基于SPOT方法的装备R&M验证软件设计

可靠性维修性(R&M)指标是直接影响装备的战备完好率、任务成功率及全寿命周期费用的重要因素。针对当前主要的可靠性维修性工程软件在装备可靠性维修性指标验证工作中存在的不足,该文给出了装备可靠性维修性指标验证的计算机辅助序贯验后加权检验(SPOT)软件系统的设计与实现。首先简述了SPOT方法的基本原理,在此基础上给出了软件系统的功能需求及体系结构、系统各主要模块的功能设计与实现,最后总结了软件系统的特点。

武器装备小子样维修性试验与评定方法研究

为了对小子样条件下武器装备维修性试验指标作出合理的验证,并且节约试验成本,本文在分析常用维修性评定方法不足的基础上,针对武器装备小子样维修性试验的特点,从工程角度出发,利用Bayes理论和验前信息,提出了利用序贯验后加权检验(SPOT)方法以及截尾SPOT方法对维修性指标进行验证评定。最后结合某型鱼雷发射装置的维修性试验与评定问题,说明该方法的有效性和可行性。

基于序贯验后加权检验的鱼雷抽样检验分析

Bayes理论是分析研究具有小子样特点鱼雷可靠性的有效方法,文中基于序贯验后加权检验的思想,给出针对二项分布的抽样检验基本方法,并将其应用在鱼雷系统抽样检验试验中。该方法充分利用抽样试验之前所能获得的先验信息,可有效减小试验所需的样本容量。最后以鱼雷系统为例进行分析,仿真结果验证该方法在减小试验样本容量的有效性,为鱼雷可靠性抽样检验试验提供一种新的分析方法。

调整型Bayes序贯验后加权战术导弹批抽检方法

针对战术导弹批抽检为连续批、批量小的特点,结合Bayes理论,融入调整型检验的思想,提出了一种基于调整型序贯验后加权检验的战术导弹批抽检方法;该方法结合指标的先验信息,依据比例系数调整双方风险,预先设定3种宽严不同的序贯验后加权抽样检验方案,有效利用历史检验批的抽检结果;算例结果证明:该方法能适用于小子样条件下的战术导弹批抽检。

维修时间截尾序贯验后加权检验的实现

截尾序贯验后加权检验是一种小子样检验方法,可用于装备维修性指标的验证。对于此检验方法,当需要求解决策阈值时,现有的基于数值逼近原理的方法存在的难题是积分变量中含有正态分布积分函数,它没有解析表达式,因此不能直接进行积分运算。为此,在满足检验精度的情况下,尝试将积分变量中的正态分布积分函数替换为与之近似的解析表达式,从而给出了一种求解决策阈值的可行方法。对某导弹平均修复时间指标进行验证的实例表明该方法是有效的。

序贯验后加权检验法在激光告警试验中的应用

为了减少试验样本数、降低试验消耗和缩短试验周期,采用序贯验后加权检验法,利用试验数据的验前信息进行序贯决策,以减小试验所需样本数。以激光告警试验为例,将序贯验后加权检验法与经典的数据处理方法进行对比。结果表明,采用序贯验后加权检验法可以减少所需的试验样本数,而且试验指标取值以及犯两类错误概率取值对试验样本数有较大影响。

截尾序贯验后加权检验截尾点的优化设计

选取截尾点是截尾序贯验后加权检验很关键的一步，目前理论上尚无有效的选取方法。本文用优化技术确定截尾点Ｃ，克服了实践中确定停时Ｎ和截尾点Ｃ遇到的计算困难，避免了一般取Ｃ＝１的盲目性，使截尾点Ｃ的选取有了理论根据。优选的截尾点不仅使双方承担的风险之和最小，而且使双方承担的风险值相对合理，易于接受。

基于序贯验后加权检验的计数抽样方法

针对小子样成败型产品抽样问题,结合序贯验后加权检验方法和一次计数抽样检验思想,提出一种基于序贯验后加权检验的计数抽样方法。结合Bayes理论,利用各种先验信息减少试验所需的样本容量,从而简便地制定抽样方案。通过算例进行对比分析,仿真结果表明,该方法适用于小子样条件下的抽样检验。

小子样条件下命中精度Bayes序贯检验与递推估计

Bayes序贯检验和Bayes递推估计法分别从假设检验和参数估计角度对传统试验评定方法进行改进,将二者联合运用,检验和估计紧密结合,运用于导弹命中精度评定试验,充分利用验前信息以弥补现场数据的不足,制定合理有效的评定方案,使得试验结果更加准确、试验用弹量更少。实例分析表明,该方法能够有效提高检验和估计结果可信性,适用于小子样条件下的命中精度评定试验。

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。

软件系统序贯验后加权检验模型

本文用Bayes动态模型检验软件可靠性.模型失效间隔时间长度服从Weibull分布;利用主观信息和客观信息逐步修正先验分布.利用Gibb方法计算后验样本,利用序贯验后加权检验系统的稳定性和失效率.最后在系统稳定的条件下,给出失效率的序贯验后加权的结尾检验的两类错误上界.