基于双重Rollout算法的多工作模式系统诊断策略优化

实际多工作模式系统测试与诊断过程中单一工作模式下测试不能检测和隔离全部故障,不同工作模式下测试检测和隔离故障的代价和效率也不同,为以最小的代价实现多工作模式系统的故障隔离与定位,提出基于双重Rollout算法的诊断策略优化方法.在构建指定工作模式下的完整诊断策略时,首先采用第1重Rollout算法,得到该工作模式下的局部诊断策略和故障模糊集;针对该工作模式下无法隔离的模糊集,采用第2重Rollout算法从剩余工作模式中选择切换至最优工作模式下进行隔离,得到新的局部诊断策略和新的模糊集;依次类推,直到故障模糊集为空或已满足系统隔离要求.实例分析结果表明,与现有算法相比,所提出方法得到的解更接近最优解,期望测试费用更低.     

基于Rollout算法的多值属性系统诊断策略

针对多值属性系统的诊断策略问题,根据Rollout算法可改善基础启发式算法的特点,用Rollout算法对基于信息熵的多值属性系统诊断策略进行优化,提出一种新的多值属性系统诊断策略．理论和实验分析表明,RoUout算法的计算结果优于信息熵算法,计算时间在可接受范围之内,可用于复杂多值属性系统的最优诊断策略设计．     

基于模拟退火粒子群算法的不可靠测试点优化

针对实际复杂系统测试与诊断时存在虚警和漏检的情况问题,提出在不可靠测试条件下,基于模拟退火粒子群(SA-PSO)算法的测试点优化方法。首先综合考虑不可靠测试条件下测试点的故障检测能力、故障隔离能力及结果信任度设计了评价测试点性能的启发函数;然后,将该启发函数与测试费用最小原则相结合,并根据测试性指标的要求,构建确保测试点最优的适应度函数;最后,设计基于模拟退火粒子群算法的不可靠测试点优化步骤,并用阿波罗发射系统实例验证了该算法的优越性。结果表明SA-PSO算法能够在满足测试性指标的要求下获得最小测试费用的测试点集,其故障检测率、隔离率都优于贪婪算法及遗传算法。     

基于Rollout算法的冗余多故障诊断策略

针对冗余系统的多故障诊断问题,分析了冗余多故障系统的相关性矩阵模型,通过对模型进行转换后,用Rollout算法对基于信息熵的诊断策略进行优化,提出了一种新的多故障诊断策略;该策略不需要计算最小碰集,而且具有先测试,最后修复的特点,在具体应用中更便于操作;实例计算结果表明,和现有算法相比,本策略得到的期望测试费用更低。     

贪心算法在系统故障诊断策略生成中的应用

诊断策略是具有一定顺序的测试序列.诊断策略生成的目标是隔离故障,并使测试开销达到最小.本文介绍测试序列生成的各种信息启发式算法并通过对比各种算法诊断策略生成的期望开销,着重讨论了Rollout算法的优越性.     

诊断策略设计方法综述

诊断策略设计是装备测试性工作的重要组成部分,对提高装备的性能监测和故障诊断能力,减少测试和维修资源需求,降低寿命周期费用等方面具有重要的意义;通过对国内外的研究成果及相关文献进行分析和总结,较为系统地介绍了AND/OR图启发式搜索方法和智能优化算法两大类诊断策略设计方法的原理及分类;对多故障条件、测试多值输出和测试不可靠条件等复杂条件下的诊断策略设计方法的研究现状进行了分析和综述;在此基础上,从三个方面探讨了诊断策略设计的未来研究方向。     

基于改进蚁群算法的多值属性系统故障诊断策略

针对传统蚁群算法难以精准解决多值属性系统(multi-valued attribute system,MVAS)诊断策略的问题,在改进蚁群算法的基础上,提出一种改进蚁群算法的测试序列寻优(ANT-TS)算法以搜索MVAS的故障测试序列.首先,引入多值D矩阵和五元组完成诊断策略的公式化处理;然后,为实现ANT-TS算法与MVAS诊断策略的融合,重新表述蚁群算法、设置状态转移规则、设定信息素初始化及更新的方式;最后,通过实例说明算法的实现过程,运用随机仿真实验验证其正确性和稳定性.结果表明:与传统蚁群算法相比,ANT-TS算法的运行过程与诊断策略的一致,且其参数和循环次数少、期望测试费用低、运行速度快;与传统的MV-IG算法和多值Rollout算法相比,ANT-TS算法能获得费用较少的测试序列.     

基于Rollout算法的序贯多故障诊断策略

针对目前大部分序贯多故障诊断算法需要计算最小碰集、计算方法较为复杂的问题,在对多故障相关矩阵模型进行转换的基础上,利用Rollout算法对基于信息熵的多故障诊断策略进行优化,提出一种新的多故障诊断策略。实例计算结果表明,与现有算法相比,所提出方法的期望测试费用更低,且具有先测试后修复的特点,在实际工程中更便于操作。     

基于概率阈的非冗余多故障系统诊断策略优化

针对传统的单故障假设无法诊断复杂系统多故障并发的情况,提出了一种基于概率阈的非冗余系统多故障诊断策略。首先对系统的相关性模型进行扩展,并删除低于概率阈的故障状态,建立非冗余系统的多故障测试诊断模型;其次在信息熵算法的基础上建立Rollout算法,获得了最优测试序列;然后建立故障诊断树并计算测试代价;最后以某机载电子系统为例验证了该方法的有效性。该方法可以在保证测试费用最小的情况下获得非冗余系统的最优测试序列。     

现场条件约束下的动态诊断策略研究

针对传统的故障诊断策略属于静态的诊断方法,难以在复杂的现场工作环境中应用的问题,在基于准深度优先搜索（QDFS）算法的基础上,提出了一种基于改进的QDFS算法（考虑测试的不确定性）的现场约束条件下的诊断策略生成方法。首先分析工作现场可能存在的条件约束,然后给出条件约束的描述方法,再根据改进的QDFS算法给出生成诊断策略的具体过程,最后用案例对方法进行验证。案例验证结果表明,该方法不仅考虑了不可靠测试的影响,并能在现场约束条件下应用起来,比传统的静态诊断策略更具有适应性和实用性。     

基于Rollout算法的模拟电路测点选择

针对模拟电路的测点选择问题,对整数编码故障字典进行了研究.分析了基于信息熵算法的测点选择算法,并采用Rollout算法对信息熵算法进行优化,建立了一种新的测点选择算法,给出了新算法的详细计算过程和计算效果.试验结果表明,新算法的计算效果优于信息熵算法,且随着故障字典复杂度的增加,优势更加明显.     

基于全局最优的信息启发式Rollout测试序列生成算法

为实现电子设备或电气系统快速故障诊断,在故障诊断过程中需生成测试序列,一般通过分析测试点对故障的检测与隔离的次序能够得出产品测试序列生成排故引导树。然而针对不同故障模式的故障率不同,不同测试点的测试权重、测试费用、测试时间不同,从不同测试点出发形成的排故引导树也不同。提出了一种基于A0*信息启发式Rollout策略的测试序列生成算法,其作为一种近优的结算方法既考虑可靠性,也考虑测试费用最小,既减轻庞大的计算量,又获得了比次优启发式算法更好的诊断结果。