雷达发射机测试性验证试验方案样本量优化
DOI:
CSTR:
作者:
作者单位:

1.湖北工业大学 湖北省现代制造质量工程重点实验室 武汉 430068; 2.91776部队 北京 100841

作者简介:

通讯作者:

中图分类号:

TN955;TN707

基金项目:

国家自然科学基金(51975191)现代制造工程湖北省重点实验室开放基金(KFJJ-2020004、KFJJ-2020012)


Sample size optimization of test scheme in radar transmitter testability verification
Author:
Affiliation:

1.Hubei Key Laboratory of Manufacture Quality Engineering, Hubei University of Technology, Wuhan, 430068, China; 2. Unit 91776, Beijing, 100841, China

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    随着装备系统测试性验证的开展,雷达发射机系统中存在着故障样本数量庞大、试验周期长、试验成本高的问题,提出一种基于改进信息熵和Bayes后验风险准则的方法,对故障样本量进行优化。首先以雷达发射机系统子部件的虚拟试验数据为基础,采用改进信息熵的方法,通过折合系统子部件的虚拟先验信息,得到其系统级试验数据,确定先验分布;再通过Bayes后验风险准则方法,确定试验样本总量与最大允许失败次数,即确定试验方案。以雷达发射机系统的故障检测率为例,在保证双方指标要求的前提下,采用本文所提方法获得的测试性试验故障样本量为165,与经典抽样和序贯概率比检验方法相比,故障样本量分别减少了64.97%和51.18%,在一定程度上验证了本文所提方法的有效性。

    Abstract:

    With the development of the testing verification of the equipment system, there are a huge number of fault samples, long test cycle and high cost in the radar transmitter system. A method based on improving the information entropy and Bayes posterior risk criterion is proposed to optimize the fault sample size. Based on the virtual test data of radar transmitter subsystem, using the method of improving information entropy, obtain the system-level test data by converting the system subsystem, and then determine the total test samples and the maximum number of failures, which determine the test scheme. Taking the fault detection rate of the radar transmitter system, the test fault sample size of the proposed method is 165, reducing the fault sample size by 64.97% and 51.18% compared with the classical sampling and sequential probability ratio test methods, respectively, verifying the effectiveness of the proposed method to some extent.

    参考文献
    相似文献
    引证文献
引用本文

董正琼,袁顺,刘佳,周向东,聂磊,范宜艳.雷达发射机测试性验证试验方案样本量优化[J].电子测量技术,2022,45(2):154-158

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2024-06-17
  • 出版日期:
文章二维码