Face au problème du manque de données d'échantillons réduits et de l'utilisation insuffisante des informations historiques, entraînant une faible précision d'évaluation lors du processus de développement itératif multi-lots de munitions, une méthode d'évaluation bayésienne intégrant les caractéristiques de croissance multi-lots est proposée. Cette méthode se base sur la construction d'un modèle de probabilité de dommages à plusieurs niveaux fondé sur la loi de distribution normale bidimensionnelle des points d'impact, introduit une contrainte d'ordre monotone croissante des performances des munitions, utilise une conjugaison normale-inverse gamma de priors pour dériver la distribution postérieure conjointe des paramètres multi-lots, et conçoit un algorithme d'échantillonnage de Gibbs contraint pour réaliser une estimation conjointe des paramètres de dispersion multi-lots. L'analyse d'exemple montre que, avec seulement 10 coups par lot, les estimations des paramètres de chaque lot respectent la contrainte d'ordre, et l'erreur absolue minimale du paramètre de dispersion principal est de 0,0080 m. La probabilité cumulative des dommages modérés et plus dans le troisième lot atteint 96,62 %, les probabilités de dommages à chaque niveau augmentent avec les lots, ce qui est cohérent avec la loi d'amélioration des performances, fournissant un soutien fiable pour le développement itératif des munitions et l'évaluation de la probabilité de dommages en combat.

Munitions;expériences de croissance multi-lots;inférence bayésienne;contrainte d'ordre;dommages multi-niveaux