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%.     

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.      

基于优化SPOT和D-S证据理论的测试性验证方案

针对现有基于序贯验后加权检验的测试性验证方案对测试性设计指标之间的模糊参数空间考虑不足,以及未能充分运用测试性多源先验信息的问题,提出一种优化序贯验后加权检验和D-S证据理论相结合的测试性验证方案。首先,考虑测试性设计指标之间的模糊参数空间,构建三参数空间复杂假设,并基于Bayes理论研究序贯决策规则,同时确定决策因子以及决策阈值;其次,以测试性指标构成的参数空间为辨识框架,分别构造基于专家信息以及测试性试验数据等先验信息的基本信任分配函数,建立融合多源先验信息的优化序贯验证方案;最后,结合实例进行研究,并与经典验证方案、传统Bayes验证方案、序贯概率比检验方案以及序贯验后加权检验方案进行了对比分析。结果表明,该方案由于考虑了模糊参数空间以及充分融合了多源先验信息,有效解决了模糊参数空间的处理问题,同时所确定的平均故障样本量在决策支持的参数空间均优于其他方法。     

多源验前信息的融合方法

文中给出了两种多源验前信息融合方法：基于可信度的加权方法和超Ｂａｙｅｓ方法。基于可信度的加权融合方法需要定量描述信息的可信程度,而超Ｂａｙｅｓ事例方法充分考虑了各种信息的概率特性,是一种较有前途的信息融合方法。     

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。     

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。     

离子推力器极少数据可靠性评估方法

针对只有两台离子推力器进行寿命试验,试验结果为极少失效数据的情况,建立了一种离子推力器整机可靠性评估方法.通过引入区间统计量的概念,充分开发从最后一个失效数据继续试验到没有发生产品失效这一重要试验信息,由高斯-马尔科夫定理计算出寿命分布参数的最佳线性无偏估计,并给出离子推力器可靠度和寿命的单侧置信下限.最后,对美国NASA研制的型号为XIPS-13的离子推力器进行可靠性评估,得出了其寿命需求10000h的可靠度单侧置信下限为0.87及给定可靠度为0.9时的寿命单侧置信下限为9024.6h,该方法精度较高,便于工程应用.      

于不确定性与重要度的改进DSmT健康状态评估

针对目前健康状态评估准确度不高、客观性不强的问题,引入评估指标的不确定性和重要度,提出一种基于不确定性和重要度的改进DSmT（Dezert Smarandache theory）健康状态评估方法.首先,引入指标不确定性和重要度作为加权因子,能够得到比较合理的指标权重;其次,采用模糊综合评判方法,通过构造三角形梯形隶属度函数确定各指标的广义基本信度赋值;然后,基于指标权重对广义基本信度赋值进行改进DSmT融合,得到各指标的广义基本信度赋值加权融合后的评估结果;最后,以某供电系统为例进行了实例验证,结果表明该方法能够赋予各评估指标较合理的权重,健康状态评估结果与系统实际运行状态相符.      

基于不确定性与重要度的改进DSmT健康状态评估

针对目前健康状态评估准确度不高、客观性不强的问题,引入评估指标的不确定性和重要度,提出一种基于不确定性和重要度的改进DSmT(Dezert-Smarandache theory)健康状态评估方法.首先,引入指标不确定性和重要度作为加权因子,能够得到比较合理的指标权重;其次,采用模糊综合评判方法,通过构造三角形梯形隶属度函数确定各指标的广义基本信度赋值;然后,基于指标权重对广义基本信度赋值进行改进DSmT融合,得到各指标的广义基本信度赋值加权融合后的评估结果;最后,以某供电系统为例进行了实例验证,结果表明该方法能够赋予各评估指标较合理的权重,健康状态评估结果与系统实际运行状态相符.     

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。     

An information-volume-based distance measure for decision-making

D-S evidence theory, as a general framework for reasoning with uncertainty, allows combining pieces of evidence from different information sources to derive a degree of belief function that is a type of fuzzy measure. However, the mass assignments given by unknown information sources are disordered. How to measure the difference between the mass assignments has aroused people’s interest. In this paper, inspired by the information volume, a novel distance-based measure is proposed to measure the difference between mass assignments. The method can refine the uncertain information given by experts and compare the refined information to obtain the difference between mass assignments. At the same time, it is verified that the measure not only meets the properties of distance, but also proves the superiority of the proposed Information Volume Distance (IVD) through simulation experiments. Meanwhile, in the process of information fusion, the reliability of each source could be quantified through IVD. Therefore, based on IVD, a new multi-source information algorithm is proposed to solve the problem of multi-source information fusion. Moreover, algorithm is applied to decision-making problem and compare with other methods to verify the effectiveness.     

基于云模型和改进D-S证据理论的目标识别决策方法

在目标识别决策系统中,多探测器多源信息融合的模糊性和不确定性以及各探测周期所得信息的冲突互斥会造成目标识别决策不精准。为解决这一问题,提出基于云模型和改进D-S （Dempster-Shafer）证据理论的目标识别决策方法。首先,将目标识别准确性这一语言评价值划分为不同评价区间等级,以不同评价等级标准云为参照将各探测器各探测周期所得信息转化为云决策矩阵,得出各周期各等级隶属度,进而构建出基本概率分配函数（mass函数）;其次,基于证据理论引入冲突度、差异度、离散度3类衡量冲突大小的参数,定义了一种新的证据冲突参数,同时改进证据冲突融合算法,对各探测器各周期证据体进行修正并融合;再次,结合各探测器权重加权得出各目标综合识别决策的mass函数对目标进行决策;最后,结合算例,验证该方法的适用性,并与其他方法相对比验证了本文方法的优越性。     

Novel moderate transformation of fuzzy membership function into basic belief assignment

In information fusion, the uncertain information from different sources might be modeled with different theoretical frameworks. When one needs to fuse the uncertain information represented by different uncertainty theories, constructing the transformation between different frameworks is crucial. Various transformations of a Fuzzy Membership Function (FMF) into a Basic Belief Assignment (BBA) have been proposed, where the transformations based on uncertainty maximization and minimization can determine the BBA without preselecting the focal elements. However, these two transformations that based on uncertainty optimization emphasize the extreme cases of uncertainty. To avoid extreme attitudinal bias, a trade-off or moderate BBA with the uncertainty degree between the minimal and maximal ones is more preferred. In this paper, two moderate transformations of an FMF into a trade-off BBA are proposed. One is the weighted average based transformation and the other is the optimization-based transformation with weighting mechanism, where the weighting factor can be user-specified or determined with some prior information. The rationality and effectiveness of our transformations are verified through numerical examples and classification examples.     

基于Bayes-模糊逻辑算子的小子样可靠性信息融合方法

为了解决航空航天复杂系统可靠性评定中样本量小而导致评估结果可信度不高的问题,引入模糊逻辑算子这一非线性模型对多源可靠性验前信息进行融合,并给出了其参数估计的第二类极大似然(ML-Ⅱ)估计方法,通过仿真示例说明了融合方法的有效性.      

基于研制信息的测试性验证试验方案研究

针对现有测试性验证试验方案需要较大故障样本量的问题,提出了一种利用研制信息制定测试性验证试验方案的新方法。首先,在二项分布经典抽样模型的基础上,运用证据理论方法,研究了基于测试性试验数据、测试性预计结果和专家经验等研制信息的基本信任分配函数的构造方法,建立了基于融合不同种类研制信息的测试性验证试验方案,并确定了该方案的存在性,给出了方案的确定方法,最后开展了案例应用研究。由于充分考虑了研制信息,因此在确保有较好的验证效果的条件下,与传统的试验方案相比,该方法可以明显减少故障样本量,或在样本量保持不变的情况下有效降低双方风险。