[发明专利]用于飞行器性能评估的Bayes数据融合评估方法

说明书

本发明提供一种基于幂验前分布的Bayes数据融合评估方法，首先在一种新的验前信息可信度的定义下构造了一种成败型数据的幂验前分布，然后结合现场试验数据，根据Bayes理论获得了兴趣参数的验后概率密度函数，根据该验后概率密度函数即可进行兴趣参数的统计推断。该方法综合考虑了验前信息与现场信息的不一致性，使得融合结果更加合理可信。

技术领域

本发明涉及应用统计技术领域，具体的涉及一种用于飞行器性能评估的Bayes数据融合评估方法。

背景技术

利用Bayes方法评估产品性能指标时(可靠性、命中概率等)，如何合理有效的利用验前信息是其中的关键问题。现有方法是利用Bayes理论融合验前试验数据和现场试验数据，现场试验数据是产品或系统现场直接得到的试验结果，往往最能反映产品或系统的性能指标。但由于验前试验数据与现场试验数据的获取途径不同，通常情况下二者并不服从于同一总体，即相对于现场试验数据，验前试验数据并不是完全可信的。在融合过程中需要考虑到验前数据与现场数据的差异性。众多研究人员针对这一问题提出了多种验前数据融合方法，这些方法的核心思想是考虑验前试验数据与现场试验数据的一致性，使二者协调。

而现有方法中不加区别的融合验前试验数据和现场试验数据，常会造成现场实验数据被验前试验数据淹没或现场实验数据被验前试验数据干扰而影响融合后数据准确性。还有一些方法引入可信度参数，作为验前信息的线性加权，协调验前试验数据和现场试验数据在验后估计中的权重，增加验后估计的合理性。但此类方法对于权重的选择随意性较大，难以一次选择得到具有较好融合效果的权重比例。

发明内容

本发明的目的在于提供一种用于飞行器性能评的Bayes数据融合评估方法，该发明解决了现有技术未对验前数据和现场数据加以区分就进行融合或无法准确选取验前数据和现场数据的权重比例，从而使得所得融合结果准确性较差的技术问题。

本发明提供一种用于飞行器性能评的Bayes数据融合评估方法，首先根据幂参数定义验前信息可信度，根据该可信度构造一种成败型数据的验前分布形式——幂验前分布。然后结合现场试验数据，根据Bayes理论获取兴趣参数的验后概率密度函数。根据该验后概率密度函数进行兴趣参数的统计推断。

此处的兴趣参数是指针对成败型数据进行统计分析时的待估参数，例如成功概率、失败概率等，成败型数据是指可以用成功和失败描述产品(例如飞行器)试验结果的数据类型。

本发明提供的方法尤其属于作为飞行器、工业产品性能评估领域的Bayes统计推断方法。在上述领域采用该方法，能减少试验次数，新型产品的性能分析能充分利用原有型号产品的验前数据，从而减少试验成本。

参见图1本发明提供的方法包括以下步骤：

步骤S100：构造得到公式(6)所示的针对成败型数据现场数据集D的幂验前分布函数：

其中，R为成功概率，s₀为验前试验数据试验成功次数，δ表示验前试验数据D₀相对于现场试验数据集D的可信度，称之为幂参数，δ∈[0,1]，n₀为验前试验数据总的试验次数，α_δ,β_δ为Beta分布参数，

步骤S200：按公式(8)计算现场试验数据集D的似然函数

其中，n为现场试验数据总的试验次数，s为现场试验数据试验成功次数；

步骤S300：根据Bayes理论按公式(11)计算成功概率R的验后分布

其中，K为常系数；