基于危害度相对比值的故障样本分配方案

针对机电产品测试性验证评估试验中,基于故障率的按比例分层抽样分配传统方法忽略了关键因素产品故障模式危害度,导致试验结果不精确这一问题,结合故障模式严酷度评分等级,改进了产品危害度分析模型,首次提出基于危害度相对比值的故障样本分配方案。通过在导弹飞控组件的二次电源系统中进行测试性验证评估试验,结果表明:该方案与基于故障率的按比例分成抽样分配方法相比,故障样本分配结果更加合理,测试性验证评估结果更加接近系统测试性设计的真实水平,其更具有工程实用性。     

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。     

基于测试性设计特性的样本量确定方法

针对测试性验证试验方法的局限性,提出了一种新的故障样本量的确定方法。根据系统的测试性特性,建立单元、功能、性能和测试之间的相关矩阵;选择相关矩阵的列权值最大的列删减单元功能相关矩阵和功能性能相关矩阵,依次遍历完所有列,获取样本和样本数量;利用实例进行了验证,结果表明：计算过程简单,结果更符合实际系统测试性验证试验对于样本量的要求。     

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。     

空空导弹测试性验证应用研究

对空空导弹测试性指标验证的主要内容、参数、试验结果的评估方法进行了研究。根据空空导弹特点,提出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、试验结果的判定依据。     

基于信息散度的补充样本加权融合评估

小子样试验评估时,为避免大量先验信息湮没实际飞行试验的信息,融合先验补充样本时通常会根据工程经验对补充样本量作一定限制,对补充样本量的选取并没有量化的理论准则。分析了先验分布与实际试验样本服从分布的差异,通过分布差异进行信息散度计算,用信息散度确定先验样本权重。提出了考虑先验信息可信度的加权方法,以进行Bayes估计。最后提供了正态逆Gama分布参数的加权Bayes估计方法。理论分析和仿真说明,本文的加权方法是合理的。     

基于FMECA 的电子设备故障诊断需求分析方法

为了减少维修保障资源与费用,对电子设备故障诊断需求分析的方法和流程进行研究。在故障模式、影 响及危害性分析的基础上,结合故障的相关信息,研究故障诊断需求分析方法,综合考虑故障模式、故障检测需求 以及故障隔离需求,确定故障检测、故障隔离设计策略,编制故障诊断需求分析表,通过实例进行应用分析。结果 表明,该研究能够为测试性建模、设计分析和测试性指标预计提供参考。     

基于模糊诊断理论的车辆空调系统故障诊断方法

为有效诊断特种车辆空调系统故障,及时准确地定位故障原因,以模糊诊断理论的车辆空调系统为对象研究其故障诊断方法.分析空调系统故障模式,建立故障模糊数学模型,确定故障征兆和故障原因的模糊关系,基于经验维修和专家诊断确定了综合模糊隶属度,根据最大隶属度原则,确定故障征兆所对应的故障原因的最大隶属度,从而判断出导致空调系统发生故障的原因.研究结果表明:该方法能够准确可靠定位故障,有效缩短维修时间.     

试验数据处理中曲线最佳拟合方法探讨

针对试验数据处理中曲线拟合精度进行研究，提出评定拟合质量的标准和计算方法。主要内容包括综合考虑拟合的模型误差和偶然误差的联合影响，论证拟合方程优选的标准，给出选模的实用方法，导出模型误差的区间估计式以及拟合结果的不确定度公式，最后进行实例验证。     

基于Bayes小子样理论和序贯网图检验的武器装备测试性验证试验方案设计

针对当前序贯概率比检验方法会导致测试性验证样本量无法控制,以及序贯网图检验方法未能利用先验信息使得确定的样本量仍然存在可能较大的问题,提出一种基于Bayes小子样理论和序贯网图检验相结合的测试性验证样本量确定方法。基于序贯网图检验方法,结合测试性指标的先验分布以及相关参数约束值,划分指标参数空间,并给出Bayes因子及其阈值计算方法;通过对检验点插入位置的确定,给出测试性验证所需最大样本量,同时在考虑使用方风险和承制方风险的基础上设计Bayes小子样理论下序贯网图检验的截尾策略;通过实例进行了验证,并与经典验证方法、序贯概率比检验方法、传统序贯网图方法以及验后序贯加权检验方法进行了对比分析。结果表明,该方法确定的测试性验证截尾样本量以及平均样本量均优于其他方法,同时能有效降低双方风险值。     

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。     

武器系统测试性评定方法与试验用例设计

阐述了武器系统测试性及其重要性,分析了测试性指标参数,构建了试验鉴定样本量、检验判据确定和试验数据的分析评估等试验检验模型,并建立测试性试验流程步骤。针对某型舰空导弹武器控制系统测试性考核需求,采用建立的模型和试验流程进行了试验用例设计,较好地解决了靶场试验中的实际问题。     

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。     

基于试验结果可信度的装甲车辆测试性综合评估方法研究

由于外场试验自然故障样本量不足、实验室试验评估结果优于装备测试性真实水平,装甲车辆定型阶段缺乏科学的测试性评估方法。从条件概率定义出发修正了测试性预测模型,研究得到了测试性评估结果与试验评价方式关系,提出了基于外场试验、实验室试验、分析评价的测试性综合试验方法,构建了试验结果可信度计算模型和按照可信度确定不同试验结果权重的测试性综合评估模型。案例应用结果表明：基于试验结果可信度的测试性综合评估方法既解决了外场试验样本量不充分问题,又提高了试验操作的可行性和评估结论的科学性,为装甲车辆测试性试验提供了方法支持。     

基于层次分析法与模糊综合评判的测试设备选择方法研究

测试设备选择是装备系统测试性设计与分析中的重要环节。通过对测试设备选择过程中影响因素的复杂性和模糊性进行深入分析,建立评价指标集,利用层次分析法(AHP)确定各指标的组合权重;利用模糊综合评判(FCA)方法建立模糊评判模型,计算备选测试设备的综合评判值并做出决策。案例表明,该方法通过将层次分析法和模糊综合评判方法相结合,可以对定性指标和定量指标进行有效的综合权衡分析,为测试设备选择提供合理依据。