摘要：針對(duì)當(dāng)前武器裝備復(fù)雜的系統(tǒng)結(jié)構(gòu),現(xiàn)有基于裝備整機(jī)系統(tǒng)測(cè)試性先驗(yàn)信息的測(cè)試性驗(yàn)證方法難以適用,基于分系統(tǒng)測(cè)試性先驗(yàn)信息的測(cè)試性驗(yàn)證方法不能系統(tǒng)有效地處理先驗(yàn)信息,導(dǎo)致測(cè)試性驗(yàn)證結(jié)果可信度不高的問(wèn)題,提出一種面向復(fù)雜系統(tǒng)的三維Bayes網(wǎng)絡(luò)測(cè)試性驗(yàn)證模型。該模型能充分運(yùn)用裝備各層級(jí)結(jié)構(gòu)中所蘊(yùn)含的條件獨(dú)立性,有效降低構(gòu)建Bayes網(wǎng)絡(luò)模型的復(fù)雜度,同時(shí)能融合裝備各層級(jí)單元的先驗(yàn)信息。通過(guò)給出的三維Bayes網(wǎng)絡(luò)的條件概率學(xué)習(xí)方法及G/M-H算法,由底層單元數(shù)據(jù)通過(guò)模型逐步向上融合,得到頂層測(cè)試性指標(biāo)的后驗(yàn)分布,進(jìn)一步利用頂層后驗(yàn)分布求取故障樣本量。結(jié)果表明:該模型能充分考慮復(fù)雜系統(tǒng)的系統(tǒng)結(jié)構(gòu)及各層級(jí)單元先驗(yàn)信息,并能通過(guò)模型推理得到的指標(biāo)后驗(yàn)分布達(dá)到有效減少測(cè)試性驗(yàn)證故障樣本量的目的。