摘要:测试性预计是以UUT测试性指标作为主要研究对象的一项工作,其主要数学工具是概率论。而贝叶斯网络是基于概率论和图论的不确定知识表示模型,在不确定知识和模型表示与推理中表现出卓越的性能。所以可以将贝叶斯网络和测试性预计工作很容易地结合起来。基于贝叶斯网络的测试性预计方法,不但可信度高、建模方便,而且可以很方便地集成到测试、诊断的信息框架内,与其他智能诊断模型进行信息交互。该方法体现了“并行设计”思想,适用于UUT的全寿命周期维护。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
热门期刊服务
相关文章
影响因子:0.31
期刊级别:北大期刊
发行周期:双月刊
期刊在线咨询,1-3天快速下单!
查看更多>
超1000杂志,价格优惠,正版保障!
一站式期刊推荐服务,客服一对一跟踪服务!