基于测试性增长的指标动态评估方法

摘要：

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.

关键词：测试性;指标评估;测试性增长;层次Bayes网络;Fisher精确检验;最大熵模型;Gompertz模型

所属期刊栏目：41

分类号：TJ761.1;V216.8(火箭、导弹)

资助基金：国家自然科学基金61433011

在线出版日期：2022-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1206-1215