CN115860559A - 一种导弹平均修复时间的评估方法 - Google Patents
一种导弹平均修复时间的评估方法 Download PDFInfo
- Publication number
- CN115860559A CN115860559A CN202211608822.9A CN202211608822A CN115860559A CN 115860559 A CN115860559 A CN 115860559A CN 202211608822 A CN202211608822 A CN 202211608822A CN 115860559 A CN115860559 A CN 115860559A
- Authority
- CN
- China
- Prior art keywords
- missile
- time
- evaluation
- mean
- repair time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)
Abstract
本发明公开了一种导弹平均修复时间的评估方法。以维修性试验和数理统计为基础,建立评估模型;通过导弹的维修性试验得到修复时间[T1,T2,…,Tx],将[T1,T2,…,Tx]输入至评估模型中评估,得到平均修复时间的评估值以及判定试验数据是否合理。本发明能优化维修性试验方案,提高评估水平。
Description
技术领域
本发明涉及一种维修性指标的评估方法,特别是涉及一种导弹平均修复时间的评估方法。
背景技术
以往导弹的平均修复时间的评估,需要试验,时间长,费用高。
导弹维修性指标中平均修复时间需要满足一定的要求,通过试验进行测试,但是试验的次数与样本确定很困难。因此,需要在导弹完成维修性试验的基础上,设计一种不仅能够考核试验数据是否充分,也能完成导弹平均修复时间的评估方法。
发明内容
本发明的目的是:提供一种导弹平均修复时间的评估方法。本发明能优化维修性试验方案,提高评估水平。
本发明的技术方案是:一种导弹平均修复时间的评估方法,以维修性试验和数理统计为基础,建立评估模型;通过导弹的维修性试验得到修复时间[T1,T2,…,Tx],将[T1,T2,…,Tx]输入至评估模型中评估,得到平均修复时间的评估值以及判定试验数据是否合理。
前述的导弹平均修复时间的评估方法中,所述的评估模型以Matlab为平台采用正态分布最小二乘法和极大似然法建立。
前述的导弹平均修复时间的评估方法中,评估模型的建立包括步骤a:
假设有平均修复时间[T1,T2,…,Tx],Fn(ti)是其经验分布函数,令
需拟合的直线方程为y=a3+b3x,
采用最小二乘法可估计出回归系数a3和b3,因此可得到评估结果
前述的导弹平均修复时间的评估方法中,评估模型的建立包括步骤b:
假设有平均修复时间[T1,T2,…,Tx],极大似然估计评估结果
前述的导弹平均修复时间的评估方法中,导弹的平均修复时间包括拆卸可更换单元的时间。
前述的导弹平均修复时间的评估方法中,导弹的平均修复时间还包括装配可更换单元的时间。
前述的导弹平均修复时间的评估方法中,导弹的平均修复时间还包括装配后测试产品的时间。
前述的导弹平均修复时间的评估方法中,评估值符合正态分布时,判定试验数据合理。
本发明的优点是:与现有技术相比,本发明实现了导弹平均修复时间指标的评估,同时优化维修性试验方案,提高了评估水平。
附图说明
图1是本发明原理示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明,但并不作为对本发明限制的依据。
实施例1。一种导弹平均修复时间的评估方法,参见图1,以维修性试验和数理统计为基础,建立评估模型;通过导弹的维修性试验得到修复时间[T1,T2,…Tx],将[T1,T2,…,Tx]输入至评估模型中评估,得到平均修复时间的评估值以及判定试验数据是否合理。
前述的评估模型以Matlab为平台采用正态分布最小二乘法和极大似然法建立。
前述的评估模型的建立包括:
步骤a:假设有平均修复时间[T1,T2,…,Tx],Fn(ti)是其经验分布函数,令
需拟合的直线方程为y=a3+b3x,
采用最小二乘法可估计出回归系数a3和b3,因此可得到评估结果
步骤b:假设有平均修复时间[T1,T2,…,Tx],极大似然估计评估结果
前述的评估值符合正态分布时,判定试验数据合理。
导弹平均修复时间包括拆卸可更换单元的时间、装配可更换单元的时间及装配后测试产品的时间。在目前的评估中一般选用一枚产品进行多次试验确定,产品的样本数和试验次数决定了评估值的大小,因为操作的不确定性,试验的复杂性,不可能进行大量的试验来获取准确的试验结果,所以产品的试验结果分散很大,置信度不高。
采用本发明的评估方法可以确定试验方案的合理性,准确的得到导弹平均修复时间的评估值,提高评估结果的置信水平。平均修复时间为随机变量,采用正态分布建立数学模型的评估值比权重比例计算法更符合实际情况,也更加能说明样本和实际的差别。
以某型产品为例,某型产品为了考核产品的技术准备时间对可拆卸部分进行拆装更换测试试验,所有部件按故障率的比率设定拆装次数,一共30次,得到试验时间数据[31,31,29,27,26,25,26,24,25,24,26,24,23,24,26,28,27,23,24,25,25,24,30,30,26,24,24,26,24,24],得到平均修复时间27分钟,从统计学角度看,试验考虑部件发生的概率的随机性不充分,将试验数据带入此发明评估模型,得到相关系数r=0.9295,说明产品的技术准备时间试验数据符合正态分布,得到平均修复时间的均值为25.83分钟,均方根误差为0.095,相对均方根误差0.165。
Claims (8)
1.一种导弹平均修复时间的评估方法,其特征在于:以维修性试验和数理统计为基础,建立评估模型;通过导弹的维修性试验得到修复时间[T1,T2,…Tx],将[T1,T2,…,Tx]输入至评估模型中评估,得到平均修复时间的评估值以及判定试验数据是否合理。
2.根据权利要求1所述的导弹平均修复时间的评估方法,其特征在于:所述的评估模型以Matlab为平台采用正态分布最小二乘法和极大似然法建立。
5.根据权利要求1所述的导弹平均修复时间的评估方法,其特征在于:导弹的平均修复时间包括拆卸可更换单元的时间。
6.根据权利要求5所述的导弹平均修复时间的评估方法,其特征在于:导弹的平均修复时间还包括装配可更换单元的时间。
7.根据权利要求6所述的导弹平均修复时间的评估方法,其特征在于:导弹的平均修复时间还包括装配后测试产品的时间。
8.根据权利要求1所述的导弹平均修复时间的评估方法,其特征在于:评估值符合正态分布时,判定试验数据合理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211608822.9A CN115860559A (zh) | 2022-12-14 | 2022-12-14 | 一种导弹平均修复时间的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211608822.9A CN115860559A (zh) | 2022-12-14 | 2022-12-14 | 一种导弹平均修复时间的评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860559A true CN115860559A (zh) | 2023-03-28 |
Family
ID=85672981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211608822.9A Pending CN115860559A (zh) | 2022-12-14 | 2022-12-14 | 一种导弹平均修复时间的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860559A (zh) |
-
2022
- 2022-12-14 CN CN202211608822.9A patent/CN115860559A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376881B (zh) | 基于维修成本优化的复杂系统维修决策方法 | |
Robinson et al. | Bayesian methods for a growth-curve degradation model with repeated measures | |
CN108132914B (zh) | 有限数量产品性能失效率的高置信度统计推断和确认方法 | |
CN109359270B (zh) | 北斗地基增强系统完好性风险监测的阈值模型建立方法 | |
RU2009146122A (ru) | Моделирование дистанционной диагностики | |
CN113762525B (zh) | 一种具有差分隐私保护的联邦学习模型训练方法 | |
Xing et al. | Dynamic Bayesian evaluation method for system reliability growth based on in-time correction | |
CN110196779B (zh) | 一种星上电子产品加速寿命试验时间计算方法 | |
CN109684713B (zh) | 基于贝叶斯的复杂系统可靠性分析方法 | |
CN110414086A (zh) | 一种基于灵敏度的综合应力加速因子计算方法 | |
CN115860559A (zh) | 一种导弹平均修复时间的评估方法 | |
CN107798149B (zh) | 一种飞机维修性评估方法 | |
CN108459991A (zh) | 一种获得设备可靠性数据的方法 | |
US8666911B2 (en) | System and method for statistical measurment validation | |
CN115688316A (zh) | 基于单元数据重组的航空发动机多层级可靠性评估方法 | |
CN109857581A (zh) | 一种优化选择软件可靠性增长模型的方法 | |
CN111859296B (zh) | 一种基于装备使用期间的测试性指标评估方法及系统 | |
CN105550099A (zh) | 一种sap系统状态评价方法 | |
CN109684697A (zh) | 一种当量损伤模型的确定方法 | |
CN115203840A (zh) | 基于贝叶斯序贯试验的涡轮盘可靠性验证方法 | |
CN110895624A (zh) | 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法 | |
CN116167788A (zh) | 一种工业产品设计成本核算方法 | |
CN115455647A (zh) | 一种基于随机过程的小卫星寿命评估方法及系统 | |
CN114492074A (zh) | 一种概率损伤容限评估分析方法 | |
CN109815442B (zh) | 计及技术指标测量值的复杂系统可靠性分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |