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