多源测试性综合评估数据等效折合模型与方法研究

由于用于开展测试性综合评估的先验信息形式多样,使得Bayes框架下能够处理的成败型数据不一致。为了解决这一问题,以测试性评估中专家数据、摸底试验数据、增长试验数据、可更换单元数据和虚拟试验数据这5种常见的先验信息为研究对象,在Bayes理论框架下分别研究提出相应的等效方法,实现了各类数据向成败型数据的折合。案例应用表明:所提方法合理有效,适用范围广,间接扩大了可用于测试性评估的数据样本量。

基于Fisher统计量的测试性增长试验数据相容性检验方法

在测试性评估过程中,为检验测试性增长试验数据与现场数据的总体一致性,提出一种基于Fisher统计量的相容性检验方法。主要针对"小子样、成败型"数据,提出顺序约束模型完成对试验数据的增长趋势检验,依据超几何分布构造Fisher统计量,对相邻增长阶段间连带关系进行判定,继而得到增长试验数据与现场数据总体一致性的相关结论。实例应用表明:在小样本情况下所提方法能对总体一致性做出合理判定,其可处理的样本量上限为26,工程实际中,在给定显著性水平的情况下,应综合考虑增长成本、结果稳定性、维修改进技术水平等因素的影响,合理安排装备增长过程中的增长阶段数。