基于ACBPSO的板级电路测试性优化设计

边界扫描布局优化是复杂系统测试性设计的重要内容,属于典型的组合优化问题。提出了一种基于自适应混沌二进制粒子群优化算法(ACBPSO)的板级电路测试性设计最小化优化方法。该算法利用混沌运动的遍历性来初始化粒子群参数,惯性权重则根据粒子群的早熟收敛程度自适应调整。随着算法迭代运行,离散粒子群算法(BPSO)的随机性越来越强,缺乏后期的局部搜索能力,故引入新的概率映射函数。仿真实例验证了该算法有效地克服了二进制粒子群的早熟收敛现象,提高了搜索效率,具有良好的优化效果。     

测试性设计策略优化与建模的可视化研究

随着装备复杂性的提高,其测试性设计与建模过程变得繁琐。为简化其过程,进行了测试策略优化与建模的可视化软件设计。在对测试性设计算法进行优化并使用MATLAB进行编程的基础上,结合Python语言中PyQt框架下的GUI设计方法,充分发挥MATLAB矩阵运算迅速与Python界面设计友好的优点,设计了测试性建模可视化软件。该交互界面提供了多测试性设计优化策略的选择与输入接口,通过输入测试矩阵可以快捷、直观的得到测试代价、测试时间、测试过程等信息。以信息熵算法与Rollout算法为例验证了软件的功能性与实用性,该软件对测试性设计决策起着重要辅助作用。     

装备测试性设计与诊断策略优化技术研究

随着装备功能和结构复杂程度的增加,带来测试诊断困难和测试成本增加等问题。为解决这些问题,从测试诊断策略优化、测试项目优化和测试资源调度3个方面进行了分析研究,尤其对测试诊断策略优化这一核心技术进行了详细分析,对目前常用的算法和设计方法进行了分析比较,最后对测试诊断策略优化技术进行了展望。     

装备可计量性的相关性模型研究与分析

针对国内缺乏可计量性建模理论技术的情况,首先参考可测试性相关性模型的理论技术提出了基于相关性模型的装备可计量性设计流程,归纳了装备可计量性的研究内容;然后分析了建立装备可计量性相关性模型的可行性;接着以某型通用ATS模拟子系统为例建立了系统信息流有向图。进一步,针对系统结构复杂、多量值校准的现实情况,详细建立了系统多信号流图模型、生成了相关性矩阵、简单分析了系统可计量性,初步验证了模型的实用性及科学性。相关性模型的探索对装备可计量性的建模理论技术的发展有一定的参考意义。     

基于小生境多目标粒子群优化算法的配电网混合储能配置研究

随着风光接入比例不断增加,配电网中弃风、弃光和弃负荷的现象时有发生,储能系统对维持能量平衡和提高配网供电质量起到关键作用,并可有效平抑功率波动、降低弃风弃光率以及提高电能质量.本文综合考虑分布式电源、储能装置及配网安全运行约束条件,建立以储能成本、网损率以及电压稳定性作为优化指标的配网储能优化配置模型,并以IEEE33节点配网为算例,运用小生境多目标粒子群优化算法对该模型进行求解,验证了模型及算法的有效性.     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难.粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域.PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大.该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快.方法的可行性在10台机组系统中检验.模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点.     

基于PSO-GA算法的电力系统机组组合研究

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题,因此求解非常困难。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域。PSO算法的优势在于操作简单,可调参数少易于实现而又功能强大。该文采用二进制粒子群优化方法解决机组状态组合问题,用遗传算法结合启发式技术解决经济分配问题,并对最小开停机时间及启停费用进行了处理,使得运算速度大大加快。方法的可行性在10台机组系统中检验。模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点。     

基于多信号模型的武器装备故障诊断系统设计

本文介绍了基于多信号模型方法的舰载武器装备故障诊断系统的设计,介绍了其硬件组成及主要故障诊断算法。多信号模型故障诊断平台的核心是武器装备的相关性矩阵。通过多信号模型故障诊断方法,实现了快速而准确的故障诊断与定位,提高了武器装备综合诊断能力。     

测试性分析与评估体系的研究

测试性是一种能及时准确地确定电子系统状态并隔离其内部故障的设计特性,通过测试性分析与评估来发现电子设备测试性设计中存在的缺陷并加以改进。为了有效评价系统测试性的好坏,迫切需要一个完善的测试性分析与评估体系。通过研究相关矩阵的测试性分析与评估过程,分析并总结得到测试冗余与故障掩盖之间的关系,即可通过简单测试组合减少故障掩盖以此来提高系统的测试性,并对常用测试性参数指标总结并分析提出了2个新的测试指标重点故障检测率与综合故障隔离率。以盒式磁带录放机为例,以不同模型设计两种测试性方案并进行计算分析。其结果表明新提出的测试性指标能够分辨出具有更好测试性的设计方案。     

基于总体协调满意度的水火电力系统多目标短期优化调度

水火电力系统多目标优化调度符合国家节能减排的政策导向,在考虑整个系统梯级水电站发电效益最大化、火电机组发电成本最小化和梯级水电站发电用水最小化的目标同时,考虑了火电机组二氧化碳排放最小化的优化目标。针对水火电力系统短期优化运行调度中目标函数的权重处理困难的因素,采用一种基于目标函数总体协调满意度的处理方法,通过采用自然选择机制策略和异步学习因子策略提高算法的性能。以5个梯级水电站和4台火电机组组成的水火电力系统为实例进行计算．优化仿真计算证明了所提出的优化调度模型和求解算法具有可行性和适用性。     

基于多信号模型的可测性指标体系研究

可测性是为产品能及时准确地确定其状态并隔离其内部故障的1种设计特性,为了评价系统可测性的好坏,迫切需要1套完整的可测性指标体系,目前国内外可测性研究者未对可测性指标计算提出完善的计算公式.归纳了1套完整的可测性指标的计算体系,利用这种指标计算方法和多信号模型理论自主研发了可测性的软件,实例验证了通过这种计算方法得到可测...     

基于TEAMS的机载燃油测量系统测试性设计

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,在充分研究多信号模型的基础上,对机载燃油测量系统的组成原理及工作流程进行了深入分析,运用TEAMS软件系统对该系统进行了测试性建模与分析,并对系统的测试性进行了改进,提高了系统的测试性指标,为系统测试性设计提供了方法指导。     

一种电子系统测试性模型的研究与应用

测试性是系统能够及时准确地确定其状态并隔离其内部故障的一种设计特性。系统测试性设计是否符合要求需要进行分析和评估,而基于模型的分析方法由于其所具有的优势被广泛应用于系统的测试性分析。考虑到电子系统测试性的特殊需求,为提高现代电子系统测试性分析的能力,采用多信号流图模型与功能、故障模式相结合的表示方法,建立了一种针对电子系统的测试性模型——ESTIM,该模型以原理图为依据,在描述方法上与电子系统的EDA软件相融合,易于实现电子系统测试性分析和相关参数计算,是电子系统测试性研究与分析的一个有用的工具。并通过对数字式气压高度表的测试性分析实例,说明了ESTIM的应用方法。     

基于实测数据跳变及稳态点的负荷模型参数快速辨识方法

传统总体测辨法存在暂态仿真计算量大、辨识所需时间长等问题,无法满足负荷特性记录装置在线实时辨识负荷模型参数的需求,为此,提出一种基于实测数据跳变及稳态点的负荷模型参数辨识方法。选取实测数据电压突变后1点、电压恢复前后2点以及最终稳态点作为计算点;根据感应电动机三阶微分方程,采用稳态计算法和大步长隐式梯形法计算4点的状态变量,进而得到4点的有功和无功功率;根据4点的实测功率,采用遗传粒子群混合优化算法对负荷模型重点参数进行寻优辨识。算例结果表明,所提方法辨识结果准确,所需计算量小,其计算时间不到传统总体测辨法的1/10。     

基于离散粒子群算法的测试选择

本文将离散粒子群算法(BPSO)首次应用于测试选择,结合测试选择自身的特点,重新定义了粒子及其速度;通过定义带有测试选择指标的适应度函数对粒子进行优化,并根据其容易陷入局部最优的特点,引入了线性惯性权重因子;同时本文将故障发生的概率作为评价测试集优劣的一个重要指标,具有重要的应用价值.文中的实例验证了该算法的有效性,利用该算法不仅可以获得较高的故障检测率、故障隔离率及较小的测试矢量集,而且还可以很快地找到发生概率大的故障.     

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...     

基于粒子群优化算法的过程模型辨识

参数辨识是过程建模的基础,提出了一种基于粒子群优化(PSO)算法的模型参数辨识方法,将过程模型的每个参数作为粒子群体中的一个粒子,利用粒子群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率.对火电厂热工过程进行参数辨识的仿真结果表明,利用PSO算法辨识过程模型参数,无论过程模型是否是时滞对象,该辨识方法对过程模型的阶次不敏感,对于不同的输入信号,均能得到满意的辨识精度和效率,因此得到了较为精确的过程模型,模型输出与实际输出基本一致.