發(fā)布時間：2021-05-21 08:10

　　針對裝備維修性評估時現(xiàn)場數(shù)據(jù)樣本量不足的問題,建立一種基于D-S證據(jù)理論的多源數(shù)據(jù)融合方法,充分利用裝備前期各階段或其他來源的維修性試驗數(shù)據(jù)。首先對傳統(tǒng)的Bayes Bootstrap法進(jìn)行改進(jìn),較為精確地擬合離散化的各源維修性試驗數(shù)據(jù)的分布參數(shù),再從數(shù)據(jù)源中挖掘樣本量和分布特征等信息構(gòu)建證據(jù),采用D-S理論合成證據(jù)作為權(quán)重,建立維修性多源數(shù)據(jù)融合模型,最后采用某坦克的維修性試驗數(shù)據(jù)進(jìn)行實例分析,驗證了該融合方法的有效性。 

【文章來源】：電光與控制. 2020,27(06)北大核心CSCD

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 D-S證據(jù)理論及維修性多源數(shù)據(jù)分類
    1.1 D-S證據(jù)理論基本概念
    1.2 裝備維修性多源數(shù)據(jù)分類
2 多源驗前數(shù)據(jù)的分布參數(shù)擬合
3 基于D-S證據(jù)理論的維修性多源數(shù)據(jù)融合模型
    1) 驗前分布的參數(shù)擬合。
    2) 證據(jù)的挖掘與組建。
    3) 合成證據(jù)建立融合模型。
4 算例驗證
5 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]維修性試驗驗前信息融合方法[J]. 苗佳雨,閆鵬程,連光耀,張西山.  火力與指揮控制. 2017(08)
[2]一種有效處理沖突證據(jù)的DS改進(jìn)算法[J]. 蘇向陽,董增壽,白轉(zhuǎn)偉.  太原科技大學(xué)學(xué)報. 2017(04)
[3]小樣本合格率估計的隨機加權(quán)貝葉斯方法[J]. 梁瑛,季憲軍.  統(tǒng)計與決策. 2016(12)
[4]基于改進(jìn)證據(jù)理論的目標(biāo)識別融合方法[J]. 王品,尚朝軒,韓壯志.  電光與控制. 2015(09)
[5]基于隨機加權(quán)法的小子樣數(shù)據(jù)評估研究[J]. 張鑫鵬,黃勇,閻杰.  計算機仿真. 2010(09)
[6]不完全先驗信息條件下的可靠性評估[J]. 周濤,胡昌華,蔡光斌.  電光與控制. 2008(03)
[7]基于隨機加權(quán)法的BAYES精度評定[J]. 張湘平,張金槐,謝紅衛(wèi),曹國敏,張振泰,鐘世勇.  國防科技大學(xué)學(xué)報. 2001(03)

碩士論文
[1]基于D-S證據(jù)理論的數(shù)據(jù)融合方法設(shè)計與實現(xiàn)[D]. 章巍.北京郵電大學(xué) 2018
[2]裝甲裝備維修性試驗數(shù)據(jù)處理和小子樣驗證方法[D]. 黃秀平.國防科學(xué)技術(shù)大學(xué) 2008
[3]基于Bayes理論的裝甲裝備系統(tǒng)維修性綜合方法研究[D]. 朱志.國防科學(xué)技術(shù)大學(xué) 2008



本文編號：3199369