基于层次广义随机Petri网的测试性建模新方法

针对目前装备系统采用层次化、模块化设计,维修级别与测试性建模复杂度大大提高的问题,提出一种基于层次广义随机Petri网（HGSPN）的测试性建模方法。将主流模型和广义随机Petri网（GSPN）模型进行对比,阐明主流模型存在的问题,以及选择GSPN模型的原因;对装备进行层次划分,建立分层GSPN模型;系统及其组成元件存在多个故障模式,为区分这些故障模式提出一套完整编码方案;给出可达性算法获取层次相关性矩阵,运用测试性评估数学模型得到各层级的测试性水平,将各层级的测试性信息汇总,得到装备完整的测试性水平。以某型导弹发动机系统为例,建立其HGSPN模型,并对测试性指标进行确定,得到100%的故障检测率和66.7%的故障隔离率,验证了所提建模方法和相应算法的有效性。     

基于广义随机有色Petri网的测试性建模方法

针对现有测试性模型简化系统故障与测试之间的关系,忽略故障模式之间复杂性的问题,提出一种基于广义随机有色Petri网（CGSPN）的测试性建模方法。在Petri网的理论基础上对故障模式复杂性进行分析,并用不同颜色表示严酷度等级,完成CGSPN模型的构建。应用编码方案区分同一故障的多种故障模式,有效降低建模难度。采用可达性算法获取相关性矩阵。引入三角模糊数算法获取专家知识,将专家数据作为先验信息与后验测试数据相结合,解决数据量少和不可靠问题。以某型导弹为例建立CGSPN模型,对其进行测试性分析,得到96.8%的故障检测率和100%的故障隔离率,在满足系统测试性指标要求基础上丰富了模型的内容,为装备的测试性建模提出了一种新方法。     

鱼雷装备测试维修Petri网模型与指标论证分析

针对鱼雷装备测试维修使用需求，采用广义随机Petri网模型对鱼雷装备进行测试维F修建模，并对测试性指标进行分析。分别建立鱼雷装备系统层和结构层GSPN模型，依据故障模式影响和危害性分析(变迁进行拓展，构建鱼雷装备基层级维修子网GSPN模型；采用同构法求解维修子网GSPN模型，利用的稳态可用度解析公式分析测试性参数与使用可用度(A0)之间的影响关系；以某型号鱼雷为例，开展测试性指标求解和模型仿真验证。研究结果表明，模型仿真可用度A0′=0.999 8，与系统要求值误差小于1%，验证了所构建模型的可行性和有效性。     

基于改进多信号流模型的运载火箭电气系统测试性评估

对现有测试性建模方法在运载火箭电气系统测试性评估的应用上存在的不足进行分析。针对运载火箭电气系统不同的测试状态,提出基于多信号流模型的多模型综合测试性评估方法;并结合运载火箭电气系统的实际故障模式及测试特点,考虑多故障模式及多值测试,对多信号流模型进行改进,得到基于改进多信号流模型的多模型综合评估方法,并给出了具体的评估流程。以运载火箭时序控制系统为例进行了验证,结果表明,基于改进多信号流模型的多模型综合评估方法能够更为准确地对运载火箭电气系统故障空间及测试状态进行建模,对运载火箭电气系统的测试性评估有效。     

基于层次Bayesian网络及后验风险准则的故障样本量确定方法

针对现有测试性验证方法对装备系统结构考虑不足,且在双方风险约束条件下所确定的故障样本量过大问题,提出一种基于层次Bayesian网络和后验风险准则的故障样本量确定方法。根据装备系统结构建立测试性验证方法的层次Bayesian网络模型,并以故障检测率作为Bayesian网络 的传递参数;提出Bayesian网络不确定性推理算法,充分融合各层次测试性先验信息,同时基于偏度-峰度检验的拟合分布选取方法推导出系统故障检测率联合先验分布;进一步结合系统成败型数据确定其后验分布,基于后验样本数据集和Bayes后验风险准则设计故障样本量确定算法,通过实例进行分析。结果表明,与经典验证方法、传统Bayesian方法相比,所提方法在相同双方指标约束下能有效降低样本量。     

某潜射导弹伺服系统测试性研究

美潜射导弹伺服系统的指标体系包括定性指标和定量指标，定量指标包括故障检测率、故障膈离率、故障虚警率等，根据该型导弹伺服系统的特点，提出了测试性指标的分析验证方法和步骤，重点讨论了测试性指标验证样本量的确定方法、故障注入模式的选取原则、故障模式分配原则以及对系统测试性的评定依据。     

一种基于多信号流图的雷达系统测试性建模分析方法

为了在产品的设计早期获得检测率、隔离率等测试性数据,提出一种应用多信号流图模型方法进行系统测试性建模与分析的方法。基于雷达等电子产品结构复杂、解析建模困难的特点,分析了雷达系统的功能结构、工作模式及FMEA结果,并以某雷达系统为例建立系统的多信号流图,利用TEAMS软件提供的工具,对系统的测试性水平进行了分析和评估。实例分析结果表明:改进的雷达系统的测试性设计能够满足指标要求,多信号流图建模分析方法对于测试性分析和评估行之有效。     

基于故障扩散强度的故障样本选取方法

传统的测试性验证试验样本选取方法没有考虑测试对象的各故障模式之间的复杂性与不确定性关系。针对这一问题，建立了一种基于模糊概率Petri网的复杂系统故障扩散模型，该模型完备地描述了测试对象故障模式之间的传播扩散关系，并引入故障扩散强度概念，按分步扩散的原则对故障扩散过程进行描述，给出了每个故障的扩散强度量值。提出了基于故障率和故障扩散强度的故障样本选择方法，案例验证结果表明，基于该方法选择的故障样本集更能覆盖测试对象的故障模式集。     

基于多信号模型的测试性分析与故障诊断策略设计

开展测试性分析与故障诊断策略设计是测试性设计工作的重要组成部分，能否通过测试性分析设计出最优的故障诊断策略直接影响着系统故障检测能力和故障隔离能力的提高。首先对某型导弹装备搜索雷达天线稳定系统的组成原理及工作流程进行了介绍，接着针对该系统诊断能力不足，不能对故障进行隔离的缺点，运用基于多信号模型TEAMS软件系统对天线稳定系统进行了测试性建模，并对系统的测试性进行了分析，最后设计出了合理有效的曲障诊断策略．     

基于广义随机Petri网的鱼雷系统级测试性参数确定方法

在装备论证阶段,提出科学合理的测试性指标要求,可以有效指导测试性设计。目前鱼雷武器系统还缺乏有效的测试性参数定量分析方法,在综合比较现有各种测试性需求分析模型的基础上,提出了一种基于广义随机Petri网的测试性建模方法。通过构建鱼雷武器系统基层级维修保障流程的广义随机Petri网模型,得到状态可达图,并利用同构法,求解了测试性参数与可用度之间的关系;以可用度和平均故障修复时间为设计指标,对国外某型鱼雷的测试性参数进行了求解,并利用Petri网 建模工具PIPE4.3.0软件进行了仿真分析,验证了模型和算法的有效性。     

Modeling of Testability Requirement Based on Generalized Stochastic Petri Nets

Testability design is an effective way to realize the fault detection and isolation. Its important step is to determine testability figures of merits （TFOM）. Firstly, some influence factors for TFOMs are analyzed, such as the processes of system operation, maintenance and support, fault detection and isolation and so on. Secondly, a testability requirement analysis model is built based on generalized stochastic Petri net （GSPN）. Then, the system＇s reachable states are analyzed based on the model, a Markov chain isomorphic with Petri net is constructed, a state transition matrix is created and the system＇ s steady state probability is obtained. The relationship between the steady state availability and testability parameters can be revealed and reasoned. Finally, an example shows that the proposed method can determine TFOM, such as fault detection rate and fault isolation rate, effectively and reasonably.     

复杂可修系统任务测试性建模

为了更加合理地衡量复杂可修系统执行任务过程中的测试性,建立一种符合复杂可修系统功能特性和任务特点的物理模型和数学模型。分析了复杂可修系统任务测试性参数,选取任务故障检测率和任务故障隔离率作为度量参数,结合系统测试性功能层次结构,建立系统任务测试性物理模型,并在此基础上,建立系统串并混联的任务测试性数学模型,针对某型潜艇燃油分系统开展验证分析工作。分析结果表明：该模型贴近实际,适用于复杂可修系统任务测试性建模。     

基于相关性矩阵合并算法的系统级测试性建模方法研究

针对大型复杂系统直接构建测试性模型难度较大的问题,提出一种相关性矩阵合并算法.分析大型复杂系统的层次模块划分原则,对层次模块化测试性模型的建模要素进行了简要阐述.合并算法通过对系统进行层次模块划分,然后对低层次的单元模块分别进行测试性建模,再将低层次单元模块的故障-测试相关性矩阵逐步合并,进而生成整个系统的故障-测试相关性矩阵,并以某型导弹的导航系统为例进行实例验证,简化系统级测试性模型构建的难度.     

基于径向基函数和自组织映射的导弹控制系统健康状态评估

传统导弹武器装备健康状态评估方法严重依赖设计人员与产品专家的经验与水平,效率低、准确度差。针对导弹的控制系统,提出基于径向基函数（RBF）网络观测器和自组织（SOM）网络的健康状态评估方法。利用基于RBF网络的自适应故障观测器计算输出信号的残差以及不同工作状态下的自适应判别阈值,通过比较残差和阈值实现故障检测;利用基于SOM网络的健康状态评估模型对残差进行聚类分析,通过距离度量实现健康状态评估;通过某型导弹的控制系统案例验证所提方法。结果表明：该方法能够准确地对10个不同的故障模式和10组不同的健康状态进行检测和评估,为维修保障和后勤管理提供有效的技术支撑。     

基于神经网络的导弹惯性器件故障预报系统研究

在导弹武器系统当中,及时准确地故障预报对提高导弹的安全性具有极其重要的意义.针对导弹惯性器件故障预报系统的设计要求,考虑到神经网络用于故障预报的优点,在神经网络技术应用于导弹惯性器件的故障预报过程中提出了神经网络的训练算法,把神经网络、预测理论和故障诊断系统有机结合起来建立了一个故障预报系统,利用该系统选取神经网络预测模型对某导弹陀螺随机漂移进行建模和分析,实现了故障预报.实例预测结果证明,给出的神经网络预测模型和训练算法是可行的.