[發明專利]一種基于虛實融合的多階段維修性評估方法

有效

• 申請號: 202010978784.0
• 申請日: 2020-09-17
• 公開（公告）號: CN112214880B
• 公開（公告）日: 2022-12-20
• 發明（設計）人: 葛哲學;戚祝琦;楊擁民;羅旭;張弈
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06Q10/00;G06F119/12
• 代理公司: 重慶市信立達專利代理事務所(普通合伙) 50230
• 代理人: 陳炳萍

1.一種基于虛實融合的多階段維修性評估方法，其特征在于：評估方法如下：

S1.將裝備研制各階段的沉浸式虛擬維修仿真結果作為維修性評估的先驗信息，利用真人的評價結果和虛擬人仿真評價結果，對其進行虛實融合；

S2.在S1基礎上對融合先驗信息進行多階段序貫迭代融合，得到最終后驗分布；

S3.結合裝備的實物維修性試驗數據，得到對應維修性評估參數的估計結果并進行分析；

S1中沉浸式虛擬維修的虛實融合方法具體體現如下：

1)虛實維修性評估結果的產生：以裝備的平均維修時間，即MTTR，為計算基礎，假設在第i階段共開展n_i次沉浸式虛擬維修仿真試驗，則可以得到n_i對樣本，即真人體驗樣本和虛擬評價樣本裝備的維修時間可認為服從對數正態分布，即：

X＝lnT～N(μ,σ²)

因此，對于第i階段的沉浸式虛擬維修仿真，可以得到：

為驗證本文提出的融合方法，同時方便計算，下文涉及的各項工作均以時間樣本T的對數值樣本X為研究對象；

2)相容性檢驗的虛實評估結果融合方法：基于相容性檢驗結果的虛實融合主要步驟為：

a)在p_i的基礎上構造加權因子，得到虛擬數據的加權融合權重ω_i；

即p_i越大，則ω_i越大，在此基礎上可以構造加權函數，以保證虛擬評價結果在加權融合中的權重隨可信度增加而增加；

b)分別對虛實樣本的每一對數據進行加權平均，得到第i階段維修性評價結果的融合結果其中

S2多階段序貫迭代融合維修性評估具體體現如下：

1)多階段序貫迭代的思路及具體流程如下：

假設沉浸式虛擬維修試驗共產生m個階段的數據樣本，經過虛實融合處理后，第i個階段的信息樣本為：現場實物試驗樣本為：Z＝z₁,z₂,......,z_n，其具體思路如下：將第1階段的試驗數據作為最初的先驗信息，當獲取第2階段的數據后，按Bayes方法進行信息融合，得到后驗信息，并將其作為下一階段的先驗信息，如此依次遞推，直至得到多階段先驗信息的融合總后驗分布，并以此作現場實物試驗樣本的先驗分布；

2)多階段序貫迭代的參數計算方法如下：

在統計學原理中，先驗分布P(θ)表示在抽取樣本X之前對未知參數θ的預先了解，似然函數P(X|θ)表示抽取X后得到的樣本信息，P(θ|X)為綜合先驗分布P(θ)和樣本信息P(X|θ)所得到的參數θ的后驗分布，即P(θ|X)∝P(X|θ)P(θ)，如果后驗分布P(θ|X)和先驗概率P(θ)滿足同樣形式的分布律，那么先驗分布和后驗分布稱為共軛分布；同時，先驗分布稱為似然函數P(X|θ)的共軛先驗分布，多階段Bayes融合的本質即根據樣本信息對各階段的共軛分布進行計算；

在貝葉斯概率理論中，對于均值、方差都未知的正態分布N(μ,σ²)，其均值服從正態分布，方差服從逆伽馬分布，對應的共軛先驗分布合稱為正態-逆伽馬分布(N-IGa)，即：

μ_π、κ_π、ν_π、σ_π²即為各階段迭代融合所需計算的四個未知超參數，根據概率論相關原理，對相應的概率密度函數進行乘法運算，推導得出在多階段Bayes融合過程中第i，i≥2，階段的超參數計算方法如下：

式中，n_i、分別為第i, i≥2, 階段樣本的數據個數、均值及方差，對于第1階段的超參數，其無法通過遞推算法推導，但可以根據N-IGa分布的統計學特征量進行矩估計，使用Bootstrap方法求出中μ₁的均值和方差的均值和方差對應的第1階段的超參數計算公式為：

通過超參數的迭代計算，即可得到每一階段數據對應的先驗及后驗分布，對于現場實物試驗樣本，其對應的超參數計算方法如下：

在現場樣本條件下，正態總體的未知參數μ和σ²的最大后驗估計值的計算公式為：

在得到最大后驗估計的基礎上，根據對數正態分布原理，相應的對數正態總體期望值的計算公式為：

對于服從對數正態分布的維修時間指標，E(T)即為其平均值。