裝備試驗(yàn)適應(yīng)性序貫設(shè)計(jì)與評(píng)估

目錄
序
前言
第1章 裝備試驗(yàn)設(shè)計(jì)與評(píng)估概述 1
1.1 裝備試驗(yàn)設(shè)計(jì)與評(píng)估的特點(diǎn) 1
1.2 國(guó)內(nèi)外試驗(yàn)設(shè)計(jì)與評(píng)估方法綜述 2
1.2.1 試驗(yàn)設(shè)計(jì)方法 2
1.2.2 試驗(yàn)評(píng)估方法 11
1.2.3 問(wèn)題與挑戰(zhàn) 16
1.3 適應(yīng)性序貫設(shè)計(jì)與評(píng)估內(nèi)涵分析 17
1.4 裝備性能試驗(yàn)相關(guān)概念與分類 18
1.5 適應(yīng)性序貫設(shè)計(jì)與評(píng)估流程 19
1.6 延展閱讀——幸存者偏差 24
1.7 延展閱讀——沃爾德軼事 25
第2章 試驗(yàn)樣本量確定 26
2.1 單階段試驗(yàn)樣本量確定 26
2.1.1 基于置信區(qū)間精度的樣本量確定 26
2.1.2 給定兩類風(fēng)險(xiǎn)要求的樣本量確定 36
2.1.3 給定聯(lián)合要求的樣本量確定 47
2.1.4 基于Bayes試驗(yàn)損失的樣本量確定 49
2.2 多階段試驗(yàn)樣本量規(guī)劃 56
2.2.1 設(shè)計(jì)效應(yīng)指標(biāo) 57
2.2.2 虛實(shí)樣本折合模型 58
2.2.3 一體化試驗(yàn)規(guī)劃模型 59
2.2.4 試驗(yàn)成本約束下的樣本量分配案例 61
2.3 小結(jié) 64
2.4 延展閱讀——坦克數(shù)量問(wèn)題的矩估計(jì)與極大似然估計(jì) 64
第3章 單階段試驗(yàn)適應(yīng)性評(píng)估 67
3.1 裝備試驗(yàn)性能指標(biāo)的參數(shù)估計(jì) 67
3.1.1 無(wú)先驗(yàn)信息的**統(tǒng)計(jì)估計(jì)方法 67
3.1.2 含先驗(yàn)信息的Bayes估計(jì)方法 72
3.2 裝備試驗(yàn)性能指標(biāo)的假設(shè)檢驗(yàn) 78
3.2.1 無(wú)先驗(yàn)信息的**假設(shè)檢驗(yàn)方法 78
3.2.2 含先驗(yàn)信息的Bayes假設(shè)檢驗(yàn)方法 82
3.2.3 序貫概率比檢驗(yàn)方法 85
3.2.4 Bayes序貫檢驗(yàn)方法 89
3.2.5 假設(shè)檢驗(yàn)算例 96
3.3 單精度響應(yīng)*面模型估計(jì) 100
3.3.1 高斯過(guò)程模型 100
3.3.2 Logistic模型 102
3.3.3 仿真案例 103
3.4 小結(jié) 107
3.5 延展閱讀——一發(fā)一中與百發(fā)百中的命中率估計(jì) 107
第4章 多階段試驗(yàn)適應(yīng)性融合評(píng)估 110
4.1 Bayes數(shù)據(jù)融合評(píng)估思想 110
4.2 先驗(yàn)數(shù)據(jù)分析處理 112
4.2.1 先驗(yàn)數(shù)據(jù)的異常值剔除 112
4.2.2 先驗(yàn)分布的確定 113
4.3 先驗(yàn)數(shù)據(jù)融合一致性分析 125
4.3.1 兩個(gè)*立樣本的Mann-Whitney秩和檢驗(yàn) 126
4.3.2 多個(gè)*立樣本的Kruskal-Wallis秩和檢驗(yàn) 127
4.3.3 小樣本下的Bootstrap秩和檢驗(yàn) 129
4.4 先驗(yàn)數(shù)據(jù)可信度計(jì)算 129
4.4.1 概述 129
4.4.2 基于數(shù)據(jù)層面的可信度度量 130
4.4.3 基于數(shù)據(jù)物理來(lái)源的可信度度量 136
4.4.4 復(fù)合可信度 140
4.5 先驗(yàn)數(shù)據(jù)代表點(diǎn)選取 141
4.5.1 代表點(diǎn)選取優(yōu)化流程 141
4.5.2 代表點(diǎn)方法的性能分析 145
4.6 融入先驗(yàn)代表點(diǎn)的Bayes融合推斷 147
4.6.1 Bayes融合推斷 148
4.6.2 極小子樣下的外場(chǎng)數(shù)據(jù)驗(yàn)證 151
4.6.3 仿真案例 151
4.7 命中精度一致性分析與評(píng)估 155
4.7.1 基于正態(tài)分布的命中概率Bayes估計(jì) 155
4.7.2 基于二項(xiàng)分布的命中概率Bayes估計(jì) 158
4.7.3 一致性分析及仿真算例 159
4.8 多條件概率下的精度適應(yīng)性評(píng)估 161
4.8.1 多條件概率下的精度后驗(yàn)分布 161
4.8.2 多條件概率下的CEP上限計(jì)算 162
4.8.3 算法性能分析 167
4.9 小結(jié) 171
4.10 延展閱讀——從跳水賽事打分規(guī)則看Bayes融合評(píng)估 172
4.11 延展閱讀——三門問(wèn)題與條件概率 173
第5章 單階段探索性試驗(yàn)設(shè)計(jì) 175
5.1 探索性試驗(yàn)設(shè)計(jì) 175
5.1.1 無(wú)先驗(yàn)?zāi)Ｐ拖碌脑囼?yàn)設(shè)計(jì)方法 175
5.1.2 有先驗(yàn)?zāi)Ｐ拖碌?優(yōu)設(shè)計(jì)方法 195
5.1.3 定性定量因素結(jié)合的約束空間設(shè)計(jì) 199
5.2 算例分析 217
5.2.1 正交試驗(yàn)設(shè)計(jì)案例分析 217
5.2.2 均勻試驗(yàn)設(shè)計(jì)案例分析 221
5.2.3 拉丁超立方設(shè)計(jì)案例分析 224
5.2.4 *優(yōu)回歸設(shè)計(jì)案例分析 225
5.3 小結(jié) 227
5.4 延展閱讀——拉丁方的發(fā)展 228
第6章 單階段適應(yīng)性序貫試驗(yàn)設(shè)計(jì) 230
6.1 無(wú)模型的序貫均勻適應(yīng)性設(shè)計(jì) 230
6.1.1 水平數(shù)不變的行擴(kuò)充均勻設(shè)計(jì) 230
6.1.2 水平數(shù)增加的行擴(kuò)充均勻設(shè)計(jì) 232
6.1.3 因素?cái)?shù)增加的列擴(kuò)充試驗(yàn)設(shè)計(jì) 233
6.1.4 仿真案例 235
6.2 基于高斯過(guò)程模型的適應(yīng)性序貫設(shè)計(jì) 236
6.2.1 高斯過(guò)程模型 237
6.2.2 適應(yīng)性設(shè)計(jì)準(zhǔn)則 238
6.2.3 仿真案例 239
6.3 小結(jié) 241
6.4 延展閱讀——裂區(qū)設(shè)計(jì) 242
第7章 多階段高低精度試驗(yàn)適應(yīng)性序貫設(shè)計(jì) 244
7.1 無(wú)模型的嵌套序貫設(shè)計(jì) 244
7.1.1 嵌套拉丁方空間填充設(shè)計(jì) 245
7.1.2 序貫嵌套拉丁超立方體設(shè)計(jì) 254
7.2 基于高低精度的響應(yīng)*面模型序貫設(shè)計(jì) 258
7.2.1 針對(duì)定性定量因素和高低精度函數(shù)的代理模型 258
7.2.2 基于加性高斯過(guò)程和分層Kriging模型的多精度序貫優(yōu)化 261
7.2.3 不規(guī)則區(qū)域下的多精度定性定量適應(yīng)性序貫優(yōu)化 263
7.2.4 仿真算例 264
7.3 綜合權(quán)重及時(shí)序約束信息的批序貫設(shè)計(jì) 279
7.3.1 基于先驗(yàn)信息的回歸函數(shù)構(gòu)造與問(wèn)題 280
7.3.2 加權(quán)D-*優(yōu)設(shè)計(jì) 281
7.3.3 批序貫空間加權(quán)的約束試驗(yàn)*優(yōu)方案設(shè)計(jì) 283
7.3.4 仿真算例 286
7.4 小結(jié) 289
7.5 延展閱讀——穩(wěn)健設(shè)計(jì) 290
7.6 延展閱讀——Kriging模型的由來(lái) 291
第8章 裝備試驗(yàn)適應(yīng)性序貫設(shè)計(jì)與評(píng)估案例分析 293
8.1 “中間驗(yàn)證”試驗(yàn)評(píng)估案例 293
8.1.1 案例背景與流程 293
8.1.2 樣本量確定 294
8.1.3 等效折合樣本的一致性檢驗(yàn) 295
8.1.4 代表點(diǎn)選取 296
8.1.5 Bayes融合評(píng)估 296
8.2 單階段“摸邊探底”無(wú)模型適應(yīng)性序貫設(shè)計(jì)與評(píng)估案例 297
8.2.1 案例背景與流程 297
8.2.2 試驗(yàn)設(shè)計(jì)因素梳理 297
8.2.3 樣本量確定 298
8.2.4 初始試驗(yàn)設(shè)計(jì) 298
8.2.5 重要影響因素分析 301
8.2.6 初始試驗(yàn)評(píng)估 301
8.2.7 適應(yīng)性序貫試驗(yàn)設(shè)計(jì)與評(píng)估 302
8.3 多階段“摸邊探底”無(wú)模型適應(yīng)性序貫設(shè)計(jì)與評(píng)估案例 306
8.3.1 案例背景與流程 306
8.3.2 試驗(yàn)設(shè)計(jì)因素梳理 306
8.3.3 樣本量確定 307
8.3.4 序貫均勻試驗(yàn)設(shè)計(jì) 307
8.3.5 數(shù)據(jù)融合條件判定 307
8.3.6 復(fù)合可信度計(jì)算 308
8.3.7 基于復(fù)合可信度的Bayes融合估計(jì) 308
8.3.8 評(píng)估結(jié)果的置信度 308
8.4 多階段“摸邊探底”有模型適應(yīng)性序貫設(shè)計(jì)與評(píng)估案例 309
8.4.1 案例背景與流程 309
8.4.2 試驗(yàn)設(shè)計(jì)因素梳理 310
8.4.3 全數(shù)字仿真階段序貫試驗(yàn) 310
8.4.4 半實(shí)物仿真階段序貫試驗(yàn) 315
8.5 小結(jié) 320
8.6 延展閱讀——無(wú)人機(jī)作戰(zhàn)試驗(yàn)設(shè)計(jì) 321
參考文獻(xiàn) 323