对火工品高响应点进行估计的方法和系统

摘要

本申请公开了对火工品高响应点进行估计的方法和系统，该方法设置火工品初始试验水平值，对火工品进行响应处理，生成初始响应结果数据，设置试验水平值和响应结果迭代关系，进行迭代处理生成迭代试验水平值；识别初始响应结果数据所对应的响应状态为响应时，加大损失权重调整该迭代试验水平值再次响应处理，监测到为未响应时，减小损失权重调整该迭代试验水平值响应处理，直到出现响应时，再次增大该损失权重调整并进行响应处理，直至遍历预定的样本量，最后迭代出的试验水平值作为火工品高响应点的估计值输出。本发明解决对火工品高响应点的估计试验方法中，估计精度差、无效试验发生率较高以及由于初始值的设置偏差导致估计精度严重恶化的问题。

主权项

一种对火工品高响应点进行估计的方法，其特征在于，包括：设置火工品的初始试验水平值，根据所述初始试验水平值对所述火工品进行响应处理，生成初始响应结果数据，并设置所述试验水平值和初始响应结果数据的迭代关系，通过所述迭代关系对所述初始试验水平值和初始响应结果数据进行迭代处理，生成迭代试验水平值；从初始试验水平值x_1,1＝μ_g，其中，所述μ_g为感度分布N(μ,σ)中μ的参数值，开始设置所述试验水平值和初始响应结果数据的迭代关系，进一步为：x_1,i+1＝x_1,i‑a_1,i(y_1,i‑b_1,i),i≥1，其中，用于迭代的常数序列b_1,i＝1/2、τ²_1，i是误差z_i的方差，β²是响应分布方差猜测值的倒数，${\beta }^2=\frac{1}{{\sigma }_g},$进行至少8次迭代处理后，计算响应分布标准差参数σ的估计为：$\tilde{\mu }=(x^{+}-x^{-})/2,\tilde{\sigma }=\sqrt{\frac{1}{8-1}\underset{i=1}{\overset{8}{\Sigma }}{(x_{1,i}-\tilde{\mu })}^2},$其中x⁺＝min{x_1,i:y_1,i＝1,i＝1,…,8}，x‑＝max{x_1,i:y_1,i＝0,i＝1,…,8}；x⁺中的冒号为：在8次试验中，响应数据y_1,i＝1所对应的试验水平值；x‑中的冒号为：在8次试验中，响应数据y_1,i＝0所对应的试验水平值；进一步设置所述试验水平值和初始响应结果数据的迭代关系：x_2,i+1＝x_2,i‑a_2,i(y_2,i‑b_2,i)将该迭代关系下的首次试验水平取为x_2,1＝x_p,g+v₁，其中x_p,g是火工品高响应点的猜测值，v₁满足使平均损失函数E{L(z_2.1)}达到最小，设置第i+1(i≥1)个试验水平x_2,i+1，其中a_2，i和b_2，i满足使平均损失函数E{L(z_2,i+1)}达到最小，并将误差定义为z_2,i＝x_2,i‑x_p，其中，所述x_p为火工品高响应点，z_2,i服从正态分布其中z_2,i的均值v_i，方差获得：$a_{2,i}=\frac{E\left[z_{2,i}M\left(z_{2,i}\right)\right]-v_{i}E\left[M\left(z_{2,i}\right)\right]}{E\left[M\left(z_{2,i}\right)\right]-E^2\left[M\left(z_{2,i}\right)\right]}$$b_{2,i}=E\left[M\left(z_{2,i}\right)\right]-\frac{v_i-v_{i+1}}{a_{2,i}}$其中[M(z_2,i)]的均值[z_2,iM(z_2,i)]的均值v_i，分别是z_2,i的均值与方差；M(z_2,i)＝Φ(γz_2,i+Φ^‑1(p))，响应分布标准差估计的倒数识别所述初始响应结果数据所对应的响应状态为响应时，对所述迭代试验水平值进行损失权重调整，并加大所述损失权重调整该迭代试验水平值；由不对称损失函数进行损失权重调整，进一步为：其中，z_i＝x_i‑x_p为试验水平x_i与所述火工品的高响应点x_p的误差；w为不对称损失权重，当z_i≤0时，w＝λ，当z_i>0时，w＝1，该不对称损失权重w为$w=\left\{\begin{array}{cc}\lambda ,& z_i\le 0\\ 1,& z_i>0\end{array}\right.,\lambda =(1-p)/5;$对调整后的所述迭代试验水平值再次进行所述响应处理，并监测该响应处理所生成的迭代响应结果数据的响应状态，监测到所述迭代响应结果数据的响应状态为未响应时，减小所述损失权重调整该迭代试验水平值并进行所述响应处理，直到所述迭代响应结果数据的响应状态出现响应时，再次增大该损失权重调整该迭代试验水平值并进行所述响应处理，直至遍历预定的样本量，将最后迭代出的试验水平值作为所述火工品高响应点的估计值输出。