捷联惯组历次测试数据时间序列建模与预报

提出了捷联惯组历次测试数据时间序列分析法.针对惯组历次测试数据少,小样本建模困难的问题,提出了通过二次修正插值的方法,构建惯组历次测试数据建模分析所需的时间序列.为解决惯组历次测试数据小样本建模问题提供一种可行的途径.最后通过时间序列预报,预测惯组误差系数的变化趋势,为使用、分析、挑选惯组提供了理论依据.     

基于贝叶斯方法的捷联惯性测量组合历次测试数据分布研究

针对捷联惯性测量组合（捷联惯组）历次测试数据小样本的问题,提出了通过Bayes方法研究捷联惯组历次测试数据的统计特性。通过Bayes方法,利用先验信息、总体信息和样本信息得到捷联惯组历次测试数据的验前分布和验后分布,将统计推断建立在验后分布基础之上,减小了小样本情况下的统计分析误差。     

基于优化灰色模型的捷联惯组历次测试数据建模预测

捷联惯组历次测试数据由于受到多种随机因素的影响,其变化趋势具有非线性,同时测试数据又属于小样本.针对此特点,讨论了基于优化灰色模型的捷联惯组历次测试数据建模预测算法.首先对原始数据序列进行加速平移变换及加权均值生成,得到更适合建立灰色模型的数据序列,再采用优化背景值后的灰色模型对其变化趋势进行建模预测.实例分析证明,该模型能够准确反映捷联惯组历次测试数据的变化规律,比传统灰色模型有更高的精度.     

基于Bootstrap方法的捷联惯组历次测试数据总体参数验前分布研究

针对捷联惯性测量组合(捷联惯组)历次测试数据小样本的特点,在总体参数分布形式未知的情况下,根据已有的先验信息,提出了通过Bootstrap重采样技术,获得捷联惯组历次测试数据总体参数的验前分布,可以减小在小样本情况下统计分析误差.     

基于随机加权法的捷联惯组历次测试数据总体参数验前分布研究

针对捷联惯性测量组合（捷联惯组）历次测试数据小样本的特点，在总体参数：分布形式未知的情况下，根据已有的先验信息，提出了通过随机加权法，获得捷联惯组历次测试数据总体参数的验前分布，可以减小小样本情况下的统计分析误差．     

基于非等间距灰色模型的捷联惯组误差系数建模预测

捷联惯组历次测试数据由于受到各种因素的影响,数据量少,而且测试时间也是非等间隔的.针对这一特点,提出了捷联惯组误差系数非等间隔灰色建模预测新方法.通过3次样条函数插值,将不等间隔序列调整为等间隔序列;同时将基本预测模型中参数的构造方法加以改进,从而建立非等间隔时序灰色模型.实例分析证明该模型能够准确反映捷联惯组历次测试...     

捷联惯组历次测试数据验前分布Bootstrap分散融合估计法

在小子样理论中,验前分布的获取与表示是一个关键问题。针对捷联惯性测量组合(捷联惯组)历次测试数据验前分布的获取问题,讨论了在异总体情况下,多种验前信息的融合问题。提出了通过Bootstrap分散融合法来实现多种异源信息融合,获取捷联惯组历次测试数据验前分布和验后分布,以此为基础进行统计推断,可以有效地减小小样本统计分析误差。     

捷联惯组历次测试数据小样本统计特性研究

捷联惯组历次测试数据样本总体分布及其参数是未知的,提出了"二次统计法"研究捷联惯组历次测试数据样本总体分布形式,根据捷联惯组误差系数的稳定性要求,确定了其样本总体分布的方差。在此基础上,根据验前信息的不同来源,以及验前信息与历次测试数据之间的统计关系,分4种不同情况确定其样本总体均值的验前分布。以验前分布为基础,利用贝叶斯方法获得其验后分布。验后分布集中了3种有用信息(总体信息、验前信息和样本信息),是对总体分布参数的最终认识,因此基于验后分布的统计推断是更为有效,也是最合理的。最后通过稳健性分析检验验前、验后分布的稳健性。     

速率捷联惯性组合的工具误差计算与分析

介绍了利用标准弹道数据及速率捷联惯性组合（简称惯组）单元测试数据对惯组工具误差进行计算分析的方法，该方法完全利用了试验靶场的技术文件及测试数据等已知条件，对惯组工具误差造成的落点偏差进行算例计算与分析，结果准确可信，方法实用性强。     

惯导轨迹发生器误差引入研究

轨迹发生器为捷联惯导算法程序提供仿真测试数据。选定理想轨迹,用捷联惯导原理逆向解算出元件输出,引入误差后输入捷联惯导算法程序,得到解算轨迹。针对传统捷联惯导轨迹发生器引入误差不全面的问题,提出全面考虑误差的新型轨迹发生器。用元件真实数据分析出各项误差,将各项误差引入理想元件输出,得到较传统捷联惯导轨迹发生器更加接近真实情况的轨迹数据。仿真结果表明,新型轨迹发生器较传统轨迹发生器更加接近真实情况,是一种可靠的捷联惯导轨迹发生器。     

Research on Test Data Distribution of Strapdown Inertial Measurement Unit Based on Bayesian Method

Aiming at that the successive test data set of the strapdown inertial measurement unit is always small,a Bayesian method is used to study its statistical characteristics.Its prior and posterior distributions are set up by the method and the pretest,sample and population information.Some statistical inferences can be made based on the posterior distribution.It can reduce the statistical analysis error in the case of small sample set.     

融合仿真数据的小子样圆概率误差评估

针对应用Bayes方法评估圆概率误差（CEP）时仿真数据容易“淹没”现场实弹数据,导致评估结果无效甚至错误的问题,提出一种基于“有效样本”的飞行与仿真数据融合算法与融合仿真数据的小子样CEP评估方法。使用重要性抽样方法中抽样效率的评估模型度量仿真先验分布与总体分布之间的偏差,建立考虑仿真先验信息有偏差时仿真先验分布的确定方法。该方法在融合评估时仿真样本权重同时依据仿真先验分布与总体分布之间的偏差和样本量调整,而不是原方法中仅仅依赖验前试验的试验次数分配。实验和应用案例表明,新方法的估计性能显著好于传统方法,可以有效解决装备鉴定和定型试验中小子样CEP评估问题。     

基于混合验前分布的小子样维修性验证试验方法研究

针对小子样雏修性验证试验方法进行研究。首先,采用Matlab工具箱中的秩和方法对验前数据进行一致性检验,再使用基于权重因子的信息融合方法确定混合验前分布,最后,运用概率似然比方法得出混合验前分布下的小子样维修性验证试验方案。实例证明,该方法可以减少现场试验样本量,降低试验费用,缩短试验周期,提高军事经济效益。     

制导弹药可靠性评定方法的研究

研究了先验信息的融合问题。为避免少量的现场试验信息被大量的先验信息淹没,使用了以混合贝塔分布为先验分布的贝叶斯方法。分析了该方法的适用条件,并将之推广到了多先验的情况。利用这一结果,给出了在制导弹药的鉴定试验中进行可靠性评定的一般方法。通过实例,比较了这一方法与经典方法和使用贝塔分布为先验分布的贝叶斯方法的差异,说明了该方法的合理性和可行性。     

基于混合Beta先验分布的成败型产品的可靠性评估

成败型产品可靠性的小样本评估方法,把历史试验数据作为Bayes估计方法的先验信息,有效地减少了样本量。但是传统的Bayes方法过度依赖验前信息,当新产品有改进时造成鉴定结果的冒进。针对过度依赖先验信息问题,本文提出了使用混合Beta先验分布,引入继承因子,通过调整继承因子的大小来控制对验前信息的依赖程度,考虑了成败型产品的变化对评估结果的影响。采用该方法对某导弹的可靠性进行了评估。     

基于多源信息融合的航天阀门可靠性评估

航天阀门在研制过程投入试验的样本量很小、样本极少失效甚至无失效.为解决其可靠性评估问题,需要充分利用现有的各类试验数据.用于阀门可靠性定量分析的试验主要包括温度试验、振动试验和动作试验.在对温度试验和振动试验数据进行预处理的基础上,融合成统一的先验分布,并将动作试验数据作为现场数据,根据Bayes原理完成阀门可靠性评估...     

基于狄氏先验分布的机电产品主要失效模式贝叶斯分析

对于具有多种失效模式的复杂机电产品,主要失效模式分析是产品可靠性设计和试验中非常重要的环节。但目前常用的基于频率分析的定量分析方法,在小样本量场合并不是最优方法。针对这一问题,提出了基于Dirichlet先验分布的Bayes分析方法,实现了小样本量场合的主要失效模式定量分析。在此基础上采用Monte Carlo仿真分析方法的性质,并通过应用算例验证方法的有效性。结果表明,在小样本量场合Bayes方法比频率分析方法的精度更高,能更有效地找出产品的主要失效模式。