基于冲突数据融合的装备研制阶段测试性评估及系统的制作方法

[0001]
本发明涉及不确定信息决策技术领域，尤其涉及基于冲突数据融合的装备研制阶段测试性评估及系统。


背景技术：

[0002]
自21世纪以来，测试性作为装备通用质量特性之一，越来越受到装备承制方与使用方的关注。随着装备测试性工程的深入，测试性试验与评估方法成为测试性领域当前研究的热点之一。测试性评估作为装备测试性设计中重要的环节，常被用于检验装备是否满足测试性研制要求而进行的试验与评价工作。在装备研制阶段，通过对其测试性水平的评估能够发现测试性设计存在的缺陷，并关系到装备设计定型过程的进度。然而，在装备研制过程中，没有全状态的初样机或正样机，收集到的故障样本和测试性信息并不能完全反应装备测试性真实水平，难以对装备测试性水平进行全面准确的评估。同时装备研制阶段存在的先验信息如专家经验信息等，具有一定的主观性和不确定性，容易导致数据融合过程中出现冲突的现象。因此，如何科学有效的开展装备研制阶段的测试性评估工作成为当前测试性领域研究的热点之一。


技术实现要素：

[0003]
为了解决上述技术问题，本发明提供的基于冲突数据融合的装备研制阶段测试性评估及系统，其能有能有效降低试验数据冲突问题带来的不利影响。
[0004]
一方面，本发明提供的基于冲突数据融合的装备研制阶段测试性评估方法，包括：
[0005]
将各研制阶段测试性数据分别折合成先验分布形式；
[0006]
基于各研制阶段测试性信息的先验分布形式，构造对应的质量函数；
[0007]
将各研制阶段测试性数据的质量函数值进行合成，得到对应最终数据融合结果的质量函数值；
[0008]
利用各最终数据融合结果的质量函数值，进行测试性评估结果分析。
[0009]
进一步地，所述研制阶段测试性数据，包括：专家经验信息、测试性增长试验数据和可更换单元试验数据。
[0010]
进一步地，所述构造对应的质量函数，具体包括：
[0011]
构造研制阶段测试性数据对应的原始质量函数；
[0012]
对各研制阶段测试性数据的原始质量函数，分别赋予最终融合权重，得到对应修正后的质量函数；
[0013]
将各修正后的质量函数分别作为对应研制阶段测试性信息的质量函数。
[0014]
进一步地，所述对各研制阶段测试性数据的原始质量函数，分别赋予最终融合权重，之前还包括：
[0015]
基于各研制阶段测试性数据的可信度和不确定度，构造对应最终融合权重。
[0016]
更进一步地，所述将各研制阶段测试性数据分别折合成先验分布形式，具体包括：
[0017]
采用最大熵理论实现专家经验信息的先验分布形式。
[0018]
更进一步地，所述将各研制阶段测试性数据分别折合成先验分布形式，具体包括：
[0019]
注入故障数，基于冈珀茨模型或f分布求解测试性增长试验数据的先验分布形式。
[0020]
更进一步地，具体包括：
[0021]
基于贝叶斯公式，得到可更换单元试验数据的先验分布形式。
[0022]
在上述技术方案中，所述将各研制阶段测试性数据的质量函数值进行合成，具体包括：
[0023]
应用d-s证据理论将各研制阶段测试性数据的质量函数值合成n-1次，n为证据的数量；
[0024]
对应得到的第n-1次融合结果为最终数据融合结果的质量函数值。
[0025]
优选地，所述基于各研制阶段测试性数据的可信度和不确定度，构造对应最终融合权重，之前还包括：
[0026]
基于兰氏距离计算各研制阶段测试性数据的可信度；
[0027]
利用信息熵改进的d-s证据理论融合方法确定各研制阶段测试性数据的不确定度。
[0028]
另一方面，本发明提供的基于冲突数据融合的装备研制阶段测试性评估系统，包括：处理器和存储器，所述处理器读取所述存储器中的计算机程序，用于执行以下操作：
[0029]
将各研制阶段测试性数据分别折合成先验分布形式；
[0030]
基于各研制阶段测试性信息的先验分布形式，构造对应的质量函数；
[0031]
将各研制阶段测试性数据的质量函数值进行合成，得到对应最终数据融合结果的质量函数值；
[0032]
利用各最终数据融合结果的质量函数值，进行测试性评估结果分析。
[0033]
本发明能够有效降低试验数据冲突问题带来的不利影响，提高装备测试性指标评估的精度，从而为装备承制方与使用方提供高质量的标准参考。
附图说明
[0034]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0035]
图1为本发明实施例的方法流程示意图；
[0036]
图2为本发明实施例的评估步骤示意图；
[0037]
图3为本发明实施例中各研制阶段测试性数据分别折合成先验分布形式的流程示意图；
[0038]
图4为本发明实施例中系统的结构示意图。
具体实施方式
[0039]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040]
如图1所示，本实施例提供的基于冲突数据融合的装备研制阶段测试性评估方法，包括：
[0041]
101、将各研制阶段测试性数据分别折合成先验分布形式；
[0042]
所述研制阶段测试性数据，包括：专家经验信息、测试性增长试验数据和可更换单元试验数据。具体地：
[0043]
1011、采用最大熵理论实现专家经验信息的先验分布形式；
[0044]
1012、注入故障数，基于冈珀茨(gompertz)模型或f分布求解测试性增长试验数据的先验分布形式；
[0045]
1013、基于贝叶斯(bayes)公式，得到可更换单元试验数据的先验分布形式。
[0046]
102、基于各研制阶段测试性信息的先验分布形式，构造对应的质量(mass)函数；具体地：
[0047]
1021、构造研制阶段测试性数据对应的原始质量函数；
[0048]
1022、对各研制阶段测试性数据的原始质量函数，分别赋予最终融合权重，得到对应修正后的质量函数；
[0049]
1023、将各修正后的质量函数分别作为对应研制阶段测试性信息的质量函数。
[0050]
103、将各研制阶段测试性数据的质量函数值进行合成，得到对应最终数据融合结果的质量函数值；具体地：
[0051]
1031、应用d-s证据理论将各研制阶段测试性数据的质量函数值合成n-1次，n为证据的数量；
[0052]
对应得到的第n-1次融合结果为最终数据融合结果的质量函数值。
[0053]
104、利用各最终数据融合结果的质量函数值，进行测试性评估结果分析。
[0054]
所述对各研制阶段测试性数据的原始质量函数，分别赋予最终融合权重，之前还包括：
[0055]
105、基于各研制阶段测试性数据的可信度和不确定度，构造对应最终融合权重。
[0056]
所述基于各研制阶段测试性数据的可信度和不确定度，构造对应最终融合权重，之前还包括：
[0057]
106、基于兰氏(lance)距离计算各研制阶段测试性数据的可信度；
[0058]
107、利用信息熵改进的d-s证据理论融合方法确定各研制阶段测试性数据的不确定度。
[0059]
本实施例可以有效解决试验数据冲突问题，提高装备测试性指标评估的精度，从而为装备承制方与使用方提供高质量的标准参考。
[0060]
以下结合应用实例对本发明实施例上述技术方案进行详细说明：
[0061]
如图2和3所示，本实施例提供的基于冲突数据融合的装备研制阶段测试性评估方法，包括：
[0062]
步骤1、收集装备研制阶段存在的专家经验信息、测试性增长试验数据和可更换单元试验数据；
[0063]
在装备研制阶段存在着多种测试性信息类型，如专家经验信息、测试性增长试验
数据、可更换单元试验数据等，这些测试性信息可以作为开展研制阶段测试性评估工作的先验信息类型。
[0064]
步骤2、将各来源的研制阶段测试性信息分别折合成先验分布形式；
[0065]
步骤2.1、针对专家经验信息：
[0066]
专家经验信息的先验分布π
e
(p)通常选用beta分布来表示：
[0067][0068]
通常采用最大熵法实现先验分布参数的确定，因此先验分布π
e
(p)的信息熵为：
[0069][0070]
因此，先验分布参数求解过程可转换为寻找使得熵函数h[π
e
(p)]最大时参数a、b的规划问题；
[0071]
若已知点估计值p0，则其先验分布π
e
(p)为：
[0072][0073]
联立式(1)和式(3)，可求得：
[0074][0075]
根据beta函数性质可知：
[0076][0077]
则联立式(2)和式(5)，可求得：
[0078]
h[π
e
(p)]＝ln(b(a,b))-a1b
1-b1b2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0079]
其中：
[0080][0081][0082][0083]
则先验分布参数π
e
(p)的最优解求解可转换为求如下规划问题：
[0084][0085]
步骤2.2、针对2)测试性增长试验数据：
[0086]
测试性增长试验是指以承制方和使用方共同协定的测试性指标值为目标，通过测试性设计对装备注入故障，使其在规定的环境应力中运行，观察统计故障的检测/隔离在测试系统中的表现情况，查找故障检测/隔离失败或测试性指标未达到目标的原因，进而改进测试性设计，并验证其改进措施的一类专项试验。测试性增长试验主要包括识别设计缺陷、反馈问题和改进设计三个过程，可总结为“试验-分析-改进-试验”的过程。
[0087]
gompertz模型常用于描述增长过程，既可评定产品的可靠性，也可以用来求解测
试性增长曲线，其数学模型为：
[0088][0089]
其中，0<u<1、0<v<1、0<w<1，i表示装备在研制阶段中处于第i次测试性增长试验。
[0090]
对式(10)进行对数变换，可得：
[0091]
ln[p(i)]＝lnu+w
i
lnv
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0092]
假设装备在研制阶段共进行了m次测试性增长试验，其中m＝3z，z为正整数。由于测试性增长试验数据表现为成败型，因此第次测试性增长试验的数据可记为(n
i
,c
i
)，其中i＝1,2,k,m，则第i次测试性增长试验的测试性指标点估计值为：
[0093][0094]
将m次的测试性增长试验数据代入式(11)，可得：
[0095][0096]
由式(13)可求解得到gompertz参数值u
*
、v
*
、w
*
，则代入gompertz模型可得到关于测试性增长试验的gompertz公式为：
[0097][0098]
通过第m次增长试验数据可得到最终测试性增长试验的测试性指标点估计值为：
[0099][0100]
测试性增长试验数据的先验分布可由π
i
(p)表示，且已知由测试性增长试验确定的先验分布的熵函数为：
[0101][0102]
因此，测试性增长试验确定的先验分布参数a,b的最优解求解可转换为求如下规划问题：
[0103][0104]
步骤2.3、针对3)可更换单元试验数据：
[0105]
在装备研制阶段，系统级测试性试验开展难度较大，其收集到的测试性试验信息较少。而作为装备中常见的可更换单元(包括sru、lru等)，其开展测试性试验难度较低，且可收集到的数据较多。
[0106]
在工程实际中，以可更换单元为试验对象的测试性试验服从二项分布，可用beta分布作为其先验分布。若某系统有m个可更换单元，设其第i(i＝1,2,k,m)个可更换单元的测试性指标为p
i
，则其先验分布π
r
(p)可表示为：
[0107][0108]
利用在研制过程中收集到该可更换单元进行的少量测试性试验数据(n
i
,f
i
)，其中n
i
为第i个可更换单元注入的故障样本数，f
i
为其对应的故障检测/隔离失败次数，并将数据代入bayes公式，可得到p
i
的后验分布beta(p
i
；a
i
+n
i-f
i
,b
i
+f
i
)，则p
i
的后验期望和方差分别为：
[0109][0110]
通过引入可更换单元的故障率，可将单元级的测试性指标值折合到系统级，设λ
i
表示第i个可更换单元的故障率，则系统级的测试性指标p为：
[0111][0112]
在工程实际中，测试性指标p受装备的结构模型、可靠性和维修性等方面影响。例如，在可靠性中，需根据串并联、k/n(g)等模型关系选择不同的方法求取的值。而在本实施例中，不考虑各单元的耦合关系对系统级的测试性指标的影响，而采用基于单元故障率的加权方法，由单元级的测试性指标加权得到系统级的测试性指标。
[0113]
由此可得系统级的测试性指标p的期望和方差分别为：
[0114][0115]
联立式(19)和(21)，可解出数据融合前的可更换单元测试性先验分布参数值a、b。
[0116]
综上所得，研制阶段测试性信息的先验分布如表1所示。
[0117]
表1研制阶段测试性信息的先验分布
[0118][0119]
步骤3、构造研制阶段测试性数据对应的原始mass函数；
[0120]
本实施例提出的研制阶段装备测试性指标评估方法建立于d-s证据理论，因此测试性指标评估系统的辨识框架可看作由专家经验信息、测试性增长试验数据和可更换单元
测试性试验数据三部分组成，每部分可分为3个焦元。假设承制方给定的装备测试性指标目标值为，使用方规定的最低可接受值为p1，则当测试性指标p>p0时为第一个焦元，定义为h1；当p0>p1时为第二个焦元，定义为h2；当p<p1时为第三个焦元，定义为h3。
[0121]
对于专家经验信息(a
e
,b
e
)可视为辨识框架θ上的一个证据，建立该证据在辨识框架θ上的基本信任分配函数m
e
：
[0122][0123]
对于测试性增长试验数据(a
i
,b
i
)，建立该证据在辨识框架θ上的基本信任分配函数m
i
：
[0124][0125]
对于可更换单元试验数据(a
r
,b
r
)，建立该证据在辨识框架θ上的基本信任分配函数m
r
：
[0126][0127]
通过式(22)至(24)可得到不同研制阶段测试性信息对应的mass函数，如表2所示：
[0128]
表2研制阶段测试性信息的mass函数
[0129][0130]
步骤4、利用基于lance距离和信息熵改进的d-s证据融合方法确定研制阶段测试性数据的可靠度和不确定度，并构造各数据的最终融合权重；
[0131]
步骤4.1、针对数据可信度：
[0132]
2)定义系统辨识框架θ＝{a1,a2,l,a
m
}，证据e1、e2、k、e
n
对应的基本信任分配函数为m1、m2、k、m
n
，则证据e
i
,e
j
之间的lance距离d
ij
为：
[0133][0134]
其中，i,j＝1,2,k,n，k＝1,2,k,m。
[0135]
证据之间的距离d
ij
能反映其之间的差距，d
ij
值越大，证据e
i
与e
j
的可信度越低。因此可将证据间的可信度作为证据的权重，则证据e
i
的可信度rel
i
定义为：
[0136][0137]
其中：
[0138]
步骤4.2、针对数据不确定度：
[0139]
设定a
i
(i＝1,2,k,n)为系统辨识框架θ的子集，m(a
i
)为其对应的信度函数，|a
i
|表示子集a
i
所包含元素的个数，则子集a
i
的信度熵为：
[0140][0141]
子集a
i
包含的元素越多，表明证据的信度熵就越大，证据的不确定程度也越大。如果一个证据体的信度熵越小，表明其不确定程度就越小，则在最终融合过程中，其对应的权重应越大。
[0142]
为了避免在某些情况下赋予证据零权重，通过计算信度熵的指数形式来确定证据权重：
[0143][0144]
归一化处理后，依据证据不确定程度确定的权重为：
[0145][0146]
步骤4.3、基于数据的可信度和不确定度确定最终融合权重：
[0147]
依据证据一致性程度与不确定程度进行融合权重确定，各证据体的融合权重w
i
为：
[0148]
w
i
＝rel
i
×
unc
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(30)
[0149]
对融合权重进行归一化处理：
[0150][0151]
步骤5、对研制阶段测试性信息的mass函数分别赋予最终融合权重，可得到修正后的mass函数m
avg
(h
k
)；其中k＝1,2,3，其求解过程如表3所示：
[0152][0153]
表3修正后mass函数m
avg
(h
k
)的求解过程
[0154][0155]
步骤6、利用修正后的mass函数m
avg
(h
k
)替代原始研制阶段测试性信息的mass函数m
e
(h
k
)、m
i
(h
k
)、m
r
(h
k
)；如表4所示：
[0156]
表4被修正后的m
avg
(h
k
)替代的测试性信息mass函数
[0157][0158]
步骤7、应用dempster原则，将mass函数值合成n-1次(n为证据的数量，本实施例中取n＝3)，得到第2次融合的结果，遵循dempster证据组合规则；
[0159]
应用dempster原则，将mass函数值合成2次，得到第2次融合的结果为遵循dempster证据组合规则，证据融合结果如表5所示：
[0160]
表5证据融合结果
[0161][0162]
步骤8、根据最终数据融合结果的mass函数值m'
eir
(h1)、m'
eir
(h2)、m'
eir
(h3)，结合承制方与使用方协定的装备测试性指标值，进行测试性评估结果分析。
[0163]
本实施例采用计算lance距离大小来度量数据的可靠度，计算信息熵大小来度量数据的不确定度，设计了改进的d-s证据融合方法实现了装备研制阶段测试性指标评估，方法可靠有效，可以在收集到数据存在冲突的情况下准确对研制阶段的装备进行评估。
[0164]
进一步地，本发明还提供一种面向雾计算的节点设备。如图4所示，参与雾计算的每个节点设备至少包括处理器和存储器，还可以根据实际需要进一步包括通信组件、传感器组件、电源组件、多媒体组件及输入/输出接口。其中，存储器、通信组件、传感器组件、电源组件、多媒体组件及输入/输出接口均与该处理器连接。前已述及，节点设备中的存储器可以是静态随机存取存储器(sram)、电可擦除可编程只读存储器(eeprom)、可擦除可编程只读存储器(eprom)、可编程只读存储器(prom)、只读存储器(rom)、磁存储器、快闪存储器等，处理器可以是中央处理器(cpu)、图形处理器(gpu)、现场可编程逻辑门阵列(fpga)、专
用集成电路(asic)、数字信号处理(dsp)芯片等。其它通信组件、传感器组件、电源组件、多媒体组件等均可以采用现有智能手机中的通用部件实现，在此就不具体说明了。
[0165]
另一方面，基于冲突数据融合的装备研制阶段测试性评估系统，包括：处理器42和存储器41，所述处理器42读取所述存储器41中的计算机程序，用于执行以下操作：
[0166]
将各研制阶段测试性数据分别折合成先验分布形式；
[0167]
基于各研制阶段测试性信息的先验分布形式，构造对应的质量函数；
[0168]
将各研制阶段测试性数据的质量函数值进行合成，得到对应最终数据融合结果的质量函数值；
[0169]
利用各最终数据融合结果的质量函数值，进行测试性评估结果分析。
[0170]
本实施例所述的基于冲突数据融合的装备研制阶段测试性评估系统能够实现上述实施例中基于冲突数据融合的装备研制阶段测试性评估方法的所有功能，在此不再赘述。
[0171]
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
[0172]
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
[0173]
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本实施例定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本实施例给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。
[0174]
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本实施例中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
[0175]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。