基于测试性增长的指标动态评估方法

针对现有测试性指标评估方法未能考虑装备研制阶段不同层次结构测试性水平动态增长的特性,导致测试性评估置信度不高的问题,提出一种测试性增长条件下基于层次Bayes网络模型的测试性指标动态评估方法。根据装备结构特征建立测试性指标动态评估的层次Bayes网络模型,并以测试性指标作为网络传递参数;考虑延缓纠正的测试性增长试验策略,给定测试性阶段序化增长约束条件,针对不同层次节点各阶段增长试验数据,采用单边Fisher精确检验法对测试性增长趋势进行检验,并基于检验结果确定增长阶段数;提出利用最大熵模型和改进Gompertz模型的先验参数估计方法,结合Bayes定理以及研制阶段各层次节点先验信息确定节点先验分布;进一步基于层次Bayes网络融合推理算法确定顶层节点测试性指标的后验分布,实现对装备测试性指标的动态评估,并通过案例进行验证。结果表明,该方法相较于直接运用Beta分布,具备更为准确合理的指标评估结论。     

基于贝叶斯估计的测试性仿真评估方法研究

经典测试性参数估计方法仅利用了样本所提供的关于总体的信息,没有利用关于待估统计量的其他信息,例如装备在研制阶段的测试性摸底试验以及丰富的专家数据;因此,这种经典估计方法在小样本情况下,很难真实反映装备的测试性水平。针对以上问题,本文提出了一种在获取仿真试验数据的前提下,进行综合装备先验信息测试性评估的方法,即基于贝叶斯估计的测试性水平估计,研究了测试性参数先验信息获取方法,给出了测试性参数的点估计和区间估计方法。     

基于研制阶段试验数据的复杂装备测试性评估

针对当前测试性评估方法中,经典方法无法利用历史测试性试验信息,且在小样本量下,评估结论置信度低、风险大的问题,提出了一种基于研制阶段试验数据的复杂装备测试性评估模型。在对经典评估方法进行建模与分析的基础上,运用Bayes理论,建立了综合利用研制阶段历史试验信息和现场试验数据的Bayes测试性评估模型;该模型结合验前信息与现场信息的相容性给出了一种混合验前分布,并利用拟合优度检验确定继承因子。最后开展了案例应用研究,结果表明,在相同的现场试验条件下,该模型能给出较高置信度的测试性评估结论,比经典评估方法更合理。     

基于Bayes变动统计理论的测试性综合评估模型及其稳健性分析

在测试性综合评估研究中,故障检测率(Fault detection rate,FDR)/故障隔离率(Fault isolation rate,FIR)评估结论置信度低是一个非常重要的问题,而导致其评估结论置信度低的主要原因是故障检测/隔离数据为"小子样"数据,为解决该问题,建立在Bayes变动统计理论基础上的模型和方法是非常有效的。利用丰富的可更换单元测试性信息、专家经验等先验信息,确定先验分布参数,实现了将先验信息转化为多元Dirichlet先验分布。在此基础上,基于Bayes变动统计理论研究并建立FDR/FIR综合评估模型,保证"小子样、异总体"阶段性增长试验数据和"小子样"外场使用数据能被有效地融合,并采用仿真方法对模型的稳健性进行分析。结果表明该FDR/FIR综合评估模型和方法,能在小样本数据情况下,有效提高评估结论置信度,缩短装备定型周期,为装备测试性综合评估研究提供重要的理论依据和方法。     

测试不确定条件下基于贝叶斯网络的装备测试优化选择技术

针对装备诊断与测试实际过程中普遍存在的不确定性问题,通过引入测试不确定概率,建立基于贝叶斯网络的测试性分析模型。在此基础上获取测试不确定条件下的故障-测试相关性矩阵,经贝叶斯推理计算测试性指标参数,建立测试项目集优化模型,并利用混合二进制粒子群-遗传算法进行求解。案例验证表明,该分析与计算过程由于考虑了测试不确定性,使得结果与实际情况更加吻合,与传统的确定性优化方法相比具有更高可信度。     

利用研制阶段试验数据制定测试性验证试验方案新方法

现有的测试性验证试验方案,在一定的风险承受能力下都需要较大的故障样本量。针对这一问题,以故障检测率(Fault detection rate,FDR)为验证指标,提出利用研制阶段试验数据制定测试性验证试验方案的新方法。在传统的FDR的统计检验模型基础上,提出产品研制阶段的成败型试验数据的等效折合方法;考虑Beta分布函数的概率特性,将FDR的置信下限估计转化为Beta分布的置信度分位点,求得FDR的置信概率密度函数;引入差异因子 ,用来反映研制阶段产品的FDR水平和产品验证需达到的FDR水平的差异,求得产品验证需达到的FDR的置信概率密度函数;参考风险的定义,重新确定了测试性验证试验方案。由于充分考虑了研制阶段的试验信息,因此在保证有较好的验证效果的条件下,与传统的验证方案相比,可以明显减少故障样本量,或在故障样本量保持不变的情况下降低双方风险。     

基于多源信息的复杂装备测试性评估

针对目前复杂装备测试性评估中的小子样问题,在对经典评估方法和传统Bayes评估方法进行分析的基础上,提出了一种基于多源信息融合的测试性评估方法。该方法综合考虑了多源信息的可靠度和可信度,较为合理地解决了多源信息对复杂装备测试性水平反映的可靠程度问题,以及融合求解后验分布时,因多源信息和现场试验信息的异总体特性而导致的小子样现场试验信息被淹没的问题。以某型火控系统测试性评估为例进行了研究,并与经典评估方法、传统Bayes评估方法进行了比较。结果表明,基于多源信息融合的测试性评估方法所得到的结果更为合理,在处理现场试验信息为小子样的问题时,更具优势。     

一种基于多目标优化的测试性分配方法

针对测试性分配问题,在测试性分配数学分析的基础上提出了一种以全生命周期费用和测试性水平为目标的多目标优化模型。在求解模型时,按照权重将多目标问题转化为单目标优化问题后采用浮点编码遗传算法求解,该模型有利于提高求解精度,尤其在分配参数较多的情况下,可以改变各目标权重值,满足不同的分配需求。最后应用该模型对某型工程机械液压系统进行实际分配,分析结果表明该模型能够对系统测试性和全生命周期费用进行有效权衡,在系统及其子系统（或单元）测试性指标约束下进行合理的测试性分配。     

基于后验分布的限制型故障样本量确定方法

针对现有测试性验证方案均选用最小样本量原则，在相同的双方风险及要求下会得到相同的样本量以及故障判据，而未考虑工程应用中不同装备系统具备不同结构和功能复杂度的问题，提出一种基于后验分布的限制型故障样本量确定方法。首先，根据装备系统结构划分构建层次Bayes网络测试性验证模型，融合各结构层次中蕴含的先验信息推导系统故障检测率的后验分布；其次，基于后验分布样本集，给出最小样本量原则下的样本量确定方法，再通过比例分层样本量分配方法，结合装备系统功能特性，给出限制型故障样本量确定方法；最后，通过实例进行分析。结果表明，该方法既能充分运用装备结构信息，较之经典验证方案以及传统Bayes方案，在相同指标约束下能有效降低样本量，又能考虑系统功能特性，保证了测试性验证结论的准确性和合理性。     

基于虚拟样机的仿真测试技术研究

针对复杂电子装备设计、生产与使用维护中的性能测试需求,提出了基于虚拟样机的复杂电子装备仿真测试技术.该技术综合应用计算机仿真技术、软件工程技术与装备测试技术,是一种新的试验测试方法.通过仿真测试平台,不仅可以对装备的各种运行状态进行综合仿真,完成装备的全面测试,而且可以通过应用故障注入技术以满足装备测试性实验验证的需求,为装备的测试性评价决策提供依据.该技术具有较强的适应性,适合于现代武器装备的测试要求.     

基于混合验前分布的复杂装备测试性评估

合理有效地利用验前信息是小子样评估中的关键问题。针对复杂装备小子样测试性评估问题,考虑了不同验前信息的可信度和重要度,提出了一种混合Beta分布的复杂装备小子样测试性评估方法。算例表明,在小子样前提下,传统统计方法得到的测试性置信下限过于保守;现有的可信度度量方法大都直接基于数据层,没有考虑验前信息的来源。混合Beta分布的复杂装备小子样测试性评估方法不仅考虑了验前信息的可信度,还对验前信息的重要度进行了分析,评估结论更加合理,具有较好的工程应用价值。     

基于非齐次泊松过程和统计仿真的故障样本模拟生成

由于测试性虚拟试验具有成本低、效率高、风险小、故障注入受限少等优点,故障样本量几乎不受限制,可有效弥补测试性实物试验的不足,但同时也对故障样本生成提出新的要求。为此提出一种适用于测试性虚拟试验的基于非齐次泊松过程和统计仿真的故障样本模拟生成方法。分析指出可修系统的故障发生过程是随机过程,并用非齐次泊松过程及其参数化模型对其进行数学描述。给出故障样本模拟生成流程,建立故障事件发生间隔时间的概率分布函数,通过随机数生成和逆变换法,实现故障样本的模拟生成,仿真获得故障发生次数及其相继发生时间。以某型地平仪为案例进行试验和应用研究。试验结果表明,采用所提方法进行故障样本模拟生成是有效的,能科学指导可修系统测试性虚拟试验中的故障注入。     

基于虚拟仪器的雷达装备ATS测试性验证系统设计

针对现有雷达自动测试系统(ATS)测试性验证困难的问题,设计了一种基于PXI总线的通用ATS使用测试性验证系统,详细说明了系统的硬件构成及软件设计。该系统以PXI嵌入式主控计算机为核心,以NI LabWindows/CVI软件编程技术为开发工具,综合运用计算机测控技术,CVI与PSPICE及Matlab的混合编程技术,标准接口及总线技术等,有效地提高了系统的可信性、通用型和灵活性。验证示例表明,该系统自动化、智能化程度高、适应性强,通过相应适配器的开发可以实现基于仿真的半实物通用装备ATS使用测试性验证,对现有装备的测试性提高具有重要意义,可以促进测试性的不断增长。     

军用工程机械测试性动态评价方法

为了实现对测试性设计过程中测试性指标要求的精确、科学的评价,针对测试性评价指标的动态特性,引入了时间序列参数,构建了由评价对象、评价指标和评价时间构成的三维动态评价模型,将主观权重关系和客观权重函数确定方法相结合,提出了一种测试性动态评价三维排序矩阵的降维求解方法,实现了对军用工程机械测试性设计过程的动态评价。实例验证结果表明,该测试性动态评价方法所得测试性水平的变化与实际测试性设计过程中测试性水平的变化基本吻合,能够对军用工程机械测试性设计过程进行有效的测试性动态评价。     

研制阶段系统可靠性增长的Bayesian评估与预测

基于新Dirichlet先验分布,建立一种适合小子样复杂系统异总体可靠性增长分析的Bayesian模型。充分利用先验信息和阶段试验信息,结合产品研制的试验数据,利用最优化方法研究新的Dirichlet先验分布容易定量和衡量先验参数确定的方法,解决了超参数物理意义不明确难以确定问题。通过变量替换的Gibbs抽样简化了后验推断,合理估算出当前阶段和后续试验阶段产品可靠性的Bayesian点估计和置信下限;结合试验数据,利用该模型实现了未来阶段可靠性的预测,扩展了模型应用范围。实例表明该模型参数含义清晰明确,简单易行,利于工程应用。