讨论了多维动态参数具有多层验前信息时的建模问题。在一定条件下,给出了验前分布的表示。对于动态参数的Bayes估计,进行了精度分析和风险分析。     

再人飞行器落点散布鉴定中验前概率的确定

本文论述Bayes统计决策方法用于落点散布鉴定时验前概率P_(H_O)的确定方法。文中首先讨论落点对瞄准点的距离为Releigh(瑞利)变量的条件下,方差的验前分布的共轭性。对于验前信息,讨论了它的获取和运用方法,给出了计算公式。实例表明,在验前落点信息并不充分的情况下,P_(H_O)的计算必须谨慎地进行。     

自然指数分布族之下的Bayes—经验Bayes估计与检测及其在飞行器试验结果分析中的应用

本文论述自然指数分布族场合下的参数估计与检验问题。文中运用经验Bayes方法,引入关于指数分布族为正交的函数列,先确定参数的验前分布,然后给出参数的Bayes估计。特别是对非共轭验前分布,可以获得逼近解。本文研究了参数检测的经验Bayes序贯验后加权检验方法,最后讨论了在飞行器试验结果分析中的应用。     

Bayes方法稳健性检验

本文运用子样的边缘分布来分析Bayes统计推断中的稳健性。文中论述了验前分布的选定,给出了在一定水平下检验Bayes方法是否稳健的方法。     

导弹命中精度评定中贝叶斯方法的应用

针对导弹武器系统试验评定的问题 ,研究了如何在命中精度评定中应用贝叶斯方法。在导弹落点偏差分布为正态 -逆伽马分布的假设下 ,提出以贝叶斯理论为基础 ,利用实际的导弹飞行试验状态信息和试验前的各种已知信息 ,加入弹道的模拟和仿真方法 ,获得评定的验前分布参数 ,使精度评定理论与实际情况相结合的方案。该方案以使用方提出的可信度和最低可信下界为检验精度的指标 ,同时也提出一种运用参数自助 (Bootstrap)方法获得验前分布参数的方法。最后 ,提供了完整的评定流程和说明 ,使实际的评定工作有一个较完整的体系。所提的贝叶斯方法尤其适合于小子样场合下的试验鉴定工作     

专家信息提取在装备可靠性评定中的应用

专家信息是装备可靠性评定中验前信息的重要来源，将专家信息的提取流程划分为描述、收集、转化和融合四个步骤，并给出了前三步的具体步骤。以某装备可靠度为例，详细介绍了包括问卷设计、调查结果分析和专家信息向验前分布转化的专家信息提取过程，并提出了装备可靠性评定中专家信息提取应注意的问题。     

贝叶斯法在惯性平台测试中的应用

惯性导航系统以其独特优点在航天领域得到了极为广泛的应用。对惯导系统的测试数据进行统计分析和预报,对于航天器的可靠性评估具有重要意义。对于测试数据在实际应用中存在的小样本问题,本文提出了使用贝叶斯方法对其统计特性进行研究。通过对惯性导航系统测试数据的先验信息、总体信息和样本信息进行结合,利用贝叶斯方法得到对应的验前分布和验后分布,并在验后分布的基础上进行统计估计,减小了小样本条件下的统计误差。同时,通过此方法对惯导系统测试数据进行置信区间的计算预报,为惯导系统的误差补偿、故障诊断提供了一个参考依据和途径。