安 進(jìn)，徐廷學(xué)，李志強(qiáng)，朱桂芳,2

(1.海軍航空工程學(xué)院 兵器科學(xué)與技術(shù)系, 山東 煙臺 264001； 2.火箭軍工程大學(xué) 士官學(xué)院, 山東 青州 262500)

?

【裝備理論與裝備技術(shù)】

基于數(shù)據(jù)融合的某型裝備品質(zhì)狀態(tài)評估

安 進(jìn)1，徐廷學(xué)1，李志強(qiáng)1，朱桂芳1,2

(1.海軍航空工程學(xué)院 兵器科學(xué)與技術(shù)系, 山東 煙臺 264001； 2.火箭軍工程大學(xué) 士官學(xué)院, 山東 青州 262500)

基于品質(zhì)狀態(tài)評估的背景，在分析某型裝備品質(zhì)狀態(tài)影響因素的基礎(chǔ)上，從通用性能信息、測試信息、環(huán)境信息和裝備履歷信息出發(fā)，分別運(yùn)用BP神經(jīng)網(wǎng)絡(luò)、ER算法、物元理論和灰色聚類法進(jìn)行分析評估；最終進(jìn)行各類信息的數(shù)據(jù)融合，從而掌握裝備的品質(zhì)狀態(tài)，為裝備品質(zhì)管理與維修決策提供支持。

品質(zhì)狀態(tài)評估；數(shù)據(jù)融合；BP神經(jīng)網(wǎng)絡(luò)；ER算法；灰色聚類法；物元分析

某型裝備具有“長期貯存、一次使用”的特點(diǎn)，導(dǎo)致其對品質(zhì)狀態(tài)的評估無法通過性能參數(shù)或者故障征兆進(jìn)行故障診斷、預(yù)測，即通過故障數(shù)據(jù)擬合進(jìn)行故障預(yù)測，也由于數(shù)據(jù)量等原因，使得預(yù)測結(jié)果可信度較低。因此，可通過品質(zhì)狀態(tài)分級，建立品質(zhì)狀態(tài)評估模型來確定裝備實(shí)時品質(zhì)狀態(tài)等級，根據(jù)不同等級進(jìn)一步研究維修策略。

本文基于品質(zhì)狀態(tài)評估的背景，在分析某型裝備品質(zhì)狀態(tài)影響因素的基礎(chǔ)上，從通用性能信息、測試信息、環(huán)境信息和裝備履歷信息出發(fā)，分別運(yùn)用BP神經(jīng)網(wǎng)絡(luò)、ER算法、物元理論和灰色聚類法進(jìn)行分析評估；最終進(jìn)行了各類信息的數(shù)據(jù)融合，從而掌握裝備的品質(zhì)狀態(tài)，為裝備品質(zhì)管理與維修決策提供支持。

1 品質(zhì)狀態(tài)評估背景

品質(zhì)狀態(tài)評估概念來源于技術(shù)狀態(tài)評估和健康狀態(tài)評估，在基于狀態(tài)的維修(CBM)理念提出和發(fā)展的同時，狀態(tài)評估作為其中的重要環(huán)節(jié)，得到了廣泛的研究和應(yīng)用[1]。與傳統(tǒng)品質(zhì)評估的依靠專家經(jīng)驗(yàn)為主的定性評估不同，品質(zhì)狀態(tài)評估主要偏重于基于監(jiān)測數(shù)據(jù)的綜合評估，通過綜合分析裝備的自身性能因素、環(huán)境和任務(wù)剖面，從監(jiān)測過程中得到的通用性能信息、測試信息、環(huán)境應(yīng)力信息和裝備履歷信息等出發(fā)，運(yùn)用適用的評估方法，分析判定裝備的品質(zhì)狀態(tài)。

品質(zhì)評估一直是某型裝備綜合保障與品質(zhì)管理領(lǐng)域研究的熱點(diǎn)。張永久等針對某型裝備特點(diǎn)，羅列了可能的品質(zhì)評估方法[2]，并對評估系統(tǒng)進(jìn)行了設(shè)計(jì)論證[3]；李恩友[4]、趙嵩正[5]、劉偉[6]、段林杰[7]等人分別就某型裝備的各個階段進(jìn)行了品質(zhì)評估方法的探討，確定評估指標(biāo)，分配權(quán)重，構(gòu)建評估模型，采用的方法涵蓋等定性、定量及綜合評估方法；馬亞龍等[8]則在研究評估理論及方法的基礎(chǔ)上，梳理了適用于軍事領(lǐng)域的理論和方法。

對于某型裝備來說，隨著任務(wù)需求的提升，對其戰(zhàn)備完好性和品質(zhì)狀態(tài)提出了更高的要求，因此合理進(jìn)行品質(zhì)等級劃分、確定品質(zhì)等級狀態(tài)對于提高裝備品質(zhì)，促進(jìn)裝備的高效決策，向基于狀態(tài)的維修和精確化保障推進(jìn)具有重要意義。其中的關(guān)鍵環(huán)節(jié)就是分析提取某型裝備品質(zhì)狀態(tài)影響因素，進(jìn)而運(yùn)用適當(dāng)方法分別進(jìn)行評估，從而進(jìn)行數(shù)據(jù)融合，獲取裝備的實(shí)際品質(zhì)狀態(tài)。

2 某型裝備品質(zhì)狀態(tài)影響因素分析

對于某型裝備來說，從裝備交付部隊(duì)到消耗或者報廢的裝備使用周期內(nèi)，多種不同的任務(wù)剖面，會給裝備帶來不同程度的影響。根據(jù)對某型裝備品質(zhì)監(jiān)控信息的綜合分析，得出影響某型裝備品質(zhì)的主要信息有：管理因素、環(huán)境因素、設(shè)備及器材因素、人員因素[9]。本文所提出的評估指標(biāo)是為建立裝備品質(zhì)狀態(tài)監(jiān)測與管理系統(tǒng)服務(wù)，因此將用以評估裝備品質(zhì)狀態(tài)的信息分為四大類：通用性能信息、測試信息、裝備履歷信息以及環(huán)境信息。

通用性能信息是指能夠反映裝備本身固有功能能力及品質(zhì)的指標(biāo)信息[10]，如可靠性、維修性、保障性等，這類指標(biāo)信息對品質(zhì)狀態(tài)評估起到輔助作用。

測試信息是指裝備日常測試所得到的與其品質(zhì)狀態(tài)相關(guān)參數(shù)的信息，隨著傳感器等技術(shù)的發(fā)展，測試設(shè)備得到了更新與廣泛應(yīng)用，通過構(gòu)建適當(dāng)模型進(jìn)行測試數(shù)據(jù)分析，進(jìn)而對裝備的品質(zhì)狀態(tài)進(jìn)行評估。

裝備履歷信息主要包括某型裝備交付時攜帶的固有信息，也包括其在長期貯存過程積累的信息。當(dāng)裝備履歷信息不全面時，也可參考同類裝備發(fā)生故障的情況。

環(huán)境信息主要通過傳感器監(jiān)測、數(shù)據(jù)采集分系統(tǒng)等各種手段獲取。在所建立的裝備品質(zhì)狀態(tài)管理系統(tǒng)中，實(shí)時環(huán)境數(shù)據(jù)對整個品質(zhì)狀態(tài)評估的可信度產(chǎn)生直接影響，對于長期貯存裝備是十分重要的。

對某型裝備品質(zhì)狀態(tài)的評估主要是對通用性能信息、測試信息、歷史信息、環(huán)境信息等多種信息的綜合分析，同時還要考慮時間修正等因素，整個評估模型如圖1所示。

圖1 品質(zhì)狀態(tài)評估模型

3 基于數(shù)據(jù)融合的品質(zhì)狀態(tài)評估

3.1 基于BP神經(jīng)網(wǎng)絡(luò)的通用性能信息評估

通用性能信息評估涉及的評價因素?cái)?shù)目較大，因素間結(jié)構(gòu)比較復(fù)雜且呈現(xiàn)非線性，如圖2所示。BP神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射逼近能力和泛化能力以及易實(shí)現(xiàn)性，能夠很好的避免主觀因素影響，通過BP算法對評價體系中各指標(biāo)進(jìn)行客觀分權(quán)，從而能合理得出通用性能信息反映的品質(zhì)真實(shí)水平。

BP網(wǎng)絡(luò)是一種具有3層或3層以上的神經(jīng)元的單向傳播多層前向神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)樣本按照“誤差逆?zhèn)鞑ニ惴ā边M(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練。具體方法參照文獻(xiàn)[11]。

3.2 基于ER時間修正的測試信息評估

ER方法能夠根據(jù)人的推理模式對數(shù)據(jù)進(jìn)行處理，采用概率分配和不確定性來決定多個證據(jù)下假設(shè)的似然函數(shù)，是對傳統(tǒng)D-S證據(jù)理論的改進(jìn)[12]。

S(ei)={(Hn,βn,i),n=1,…,N}

圖2 通用性能信息評估模型

定義1：基本屬性的概率指派函數(shù)。令mn,i為已分配的概率指派函數(shù)，表示第i個基本屬性ei支持廣義屬性y被評為第n個等級的Hn的程度；mH,i為未分配的概率指派函數(shù)，表示基本屬性對廣義屬性沒有分配給具體等級的支持度。

mn,i=ωiβn,i

(1)

(2)

(3)

(4)

定義2：廣義屬性的組合概率指派函數(shù)。令mn,I(i)表示所有L個基本屬性支持廣義屬性y被評為第n個等級的Hn的程度；mH,I(i)表示基本屬性聚合后，廣義屬性y沒有分配給具體損傷等級的程度。

mn,I(i+1)=KI(i+1)[mn,I(i)mn,i+1+mH,I(i)mn,i+1+mn,I(i)mH,i+1]

(5)

(6)

(7)

i=1,…,L-1

(8)

其中：I(i+1)表示含i+1個基本指標(biāo)屬性；K為規(guī)模化因子，反映了各證據(jù)間沖突的程度。

(9)

(10)

其中：βn表示廣義屬性被評為第n個等級的信任度；βH表示未被分配的信任度。

某型裝備的特點(diǎn)使得一般情況下只能得到每次測試時的品質(zhì)狀態(tài)，無法反映裝備在每兩次測試之間的時間段內(nèi)的品質(zhì)狀態(tài)及其變化規(guī)律，因而對其進(jìn)行時間修正。

(11)

其中(T1,T2)為裝備緩慢失效時間，(T2,T3)為裝備快速失效時間，a，b為裝備退化系數(shù)。

3.3 基于物元理論的環(huán)境信息評估

物元理論以物元為基本元，建立物元模型，以物元可拓為依據(jù)，采用矩陣形式化工具，從定量和定性兩個角度分析問題，并定量地給出評估結(jié)果[13]，在環(huán)境信息評估中，可將直接間接獲取的信息用n維物元表示為

(12)

其中：c1,c2,…,cn為描述環(huán)境的n個特征，其相應(yīng)量值為v1,v2,…,vn。

則基于物元理論的環(huán)境信息評估的步驟：

1) 確定環(huán)境信息的物元集合。經(jīng)典域?yàn)?/p>

(13)

式(13)中，Nj(j=1,2,…,m)為某型裝備環(huán)境信息物元所劃分的第j個評估等級；Ci為環(huán)境信息指標(biāo)中的第i個評估指標(biāo)；Vji表示Nj關(guān)于指標(biāo)Ci所規(guī)定的量值范圍，即經(jīng)典域。

節(jié)域?yàn)?/p>

(14)

式(14)中，Np表示評估等級的全體；Vpi表示Np關(guān)于環(huán)境信息指標(biāo)Ci所取值的量值范圍，即節(jié)域。

2) 確定環(huán)境信息構(gòu)成的物元。對待評物元，把監(jiān)測得到的數(shù)據(jù)用物元表示。

(15)

式(15)中，Nj表示待評物元；vi為Nj關(guān)于環(huán)境信息指標(biāo)ci的量值，即待評物元監(jiān)測得到的數(shù)據(jù)。

3) 確定環(huán)境信息等級的關(guān)聯(lián)度。點(diǎn)x0與有限實(shí)區(qū)間X=〈a,b〉的距為

(16)

相應(yīng)的關(guān)聯(lián)函數(shù)值為

(17)

式(17)中，Kj(vi)表示第i個指標(biāo)關(guān)于第j個評估等級的關(guān)聯(lián)度。對于每個分項(xiàng)指標(biāo)ci，若其權(quán)重為αi，則待評物元關(guān)于等級j的關(guān)聯(lián)程度表示為

(18)

4) 環(huán)境信息等級的綜合評定。若Kj=maxKj(N0)，(j=1,2,…,m)，則評定N0屬于等級j。

3.4 基于灰色聚類的履歷信息評估

灰色聚類理論是解決裝備履歷信息這類小樣本、貧信息、不確定系統(tǒng)的有效工具，可實(shí)現(xiàn)對系統(tǒng)運(yùn)行行為的正確認(rèn)識和有效控制[14]。

定義1：設(shè)有n個聚類對象，m個聚類指標(biāo)，p個不同灰類，根據(jù)第i(i=1,2,…,n)個對象關(guān)于j(j=1,2,…,m)指標(biāo)的觀測值xij(i=1,2,…,n;j=1,2,…,m)，將第i個對象歸入第i(i=1,2,…,n)個灰類，稱為灰色聚類。

(19)

3.5 多源信息融合靜態(tài)評估

用Si對應(yīng)各品質(zhì)指數(shù)，ωi對應(yīng)此指標(biāo)的相對重要權(quán)重系數(shù)，采納平均加權(quán)模型[15-16]，其中a為加權(quán)系數(shù)。

(20)

圖3 典型白化權(quán)函數(shù)

4 算例

4.1 通用性能信息評估

建立通用性能信息評估的3層BP神經(jīng)網(wǎng)絡(luò)，將圖2所示的的24個底層指標(biāo)作為網(wǎng)絡(luò)輸入層Uij，輸出層即為通用性能信息評估結(jié)果S1，表示評估結(jié)果為各個等級的隸屬度矩陣。計(jì)算中間層神經(jīng)元個數(shù)為50，通過仿真和專家經(jīng)驗(yàn)打分得到經(jīng)過歸一化處理的網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，作為評估標(biāo)準(zhǔn)，如表中前25組數(shù)據(jù)，其中第26組為待評估數(shù)據(jù)(表1)。目標(biāo)評估隸屬度矩陣分別為(0.95，0.05,0,0,0)、(0.15，0.75，0.1,0,0)、(0,0.1，0.75，0.15,0)、(0,0，0.15，0.75,0.1)、…、(0,0,0，0.15，0.85)。

表1 訓(xùn)練數(shù)據(jù)集

在Matlab中調(diào)用神經(jīng)網(wǎng)絡(luò)工具箱，如圖4所示，設(shè)置相應(yīng)參數(shù)，進(jìn)行網(wǎng)絡(luò)訓(xùn)練和評估計(jì)算仿真，如圖5所示，得到待評估通用性能指標(biāo)隸屬度矩陣為(0.16,0.72,0.10,0.02,0)。

4.2 測試信息評估

選取測試參數(shù)中的3個關(guān)鍵參數(shù)作為測試信息評估參數(shù)(表2)，基于ER時間修正的測試信息評估的具體步驟如下：

1) 權(quán)重確定。當(dāng)某一數(shù)據(jù)超出規(guī)定閾值，則裝備呈現(xiàn)故障狀態(tài)，因此3個測試數(shù)據(jù)的權(quán)重為(1/3,1/3,1/3)。

2) 在對測試信息進(jìn)行評估之前，首先對其進(jìn)行歸一化處理，得到評估的歸一化矩陣S2={0.771 9, 0.820 0, 0.770 0}。

3) 時間修正。根據(jù)式(11)，取(T1,a)、(T2,b)為(2,1)、(12,0.7)，得到時間修正后的測試數(shù)據(jù)為S2={0.741 9, 0.790 0, 0.740 0}

4) 采用三角模糊數(shù)模型，得到3個指標(biāo)的隸屬度表，取置信度為0.9，得到基本可信度分配表。

圖4 神經(jīng)網(wǎng)絡(luò)工具箱

圖5 仿真輸出

指標(biāo)權(quán)重優(yōu)秀良好中等較差差不確定11/300．72570．1743000．121/300．87000．0300000．131/300．72000．1800000．1

5) 根據(jù)式(1)～式(4)求得基本概率集合。

m1,1=0;m2,1=0.241 9;m3,1=0.058 1;m4,1=0;

m1,2=0;m2,2=0.290 0;m3,2=0.010 0;m4,2=0;

m1,3=0;m2,3=0.240 0;m3,3=0.060 0;m4,3=0;

6) 根據(jù)式(8)計(jì)算規(guī)?；蜃訛镵I(2)=1.019 6，進(jìn)而根據(jù)式(5)～式(7)計(jì)算組合概率賦值：

m1,I(2)=0;m2,I(2)=0.4512;m3,I(2)=0.049 2;

同理，與第3個指標(biāo)進(jìn)行聚合運(yùn)算得到：

KI(3)=1.040 5；

m1,I(3)=0;m2,I(3)=0.566 1;m3,I(3)=0.070 1;

7) 由式(9)、式(10)計(jì)算得到廣義屬性的組合概率賦值和組合信任度：

β1=0;β2=0.825 7;β3=0.102 2;β4=0;β5=0;

βH=0.79 7

8) 合成計(jì)算結(jié)果為(0,0.825 2, 0.102 2, 0,0)，不確定度為0.079 7?？纱_定測試信息等級為“良好”的概率為82.57%，等級為“中等”的概率為10.22%，不確定概率為7.97%。

4.3 環(huán)境信息評估

將溫度c1、濕度c2、振動c3、霉菌c4作為環(huán)境信息的評估指標(biāo)，其權(quán)重可由專家打分法確定為(0.375 1, 0.334 3, 0.184 1, 0.106 5)，根據(jù)專家意見，確定環(huán)境信息的經(jīng)典域?yàn)?/p>

節(jié)域?yàn)?/p>

把監(jiān)測得到的數(shù)據(jù)用物元表

根據(jù)式(16)～式(18)計(jì)算得到各關(guān)聯(lián)度，進(jìn)而計(jì)算綜合關(guān)聯(lián)度向量為(-0.108 9, 0.222 3, -0.044 3, -0.247 7, -0.388 1)，即環(huán)境信息評估結(jié)果為良好的概率為22.23%。取置信度為0.9，則隸屬度向量為(0,0.9,0,0,0)。

4.4 履歷信息評估

在某型裝備履歷信息評估中，將收集到的信息經(jīng)過完備化處理后，將任務(wù)剖面、貯存時間、同類故障、歷史故障4個指標(biāo)作為裝備履歷信息的評估指標(biāo)，根據(jù)專家打分得到履歷信息4個指標(biāo)的權(quán)重為(0.410 6, 0.260 9, 0.193 8, 0.134 7)。

根據(jù)履歷信息選取專家對各評估指標(biāo)進(jìn)行打分，得到任務(wù)剖面76.38分，貯存時間65.33分，同類故障100分，歷史故障100分。

根據(jù)式(19)計(jì)算白化權(quán)函數(shù)值為α1=0.043 2;α2=0.840 4;α3=0.116 4;α4=0;α5=0。

則隸屬度向量為(0.043 2, 0.840 4, 0.116 4,0,0)，即評估結(jié)果為良好的概率為84.04%，取置信度為0.9，則隸屬度向量為(0.038 9, 0.756 4, 0.104 7,0,0)。

4.5 多源信息融合靜態(tài)評估

各類信息的權(quán)重ωi同樣根據(jù)專家打分法確定為(0.382 4, 0.227 1, 0.173 8, 0.216 7)，根據(jù)公式得到信息融合評估結(jié)果為(0.069 6, 0.783 1, 0.084 1, 0.007 6, 0)，可判定裝備綜合評估結(jié)果為良好，該結(jié)果與各單項(xiàng)評估結(jié)果基本一致，且兼顧裝備使用保障過程中的各類信息。

5 結(jié)論

某型裝備的品質(zhì)狀態(tài)必然會伴隨著時間的流逝而緩緩的出現(xiàn)性能老化、功能退化或者系統(tǒng)不穩(wěn)定等現(xiàn)象。由于長期貯存裝備定期檢測的頻率不高，次數(shù)有限，這些現(xiàn)象一般不容易察覺，在生命周期內(nèi)采集到有關(guān)的品質(zhì)信息數(shù)據(jù)也是有限的，基于數(shù)據(jù)融合對某型裝備品質(zhì)狀態(tài)進(jìn)行評估，通過品質(zhì)狀態(tài)分級，建立品質(zhì)狀態(tài)評估模型來確定裝備實(shí)時品質(zhì)狀態(tài)等級，依據(jù)通用性能信息、測試信息、環(huán)境信息及裝備履歷信息等對裝備品質(zhì)狀態(tài)進(jìn)行評估，進(jìn)一步掌控其動態(tài)變化趨勢，最終形成動態(tài)評估，進(jìn)而根據(jù)不同等級來進(jìn)一步研究維修策略，提高裝備的完好性，實(shí)現(xiàn)裝備精確化保障。

[1] STEPHEN N.Risk Assessment Techniques[J].Quality Engineering,2014，26(3):379-382.

[2] 張永久,成躍,張立新.某型導(dǎo)彈質(zhì)量評估方法研究[J].航空兵器,2007(5)：56-59.

[3] 張永久,張志利,劉文超.多型號導(dǎo)彈質(zhì)量評估系統(tǒng)設(shè)計(jì)[J].航空兵器,2005(2)：29-32.

[4] 李恩友.導(dǎo)彈質(zhì)量評估方法研究[J].彈箭與制導(dǎo)學(xué)報.2008,28(4)：79-82.

[5] 趙嵩正,殷茗,梁工謙.大型復(fù)雜航空產(chǎn)品質(zhì)量評估模型研究[J].航空學(xué)報,2006,27(4)：588-593.

[6] 劉偉,楊世榮,李小強(qiáng).地地導(dǎo)彈質(zhì)量評估方法研究[J].彈箭與制導(dǎo)學(xué)報,2006,26(2)： 35-37.

[7] 段林杰,扈延光.裝備維修過程質(zhì)量評估研究[J].價值工程,2013(22)：38-40.

[8] 馬亞龍,邵秋峰,孫明.評估理論和方法及其軍事應(yīng)用[M].北京：國防工業(yè)出版社,2013.

[9] 王亮,呂衛(wèi)民,滕克難.一種長期貯存裝備健康狀態(tài)評估指標(biāo)體系及權(quán)重確定方法[J].計(jì)算機(jī)測量與控制，2013(10):2753-2755.

[10]張海軍.裝備通用質(zhì)量特性概述[J].軍民兩用技術(shù)與產(chǎn)品，2015,18(3):252-253.

[11]安進(jìn).反艦導(dǎo)彈質(zhì)量評估方法研究[D].煙臺：海軍航空工程學(xué)院，2013.

[12]左浩,馬亮.基于ER算法的潛艇魚雷武器系統(tǒng)損傷等級評估[J].魚雷技術(shù)，2008(1):48-51.

[13]蔡文.物元模型及其應(yīng)用[M].北京:科學(xué)技術(shù)文獻(xiàn)出版社,1994.

[14]鄧聚龍.灰色系統(tǒng)理論教程[M].武漢:華中理工大學(xué)出版社,1992.

[15]何帆，李其祥，黃東. 基于灰色層次模型的新型裝備戰(zhàn)斗力評估[J]．火力與指揮控制，2016(11):129-133.

[16]陳勇.某型導(dǎo)彈質(zhì)量評估研究[D].煙臺:海軍航空工程學(xué)院,2016.

(責(zé)任編輯 周江川)

Quality Condition Evaluation of Certain Equipment Based on Data Fusion

AN Jin1， XU Ting-xue1， LI Zhi-qiang1， ZHU Gui-fang1,2

(1.Department of Ordnance Science and Technology，Naval Aeronautical and Engineering University, Yantai 264001, China； 2.The Rocket Engineering University Sergeant College，Qingzhou 262500, China)

Based on the background of quality condition evaluation, the factors that affect quality condition of a certain equipment are analyzed from general performance information, test information, environmental information and equipment history information respectively, in which the BP neural network, the ER algorithm, the matter-element theory and grey clustering method are used for evaluation. Eventually, the data of all kinds of information are fused to grasp the quality condition of the equipment, providing support for the equipment quality management and maintenance decision-making.

quality condition evaluation; data fusion; BP neural network; ER algorithm; grey clustering method; matter-element analysis

10.11809/scbgxb2017.06.003

2016-12-05；

2017-01-10 基金項(xiàng)目：武器裝備預(yù)先研究項(xiàng)目(40108)

安進(jìn)(1988—)，女，博士研究生，主要從事導(dǎo)彈裝備綜合保障、質(zhì)量管理研究。

format:AN Jin，XU Ting-xue，LI Zhi-qiang，et al.Quality Condition Evaluation of Certain Equipment Based on Data Fusion[J].Journal of Ordnance Equipment Engineering,2017(6):13-18.

C934

A

2096-2304(2017)06-0013-06

本文引用格式：安進(jìn)，徐廷學(xué)，李志強(qiáng)，等.基于數(shù)據(jù)融合的某型裝備品質(zhì)狀態(tài)評估[J].兵器裝備工程學(xué)報，2017(6):13-18.