幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

裝備數字化試驗不確定性量化方法與應用

  • 作者：王柄霖//吳誠?//賈春波//陳旭光//閻菩提等|責編:牛旭東
  • 出版社：國防工業
  • ISBN：9787118143379
  • 出版日期：2026/05/01
  • 裝幀：平裝
  • 頁數：173
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書系統闡述裝備數字化試驗不確定性量化的理論基礎、方法體系與工程應用。全書按照理論基礎、方法體系、工具應用、前沿展望的架構開展論述：理論層面闡述不確定性的分類與量化方法；方法層面圍繞「需求→設計→評估→建模→置信度」流程，介紹序貫試驗設計、貝葉斯推斷、模型校準等核心方法；工具層面介紹主流不確定性量化軟體及應用案例；前沿層面探討大模型與多智能體技術賦能不確定性分析的新範式。
    本書可供從事裝備試驗鑒定、系統建模與模擬、可靠性工程、系統工程等領域的科研人員和工程技術人員參考，也可作為高等院校兵器科學、系統工程等相關專業高年級本科生和研究生的教學參考書。
作者介紹
王柄霖//吳誠?//賈春波//陳旭光//閻菩提等|責編:牛旭東
目錄
第1章  緒論
  1.1  數字化試驗的興起與意義
    1.1.1  傳統試驗的困境
    1.1.2  數字化試驗的內涵
    1.1.3  數字化試驗的目的與價值
    1.1.4  數字化試驗與UQ技術的發展歷程與趨勢
  1.2  不確定性——數字化試驗的核心挑戰
    1.2.1  不確定性的含義
    1.2.2  不確定性的分類
  1.3  不確定性量化——從認識到管理
  1.4  數字化試驗與不確定性量化的融合
    1.4.1  數字化試驗為UQ帶來的機遇
    1.4.2  數字化試驗引入的新不確定性
    1.4.3  VV&A與UQ的協同
  1.5  本書的內容體系
    1.5.1  全書結構
    1.5.2  章節邏輯關係
    1.5.3  統一案例說明
  1.6  本章小結
第2章  裝備試驗不確定性理論基礎
  2.1  不確定性的分類體系
    2.1.1  按來源分類：客觀與認知不確定性
    2.1.2  按數學處理方法分類：概率型與非概率型
    2.1.3  不確定性的資訊理論度量
  2.2  裝備試驗中不確定性的來源
    2.2.1  數據獲取與處理過程中的不確定性
    2.2.2  複雜戰場環境中的不確定性
    2.2.3  測試設備固有的不確定性
    2.2.4  人為因素的不確定性
    2.2.5  模型和方法的不確定性
    2.2.6  不確定性在系統層級之間的傳遞
  2.3  不確定性量化方法框架
    2.3.1  不確定性量化的研究內容
    2.3.2  基於試驗的不確定性量化流程
  2.4  本章小結
第3章  面向不確定性的需求分析方法
  3.1  目的和意義
  3.2  需求收集與梳理
  3.3  需求解讀與分解
  3.4  需求轉換與映射
    3.4.1  準則制定
    3.4.2  構建需求追蹤矩陣
    3.4.3  複雜裝備的多層RTM擴展
  3.5  需求優先順序與衝突協調
    3.5.1  優化目標與約束分析
    3.5.2  協調策略與方法
  3.6  本章小結
第4章  不確定性驅動的試驗設計方法
  4.1  目的和意義
  4.2  明確試驗目的與要求

    4.2.1  試驗目的分析與目標轉化
    4.2.2  試驗設計準則的制定流程
  4.3  確定試驗指標
    4.3.1  試驗指標的確定
    4.3.2  試驗指標體系的構建
  4.4  識別並篩選影響因素
    4.4.1  影響因素的全面識別
    4.4.2  影響因素的識別方法
  4.5  選擇試驗設計方法
    4.5.1  試驗設計方法需明確的關鍵要素
    4.5.2  試驗設計方法的選擇流程
    4.5.3  序貫設計
    4.5.4  貝葉斯試驗設計
    4.5.5  多目標優化設計
  4.6  制定詳細的試驗方案
    4.6.1  試驗方案的實施規劃
    4.6.2  試驗執行流程的設計
  4.7  本章小結
第5章  不確定性傳播與試驗評估方法
  5.1  目的和意義
  5.2  數據整理與預處理
    5.2.1  數據整理與預處理的目的
    5.2.2  數據整理與預處理的步驟
  5.3  數據分析與挖掘
    5.3.1  數據分析與挖掘的目的
    5.3.2  數據分析與挖掘的方法
  5.4  結果解釋與結論形成
    5.4.1  結果解釋的目的
    5.4.2  結論的形成方法
  5.5  評估中的不確定性認識與分析
    5.5.1  不確定性來源於量化的主要方法
    5.5.2  貝葉斯推斷方法
    5.5.3  多源數據融合方法
    5.5.4  小樣本試驗評估策略
    5.5.5  評估結論的不確定性量化
  5.6  數據分析方法體系與選擇指南
    5.6.1  不確定性傳播分析方法
    5.6.2  敏感性分析方法
    5.6.3  代理模型方法
    5.6.4  可靠性分析方法
    5.6.5  方法選擇指南
  5.7  本章小結
第6章  數字化試驗的模型構建方法
  6.1  數字模型的含義
  6.2  明確建模目的與界定系統邊界
  6.3  多源數據的採集、整理與不確定性辨識
  6.4  模型的架構設計與數學物理抽象
    6.4.1  建模方法的分類
    6.4.2  不確定性因素的融入設計
  6.5  模型的電腦實現與集成

  6.6  模型選擇準則與模型不確定性量化
    6.6.1  模型選擇準則
    6.6.2  模型不確定性的深化量化
    6.6.3  代理模型選擇的工程實踐指南
  6.7  本章小結
第7章  數字化試驗的置信度評估方法
  7.1  數字化試驗置信度的含義
    7.1.1  置信度的定義和評估維度
    7.1.2  置信度維度的定量關係與綜合評估
    7.1.3  置信度與VV&A的因果關係
  7.2  數字模型VV&A過程
    7.2.1  VV&A三階段模型
    7.2.2  多維度VV&A驗證框架流程
  7.3  有限置信度下的適應性調整策略
    7.3.1  優化模型與數據的策略
    7.3.2  貝葉斯模型校準
    7.3.3  多模型交叉驗證
    7.3.4  優化試驗過程
    7.3.5  相對對比分析方法
    7.3.6  探索性分析方法
    7.3.7  試驗指導策略
  7.4  置信度提升的系統化方法
    7.4.1  數據驅動的置信度提升
    7.4.2  模型的優化與校準
    7.4.3  驗證體系的完善
    7.4.4  置信度增長閉環
  7.5  本章小結
第8章  不確定性量化工具與應用案例
  8.1  UQ工具概覽
  8.2  專業UQ平台
    8.2.1  開源平台
    8.2.2  Python專用庫
  8.3  統計建模軟體
    8.3.1  JMP
    8.3.2  Minitab與Design-Expert
  8.4  CAE模擬集成環境
    8.4.1  ANSYS Workbench+DesignXplorer
    8.4.2  Isight與modeFRONTIER
    8.4.3  其他商業UQ平台
  8.5  編程工具生態
    8.5.1  Python生態（推薦）
    8.5.2  MATLAB與R生態
  8.6  工具選用指南
    8.6.1  按應用場景選擇
    8.6.2  按預算選擇
    8.6.3  選型決策流程
  8.7  UQ分析的標準流程與常見陷阱
    8.7.1  標準UQ分析流程
    8.7.2  常見陷阱與規避
  8.8  本章小結

第9章  大模型與多智能體賦能數字化試驗不確定性分析
  9.1  大模型技術及其與UQ的融合基礎
    9.1.1  大語言模型的核心能力
    9.1.2  與UQ方法體系的映射關係
  9.2  賦能不確定性理論基礎（第2章）
    9.2.1  智能不確定性分類判斷
    9.2.2  知識驅動的概率分佈推薦
    9.2.3  資訊理論度量的智能解釋
  9.3  賦能需求分析方法（第3章）
    9.3.1  需求文檔的智能解析
    9.3.2  語義精準化輔助
    9.3.3  需求追蹤矩陣的自動構建
  9.4  賦能試驗設計方法（第4章）
    9.4.1  試驗設計方法的智能選擇
    9.4.2  樣本量的智能估算
    9.4.3  序貫設計的動態優化
  9.5  賦能試驗評估方法（第5章）
    9.5.1  UQ方法的智能選擇與代碼生成
    9.5.2  分析結果的智能解讀
  9.6  賦能數字模型構建（第6章）
    9.6.1  建模範式的智能推薦
    9.6.2  代理模型的智能構建
  9.7  賦能置信度評估與提升（第7章）
    9.7.1  VV&A文檔的智能分析
    9.7.2  置信度提升策略的智能推薦
  9.8  多智能體賦能UQ任務協同
    9.8.1  多智能體系統的核心概念與優勢
    9.8.2  UQ任務的智能體分解
    9.8.3  多智能體協作機制
    9.8.4  典型協作場景分析
    9.8.5  人機協同與決策支持
    9.8.6  技術實現架構
  9.9  技術挑戰與未來展望
    9.9.1  當前技術挑戰
    9.9.2  解決方案
    9.9.3  未來展望
  9.10  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032