裝備試驗適應(yīng)性序貫設(shè)計與評估

目錄
序
前言
第1章 裝備試驗設(shè)計與評估概述 1
1.1 裝備試驗設(shè)計與評估的特點(diǎn) 1
1.2 國內(nèi)外試驗設(shè)計與評估方法綜述 2
1.2.1 試驗設(shè)計方法 2
1.2.2 試驗評估方法 11
1.2.3 問題與挑戰(zhàn) 16
1.3 適應(yīng)性序貫設(shè)計與評估內(nèi)涵分析 17
1.4 裝備性能試驗相關(guān)概念與分類 18
1.5 適應(yīng)性序貫設(shè)計與評估流程 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 試驗樣本量確定 26
2.1 單階段試驗樣本量確定 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試驗損失的樣本量確定 49
2.2 多階段試驗樣本量規(guī)劃 56
2.2.1 設(shè)計效應(yīng)指標(biāo) 57
2.2.2 虛實樣本折合模型 58
2.2.3 一體化試驗規(guī)劃模型 59
2.2.4 試驗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)量問題的矩估計與極大似然估計 64
第3章 單階段試驗適應(yīng)性評估 67
3.1 裝備試驗性能指標(biāo)的參數(shù)估計 67
3.1.1 無先驗信息的**統(tǒng)計估計方法 67
3.1.2 含先驗信息的Bayes估計方法 72
3.2 裝備試驗性能指標(biāo)的假設(shè)檢驗 78
3.2.1 無先驗信息的**假設(shè)檢驗方法 78
3.2.2 含先驗信息的Bayes假設(shè)檢驗方法 82
3.2.3 序貫概率比檢驗方法 85
3.2.4 Bayes序貫檢驗方法 89
3.2.5 假設(shè)檢驗算例 96
3.3 單精度響應(yīng)*面模型估計 100
3.3.1 高斯過程模型 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 107
第4章 多階段試驗適應(yīng)性融合評估 110
4.1 Bayes數(shù)據(jù)融合評估思想 110
4.2 先驗數(shù)據(jù)分析處理 112
4.2.1 先驗數(shù)據(jù)的異常值剔除 112
4.2.2 先驗分布的確定 113
4.3 先驗數(shù)據(jù)融合一致性分析 125
4.3.1 兩個*立樣本的Mann-Whitney秩和檢驗 126
4.3.2 多個*立樣本的Kruskal-Wallis秩和檢驗 127
4.3.3 小樣本下的Bootstrap秩和檢驗 129
4.4 先驗數(shù)據(jù)可信度計算 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)物理來源的可信度度量 136
4.4.4 復(fù)合可信度 140
4.5 先驗數(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 極小子樣下的外場數(shù)據(jù)驗證 151
4.6.3 仿真案例 151
4.7 命中精度一致性分析與評估 155
4.7.1 基于正態(tài)分布的命中概率Bayes估計 155
4.7.2 基于二項分布的命中概率Bayes估計 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)性評估 161
4.8.1 多條件概率下的精度后驗分布 161
4.8.2 多條件概率下的CEP上限計算 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融合評估 172
4.11 延展閱讀——三門問題與條件概率 173
第5章 單階段探索性試驗設(shè)計 175
5.1 探索性試驗設(shè)計 175
5.1.1 無先驗?zāi)Ｐ拖碌脑囼炘O(shè)計方法 175
5.1.2 有先驗?zāi)Ｐ拖碌?優(yōu)設(shè)計方法 195
5.1.3 定性定量因素結(jié)合的約束空間設(shè)計 199
5.2 算例分析 217
5.2.1 正交試驗設(shè)計案例分析 217
5.2.2 均勻試驗設(shè)計案例分析 221
5.2.3 拉丁超立方設(shè)計案例分析 224
5.2.4 *優(yōu)回歸設(shè)計案例分析 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)性序貫試驗設(shè)計 230
6.1 無模型的序貫均勻適應(yīng)性設(shè)計 230
6.1.1 水平數(shù)不變的行擴(kuò)充均勻設(shè)計 230
6.1.2 水平數(shù)增加的行擴(kuò)充均勻設(shè)計 232
6.1.3 因素數(shù)增加的列擴(kuò)充試驗設(shè)計 233
6.1.4 仿真案例 235
6.2 基于高斯過程模型的適應(yīng)性序貫設(shè)計 236
6.2.1 高斯過程模型 237
6.2.2 適應(yīng)性設(shè)計準(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 242
第7章 多階段高低精度試驗適應(yīng)性序貫設(shè)計 244
7.1 無模型的嵌套序貫設(shè)計 244
7.1.1 嵌套拉丁方空間填充設(shè)計 245
7.1.2 序貫嵌套拉丁超立方體設(shè)計 254
7.2 基于高低精度的響應(yīng)*面模型序貫設(shè)計 258
7.2.1 針對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)重及時序約束信息的批序貫設(shè)計 279
7.3.1 基于先驗信息的回歸函數(shù)構(gòu)造與問題 280
7.3.2 加權(quán)D-*優(yōu)設(shè)計 281
7.3.3 批序貫空間加權(quán)的約束試驗*優(yōu)方案設(shè)計 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 290
7.6 延展閱讀——Kriging模型的由來 291
第8章 裝備試驗適應(yīng)性序貫設(shè)計與評估案例分析 293
8.1 “中間驗證”試驗評估案例 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 295
8.1.4 代表點(diǎn)選取 296
8.1.5 Bayes融合評估 296
8.2 單階段“摸邊探底”無模型適應(yīng)性序貫設(shè)計與評估案例 297
8.2.1 案例背景與流程 297
8.2.2 試驗設(shè)計因素梳理 297
8.2.3 樣本量確定 298
8.2.4 初始試驗設(shè)計 298
8.2.5 重要影響因素分析 301
8.2.6 初始試驗評估 301
8.2.7 適應(yīng)性序貫試驗設(shè)計與評估 302
8.3 多階段“摸邊探底”無模型適應(yīng)性序貫設(shè)計與評估案例 306
8.3.1 案例背景與流程 306
8.3.2 試驗設(shè)計因素梳理 306
8.3.3 樣本量確定 307
8.3.4 序貫均勻試驗設(shè)計 307
8.3.5 數(shù)據(jù)融合條件判定 307
8.3.6 復(fù)合可信度計算 308
8.3.7 基于復(fù)合可信度的Bayes融合估計 308
8.3.8 評估結(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)計與評估案例 309
8.4.1 案例背景與流程 309
8.4.2 試驗設(shè)計因素梳理 310
8.4.3 全數(shù)字仿真階段序貫試驗 310
8.4.4 半實物仿真階段序貫試驗 315
8.5 小結(jié) 320
8.6 延展閱讀——無人機(jī)作戰(zhàn)試驗設(shè)計 321
參考文獻(xiàn) 323