动态测试中单次性信号测试数据的贝叶斯推断

本文提出一种动态测试中单次性信号测试数据的贝叶斯推断方法,其中单次性的被测信号和输出信号被认为是随机过程的现实。通常,在进行测试之前获得这些现实的一些知识是有用的。为了从单次性的动态测试中获取最多的信息,引入了贝叶斯方法使实验者根据测试结果提供的新的信息修改其先验置信度。     

边界扫描测试生成的数学基础

本文以边界扫描测试的布尔矩阵描述模型为基础,证明了边界扫描测试生成的两个一般性定理。其中,定理一给出了能检测所有故障的测试矩阵的紧凑性条件,定理二给出了能隔离所有故障的测试矩阵的完备性条件。以定理为基础,提出了两种边界扫描测试生成的一般性策略,为进一步研究边界扫描测试生成优化算法奠定了理论基础。     

热处理炉均匀性测试研究

文章阐述了企业生产现场用井式热处理炉工作区温度均匀性测试的方法和具体实施方案及不确定度评定。     

基于贝叶斯网络的计算机网络设备级故障诊断

贝叶斯网络能够用图形化的方式表示对象间的依赖关系,并支持不确定推理。研究基于贝叶斯网络的计算机网络设备级故障诊断方法,描述故障诊断模型的构造方法,设计故障诊断算法,并通过仿真验证该方法的有效性。     

测试性验证故障注入方法

由于装备测试性的重要性,急需一种有效的测试性验证方法。分析技术研究现状并结合实际提出基于通用测试性验证系统的实用测试性验证故障注入方法,对系统组成原理、关键技术进行了描述。     

少量样本下基于PCA-BNs的多故障诊断

针对一些工业设备因有标签故障样本数据少而导致诊断准确率低的问题,提出了一种PCA-BNs主成分分析和斯网络(principal component analysis-Bayesian networks, PCA-BNs)结合的多故障网络模型的建模方法。通过PCA对时序信号进行降维,得到相互独立的故障特征,提高提取故障关键信息的能力;利用融合单故障贝叶斯网络构建多故障贝叶斯网络结构的方法,解决BN建模过程耗时的问题;通过高斯分布与极大似然估计结合的方法确定网络参数,提高少量数据BN建模的精度,实现在少量样本下的故障诊断。试验结果表明,基于PCA-BNs的故障诊断方法在少量样本条件下,能实现高精度的故障诊断,并且有效缩减了算法运行时间。     

基于多信号模型的系统测试性建模与分析

多信号模型是一种简单而有效的系统建模表示方法,已被美国QSI公司引入其TEAMS(测试性工程和维修系统)软件中,用于系统测试性分析和预计、可靠性分析以及故障诊断等。对基于多信号模型的系统测试性建模与分析方法进行深入研究,结合示例具体给出多信号模型的表示和建模,故障-测试相关矩阵以及未检测故障、模糊组、冗余测试、故障掩盖、故障检测率和故障隔离率等的具体分析过程和算法。算法分析结果与应用TEAMS软件分析结果相一致。基于多信号模型的测试性分析方法,虽然不能给出一个全面的测试性评定结论,并存在着不足之处亟待改进,但易于实现计算机辅助分析,对系统测试性设计工具的研发具有价值。     

基于故障对布尔表的模拟电路测试性分析方法

为充分利用测试性验证试验的故障响应特征信息,提高测试性分析结果的准确性,基于故障物理注入技术,提出采用整数对布尔表对模拟电路进行测试性分析的方法。首先分析现有测试性分析方法存在的不足之处;然后根据实测数据构建故障对布尔表,并以此为基础提出预计故障检测率、故障隔离率和故障虚警率等指标的计算公式以及测试性分析步骤;最后结合串联稳压电路实例对文章所提方法进行验证。实验结果表明:与D矩阵模型方法和整数编码字典方法相比,该法都具有更高的故障分辨能力,能够为模拟电路的测试性分析提供更准确的评价指标。     

基于布尔逻辑的测试选择算法

提出了一种基于布尔逻辑运算的测试选择新方法.首先建立布尔关联矩阵来描述系统中故障与测试的相关关系;然后依据关联矩阵,分别定义描述故障检测用测试集和故障隔离用测试集的布尔逻辑函数;再根据布尔运算定律对逻辑函数进行展开和化简处理,并根据计算结果得到最优测试集.通过案例验证了该方法的正确性,并指出了该方法的优势及其在计算复杂性方面存在的不足.     

基于三角模糊数的测试性分配方法

在考虑多因素影响的测试性分配中,需要专家通过两两比较来确定诸因素的相对重要性．然而由于人们的判断具有模糊性和不确定性,故在构造比较判断矩阵时所给出的判断往往不是确定的数值．针对这一问题,本文提出基于三角模糊数的测试性分配方法．该方法用三角模糊数表示专家评判数值范围,考虑人判断的模糊性,将无弹性的硬指标转化成模糊的软指标,建立基于三角模糊数的结构模型,同时结合层次分析（APH）方法进行指标权重的确定,由得到的权重进行测试性指标的分配．最后结合实例对本方法进行应用研究,应用结果验证了此方法的可行性．     

基于多值关联矩阵扩展的诊断策略设计

对于复杂系统,在实际测试中测试不通过的情况可能有多种,如果依然采用基于确定性关联矩阵的测试序列生成算法,将损失大量信息,导致测试精度和效率降低．提出了基于关联矩阵扩展的诊断策略设计方法,将多值关联矩阵扩展为二值关联矩阵,然后利用AO*算法得出诊断策略．实例验证表明,算法提高了故障隔离精度,为不确定系统的诊断策略设计提供一种高效算法．     

基于多信号模型的舰船柴油机测试性研究

从设计着手,全系统全寿命周期考虑装备的测试诊断问题是避免重大事故发生和降低维修保障费用的有效手段.在充分研究舰船柴油机测试性特点及现状的基础上,引入多信号模型对舰船柴油机的润滑系统进行了测试性建模与分析,对其测试性设计提出了改进措施,能够全面地检测与隔离故障,为科学合理的制定测试方案提供了方法指导.     

多信号模型故障模式与信号概率关联算法

为适应复杂装备的测试性建模,多信号模型采用层次化的建模方式.针对建模过程中信号概率和故障模式(功能故障和完全故障)概率的冲突问题,提出了三种概率关联更新算法,并通过某装备模块多信号模型的故障模式及信号概率的更新验证了算法的有效性.算法提高了测试性分析与评估的精度,为模型的修正和故障诊断策略的生成提供了更加可靠的依据.     

测试性建模中故障模式概率更新算法研究

为适应复杂装备全寿命周期内的测试性分析与评估,测试性建模中多采用层次化的建模方式．针对建模过程中信号(功能)概率和故障模式概率的冲突问题,提出了两种故障模式概率更新算法,并通过某装备模块的故障模式概率的更新验证了算法的有效性．提高了测试性分析与评估的精度,为模型的修正和故障诊断策略的生成提供了更加可靠的依据．     

测试性建模与分析中的故障概率获取方法研究

在实际维修测试中,为了系统安全和减少测试时间,经常采用模块化诊断和模糊组替换诊断等含有实用特性的故障诊断方法.在测试性建模、分析与评估和诊断策略的设计中,对于采用含实用特性诊断方法的系统而言,传统的故障概率计算方法不再适用,提出了基于蒙特卡罗仿真的故障概率获取方法.仿真分析表明,利用该方法得到的故障率更加真实可靠,能为测试性建模、分析和诊断策略的设计提供更加准确的依据.     

基于TEAMS的惯性测量组合测试性建模与分析

惯性测量组合(IMU)是飞行器控制系统中的核心部件,其结构复杂、精度要求高,是故障率最高的部件之一。基于TEAMS平台建立某惯组系统的多信号模型,并对其测试性进行分析与评估,针对固有测试在故障定位和诊断中存在的不足,提出两种测试点的改进方案。分析结果表明:改进后的IMU测试性得到了显著提高,基于多信号模型的测试性分析与评估方法对增强装备保障能力是有效的。     

多信号流图的测试性建模与分析

随着测试性设计技术的广泛应用，测试性建模与分析技术日益受判产品设计人员的关注。本文介绍了多信号流图建模方法，并以某飞行器配电器为例，运用多信号流图进行建模分析。在模型分析的基础上，对某飞行器配电器的可测试性进行评价。结果表明，多信号流图测试性建模方法在产品的可测试性设计应用中可行、有效。     

Test sample allocation method for testability verification test

An extended failure mode effect and criticality analysis (FMECA)-based sample allocation method for testability verification is presented in this study to deal with the poor representativeness of test sample sets and the randomness of the testability evaluation results caused by unreasonable selection of failure samples. First, the fault propagation intensity is introduced as part of the extended information of FMECA, and the sample allocation impact factors of component units and failure modes are determined under this framework. Then, the failure mode similarity and impact factor support are defined, and the game decision method for weighing the relationship between similarity and support is proposed to obtain the weight of failure mode impact factor. Finally, a two-step allocation framework of test samples is formulated to realize the sample allocation of component units and failure modes. This method is applied to the testability verification test of a launch control system. Results show that this method can obtain more representative test samples compared with the traditional sample allocation method while effectively reducing randomness of single testability evaluation result.     

基于遗传算法的测试性优化分配方法

测试性分配是测试性设计中的一项重要环节.测试性分配参数主要是故障检测率(FDR)和故障隔离率(FIR).常用的权值分配法存在权值计算繁杂、分配结果需要调整等不足.优化分配是一种较好分配方法,它是在一系列的约束条件下,使分配的结果费效比最优.但是解决约束优化分配问题的内点法、最小乘子法等算法存在易陷入局部最优、寻找初始点...