不同先验信息下D-优化法的估值精度及其适用性

采用Monte Carlo模拟仿真方法,研究了感度试验在具有不同的先验信息情况下D-优化法对感度总体参数的估值精度的影响。并将其与升降法和兰利法两种试验方法进行了对比研究。结果表明,D-优化法对初始参数的设置依赖性较小;当具有一定感度总体参数先验信息的情况下,采用升降法进行试验可以得到更准确的均值,而采用D-优化法则可以得到更准确的标准差;在对样品感度信息掌握较少的情况下,D-优化法的估值精度优于其它两种方法,在只掌握试验样品的均值,对标准差不了解的情况下,兰利法可以得到更准确的均值估计,而D-优化法则可以得到更准确的标准差;在任何情况下,D-优化法对标准差及P响应点的估值精度优于升降法和兰利法。

分布选择对D-优化法估值精度的影响研究

采用Monte Carlo模拟仿真方法,研究了分布选择对D-优化法参数估值精度的影响,进而分析了估值结果对火工品99.9%的可靠性外推结果的影响。仿真结果表明:在D-优化法感度试验中,无论样本的真实分布如何,选择错误的其它分布对均值的影响不大,尤其在样本量较小的情况下;同时,无论样本的真实分布如何,选择错误的其它分布对标准差的影响都较大,这就导致了估值结果对99.9%的可靠性外推结果的影响较大。综合分析仿真结果,得出在不了解样品感度分布时,应尽量选择正态分布或对数正态分布进行感度试验,从而对99.9%可靠性外推结果的的影响最小。

Neyer D-最优化法感度试验的计算机模拟

为了研究Neyer D-最优化感度试验方法的参数估计特性及其影响因素,通过计算机模拟方法研究了参数的初始估计和样本量对感度分布参数估计精度的影响。结果表明:期望估计是无偏的,标准差估计约2/3偏小,1/3偏大,参数的初始估计对参数估计的结果影响不大,样本量在18发以上就能得到期望的较好估计值。

Neyer D-最优化的新感度试验方法研究

研究用NeyerD–最优化感度试验法测试火炸药感度。从试验方法程序、参数估计和置信区间的估计3方面探讨了新感度试验方法,并用实例分析对比了升降法与NeyerD–最优化法。结果表明,NeyerD–最优化法的试验数据更精确,且样品数量更少。