Um das Problem des Mangels an kleinen Stichprobendaten und der unzureichenden Nutzung historischer Informationen, die zu einer niedrigen Bewertung genauigkeit im iterativen Entwicklungsprozess von Munition über mehrere Chargen hinweg führen, zu lösen, wird eine bayessche Bewertungsmethode vorgeschlagen, die die wachstums charakteristiken mehrerer Chargen integriert. Die Methode basiert auf der Konstruktion eines mehrstufigen Schadenswahrscheinlichkeitsmodells auf Grundlage der zweidimensionalen Normalverteilung der Einschlagpunkte, führt eine monoton steigende Reihenfolgeeinschränkung der Munitionsleistung ein, verwendet eine Normal-Inverse-Gamma konjugierte Priorverteilung zur Ableitung der gemeinsamen posterioren Verteilung der Parameter mehrerer Chargen und entwirft einen eingeschränkten Gibbs-Sampling-Algorithmus zur gemeinsamen Schätzung der Streuparameter mehrerer Chargen. Die Beispielanalyse zeigt, dass bei nur 10 Schüssen pro Charge die Parameterschätzungen jeder Charge die Reihenfolgeeinschränkung erfüllen und der absolute Fehler des Kernstreuparameters mindestens 0,0080 m beträgt. Die kumulative Wahrscheinlichkeit für mittlere und höhere Schäden in der dritten Charge erreicht 96,62 %, die Schadenswahrscheinlichkeiten jeder Stufe nehmen mit den Chargen zu, was mit dem Leistungsverbesserungstrend übereinstimmt und eine zuverlässige Unterstützung für die iterative Munitionsentwicklung und die Bewertung der Kampfschadenswahrscheinlichkeit bieten kann.

Munition;mehrstufige Wachstumsversuche;Bayessche Inferenz;Reihenfolgeeinschränkung;mehrstufiger Schaden