• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于Bayes小子樣理論和序貫網(wǎng)圖檢驗(yàn)的武器裝備測試性驗(yàn)證試驗(yàn)方案設(shè)計(jì)

      2019-12-23 05:25:18王康史賢俊秦亮聶新華龍玉峰
      兵工學(xué)報(bào) 2019年11期
      關(guān)鍵詞:樣本量先驗(yàn)檢驗(yàn)

      王康, 史賢俊, 秦亮, 聶新華, 龍玉峰

      (海軍航空大學(xué), 山東 煙臺 264001)

      0 引言

      測試性是指裝備能及時準(zhǔn)確的確定自身狀態(tài),并能有效隔離其內(nèi)部故障的一種重要設(shè)計(jì)特性[1]。隨著測試性技術(shù)的發(fā)展,一些裝備中已逐步采納了測試性設(shè)計(jì)的思想,并在保障裝備的正常工作和良好性能中逐漸體現(xiàn)出其重要作用。而如何科學(xué)合理的評價(jià)裝備測試性水平則成為了科研人員研究的一個重要問題。

      測試性驗(yàn)證試驗(yàn)的開展是用于檢驗(yàn)故障檢測率(FDR)和故障隔離率(FIR)等測試性指標(biāo)是否滿足規(guī)定的指標(biāo)要求值,主要實(shí)施方法是通過在測試性樣機(jī)中采取人工注入故障的方式,并根據(jù)其檢測/隔離情況對裝備進(jìn)行接收/拒收判斷[2]。一個完整的測試性驗(yàn)證試驗(yàn)包括計(jì)算模型的選擇、樣本量確定、樣本選取、故障注入以及指標(biāo)評估等相關(guān)技術(shù)組成[3]。由于故障注入試驗(yàn)的結(jié)果為成敗型數(shù)據(jù),因此當(dāng)前測試性驗(yàn)證試驗(yàn)方案的計(jì)算模型主要基于二項(xiàng)分布模型。同時,故障樣本量確定作為整個測試性驗(yàn)證試驗(yàn)的首要環(huán)節(jié),如何在約束條件下保證測試性驗(yàn)證所需樣本量科學(xué)合理,并使確定的樣本量盡可能小,是當(dāng)前需要解決的核心問題。

      當(dāng)前確定樣本量的經(jīng)典方法為單次抽樣方法,即在承制方、使用方測試性水平以及雙方風(fēng)險(xiǎn)的約束下,尋求一個最佳的樣本量以及對應(yīng)允許的最大檢測/隔離失敗數(shù)的過程[4]。但隨著科技日新月異的發(fā)展,武器裝備結(jié)構(gòu)日益復(fù)雜,導(dǎo)致其造價(jià)高昂,投試使用的樣機(jī)減少,裝備全壽命周期加長,導(dǎo)致試驗(yàn)樣本量受到小子樣條件的限制。而通過經(jīng)典驗(yàn)證方法確定的樣本量較大,進(jìn)而實(shí)施故障注入危害性高,會對裝備造成損傷,導(dǎo)致試驗(yàn)代價(jià)高昂?;诖?,Wald[5]提出了一種序貫概率比檢驗(yàn)(SPRT)方法,該方法無需在驗(yàn)證試驗(yàn)開展前預(yù)先指定樣本量,可通過實(shí)際驗(yàn)證試驗(yàn)結(jié)果以序貫方式動態(tài)地確定樣本量。同時,Wald和其學(xué)生證明了在相同的約束條件下,SPRT方法較之單次抽樣方法、二次抽樣方法和多次抽樣方法所需平均樣本量小[6]。但是由于通過SPRT方法確定樣本量無法事先控制,也無法進(jìn)行預(yù)算,對此文獻(xiàn)[7]在給出序貫檢驗(yàn)優(yōu)化設(shè)計(jì)模型的基礎(chǔ)上,采用Monte Carlo隨機(jī)模擬方法對戰(zhàn)術(shù)導(dǎo)彈序貫檢驗(yàn)和序貫截尾檢驗(yàn)方案進(jìn)行了優(yōu)化,對試驗(yàn)次數(shù)進(jìn)行了初步預(yù)算;文獻(xiàn)[8]在已有序貫檢驗(yàn)方法的基礎(chǔ)上,針對檢驗(yàn)邊界為動點(diǎn)的截尾序貫設(shè)計(jì)方案進(jìn)行了改進(jìn);文獻(xiàn)[9]提出了基于序貫網(wǎng)圖檢驗(yàn)(SMT)的維修性試驗(yàn)評定方法,結(jié)果表明該方法可有效減少試驗(yàn)樣本量同時能克服SPRT方法無法預(yù)測樣本量的不足,給出試驗(yàn)的最大樣本量限制。以上方法均在一定程度上降低了試驗(yàn)樣本量,同時也限制了試驗(yàn)的無限制進(jìn)行,但是對于導(dǎo)彈等這類高成本、高精度的武器裝備的驗(yàn)證試驗(yàn)問題,通過以上截尾措施所確定的故障樣本量仍然較大,無法滿足實(shí)際需求。

      在裝備生產(chǎn)研制過程中,存在大量的先驗(yàn)信息,但實(shí)際驗(yàn)證試驗(yàn)卻受到小子樣條件的限制,Bayes方法常用于小子樣情況下試驗(yàn)結(jié)果的分析與評估[10-11]。其主要原因是,Bayes方法除能運(yùn)用當(dāng)前驗(yàn)證信息外,還能有效融合裝備在設(shè)計(jì)各階段的先驗(yàn)信息,達(dá)到減少樣本量的目的,進(jìn)而推動了Bayes小子樣理論在可靠性[12]、維修性[13]以及測試性[14-15]等領(lǐng)域的廣泛應(yīng)用。文獻(xiàn)[16]在小子樣條件下通過考慮未知分布參數(shù)的先驗(yàn)信息,提出了一種基于驗(yàn)前信息的序貫驗(yàn)后加權(quán)檢驗(yàn)(SPOT)方法,能有效運(yùn)用驗(yàn)前信息并結(jié)合少量試驗(yàn)數(shù)據(jù)對裝備可靠性進(jìn)行評定;文獻(xiàn)[17]采用SPOT方法檢驗(yàn)對數(shù)正態(tài)分布中的未知參數(shù),通過平均維修時間(MTTR)閾值的確定,實(shí)現(xiàn)樣本量的計(jì)算;文獻(xiàn)[4]以二項(xiàng)分布模型為前提,利用SPOT方法開展測試性驗(yàn)證試驗(yàn)方案制定,結(jié)果表明通過SPOT方法確定的測試性驗(yàn)證樣本量要比SPRT方法小。以上方法均在Bayes框架下對SPRT方法進(jìn)行了擴(kuò)展,并根據(jù)不同領(lǐng)域問題針對性進(jìn)行研究,通過進(jìn)一步綜合相關(guān)文獻(xiàn)中對SPOT方法的研究,發(fā)現(xiàn)仍存在截尾策略選取導(dǎo)致求解方案的復(fù)雜性以及驗(yàn)證樣本量確定后缺乏對決策合理性的進(jìn)一步分析問題。

      鑒于以上分析,SMT方法是SPRT方法的一種有效擴(kuò)展,一方面較之SPRT方法確定的樣本量少,另一方面SMT方法易于求解驗(yàn)證試驗(yàn)的截尾樣本量,同時綜合考慮Bayes小子樣理論能充分利用先驗(yàn)信息達(dá)到降低樣本量的優(yōu)勢,故本文提出一種基于Bayes小子樣理論和序貫網(wǎng)圖檢驗(yàn)(BSST-SMT)的測試性驗(yàn)證試驗(yàn)方案設(shè)計(jì)方法。在Bayes框架下實(shí)現(xiàn)對SMT方法的有效擴(kuò)展,旨在充分運(yùn)用Bayes小子樣理論對先驗(yàn)信息利用的優(yōu)勢以及SMT方法的優(yōu)點(diǎn),通過對測試性驗(yàn)證指標(biāo)——FDR/FIR的插入點(diǎn)選擇,劃分指標(biāo)參數(shù)空間,并進(jìn)行相應(yīng)檢驗(yàn),進(jìn)而確定截尾樣本量,在綜合考慮雙方實(shí)際風(fēng)險(xiǎn)值基礎(chǔ)上得到小樣本量的測試性驗(yàn)證試驗(yàn)方案。

      1 測試性驗(yàn)證研究基本方法

      1.1 測試性指標(biāo)約束參數(shù)

      在裝備測試性驗(yàn)證過程中,由于故障注入是成敗型試驗(yàn),故選取二項(xiàng)分布計(jì)算模型,進(jìn)行試驗(yàn)判決需要考慮的測試性指標(biāo)約束參數(shù)有:承制方要求值p0,使用方要求值p1,承制方風(fēng)險(xiǎn)α以及使用方風(fēng)險(xiǎn)β,用以表征裝備測試性水平。

      1.2 經(jīng)典驗(yàn)證方法

      經(jīng)典驗(yàn)證方法確定故障樣本量采取單次抽樣的方法,其抽樣特征函數(shù)可表示為

      (1)

      式中:p表示測試性指標(biāo);n表示驗(yàn)證樣本量;c表示樣本量n下的最大允許檢測/隔離失敗次數(shù);f表示實(shí)際觀測到的失敗次數(shù)。

      對于FDR/FIR驗(yàn)證試驗(yàn),當(dāng)注入n個故障后:如果檢測失敗數(shù)f≤c,則認(rèn)為FDR/FIR驗(yàn)證通過;若f>c,則認(rèn)為FDR/FIR未通過驗(yàn)證,需要對測試性設(shè)計(jì)進(jìn)行改進(jìn)。

      研究表明經(jīng)典驗(yàn)證方法能在驗(yàn)證試驗(yàn)開展前確定故障樣本量,但是所確定的故障樣本量過大不利于工程實(shí)現(xiàn)。

      1.3 SPRT方法

      針對經(jīng)典驗(yàn)證方法所確定故障樣本量過大的問題,將測試性指標(biāo)約束參數(shù)轉(zhuǎn)化為假設(shè)檢驗(yàn)問題,指標(biāo)參數(shù)空間劃分為Θ=Θ0∪Θ1,其中Θ0={p0},Θ1={p1},對應(yīng)的簡單假設(shè)為

      H0:p=p0,H1:p=p1.

      (2)

      假設(shè)n次驗(yàn)證試驗(yàn)結(jié)果序貫序列表示為X={X1,…,Xi,…,Xn},式中Xi取值為0或1,Xi=1表示故障檢測/隔離成功,Xi=0表示故障檢測/隔離失敗,記c為n次試驗(yàn)結(jié)果序貫序列中Xi=0的個數(shù),即表示累積驗(yàn)證失敗次數(shù)。則兩種假設(shè)似然函數(shù)比[18]為

      (3)

      定義λn判決閾值上界為B,下界為A,則相應(yīng)的接受/拒收判決可由λn與A、B的大小關(guān)系所確定。

      同時,Wald[5]給出了當(dāng)p0和p1相差不大時SPRT方法的近似抽樣特性解析表達(dá)式:

      (4)

      式中:Lp表示在測試性指標(biāo)p下的抽樣特性函數(shù);參數(shù)h表示以下等式的非零解為

      (5)

      同樣給出了SPRT方法的近似平均抽樣次數(shù)Ep(n)的解析表達(dá)式如下:

      (6)

      SPRT方法下樣本量是一個隨機(jī)變量,故通常選擇平均樣本量Ep(n)作為度量指標(biāo),在相同指標(biāo)約束下,其平均樣本量小于經(jīng)典驗(yàn)證方法所得的樣本量。但是也正是由于SPRT方法樣本量的隨機(jī)性,導(dǎo)致其最大樣本量不可控,缺乏最大樣本量的SPRT方法會導(dǎo)致驗(yàn)證無法實(shí)施。

      2 基于BSST-SMT的測試性驗(yàn)證試驗(yàn)方案設(shè)計(jì)

      在序貫驗(yàn)證試驗(yàn)方案設(shè)計(jì)中,度量指標(biāo)除了要求驗(yàn)證試驗(yàn)所需平均樣本量小之外,其最大樣本量也是需要考量的重要因素,截尾SPRT方法雖然具有最大樣本量,但所確定的最大樣本量仍然較大,不能滿足實(shí)際驗(yàn)證試驗(yàn)需求;SMT方法是在SPRT方法的基礎(chǔ)上,通過插入一系列檢測點(diǎn),實(shí)施對檢驗(yàn)問題拆分,有效實(shí)現(xiàn)對最大樣本量的控制,相對于SPRT方法而言,能克服SPRT方法無法控制驗(yàn)證試驗(yàn)所需樣本量的不足,且具備比截尾SPRT方案更小的最大樣本量,改進(jìn)效果明顯,但對于導(dǎo)彈武器裝備而言,所確定的樣本量仍存在過大的情形。結(jié)合SPOT方法對于先驗(yàn)信息利用的思想,考慮BSST能有效處理各類先驗(yàn)信息,提出一種基于BSST-SMT的測試性驗(yàn)證試驗(yàn)方案設(shè)計(jì)方法,主要涉及下述6個方面的內(nèi)容。

      2.1 指標(biāo)參數(shù)空間劃分

      BSST-SMT方法與SMT方法一樣,是在SPRT方法的基礎(chǔ)上,在給定的指標(biāo)參數(shù)空間中插入m-1個點(diǎn),實(shí)現(xiàn)參數(shù)空間的重新劃分,即Θ=Θ0∪…∪Θi∪…∪Θ1,其中Θi={pi},且滿足p0>…>pi>…>p1(i=2,3,…,m),則檢驗(yàn)問題(2)式即可以劃分為如下m對假設(shè)檢驗(yàn)問題[19]:

      (7)

      由于(3)式中的似然函數(shù)比未能利用裝備的先驗(yàn)信息,在充分考慮已有先驗(yàn)信息的基礎(chǔ)上,需要給出包含先驗(yàn)信息的Bayes因子計(jì)算方法。

      2.2 Bayes因子計(jì)算

      考慮有現(xiàn)場試驗(yàn)數(shù)據(jù)序貫序列如1.3節(jié)所述的X={X1,…,Xi,…,Xn},由2.1節(jié)可得到m個SPRT方案,以(7)式中第j(j=1,2,…,m)對假設(shè)檢驗(yàn)問題H0j和H1j為例,則Bayes因子Λj(X)可表示為

      (8)

      式中:PH0j和PH1j分別表示假設(shè)H0j和H1j成立的先驗(yàn)概率,且滿足PH0j+PH1j=1,并有

      (9)

      其中:當(dāng)j=1時,k1=0,k2=2;當(dāng)j=2,3,…,m-1時,k1=j,k2=j+1;當(dāng)j=m時,k1=m,k2=1.

      設(shè)Lj和Uj為Bayes因子Λj(X)判決閾值的下界和上界,滿足[16]:

      (10)

      式中:απ0j和βπ1j分別為考慮先驗(yàn)分布式的承制方和使用方風(fēng)險(xiǎn),滿足:

      (11)

      αj和βj分別表示(7)式中第j組假設(shè)檢驗(yàn)問題的承制方和使用方風(fēng)險(xiǎn)值,由原假設(shè)檢驗(yàn)問題(2)式給出的α和β決定。

      為了得到序貫網(wǎng)圖,做出如下推導(dǎo):

      1)接受H0j時,有Λj(X)≥Uj,兩邊取對數(shù)即可得到一條邊界線lj:c=sjn+hj,邊界線lj之下即為接受H0j的區(qū)域,斜率sj和截距hj分別為

      (12)

      (13)

      2)接受H1j時,有Λj(X)≤Lj,兩邊取對數(shù)即可得到一條與lj平行的邊界線l′j:c=sjn+h′j,邊界線l′j之上即為接受H1j的區(qū)域,截距h′j為

      (14)

      3)當(dāng)Lj≤Λj(X)≤Uj時,即位于兩條邊界線lj和l′j之間的區(qū)域,為繼續(xù)驗(yàn)證區(qū)域,不作出判決,需要開展下一次驗(yàn)證試驗(yàn)。

      2.3 先驗(yàn)概率的運(yùn)用

      利用BSST進(jìn)行統(tǒng)計(jì)分析時,先驗(yàn)信息來源主要為歷史信息、仿真數(shù)據(jù)、專家經(jīng)驗(yàn)信息以及各子系統(tǒng)信息等,根據(jù)數(shù)據(jù)類型進(jìn)行劃分,以上多源先驗(yàn)信息可劃分為點(diǎn)估計(jì)形式、置信區(qū)間估計(jì)形式以及成敗型數(shù)據(jù)形式,并通過對應(yīng)的先驗(yàn)分布參數(shù)求解方法進(jìn)行求解[20],然后融合得到FDR/FIR的先驗(yàn)分布為π(p),則先驗(yàn)概率PH0j和PH1j分別表示為對假設(shè)H0j和H1j的支持程度,有

      (15)

      通過(15)式即可求取第2.2節(jié)中(8)式~(14)式,由m對假設(shè)檢驗(yàn)問題即可以得到m組平行線,根據(jù)m組平行線的相對位置關(guān)系即可確定基于BSST-SMT的驗(yàn)證試驗(yàn)判決邊界。

      確定PH0j和PH1j后,為了進(jìn)一步得到απ0j和βπ1j,根據(jù)(11)式知需要考慮(7)式中第j組假設(shè)檢驗(yàn)問題的αj和βj如何確定??紤]插入點(diǎn)后各組假設(shè)檢驗(yàn)問題的繼續(xù)試驗(yàn)區(qū)寬度不變的原則,即

      h′j-hj≡C(常數(shù)).

      (16)

      (13)式和(14)式代入(16)式中便可以得到:

      (17)

      (18)

      另外仍需再找一個αj和βj的關(guān)系才能最終確定(11)式,為了兼顧先驗(yàn)概率以及承制方和使用方風(fēng)險(xiǎn),考慮先驗(yàn)分布下的風(fēng)險(xiǎn)比απ0j/βπ1j和雙方風(fēng)險(xiǎn)比α/β相當(dāng)?shù)脑瓌t,即滿足:

      (19)

      由于Bj還可以表示為Bj=Lj/Uj,而0

      (20)

      由于繼續(xù)試驗(yàn)區(qū)寬度不變,根據(jù)p0、p1、α和β可以確定常數(shù)C為

      (21)

      據(jù)此即建立起αj、βj與插入點(diǎn)pi以及先驗(yàn)概率PH0j和PH1j的關(guān)系。

      2.4 插入點(diǎn)選取策略

      2.4.1 插入點(diǎn)數(shù)量的選取原則

      設(shè)根據(jù)指標(biāo)參數(shù)空間劃分,另有一對假設(shè)檢驗(yàn)問題如下所示:

      (22)

      則可以得到如下定理。

      定理1由檢驗(yàn)問題(7)式和檢驗(yàn)問題(22)式所確定的驗(yàn)證試驗(yàn)判決邊界相同。

      證明對于檢驗(yàn)問題(7)式,可以確定拒絕p0的邊界問題可以由第1對假設(shè)檢驗(yàn)H01及H11所確定的一組平行線的上線(根據(jù)與c軸截距確定一組平行線的上線和下線)決定,同時可以確定拒絕p1的邊界問題可以由第m對假設(shè)檢驗(yàn)H0m及H1m所確定的一組平行線的下線決定,故可以判定驗(yàn)證試驗(yàn)判決邊界的確定與(7)式中其余m-2對假設(shè)檢驗(yàn)方案無關(guān),即與檢驗(yàn)問題(22)式所確定驗(yàn)證判決邊界等同,即證。

      定理1反映出插入m-1個點(diǎn)和插入2個點(diǎn)具備同樣的判決邊界。不同的是插入點(diǎn)數(shù)量的選擇,決定了BSST-SMT方法所確定的最大樣本量不同,由于仍需對截尾策略進(jìn)行考慮,而增加插入點(diǎn)會增加計(jì)算復(fù)雜度,故本文考慮(22)式中p2=pm時的情況,即實(shí)施BSST-SMT方法時實(shí)際插入點(diǎn)為1個。

      2.4.2 插入點(diǎn)位置的選取策略

      基于插入點(diǎn)數(shù)量的選取原則,對問題進(jìn)行一般化考慮,選取FDR/FIR指標(biāo)插入點(diǎn)p2(p1

      (23)

      由(23)式可確定兩組平行線l1‖l′1以及l(fā)2‖l′2,如圖1所示。圖1中n0是l′1和l2的交點(diǎn)橫坐標(biāo),即表示BSST-SMT方法所確定的樣本量上界,滿足:

      (24)

      圖1 序貫網(wǎng)圖檢驗(yàn)Fig.1 Sequential mesh test

      對插入點(diǎn)的選取策略即保證選取合適的插入點(diǎn)p2,使得n0能達(dá)到最小值。這正是因?yàn)閷τ贐SST-SMT方法平均樣本量和最大樣本量均是需要考慮的因素,在平均樣本量小的情況下,保證最大樣本量也較小。

      根據(jù)上述分析,直線l′1為檢驗(yàn)問題(23)式中拒絕假設(shè)p=p0的判決邊界,直線l2為檢驗(yàn)問題(23)式中拒絕假設(shè)p=p1的判決邊界,故取直線l′1和l2作為原始假設(shè)檢驗(yàn)問題(2)式的判斷邊界,則通過圖1可以確定BSST-SMT方法的判決區(qū)域?yàn)椋?)l′1以上區(qū)域?yàn)榫芙^p=p0的判斷區(qū)域(即接受p=p1的判斷區(qū)域);2)l2以下區(qū)域?yàn)榫芙^p=p1的區(qū)域(即接受p=p0的判斷區(qū)域);3)直線l′1和l2之間的區(qū)域即為繼續(xù)驗(yàn)證區(qū)域。

      2.5 截尾策略

      由于要對驗(yàn)證試驗(yàn)風(fēng)險(xiǎn)進(jìn)行控制約束,根據(jù)最大樣本量n0或最大樣本量n0下的最大允許檢測/隔離失敗數(shù)c0是否滿足預(yù)期試驗(yàn)截尾數(shù)nE或cE,需要對截尾樣本量nt(nt

      2.5.1 考慮截尾樣本量

      1)通過BSST-SMT方法得到的最大樣本量n0滿足預(yù)期試驗(yàn)截尾數(shù)nE要求,即n0≤nE,則序貫截尾策略即選用n0,則n≥0,c≥0,直線l′1和直線l2所圍成的區(qū)域即為繼續(xù)驗(yàn)證試驗(yàn)區(qū),如圖1所示。

      2)最大樣本量n0過大,即n0>nE,需要考慮截尾樣本量nt以及對應(yīng)的最大允許接受值ct(ct1≤ct≤ct2),其中ct2=s2nt+h2,ct1=s1nt+h′1,且(nt,ct)的確定原則是在滿足承制方和使用方風(fēng)險(xiǎn)的前提下使得nt和ct最小,則0≤n≤nt,0≤c≤ct,直線l′1和直線l2所圍成的區(qū)域表示截尾限制條件下的繼續(xù)驗(yàn)證區(qū)域,如圖2所示。

      圖2 考慮截尾樣本量nt的序貫網(wǎng)圖檢驗(yàn)Fig.2 Sequential mesh test in considering the censored sample size nt

      2.5.2 考慮最大允許截尾檢測/隔離失敗數(shù)

      1)通過BSST-SMT方法得到的最大允許檢測失敗數(shù)c0滿足預(yù)期試驗(yàn)截尾數(shù)cE要求,即c0≤cE,則序貫截尾策略即選用c0,則n≥0,c≥0,直線l′1和直線l2所圍成的區(qū)域即為繼續(xù)驗(yàn)證試驗(yàn)區(qū),即不考慮截尾策略的序貫網(wǎng)圖,仍如圖1所示。

      2)最大允許檢測/隔離失敗數(shù)c0過大,即c0>cE,需要考慮最大允許截尾檢測/隔離失敗數(shù)cr以及對應(yīng)的樣本量nr(nr2≤nr≤nr1),其中cr2=s2nr2+h2,cr1=s1nr1+h′1,且(nr,cr)的確定原則是在滿足承制方和使用方風(fēng)險(xiǎn)的前提下使得nr和cr最小,則0≤n≤nr,0≤c≤cr,直線l′1和直線l2所圍成的區(qū)域表示截尾限制條件下的繼續(xù)驗(yàn)證區(qū)域,如圖3所示。

      圖3 考慮最大允許檢測/隔離失敗數(shù)cr的序貫網(wǎng)圖檢驗(yàn)Fig.3 Sequential mesh test in considering the maximum allowable number of detection/isolation failures cr

      2.6 雙方風(fēng)險(xiǎn)計(jì)算

      對于工程實(shí)際而言,側(cè)重于考慮截尾樣本量的截尾方案,即偏向于通過觀測截尾樣本量nt值,來確定最大允許截尾檢測/隔離失敗數(shù)ct. 故本文采取如圖2所示的截尾方案,實(shí)際的承制方風(fēng)險(xiǎn)即裝備測試性水平p=p0時,裝備未能通過驗(yàn)證的所有拒收情形的概率之和,同理實(shí)際的使用方風(fēng)險(xiǎn)即為p=p1時,裝備通過驗(yàn)證的所有接受情形的概率值之和,具體可表示為

      (25)

      式中:Nr表示確定序貫網(wǎng)圖后所有拒收點(diǎn)的數(shù)量;Na表示所有接收點(diǎn)的數(shù)量;ci、cj表示到達(dá)當(dāng)前拒收點(diǎn)以及接受點(diǎn)的檢測/隔離失敗數(shù);ni、nj表示到達(dá)當(dāng)前拒收點(diǎn)以及接受點(diǎn)的總樣本量;Si、Sj則表示到達(dá)當(dāng)前拒收點(diǎn)以及接受點(diǎn)的所有可能情況。將(25)式用序貫網(wǎng)圖相關(guān)參數(shù)表述即為

      (26)

      式中:αr表示實(shí)際承制方風(fēng)險(xiǎn);βr表示實(shí)際使用方風(fēng)險(xiǎn);Pp0(·)表示在假設(shè)p=p0成立條件下的概率;Pp1(·)表示在假設(shè)p=p1成立條件下的概率。

      3 驗(yàn)證方案設(shè)計(jì)流程

      通過第2節(jié)的分析,基于BSST-SMT的測試性驗(yàn)證試驗(yàn)方案由4個指標(biāo)參數(shù)(p0,p1,α,β)和9個設(shè)計(jì)參數(shù)(π(p),s1,h1,h′1,s2,h2,h′2,nt,ct)所確定。其中4個指標(biāo)參數(shù)由承制方、使用方具體確定,9個設(shè)計(jì)參數(shù)可以分為3類,其中π(p)表示先驗(yàn)分布,(s1,h1,h′1,s2,h2,h′2)能清楚直觀地反映序貫網(wǎng)圖的斜率和截距,(nt,ct)表示截尾樣本量和最大允許檢測/隔離失敗數(shù),通過設(shè)計(jì)參數(shù)之間的聯(lián)系以及約束限制,即可完成方案設(shè)計(jì)。具體方案設(shè)計(jì)實(shí)施流程如下:

      步驟1確定先驗(yàn)分布π(p). 根據(jù)裝備各層級、各階段或者歷史型號試驗(yàn)信息等,根據(jù)不同先驗(yàn)來源采取不同的信息處理方式,可參見文獻(xiàn)[20],本文不作重點(diǎn)討論。

      步驟2確定插入點(diǎn)p2. 插入點(diǎn)p2的確定可以由如下優(yōu)化問題進(jìn)行確定:

      (27)

      式中:s1、s2、h2和h1可通過(10)式~(15)式進(jìn)行確定,該優(yōu)化問題是插入點(diǎn)p2和最大樣本量n0間的優(yōu)化問題,通過Matlab編程即可實(shí)現(xiàn)。

      步驟3當(dāng)通過優(yōu)化問題(27)式確定插入點(diǎn)p2后,即可確定設(shè)計(jì)參數(shù)s1、h1、h′1、s2、h2和h′2.

      步驟4確定截尾樣本量nt. 截尾樣本量nt可以由另外一組優(yōu)化問題進(jìn)行確定:

      (28)

      式中:αr和βr可通過(26)式確定;ct1和ct2可通過步驟2確定的直線l1和直線l′2確定。

      步驟5確定最大允許截尾檢測/隔離失敗數(shù)ct. 在確定截尾樣本量nt之后,ct的確定仍可通過優(yōu)化問題決定:

      (29)

      對于優(yōu)化問題(28)式和(29)式采取搜索算法,搜索次數(shù)受所確定的截尾樣本量和最大允許檢測/隔離失敗數(shù)約束,可通過編程實(shí)現(xiàn)。當(dāng)找到滿足優(yōu)化問題(28)式和(29)式的nt和ct,便可繪制如圖2所示的截尾序貫網(wǎng)圖,即完成了驗(yàn)證方案的設(shè)計(jì)。

      4 實(shí)例分析

      4.1 基于BSST-SMT的驗(yàn)證方案設(shè)計(jì)

      由基于BSST-SMT的測試性驗(yàn)證試驗(yàn)方案設(shè)計(jì)方法可知,對于裝備FDR/FIR驗(yàn)證試驗(yàn)均能試用,本文以某裝備飛行控制系統(tǒng)FDR的驗(yàn)證為例,根據(jù)承制方和使用方要求,有FDR約束指標(biāo)參數(shù)為

      (p0,p1,α,β)=(0.95,0.90,0.1,0.1).

      (30)

      1)對于BSST-SMT方法,先驗(yàn)信息來源于裝備的各層級、各階段信息以及歷史型號試驗(yàn)信息等?,F(xiàn)僅考慮歷史型號試驗(yàn)信息,原來裝備測試性驗(yàn)證試驗(yàn)過程中,注入了80次故障,74次故障得到正確檢測,6次故障未能成功檢測。在數(shù)據(jù)處理上采用Hart運(yùn)用的經(jīng)驗(yàn)Bayes方法,即認(rèn)為歷史裝備的試驗(yàn)等價(jià)于對當(dāng)前裝備進(jìn)行了60%次數(shù)的試驗(yàn)[21]。因此,先驗(yàn)分布超參數(shù)為(74×0.6,6×0.6)=(44.4,3.6),故先驗(yàn)分布滿足:

      (31)

      2)根據(jù)步驟2中的優(yōu)化問題(27)式求解插入點(diǎn)p2. 求解得到插入點(diǎn)p2=0.916 4,對應(yīng)的最大樣本量n0=?217.997 2」=217(符號?」表示向下取整)。同時能得到插入點(diǎn)p2和最大樣本量n0的關(guān)系變化曲線如圖4所示,更直觀反映出優(yōu)化問題的最優(yōu)解確實(shí)為圖中標(biāo)記的點(diǎn)。

      3)根據(jù)步驟2可以得到設(shè)計(jì)參數(shù)s1=0.065 5,s2=0.091 6,h′1=3.105 3,h1=-3.105 3,h′2=2.586 9,h2=-2.586 9.

      4)采用搜索的方法,讓nt從1開始搜索,同時對ct1≤c≤ct2進(jìn)行搜索,直到找到優(yōu)化問題(28)式的解,搜索得到截尾樣本量nt=62.

      5)在確定截尾樣本量nt=62后,對ct1≤ct≤ct2重新進(jìn)行搜索,以找到優(yōu)化問題(29)式的最優(yōu)解。搜索得到當(dāng)前截尾樣本量下對應(yīng)的最大允許檢測失敗數(shù)ct=6,同時有αr=0.056 0,βr=0.082 9. 據(jù)此可以繪制序貫網(wǎng)圖如圖5所示。

      圖5 飛行控制系統(tǒng)序貫網(wǎng)圖檢驗(yàn)Fig.5 Sequential mesh test of flight control system

      4.2 對比分析

      1)經(jīng)典驗(yàn)證方法。根據(jù)(1)式可以得到經(jīng)典驗(yàn)證方案為(187,13),實(shí)際的承制方風(fēng)險(xiǎn)αr=0.087 4,實(shí)際的使用方風(fēng)險(xiǎn)為βr=0.098 1.

      2)常規(guī)SPRT方法[22]。驗(yàn)證開展前無法確定其樣本量上界,根據(jù)(3)式~(6)式可以得到其平均樣本量Ep(n)最大值為132. 同時國際標(biāo)準(zhǔn)IEC1123給出了截尾SPRT方案為(286,20),采用Monte Carlo仿真的方法進(jìn)一步確定其平均樣本量最大值為126.

      3)傳統(tǒng)SMT方法[23]。驗(yàn)證前可以確定插入點(diǎn)p2=0.927 6,然后得到最大樣本量n0=472,以及該樣本量下的最大允許檢測失敗數(shù)c0=34,試驗(yàn)平均樣本量最大值為204. 在此基礎(chǔ)上采取截尾策略,得到的截尾SMT方案為(143,12),截尾策略條件下實(shí)際的雙方風(fēng)險(xiǎn)為αr=0.084 3,βr=0.091 8,最大平均樣本量為114.

      4)SPOT方法[18]。SPOT方法與SPRT方法一樣,驗(yàn)證開展前無法確定樣本量上界,采用Monte Carlo方法仿真可以得到其最大平均樣本量為64. 在此基礎(chǔ)上考慮截尾策略,通過本文給出的先驗(yàn)分布,采用α=0.08+0.02、β=0.08+0.02的風(fēng)險(xiǎn)拆分方式,得到截尾樣本量nt=63,以及截尾判據(jù)閾值0.722 1,該截尾方案下的最大平均樣本量為42,實(shí)際的雙方風(fēng)險(xiǎn)值為αr=0.08+0.001 4=0.081 4,βr=0.08+0.003 3=0.083 3.

      5)本文提出的BSST-SMT方法。本文確定的最大樣本量n0=214,對應(yīng)的最大允許檢測失敗數(shù)c0=17,采用Monte Carlo方法得到平均樣本量為66. 在此基礎(chǔ)上采取本文給出的截尾策略,得到截尾基于BSST-SMT的測試性驗(yàn)證試驗(yàn)方案為(62,6),截尾策略條件下實(shí)際的雙方風(fēng)險(xiǎn)值為αr=0.056 0,βr=0.082 9,平均樣本量為42.

      以上所提平均樣本量的計(jì)算,均采用Monte Carlo仿真方法,設(shè)置仿真次數(shù)為1 000,同時將FDR的取值區(qū)間(0,1]分為1 000個離散值進(jìn)行仿真,得到圖6所示的平均抽樣次數(shù)隨FDR變化關(guān)系曲線,根據(jù)曲線可以確定平均樣本量取最大值時的p值,以及根據(jù)不同的p值確定其平均樣本量的值,如本文提出的BSST-SMT截尾方法中,p=p0時平均樣本量Ep0(n)=41,p=p1時平均樣本量Ep1(n)=33,在SPOT截尾方法中Ep0(n)=41. 從圖6中可以直觀地反映出,本文所提方法在滿足指標(biāo)約束條件的基礎(chǔ)上,平均樣本量和截尾樣本量均明顯優(yōu)于經(jīng)典驗(yàn)證方法、SPRT截尾方法以及SMT截尾方法,和SPOT截尾方法相當(dāng),但實(shí)際的承制方和使用方風(fēng)險(xiǎn)均優(yōu)于以上方法。由此可見,該方法確定的測試性驗(yàn)證截尾樣本量以及平均樣本量均優(yōu)于其他方法,同時能有效降低雙方風(fēng)險(xiǎn)值,證明了方法的有效性。

      圖6 不同驗(yàn)證方法的平均樣本量曲線對比Fig.6 Comparison of average sample size curves for different testablility verification methods

      5 結(jié)論

      本文基于BSST-SMT的測試性驗(yàn)證試驗(yàn)方案設(shè)計(jì)方法結(jié)合傳統(tǒng)SMT方法和BSST優(yōu)點(diǎn),利用待檢測裝備系統(tǒng)的先驗(yàn)信息,分別從檢驗(yàn)點(diǎn)、Bayes因子、先驗(yàn)概率、截尾策略等方面對驗(yàn)證方案進(jìn)行設(shè)計(jì),實(shí)現(xiàn)了樣本量的確定,其優(yōu)點(diǎn)是:

      1)由于在測試性指標(biāo)約束下考慮了裝備系統(tǒng)的先驗(yàn)分布,使得確定的樣本量更為客觀準(zhǔn)確。

      2)解決了常規(guī)SPRT方法和SPOT方法不考慮截尾時最大樣本量無法控制的問題,BSST-SMT方法能在驗(yàn)證試驗(yàn)開展前能確定最大樣本量,使得對驗(yàn)證試驗(yàn)開展有比較客觀的認(rèn)識。

      3)解決了傳統(tǒng)SMT方法不能利用先驗(yàn)信息的問題,結(jié)合BSST處理先驗(yàn)信息,將先驗(yàn)信息用于SMT方法中,達(dá)到降低最大樣本量、平均樣本量以及雙方風(fēng)險(xiǎn)的目的。

      4)本文基于BSST-SMT的測試性驗(yàn)證試驗(yàn)方案設(shè)計(jì)方法較之經(jīng)典驗(yàn)證方法、常規(guī)SPRT方法、傳統(tǒng)SMT方法以及SPOT方法在最大樣本量、平均樣本量以及雙方風(fēng)險(xiǎn)值等方面均有有效改進(jìn),能更好的指導(dǎo)高精度武器系統(tǒng)的驗(yàn)證試驗(yàn)的開展。

      與此同時,除了在文中進(jìn)行討論的研究點(diǎn)外,仍然有一些問題需要深入研究:保證試驗(yàn)的充分性需要足夠的樣本量,而確保驗(yàn)證試驗(yàn)代價(jià)最小需要保證樣本量足夠小,所以樣本量的確定應(yīng)在二者之間權(quán)衡,對樣本量確定方法的選擇是即考慮充分性和代價(jià)之間折中的過程,所以如何合理的選取截尾策略需要進(jìn)一步研究。

      猜你喜歡
      樣本量先驗(yàn)檢驗(yàn)
      序貫Lq似然比型檢驗(yàn)
      醫(yī)學(xué)研究中樣本量的選擇
      2021年《理化檢驗(yàn)-化學(xué)分冊》征訂啟事
      基于無噪圖像塊先驗(yàn)的MRI低秩分解去噪算法研究
      對起重機(jī)“制動下滑量”相關(guān)檢驗(yàn)要求的探討
      航空裝備測試性試驗(yàn)樣本量確定方法
      Sample Size Calculations for Comparing Groups with Binary Outcomes
      基于自適應(yīng)塊組割先驗(yàn)的噪聲圖像超分辨率重建
      關(guān)于鍋爐檢驗(yàn)的探討
      基于平滑先驗(yàn)法的被動聲信號趨勢項(xiàng)消除
      利辛县| 平乡县| 阳高县| 澄城县| 涪陵区| 山西省| 上林县| 托克逊县| 阜城县| 义马市| 黄龙县| 依兰县| 河南省| 江安县| 贵德县| 靖宇县| 罗源县| 东丰县| 郯城县| 定安县| 普兰县| 尼玛县| 汉中市| 衡阳市| 洛阳市| 南开区| 任丘市| 大宁县| 南岸区| 中方县| 诏安县| 南木林县| 锦屏县| 晋宁县| 翁源县| 古田县| 无锡市| 新平| 韶关市| 吉木乃县| 始兴县|