针对装备性能在“全数字试验→半实物试验→外场实装试验”多个不同阶段递进环节中的试验设计与评估问题,本书将统计理论前沿问题与装备试验鉴定背景有效结合,以响应模型为核心技术主线,按照“探索性适应性设计→指标适应性评估→适应性序贯设计与评估”的试验设计流程指导,构建了基于响应模型的装备试验适应性序贯设计与评估理论方法框架.本书围绕“中间验证”试验和“摸边探底”试验分别提供了相应的适应性序贯设计与评估方法,并具体给出了案例应用与验证.
更多科学出版社服务，请扫码获取。
2000-04至2003-12，国防科学技术大学，应用数学，博士，导师：王正明
1997-09至2000-03，国防科学技术大学，应用数学，硕士，导师：王正明
1993-09至1997-07，国防科学技术大学，应用数学，学士2003.12~2005.12 国防科技大学理学院 讲师
2005.12~2011.12 国防科技大学理学院 副教授
2007.08~2008.08 美国俄亥俄州立大学 访问学者
2011.12~2012.10 国防科技大学理学院 教授
2012.10-2017.12 国防科技大学理学院 系副主任，教授
2016.10~2016.11 英国华威大学 高级访问学者
2017.12-2022.06 国防科技大学文理学院 系主任，教授
2022.06~2023.06 国防科技大学理学院 中心主任，教授
2023.06~至今 国防科技大学理学院 教授复杂系统建模与评估系统科学学科评议组秘书长
中国现场统计研究会试验设计分会常务理事
中国工业与应用数学学会理事
系统理论专委会副主任委员
目录
序
前言
第1章 装备试验设计与评估概述 1
1.1 装备试验设计与评估的特点 1
1.2 国内外试验设计与评估方法综述 2
1.2.1 试验设计方法 2
1.2.2 试验评估方法 11
1.2.3 问题与挑战 16
1.3 适应性序贯设计与评估内涵分析 17
1.4 装备性能试验相关概念与分类 18
1.5 适应性序贯设计与评估流程 19
1.6 延展阅读——幸存者偏差 24
1.7 延展阅读——沃尔德轶事 25
第2章 试验样本量确定 26
2.1 单阶段试验样本量确定 26
2.1.1 基于置信区间精度的样本量确定 26
2.1.2 给定两类风险要求的样本量确定 36
2.1.3 给定联合要求的样本量确定 47
2.1.4 基于Bayes试验损失的样本量确定 49
2.2 多阶段试验样本量规划 56
2.2.1 设计效应指标 57
2.2.2 虚实样本折合模型 58
2.2.3 一体化试验规划模型 59
2.2.4 试验成本约束下的样本量分配案例 61
2.3 小结 64
2.4 延展阅读——坦克数量问题的矩估计与极大似然估计 64
第3章 单阶段试验适应性评估 67
3.1 装备试验性能指标的参数估计 67
3.1.1 无先验信息的经典统计估计方法 67
3.1.2 含先验信息的Bayes估计方法 72
3.2 装备试验性能指标的假设检验 78
3.2.1 无先验信息的经典假设检验方法 78
3.2.2 含先验信息的Bayes假设检验方法 82
3.2.3 序贯概率比检验方法 85
3.2.4 Bayes序贯检验方法 89
3.2.5 假设检验算例 96
3.3 单精度响应曲面模型估计 100
3.3.1 高斯过程模型 100
3.3.2 Logistic模型 102
3.3.3 仿真案例 103
3.4 小结 107
3.5 延展阅读——一发一中与百发百中的命中率估计 107
第4章 多阶段试验适应性融合评估 110
4.1 Bayes数据融合评估思想 110
4.2 先验数据分析处理 112
4.2.1 先验数据的异常值剔除 112
4.2.2 先验分布的确定 113
4.3 先验数据融合一致性分析 125
4.3.1 两个独立样本的Mann-Whitney秩和检验 126
4.3.2 多个独立样本的Kruskal-Wallis秩和检验 127
4.3.3 小样本下的Bootstrap秩和检验 129
4.4 先验数据可信度计算 129
4.4.1 概述 129
4.4.2 基于数据层面的可信度度量 130
4.4.3 基于数据物理来源的可信度度量 136
4.4.4 复合可信度 140
4.5 先验数据代表点选取 141
4.5.1 代表点选取优化流程 141
4.5.2 代表点方法的性能分析 145
4.6 融入先验代表点的Bayes融合推断 147
4.6.1 Bayes融合推断 148
4.6.2 极小子样下的外场数据验证 151
4.6.3 仿真案例 151
4.7 命中精度一致性分析与评估 155
4.7.1 基于正态分布的命中概率Bayes估计 155
4.7.2 基于二项分布的命中概率Bayes估计 158
4.7.3 一致性分析及仿真算例 159
4.8 多条件概率下的精度适应性评估 161
4.8.1 多条件概率下的精度后验分布 161
4.8.2 多条件概率下的CEP上限计算 162
4.8.3 算法性能分析 167
4.9 小结 171
4.10 延展阅读——从跳水赛事打分规则看Bayes融合评估 172
4.11 延展阅读——三门问题与条件概率 173
第5章 单阶段探索性试验设计 175
5.1 探索性试验设计 175
5.1.1 无先验模型下的试验设计方法 175
5.1.2 有先验模型下的最优设计方法 195
5.1.3 定性定量因素结合的约束空间设计 199
5.2 算例分析 217
5.2.1 正交试验设计案例分析 217
5.2.2 均匀试验设计案例分析 221
5.2.3 拉丁超立方设计案例分析 224
5.2.4 最优回归设计案例分析 225
5.3 小结 227
5.4 延展阅读——拉丁方的发展 228
第6章 单阶段适应性序贯试验设计 230
6.1 无模型的序贯均匀适应性设计 230
6.1.1 水平数不变的行扩充均匀设计 230
6.1.2 水平数增加的行扩充均匀设计 232
6.1.3 因素数增加的列扩充试验设计 233
6.1.4 仿真案例 235
6.2 基于高斯过程模型的适应性序贯设计 236
6.2.1 高斯过程模型 237
6.2.2 适应性设计准则 238
6.2.3 仿真案例 239
6.3 小结 241
6.4 延展阅读——裂区设计 242
第7章 多阶段高低精度试验适应性序贯设计 244
7.1 无模型的嵌套序贯设计 244
7.1.1 嵌套拉丁方空间填充设计 245
7.1.2 序贯嵌套拉丁超立方体设计 254
7.2 基于高低精度的响应曲面模型序贯设计 258
7.2.1 针对定性定量因素和高低精度函数的代理模型 258
7.2.2 基于加性高斯过程和分层Kriging模型的多精度序贯优化 261
7.2.3 不规则区域下的多精度定性定量适应性序贯优化 263
7.2.4 仿真算例 264
7.3 综合权重及时序约束信息的批序贯设计 279
7.3.1 基于先验信息的回归函数构造与问题 280
7.3.2 加权D-最优设计 281
7.3.3 批序贯空间加权的约束试验最优方案设计 283
7.3.4 仿真算例 286
7.4 小结 289
7.5 延展阅读——稳健设计 290
7.6 延展阅读——Kriging模型的由来 291
第8章 装备试验适应性序贯设计与评估案例分析 293
8.1 “中间验证”试验评估案例 293
8.1.1 案例背景与流程 293
8.1.2 样本量确定 294
8.1.3 等效折合样本的一致性检验 295
8.1.4 代表点选取 296
8.1.5 Bayes融合评估 296
8.2 单阶段“摸边探底”无模型适应性序贯设计与评估案例 297
8.2.1 案例背景与流程 297
8.2.2 试验设计因素梳理 297
8.2.3 样本量确定 298
8.2.4 初始试验设计 298
8.2.5 重要影响因素分析 301
8.2.6 初始试验评估 301
8.2.7 适应性序贯试验设计与评估 302
8.3 多阶段“摸边探底”无模型适应性序贯设计与评估案例 306
8.3.1 案例背景与流程 306
8.3.2 试验设计因素梳理 306
8.3.3 样本量确定 307
8.3.4 序贯均匀试验设计 307
8.3.5 数据融合条件判定 307
8.3.6 复合可信度计算 308
8.3.7 基于复合可信度的Bayes融合估计 308
8.3.8 评估结果的置信度 308
8.4 多阶段“摸边探底”有模型适应性序贯设计与评估案例 309
8.4.1 案例背景与流程 309
8.4.2 试验设计因素梳理 310
8.4.3 全数字仿真阶段序贯试验 310
8.4.4 半实物仿真阶段序贯试验 315
8.5 小结 320
8.6 延展阅读——无人机作战试验设计 321
参考文献 323
书单推荐
