基于Bayes理论的复杂装备测试性评估方法

针对当前测试性评估方法中,经典评估方法无法利用历史测试性试验信息,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Bayes理论的测试性评估模型。首先,在传统Bayes评估方法的基础上,建立了综合利用历史试验信息和现场试验数据的测试性Bayes评估模型;该模型引入了混合Beta验前分布,利用系统折合方法将装备单元或分系统的试验信息转化成系统等效历史试验信息,并通过卡方拟合优度来确定继承因子。最后进行了实例应用研究,结果表明,该模型能够在较短的试验周期内,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。