论文摘要
针对当前武器装备复杂的系统结构,现有基于装备整机系统测试性先验信息的测试性验证方法难以适用,基于分系统测试性先验信息的测试性验证方法不能系统有效地处理先验信息,导致测试性验证结果可信度不高的问题,提出一种面向复杂系统的三维Bayes网络测试性验证模型。该模型能充分运用装备各层级结构中所蕴含的条件独立性,有效降低构建Bayes网络模型的复杂度,同时能融合装备各层级单元的先验信息。通过给出的三维Bayes网络的条件概率学习方法及G/M-H算法,由底层单元数据通过模型逐步向上融合,得到顶层测试性指标的后验分布,进一步利用顶层后验分布求取故障样本量。结果表明:该模型能充分考虑复杂系统的系统结构及各层级单元先验信息,并能通过模型推理得到的指标后验分布达到有效减少测试性验证故障样本量的目的。
论文目录
文章来源
类型: 期刊论文
作者: 史贤俊,王康,肖支才,龙玉峰,陈垚
关键词: 先验信息,测试性验证,复杂系统,三维网络,算法,故障样本量
来源: 北京航空航天大学学报 2019年07期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 武器工业与军事技术
单位: 海军航空大学,海军研究院
分类号: TJ06
DOI: 10.13700/j.bh.1001-5965.2018.0663
页码: 1303-1313
总页数: 11
文件大小: 371K
下载量: 129