基于二项分布的装备测试性综合验证方案

针对装备测试性验证中指标定性考核和定量计算的要求,提出一种基于二项分布的装备测试性综合验证方案。首先,通过对比分析现有测试性验证试验方案,发现各自特点和不足;然后,提出基于二项分布的装备测试性指标综合评价方案,并证明在规定的测试性指标点估计值范围内二项分布和正态分布的近似性;最后,以某装备为例进行实装验证试验。结果表明:该方案可同时得到测试性定性和定量指标,且能实现样本量优化,工程实用性较强,可作为对现有验证方案的补充。     

某型复杂装备车载状态监测系统设计

某型复杂装备现有设备监测数据达不到对全车的故障诊断与健康状态评估所需数据的要求,通过分析其整车电气信号,为满足复杂装备对整车数据的监测需求,设计了车载状态监测系统;给出了车载监测系统的总体架构,对综合控制处理电路、实时数据采集处理电路、总线数据监控电路和车载显示系统硬件进行了设计,设计了车载采集与报警系统和显示系统软件,最后对系统进行了车载测试,表明系统能够对复杂装备的实时运行状态进行监测,完成基本的故障诊断功能,为早期发现故障缺陷,提出处置措施,开展系统健康管理提供了条件.     

基于分系统先验信息的测试性指标评估方法

针对现有测试性指标评估方法中存在的系统级先验数据匮乏、试验样本量确定缺乏依据等问题，提出利用分系统先验数据评估装备测试性指标。该方法结合信息量等效原则，通过定义分系统贡献率得到系统级先验数据，并基于先验分布支持度和重要度确定混合先验分布。为满足试验统计要求的样本量，根据二项分布模型中的样本量确定原则，基于最大后验风险计算试验样本量，并根据实装试验结果实现指标评估。实例应用表明，该方法能够有效实现测试性指标评估，相比于经典方法和传统Bayes融合方法，评估结果更为合理，工程应用效果更好，对准确反映装备测试性水平具有重要作用。     

考虑贡献率和可信度的测试性试验优化方法

针对现有测试性试验方法中系统级先验信息获取困难,先验分布赋权不合理以及样本量过大等问题,提出了基于分系统贡献率和先验分布可信度的测试性验证试验优化方法。首先,系统分析了测试性多源先验信息,定义了分系统贡献率,在此基础上利用信息论方法对分系统先验数据进行折算得到系统级先验数据;然后,通过相似性度量检验先验数据与实装试验数据的相容性,并提出采用逼近理想点排序-层次分析法（Technique for order preference by similarity to ideal solution-analytic hierarchy process,TOPSIS-AHP）计算先验分布可信度,进而确定混合先验分布;最后,基于分系统先验信息确定的混合先验分布,运用序贯验后加权检验（Sequential posterior odd test,SPOT）方法制定试验优化方案。实例分析表明,由基于贡献率的数据折算和基于可信度的权值计算方法得到的混合先验分布更加准确,与序贯概率比检验（Sequential probability ratio test,SPRT）方法相比,该试验方案样本量平均减少18.6%,与Bayes方法相比平均减少61.1%,而且该方法可以有效降低双方风险。考虑贡献率和可信度的SPOT试验方案在先验信息获取、先验分布权值、试验样本量、双方风险等方面均具有较好的应用效果。     

基于健康度分析与和声蚁群算法-支持向量机的故障预测模型

针对现有的故障预测技术无法从整体上反映系统性能下降趋势等问题,提出一种基于健康度分析的故障预测方法.首先,在支持向量机回归算法基础上构造多输出支持向量机,以实现健康度的多步预测,并提出一种和声蚁群算法优化支持向量机参数,解决了蚁群算法易陷入局部最优的问题; 然后, 根据最优参数建立拟合监测数据和未来健康度下降过程非线性映射关系的和声蚁群算法-支持向量机(HSACA-SVM)故障预测模型; 最后,通过某装备电源系统监测数据验证了该模型的有效性.实例验证表明该模型能够较好地实现对健康度下降趋势的预测,预测准确率达到97%,进而实现故障预测.     

武器装备维修性验证试验方法研究

近年来,我军开始推行武器装备三级维修保障体系向两级维修保障体系转变的维修体制改革;武器装备的维修性是实施装备两级维修保障体制改革的关键,在生产定型阶段对其进行维修性验证试验很有必要;为了进一步完善维修性验证试验方法,以适应维修体制改革的需求,分别对开展武器装备维修性验证试验工作的时机、内容、方法与流程进行了概述;在分析了当前维修性验证试验方法特点的基础上,重点对维修性验证试验工作中的试验方法的选取、样本量确定及样本分配、故障模拟及注入3个关键技术及研究现状进行了总结与归纳;通过对试验关键技术的研究,分析了当前开展维修性验证试验工作存在的问题,对进一步开展维修性验证试验方法研究的内容及方向进行了展望。     

测试性验证试验中的故障样本综合加权分配方法

针对目前测试性验证试验中故障样本分配考虑因素单一,分配结果不太合理,影响测试性验证评估准确度的问题,文章综合考虑故障样本分配的影响因素,提出了故障样本分配的综合加权方法;首先,在分析影响因素的基础上,明确了综合加权分配算法;然后对影响系数和影响因素的权值进行确定;最后,通过在某系统测试性验证试验中的应用表明,该方法考虑因素更加全面,与基于故障率的按比例分层抽样分配方法相比较,故障样本分配结果更加合理,测试性验证评估结果更加接近系统测试性设计的真实水平,更具有工程应用价值.     

基于多影响因子和重要度的故障样本优选

针对测试性试验故障样本选择时影响因子考虑不全面、抽样方法工程应用性不强、影响因子权值主观性较强等问题,提出基于故障模式多影响因子和重要度的故障样本优选方法。在分析基于多影响因子抽样必要性的基础上确定了故障模式影响因子,并提出了基于PageRank的传播强度计算方法;提出了基于信息熵的相似度和基于相对比较关系的支持度计算方法,采用博弈决策方法确定了影响因子权值,实现了基于相对重要度的故障样本优选。将该方法应用于某装备控制系统的测试性验证试验,结果表明：故障样本优选方法能降低单次试验评估结果的随机性;样本选取时综合考虑多种影响因子和既客观又满足试验双方要求的影响因子权值,更符合测试性试验需求,选取的故障样本更合理。