成败型试验的Bayes序贯网图检验法

Bayes序贯检验法和序贯网图检验法分别从先验信息利用和对检验问题拆分的角度对序贯检验法进行了有效的改进。融合二者的优点,针对成功率检验问题,提出了一种Bayes序贯网图检验法,对该方法中先验信息的利用以及插入点的选择等都进行了详细的讨论。同时也给出了相应截尾方案及比较计算实例,并通过Monte Carlo方法计算了平均样本量。实验结果表明,该方法对序贯网图法的改进是全方位的,不仅可以降低二类风险,而且所需的截尾样本量和平均试验量也更少。     

基于Bayes序贯检验的长周期系统动态试验方法

提出了一套基于正态分布贝叶斯序贯检验的试验设计方法,为长周期、多指标系统的小子样动态试验次数的确定提供了理论依据。该方法以待检系统的单次抽样检验合格概率为统计观测值,从假设多次抽样后的该观测值序列服从正态分布开始分析,应用正态分布贝叶斯序贯验后加权检验理论对多指标系统的序贯抽样检验过程进行设计,给出了验前信息处理、贝叶斯序贯试验及序贯截尾方案设计、序贯截尾风险增量上界计算、以及系统各指标综合合格概率估算的具体实现方法。系统仿真实验的结果表明,该方法是可行的。     

正态分布未知参数的联合序贯验后加权检验方法

在进行抽样试验时,采用传统的假设检验方法进行决策所需的样本容量通常是比较大的,而充分利用在进行抽样试验之前所能获得的关于总体分布未知参数的验前信息,在Bayes理论的基础上,采用序贯验后加权检验方法可以有效地减小试验所需的样本容量。对正态分布总体的均值与方差参数均未知时的联合序贯验后加权检验方法进行了深入分析,给出了在抽样试验之前确定假设检验问题所需样本容量和决策阈值的计算方法,并结合雷达探测距离的以往实际试验数据和结果进行了对比分析,验证了该方法在减小样本容量及提高试验效费比方面的有效性。     

计数型序贯网图检验的算法实现

在深入分析序贯网图检验方法的基础上,通过构造马氏链模型,给出其实际风险的计算方法,给出了序贯网图检验方案的制定方法.结果表明序贯网图检验比国际标准IEC1123有明显改进.     

基于部分交叉验证的多准则序贯近似建模方法

提高序贯近似建模的精度和收敛效率,关键在于制定合理有效的序贯抽样准则。针对如何有效获取目标系统信息进行近似建模,同时提高建模精度和收敛效率,提出了基于部分交叉验证的多准则序贯近似建模方法。通过融合部分交叉验证误差估计准则、极大序贯建模累积变化准则和极大熵准则的特征和优势,可实现对全空间全面抽样和对不规则区域重点抽样,进而提高近似模型的精度和收敛效率。算例测试表明该方法在提高序贯近似建模精度和收敛效率方面可行有效。     

数据污染对于序贯分支方法的影响及应对策略

序贯分支方法(sequential bifurcation,SB)因其高效性,近年来被广泛用于仿真试验的因子筛选研究中.然而,传统的序贯分支方法难以应对数据污染情形下的因子筛选问题,因此,本文结合稳健估计的方法改进了传统的序贯分支筛选过程,使其具有良好的抗异常值特性,解决了多种数据污染情形下的因子筛选问题.首先,分析仿真试验中可能出现的数据污染情形及其数据形式,并结合序贯分支方法的基本原理,量化不同数据污染情形对因子筛选结果所造成的影响;其次,采用稳健的位置和散度统计量改进了传统的序贯分支方法中的显著性检验过程,使因子筛选结果不受数据污染的影响;最后,通过仿真试验验证改进的序贯分支方法具有更好的抗异常值特性,同时,该方法在非数据污染下也不失一般性.     

春节模型的效应期识别方法研究

春节模型的参数设定目前更多依赖于研究者的主观判断.为解决这一问题,本文首先介绍了春节因素调整的一般过程以及模型设定和检验的相关细节.在此基础上,提出一种基于"循环遍历"方式和序贯检验方法来自动选择春节模型的最优参数组合的新思路.并以社会消费品零售总额月度序列的春节模型的最优效应期长度识别为例,检验该方法的可行性和有效性.实证结果显示,基于季节峰值、离群值点、Q统计量、AICC值和BIC值等统计量的序贯检验能够有效识别出春节模型的最优效应期长度,进而改善春节模型的季节调整性能.     

Bayes序贯试验方法中风险的选择与计算

对Bayes序贯试验方法中弃真和采伪风险的计算进行论述,给出决策常数的计算公式。分别对经典风险、平均风险和Bayes风险的计算公式进行推导,给出了三者之间的递推计算关系。在给定Bayes风险条件下,对序贯验后加权检验和Bayes序贯概率比检验,推导了决策常数的计算公式。对现有Bayes方法应用中,两类风险选择所存在的问题进行分析,给出风险选择的准则和解决方案,并给出决策常数的准确计算公式。最后,给出一个示例,说明该方法的有效性。     

多值故障字典的测点选择与序测试设计

序贯测试问题是目前的一个研究热点。由于时间复杂度太高,传统的序贯测试算法对于测点数大于12的系统无能为力。为此,将序贯测试问题拆分为测点选择与序测试设计两个问题。测点选择问题用A^*算法解决:运用M进制编码规则,首先给出了启发函数的计算方法,然后给出了能够得到所有最小测点集的改进的A^*算法。序测试设计问题用AO^*算法解决:对二值哈夫曼编码规则进行推广得到了多值编码规则,根据此规则给出了AO^*算法启发函数的计算方法。提出的方法更符合可测性设计的设计流程,试验和复杂度分析表明该方法能显著降低传统方法的时间复杂度。     

基于二水平误差控制的序贯分支筛选法及应用

针对仿真实验中三水平序贯分支（sequential bifurcation,SB）难以处理定性因子的问题,提出了基于两水平的误差控制SB法,并在序贯概率比（sequential probability ratio test,SPRT）检验群组效应过程中,采用动态的初始仿真次数作为初始样本点,提高了SPRT的效率,减少了统计推断所需的仿真次数. 蒙特卡罗仿真的对比分析以及基于实际背景的仿真案例应用,验证了在保证统计推断效力的条件下,所提方法能明显降低SB所需的仿真次数,并成功处理包含定性因子的仿真模型.     

租赁设备的状态维修决策建模与优化

随着物联网技术飞速发展,租赁设备大多安装有传感系统,可以及时地对设备关键部件和整体运行状态进行检测,进而可基于设备的健康状态为其安排更为合理的维修方案,在降低租赁商维修费用的同时,尽量少地干预客户的正常施工,并且保证租赁设备在客户施工场所的可靠运行.本文研究了基于状态检测的租赁设备的最优维修问题,研究中引入了顺序状态检测,定义了基于状态的控制限维修策略,并建立了以维修开销最小为目标的解析模型,以决策系统最优的检测间隔和预防维修阈值.除检测、维修等基本费用外,模型中还进一步考虑了租赁系统的故障罚金和故障后维修超时罚金.在模型的求解中,推导了维修干预下设备任意时刻的检测概率和状态概率分布,作为模型构建和求解的依据.数值实验结果验证并表明了面向租赁设备的基于状态的维修策略的有效性.     

基于动态规划下最优停时方法的多目标公司兼并次序及时机选择

基于动态规划思想,使用最优停时方法研究了不确定的市场条件下,企业依次兼并两家目标公司的兼并次序和兼并时机问题。通过假设实现协同效应所需时间服从负指数分布来表征兼并后的整合风险,基于此建立了序贯兼并的最优停时模型,分析了沉没成本分阶段支付对序贯兼并决策的影响,并确定了扩张型序贯兼并的次序选择原则。研究发现,最佳兼并时机随着整合风险的增加而推迟;对于扩张型序贯兼并而言,兼并次序选择取决于沉没成本、谈判能力、企业规模、兼并协同度和整合风险等因素的权衡;分期逐额支付沉没成本能够提高企业的兼并积极性,加速兼并的实施。     

基于粒子滤波的弱目标检测前跟踪算法

针对低信噪比条件下弱目标的实时检测与跟踪,提出了一种基于粒子滤波,结合序贯概率比检验和固定样本长度似然比检验的递归检测前跟踪算法。粒子滤波用以解决跟踪中的非线性和非高斯问题;序贯概率比检验通过序贯累积多帧观测数据来提高信噪比,以最小时延检测到目标存在;固定样本长度似然比检验,通过选择合理的样本长度,保证持续检测到目标,且无延迟检测目标消失。仿真试验表明,该算法有着良好的检测与跟踪性能。     

Optimization of dynamic sequential test strategy for equipment health management

Testing is the premise and foundation of realizing equipment health management (EHM). To address the problem that the static periodic test strategy may cause deficient test or excessive test, a dynamic sequential test strategy (DSTS) for EHM is presented. Considering the situation that equipment health state is not completely observable in reality, a DSTS optimization method based on partially observable semi-Markov decision process (POSMDP) is proposed. Firstly, an equipment health state degradation model is constructed by Markov process, and the control limit maintenance policy is also introduced. Secondly, POSMDP is formulated in great detail. And then, POSMDP is converted to completely observable belief semi-Markov decision process (BSMDP) through belief state. The optimal equation and the corresponding optimal DSTS, which minimize the long-run expected average cost per unit time, are obtained with BSMDP. The results of application in complex equipment show that the proposed DSTS is feasible and effective.     

面向多极值质量特性的全局式序贯性实验设计方法

针对多极值质量特性的全局性建模和参数优化问题, 为降低实验设计样本量, 提高模型预测性能, 提出一种全局式序贯性设计方法. 首先在一定的初始实验设计方式下, 建立过程粗略的SVR模型; 而后根据模型中支持向量的分布, 在支持向量样本各维度的45度角或轴向方向同步地增加实验点, 再拟合过程新的SVR模型; 如此迭代进行, 当模型精度达到要求或样本量达到上限时终止序贯性设计. 仿真与实证研究表明, 该方法能够在可行域全局的范围内将实验点合理地分配在质量特性的多个极值附近, 避免了传统的单路径式序贯性设计只能发现单个极值的不足, 充分提高了实验效率; 与均匀空间网格设计、 拉丁超立方设计和均匀设计相比, 在样本量接近的情况下, 基于全局式序贯性设计的SVR 模型的预测均方误差至少降低了30%; 而在预测误差较为接近的情况下, 全局式序贯性设计的样本量至少降低了12%.