改进多源信息加权融合的验前分布确定方法研究

徐达，周诚，黄海

(陆军装甲兵学院 兵器与控制系，北京 100072)

装备维修性实装试验工作是验证装备维修性指标的一种有效手段。在装备设计定型阶段，现场试验数据通常较少，GJB 2072—1994 《维修性试验与评定》给出的大子样验证方法显然不合适，因此，工程实践中普遍采用基于Bayes理论的小子样装备维修性验证方法[1]。其中，根据试验数据给出准确的验前分布是进行维修性验证的基础，也是保证验证结果可信的重要前提。

现代装备试验体系的不断发展完善，试验设施的不断更新换代和方法手段的不断应用创新，使得维修性试验具有多种信息来源[2]。合理有效地利用多源验前信息，融合给出比较准确的验前分布，是应用Bayes方法的关键问题之一。目前，常用的多源信息融合方法有：专家信息法[3]、D-S融合法[4]、基于似然权重融合法[5]和加权融合法[6]等，每种方法各具特色，使用时应依据试验实际合理选择。相关研究表明，在已获取装备现场试验数据的条件下，采用基于可信度的加权融合法融合效果较好[7]。但该方法在计算各信息源验前分布融合权重时，存在赋权结果不合理，造成融合后的验前分布与真实分布间的误差增大的问题，进而导致装备维修性验证结果的可信度降低。

针对上述问题，笔者提出了一种改进多源信息加权融合的验前分布确定方法。结合Bootstrap法，改进子样本重抽样方式，确定各验前信息的验前分布，然后改进基于质量因子的融合权重计算方法，使融合权重结果更加客观合理，进而给出更加准确的融合验前分布。……