基于MOPSO-NSGA2算法的测试优化选择方法

测试优化选择是测试性设计至关重要的一个步骤,主要针对测试不可靠条件下的测试优化选择问题进行了研究.首先将该问题还原为多目标问题来分析,在此基础上以测试数量、测试成本、虚警率为目标,故障检测率、隔离率为约束条件建立了问题的数学模型;然后以贝叶斯网络测试性模型为基础,利用提出的MOPSO-NSGA2算法求解该问题;最后利用所提算法对某导弹机载无线电高度表开展测试优化选择设计,并与MOPSO算法、NSGA-2算法进行对比,验证了方法的有效性与实用性.     

基于贝叶斯网络的测试性分层建模方法

针对目前考虑不确定因素的测试性模型存在建模难度高、结构复杂、层次化建模困难、学习能力弱、不确定信息表达形式差的问题,面向电子设备提出了一种基于贝叶斯网络的测试性分层建模方法.以原有的贝叶斯网络模型与多信号流图模型为研究对象,对二者的参数、结构特点及优势短板进行分析,根据二者的互补性与测试性建模需求对贝叶斯网络模型进行改进.模型以故障、信号关系替代故障、测试关系,以信号节点间的连接表征故障传递,利用电路结构与层次划分确定模型结构,采用贝叶斯方法确立模型参数,运用贝叶斯网络推理能力对测试性指标进行计算.以放大滤波电路为例建立模型,通过模型计算测试性指标,并进行了证据处理测试,通过对比多信号模型可知,模型测试性指标计算准确、证据处理能力强,验证了建模方法的有效性与实用性.     

测试不可靠条件下基于精华蚂蚁系统的诊断策略优化方法

诊断策略优化设计是测试性设计过程中重要一环,不可靠测试因素严重影响优化设计过程。在前人研究成果的基础上,针对启发式搜索算法难以解决不可靠测试条件下的诊断策略优化问题,提出了一种基于精华蚂蚁系统的诊断策略优化算法。首先建立了测试不可靠条件下诊断策略优化问题的数学模型;后以测试成本与错误代价为构建了优化目标;随后利用针对诊断策略优化问题改进过的精华蚂蚁系统算法对该问题进行求解;最后应用该算法针对某装备进行实例分析,通过与贪婪算法、普通蚁群算法的对比,体现出该算法的在精度与收敛速度方面的优势,验证了算法的可行性与有效性。     

基于多信号流图模型的导弹系统级测试性设计研究

针对导弹长时间贮存,一次性使用特点,开展测试性设计工作难度较大的问题,提出采用多信号流图模型对导弹系统进行测试性设计研究。根据故障模式、影响及危害性分析(FMECA)信息确定系统的故障模式,采用多信号流图模型建立导弹系统级测试性模型,根据可达性算法得到故障-测试相关性矩阵,确定系统的测试性指标。考虑到现有算法如遗传算法、二进制粒子群算法等诸多算法的缺点,提出采用混合离散二进制粒子群-遗传算法对测试进行优化选取,将22个备选测试减少至14个,大大减少测试个数。最后通过实例验证,所提算法可以满足系统测试性指标精度要求,并有效降低测试个数,减少测试费用。     

基于GSPN与BN的测试性建模方法

针对目前主流建模方法是基于测试结果可靠的假设条件前提,难以得到故障和测试之间准确的信息描述的问题,提出基于概率广义随机Petri网的测试性建模新方法。首先对主流建模方式和广义随机Petri网建模方式进行对比,阐明主流建模方式存在的问题,以及选择广义随机Petri网建模的原因;然后对Petri网原理进行分析,并将概率理论引入广义随机Petri网模型中,采用贝叶斯网络获取模型节点的条件概率,也是首次将贝叶斯网络和广义随机Petri网结合;最后对某导弹发动机系统进行建模,得到故障和测试的概率相关性矩阵,并对测试性指标进行求解。通过对比原有模型的相关性矩阵和本文所得到的概率相关性矩阵,验证了所提方法的可行性和准确性。     

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Petri网的测试⁃故障诊断一体化模型研究

现有测试性模型对复杂装备进行分层建模时，不仅需要每层装备的故障模式、影响和危害性分析（failure mode， effects and criticality analysis，简称FMECA），还需要确定各故障模式之间的联系，增加了实际工作量和建模难度，与实际故障诊断脱节。为解决上述问题，提出一种基于Petri网的建模方法，将测试性模型与故障诊断模型相结合。首先，采用广义随机Petri网建立装备系统级的测试性模型，采用模糊Petri网（fuzzy Petri net， 简称FPN）建立子系统的故障诊断模型，完成系统到子系统的传递；其次，根据FMECA信息对故障统计数据进行处理，通过神经网络对参数进行调整学习和优化；然后，采用正向推理实现故障的准确预测，逆向推理结合最小割集完成故障定位；最后，以涡扇发动机风扇部件模型为例进行建模分析，并通过故障树和统计数据验证了模型的正确性和有效性。     

基于广义随机Petri网的导弹系统测试性建模与指标评估方法研究

针对目前导弹测试性指标论证时缺乏有效方法支撑的问题,提出了一种基于广义随机Petri网（GSPN）的测试性建模方法。在建立导弹系统三维立体结构GSPN模型基础上,以各子系统的平面GSPN模型为研究对象,分析导弹系统故障检测及维修过程,同时根据国家军用标准GJB/Z1391—2006 故障模式影响及危害性分析指南对系统故障模式进行分类;基于GSPN模型可达标识图与嵌入马尔可夫链同构,以实存状态集和消失状态集表征库所变迁,采用同构法对测试性指标进行求解;以某型导弹子系统为例,对其测试性指标进行了评估,得到92%的故障检测率和90%的故障隔离率,验证了所提建模方法和相应算法的有效性,对测试性指标的权衡分析与评估具有指导意义。     

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。