CN101833054A - 一种针对测试配置的故障持续诊断能力的评价方法 - Google Patents

一种针对测试配置的故障持续诊断能力的评价方法 Download PDF

Info

Publication number
CN101833054A
CN101833054A CN 201010161653 CN201010161653A CN101833054A CN 101833054 A CN101833054 A CN 101833054A CN 201010161653 CN201010161653 CN 201010161653 CN 201010161653 A CN201010161653 A CN 201010161653A CN 101833054 A CN101833054 A CN 101833054A
Authority
CN
China
Prior art keywords
sustainable
fault
node
correlativity
submatrix
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201010161653
Other languages
English (en)
Other versions
CN101833054B (zh
Inventor
石君友
史萌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Tianhang Changying Technology Co ltd
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201010161653XA priority Critical patent/CN101833054B/zh
Publication of CN101833054A publication Critical patent/CN101833054A/zh
Application granted granted Critical
Publication of CN101833054B publication Critical patent/CN101833054B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Tests Of Electronic Circuits (AREA)

Abstract

本发明提出的一种针对测试配置的故障持续诊断能力的评价方法，该方法首先确定可持续诊断故障的所有分支结点，建立所有的可持续诊断故障组合，然后根据前面所得结果评估可持续诊断故障能力，最后确定测试配置的薄弱环节，给出改进测试配置建议。本发明提出的方法弥补了系统内测试配置对渐次发生多个故障的持续诊断能力评价方法的空白，为评价测试配置的可持续诊断故障能力提供了一种可行方法，也为改进测试配置提供了可行的方法。

Description

一种针对测试配置的故障持续诊断能力的评价方法
技术领域
本发明涉及一种针对测试配置的故障持续诊断能力的评价方法，属于测试性技术领域。
背景技术
产品测试性设计的目的是能够使产品的故障被快速准确的检测和隔离出来。无论是采用机内测试，还是采用机外测试，完成故障的检测和隔离都需要使用到各种测试，因此测试的选用配置是测试性设计中的一项重要工作。
相关性理论是近年来出现的用于测试选用配置分析的重要方法，该方法基于单故障假设，采用定性模型(包括测试性模型和相关性矩阵)来表达产品故障与测试之间的关联关系，根据关联关系确定测试的重要性，并给出选用的测试集，以及与测试集对应的诊断策略。该诊断策略具有快速方便的特点，可以用于机内测试或者机外测试中，实现故障的快速诊断。
目前，已经有商业化软件TEAMS、eXpress等支持开展相关性建模和生成单故障诊断策略等工作。同时，这种相关性理论方法在系统的实时测试设计中应用得越来越多，对解决系统中的单故障诊断具有良好的适用性。而在系统工作中，往往会渐次发生多个故障。而这种面向单故障的测试配置和诊断策略能否有效地诊断渐次发生的多故障，即可持续诊断能力的高低，在目前还缺少有效的分析评价方法和配套工具支持。
发明内容
本发明的目的是为了解决上述问题，提出一种针对测试配置的故障持续诊断能力的评价方法，主要通过分析确定可持续诊断故障的所有分支结点，列出所有的可持续诊断故障组合，评估可持续诊断故障能力。同时，判断现有测试配置存在的薄弱环节，并据此给出改进测试配置的建议。
本发明提出的一种针对测试配置的故障持续诊断能力的评价方法包括以下几个步骤：
步骤一：确定可持续诊断故障的所有分支结点。
可持续诊断故障分支结点的公式如下：
CDF＝(DF，TF)                        (1)
式中：CDF代表可持续诊断故障分支结点，DF代表按次序发生并诊断出的故障序列，DF＝[AFd1，AFd2，…，AFdi]，AFdi表示第i次发生的故障模糊组，AFdi＝Fl|Fm|…|Fn，Fl、Fm、…、Fn表示模糊组的单个故障，模糊组只有一个故障时，直接表示为AFdi＝Fl；TF代表可继续检测的故障集合，TF＝{AFt1，AFt2，…，AFtj}，AFtj表示第j个可以继续检测的故障模糊组，AFtj＝Fr|Fp|…|Fq，Fr、Fp、…、Fq表示模糊组的单个故障，模糊组只有一个故障时，直接表示为AFtj＝Fr。
DF中的序列长度确定了CDF的层次位置，当DF中的序列长度为1时，CDF称为首层结点；当DF中的序列长度大于1时，CDF通称为下层结点。当CDF的TF为空集时，此时的DF称为可持续诊断故障组合。
确定可持续诊断故障的所有分支结点的具体包括的步骤如下：
步骤1根据相关性矩阵确定可检测的首发故障；并进一步确定每个首发故障对应的首层结点，具体确定过程为：
步骤A.选择一个首发故障作为当前故障，并将系统的相关性矩阵作为当前矩阵。
步骤B.建立相关性子矩阵。
步骤C.确定相关性子矩阵中包含的可检测故障，构成可持续检测的故障集合，若相关性子矩阵不存在，则可持续检测的故障集合置为空集。
步骤D.把首发故障列入故障序列中，并与可持续检测的故障集合组合成一个首层结点。若相关性子矩阵存在，则该相关性子矩阵置为该结点的相关性子矩阵。
步骤E.重复步骤A～步骤D，直到得到所有的首层结点。
步骤2对首层结点继续展开分析，得到全部结点。
步骤2.1从首层结点中选择一个结点作为当前结点。
步骤2.2分析当前结点的可持续检测故障集合，若为空集，则跳转到步骤1.2.4，否则继续。
步骤2.3通过下面步骤a～步骤e五个步骤，确定当前结点的下一层结点，
步骤a.选择当前结点的可持续检测故障集合TF的一个故障作为当前故障，并将当前结点的相关性子矩阵作为当前矩阵。
步骤b.建立相关性子矩阵。
步骤c.确定相关性子矩阵中包含的可检测故障，构成可持续检测的故障集合。
步骤d.把当前故障列入故障序列中，并与可持续检测的故障集合组合成一个下层结点，若相关性子矩阵存在，则该相关性子矩阵置为该结点的相关性子矩阵。
步骤e.重复步骤a～步骤d步，直到得到当前结点的所有下一层结点。
步骤2.4选择与当前结点同层的下一个结点，作为当前结点，重复步骤2.2和步骤2.3，直到本层结点全部处理完毕。
步骤2.5若存在下一层结点，则从所有下一层结点，选择一个作为当前结点，重复步骤2.2至步骤2.4；否则，分析完毕，得到所有的可持续诊断故障分支结点。
步骤二：建立所有的可持续诊断故障组合。
所有可继续检测的故障集合为空集的可持续诊断故障分支结点，其按次序发生并诊断出的故障序列即为所求的可持续诊断故障组合。
步骤三：评估可持续诊断故障能力。
以可持续诊断故障组合为基础，计算下列三个评估参数，以实现系统测试配置的故障持续诊断能力评价。三个参数值越大表示给测试配置的可可持续诊断故障能力越强。
参数一、最大深度：
最大深度是指可持续诊断故障组合长度的最大值，反映系统测试配置的最大持续诊断能力，计算公式如下：
Lmax＝max{di|i＝1～u}                        (2)
式中：di表示可持续诊断故障组合长度；u表示可持续诊断故障组合总数。
参数二、最小深度：
最小深度是指可持续诊断故障组合长度的最小值，反映系统测试配置的最小持续诊断能力，计算公式如下：
Lmin＝min{di|i＝1～u}                        (3)
参数三、平均深度：
平均深度是指所有可持续诊断故障组合长度之和与组合数目之比，计算公式如下：
L avg = Σ i = 1 u d i / u - - - ( 4 )
步骤四、根据步骤三中所得到的评估参数确定当前测试配置是否存在薄弱环节，若不存在，表示当前测试配置不需要改进，结束评估；若存在薄弱环节，则在当前测试配置基础上，增加针对薄弱环节的测试，然后结束评估。
在最小深度与最大深度不等时，系统必然存在薄弱环节。找出所有长度与最小深度相等的可持续诊断故障组合，各组合中的首故障即是现有测试配置的薄弱环节。在最小深度与最大深度相等时，不存在薄弱环节。
在当前测试配置基础上，通过增加针对薄弱环节的测试，提高可持续诊断故障能力，新增测试的约束如下：在形成得到新相关性矩阵中，新增测试所在列的取值规则应保证：所有与薄弱环节故障对应行的取值为0；最长可持续诊断故障组合的首故障对应行中至少一行取值为1，其余故障对应行既可以取1，也可以取0。根据该约束，可以得到应该增补的候选测试。
步骤1中步骤B与步骤2中步骤b中所述建立相关性子矩阵的具体环节为：
第一步、识别当前矩阵中与当前故障相关的所有测试，将当前矩阵中的这些测试剔除，判断剔除后的矩阵是否为空，如果为空，则相关性子矩阵不存在，如果不空，则继续下一步；
第二步、在第一步形成的相关性子矩阵中，识别并剔除全零行，判断剔除后的矩阵是否为空，如果为空，则相关性子矩阵不存在，如果不空，则继续下一步；
第三步、在第二步形成的相关性子矩阵中，识别相同的行，合并形成故障模糊组，得到相关性子矩阵。
本发明的优点与积极效果在于：
(1)本发明的针对测试配置的故障持续诊断能力的评价方法，用于确定可持续诊断故障的所有分支结点，得到可持续诊断故障组合，评估测试配置的可持续诊断故障能力，为评价测试配置的可持续诊断故障能力提供了一种可行方法。
(2)本发明中还提供了测试配置在可持续诊断故障能力方面薄弱环节的确定方法，以及新增测试的约束条件，为改进测试配置提供了方向。
(3)本发明弥补了系统内测试配置对渐次发生多个故障的持续诊断能力评价方法的空白。
附图说明
图1是本发明的针对测试配置的故障持续诊断能力的评价方法的步骤流程图；
图2是本发明的评价方法步骤中所用相关性子矩阵生成流程图；
图3是本发明的评价方法中对首层结点处理得到全部结点的流程图；
图4是本发明实施例所用某航电子系统测试配置示意图；
图5是本发明实施例在采用本发明的评价方法改进后的测试配置示意图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
某航电子系统的测试配置原理如图4所示，该航电子系统中的存在的故障组成如下：
大气数据系统故障F1；无线电高度表故障F2；气象雷达故障F3；组合导航装置故障F4；航空地图导航装置故障F5；近地告警装置故障F6。
该航电子系统的当前测试配置包括三个测试：气象通道测试T1；导航通道测试T2；告警通道测试T3。
本发明的针对测试配置的故障持续诊断能力的评价方法包括以下几个步骤，如图1所示：
步骤一：确定可持续诊断故障的所有分支结点。
步骤1根据相关性矩阵确定可检测的首发故障；并进一步确定每个首发故障对应的首层结点。
根据系统的相关性矩阵，确定可以检测的全部故障，即全部首发故障。
该航电子系统的相关性矩阵如表1所示，表中，0代表该故障与该测试无关，1代表该故障与该测试相关。
表1 某航电子系统的相关性矩阵
  T1   T2   T3
  F1   1   1   1
  F2   0   0   1
  F3   1   0   0
  F4   0   1   1
  F5   0   1   0
  F6   0   0   1
根据该矩阵，确定出的可检测首发故障为F1、F2、F3、F4、F5、F6。
确定每个首发故障对应的首层结点。顺序将F1、F2、F3、F4、F5、F6设为首发故障，得到所有的首层结点。其中用到的相关性子矩阵的建立如图2所示，具体环节如下：
(i)识别当前矩阵中与当前故障相关的所有测试，将当前矩阵中的这些测试剔除。判断剔除后的矩阵是否为空，如果为空，则相关性子矩阵不存在；如果不空，则继续。
(ii)在第(i)形成的矩阵中，识别并剔除全零行。判断剔除后的矩阵是否为空，如果为空，则相关性子矩阵不存在；如果不空，则继续。
(iii)在第(ii)形成的矩阵中，识别相同的行，合并形成故障模糊组，得到相关性子矩阵。
首发故障为F1时，不存在相关性子矩阵，则对应的首层结点为：([F1]，{ })。
首发故障为F2时，相关性子矩阵如表2所示。
表2 F2对应的相关性子矩阵
  T1   T2
  F1   1   1
  F3   1   0
  F4|F5   0   1
根据该相关性子矩阵，得到对应的首层结点为：([F2]，{F1，F3，F4|F5})。
首发故障为F3，相关性子矩阵如表3所示。
表3 F3对应的相关性子矩阵
  T2   T3
  F1|F4   1   1
  F2|F6   0   1
  F5   1   0
根据该相关性子矩阵，得到对应的首层结点为：([F3]，{F1|F4，F2|F6，F5})。
首发故障为F4，相关性子矩阵如表4所示。
表4 F4对应的相关性子矩阵
  T1
  F1|F3   1
根据该相关性子矩阵，得到对应的首层结点为：([F4]，{F1|F3})。
首发故障为F5，相关性子矩阵如表5所示。
表5 F5对应的相关性子矩阵
  T1   T3
  F1   1   1
  F2|F4|F6   0   1
  F3   1   0
根据该相关性子矩阵，得到对应的首层结点为：([F5]，{F1，F2|F4|F6，F3})。
首发故障为F6，相关性子矩阵如表6所示。
表6 F6对应的相关性子矩阵
  T1   T2
  F1   1   1
  F3   1   0
  F4|F5   0   1
根据该相关性子矩阵，得到对应的首层结点为：([F6]，{F1，F3，F4|F5})。
步骤2对首层结点继续处理，得到全部结点，具体流程如图3所示，包括如下步骤：
步骤2.1从首层结点中选择一个结点作为当前结点。
步骤2.2判断当前结点的可持续检测故障集合，若为空集，则跳转到步骤2.4，否则继续。
步骤2.3通过下面步骤a～步骤e五个步骤，确定当前结点的下一层结点：
步骤a.选择当前结点的可持续检测故障集合TF的一个故障作为当前故障，并将当前结点的相关性子矩阵作为当前矩阵。
步骤b.建立相关性子矩阵，具体环节如图2所示，同步骤1中的相关性子矩阵的建立。
步骤c.确定相关性子矩阵中包含的可检测故障，构成可持续检测的故障集合。
步骤d.把当前故障列入故障序列中，并与可持续检测的故障集合组合成一个下层结点。
步骤e.重复步骤a～步骤d步，直到得到当前结点的所有下一层结点。
步骤2.4选择与当前结点同层的下一个结点，作为当前结点，重复步骤2.2和步骤2.3，直到本层结点全部处理完毕。
步骤2.5若存在下一层结点，则从所有下一层结点，选择一个作为当前结点，重复步骤2.2至步骤2.4；否则，处理完毕，得到所有的可持续诊断故障分支结点。
对步骤1中得到的首层结点根据上述步骤2得到的第二层结点如下所示：
首层结点([F2]，{F1，F3，F4|F5})的下层结点为([F2，F1]，{ })、([F2，F3]，{F1|F4|F5})和([F2，F4|F5]，{F1|F3})；
首层结点([F3]，{F1|F4，F2|F6，F5})的下层结点为([F3，F1|F4]，{ })、([F3，F2|F6]，{F1|F4|F5})和([F3，F5]，{F1|F4|F2|F6})；
首层结点([F4]，{F1|F3})的下层结点为([F4，F1|F3]，{ })；
首层结点([F5]，{F1，F2|F4|F6，F3})的下层结点为([F5，F1]，{ })、([F5，F2|F4|F6]，{F1|F3})和([F5，F3]，{F1|F2|F4|F6})；
首层结点([F6]，{F1，F3，F4|F5})的下层结点为([F6，F1]，{ })、([F6，F3]，{F1|F4|F5})和([F6，F4|F5]，{F1|F3})；
继续分析，得到的第三层结点如下：
结点([F2，F3]，{F1|F4|F5})的下层结点为([F2，F3，F1|F4|F5]，{ })；
结点([F2，F4|F5]，{F1|F3})的下层结点为([F2，F4|F5，F1|F3]，{ })；
结点([F3，F2|F6]，{F1|F4|F5})的下层结点为([F3，F2|F6，F1|F4|F5]，{ })；
结点([F3，F5]，{F1|F4|F2|F6})的下层结点为([F3，F5，F1|F4|F2|F6]，{ })；
结点([F5，F2|F4|F6]，{F1|F3})的下层结点为([F5，F2|F4|F6，F1|F3]，{ })；
结点([F5，F3]，{F1|F2|F4|F6})的下层结点为([F5，F3，F1|F2|F4|F6]，{ })；
结点([F6，F3]，{F1|F4|F5})的下层结点为([F6，F3，F1|F4|F5]，{ })；
结点([F6，F4|F5]，{F1|F3})的下层结点为([F6，F4|F5，F1|F3]，{ })。
至此，本实施例的所有层结点全部分析得出。
步骤二：建立所有的可持续诊断故障组合。
在上述的所有结点中，共有14个可持续诊断故障组合，如下：
[F1]、[F2，F1]、[F2，F3，F1|F4|F5]、[F2，F4|F5，F1|F3]、[F3，F1|F4]、[F3，F2|F6，F1|F4|F5]、[F3，F5，F1|F4|F2|F6]、[F4，F1|F3]、[F5，F1]、[F5，F2|F4|F6，F1|F3]、[F5，F3，F1|F2|F4|F6]、[F6，F1]、[F6，F3，F1|F4|F5]、[F6，F4|F5，F1|F3]，u＝14，其中u表示可持续诊断故障组合总数。
上述，每个组合表示当前测试配置能够渐次诊断出来的一个故障组合。例如，[F1]表示当大气数据系统出现故障时，当前测试配置可以诊断出来，但是再次发生其他故障时，就无法再持续诊断。[F2，F3，F1|F4|F5]表示当前测试配置可以依次诊断出渐次出现的故障：无线电高度表故障F2；气象雷达故障F3；大气数据系统、组合导航装置、航空地图导航装置这一故障模糊组。对于再次发生的其他故障，无法再持续诊断。
步骤三：评估可持续诊断故障能力。
系统的可持续诊断故障能力评估结果为：
最大深度Lmax＝3；
最小深度Lmin＝1；
平均深度Lavg＝2.5。
步骤四：根据步骤三中所得到的评估参数确定当前测试配置是否存在薄弱环节，若不存在，表示当前测试配置不需要改进，结束评估；若存在薄弱环节，则在当前测试配置基础上，增加针对薄弱环节的测试，然后结束评估。
根据评估结果，最小深度与最大深度不等，可知当前测试配置存在薄弱环节。
最短可持续诊断故障组合为[F1]，其首故障为F1，即F1为当前测试配置的薄弱环节。
最长可持续诊断故障组合为：[F2，F3，F1|F4|F5]、[F2，F4|F5，F1|F3]、[F3，F2|F6，F1|F4|F5]、[F3，F5，F1|F4|F2|F6]、[F5，F2|F4|F6，F1|F3]、[F5，F3，F1|F2|F4|F6]、[F6，F3，F1|F4|F5]和[F6，F4|F5，F1|F3]，首故障分别为F2、F3、F5和F6。
因此，新增测试T的约束条件如表7所示。要求d1＝0；d2、d3、d5、d6至少有一个为1；d4既可以取1，也可以取0。
表7 新增测试T的约束条件
  T
  F1   d1
  F2   d2
  F3   d3
  F4   d4
  F5   d5
  F6   d6
在实际测试中，d1～d6中出现的1越少，表示测试的范围越小，测试越容易实现，且成本越低，因此d2、d3、d5、d6选择其中一个为1，其他为0，d4选取0。本实施例中增补一个高度测试T，选择d1＝0；d2＝1；d3＝0；d4＝0；d5＝0；d6＝0。如图5所示，高度测试T只与F2相关。图5中比图4新增了高度测试T，其他测试不变。增补测试后的相关性矩阵如表8所示。
表8 增补测试后的相关性矩阵
  T1   T2   T3   T
  F1   1   1   1   0
  F2   0   0   1   1
  F3   1   0   0   0
  F4   0   1   1   0
  T1   T2   T3   T
  F5   0   1   0   0
  F6   0   0   1   0
在增补了新的测试后，重复步骤一至步骤三，得到改进测试配置后的可持续诊断故障组合，共26个，具体如下：
[F1，F2]、[F2，F1]、[F2，F3，F1|F4|F5]、[F2，F4|F5，F1|F3]、[F3，F1|F4，F2]、[F3，F2，F1|F4|F5]、[F3，F5，F2]、[F3，F5，F1|F4|F6，F2]、[F3，F6，F1|F4|F5，F2]、[F3，F6，F2，F1|F4|F5]、[F4，F1|F3，F2]、[F4，F2，F1|F3]、[F5，F1，F2]、[F5，F2，F1|F3]、[F5，F3，F2]、[F5，F3，F1|F4|F6，F2]、[F5，F4|F6，F1|F3，F2]、[F5，F4|F6，F2，F1|F3]、[F6，F1，F2]、[F6，F2，F1]、[F6，F2，F3，F1|F4|F5]、[F6，F2，F4|F5，F1|F3]、[F6，F3，F1|F4|F5，F2]、[F6，F3，F2，F1|F4|F5]、[F6，F4|F5，F1|F3，F2]、[F6，F4|F5，F2，F1|F3]，u＝26，u表示可持续诊断故障组合总数。
增补测试后重新评估测试配置的可持续诊断故障能力，并与原配置值进行对比，如表9所示。
表9 可持续诊断故障能力对比
  可持续诊断故障能力评估参数 原测试配置 新增测试配置
  最大深度Lmax   3   4
  最小深度Lmin   1   2
  平均深度Lavg   2.5   3.38
由表9可知，通过对测试配置进行改进，系统的可持续诊断能力在最大深度、最小深度、平均深度上都得到了提高。
上述，例如[F1，F2]，建议改进后的测试配置在测出大气数据系统故障后，还可以测出无线电高度表故障；例如[F3，F6，F2，F1|F4|F5]，建议改进后的测试配置可以测出渐次出现的4个故障或故障模糊组。因此，利用本发明的方法可以对该航电子系统的当前测试配置进行改进，增加如图5所示的高度测试T，从而增强测试配置的可持续诊断故障能力。

Claims (4)

1.一种针对测试配置的故障持续诊断能力的评价方法，其特征在于，包含下述步骤：
步骤一、确定所有可持续诊断故障的分支结点CDF；
                        CDF＝(DF，TF)
DF代表按次序发生并诊断出的故障序列，DF＝[AFd1，AFd2，…，AFdi]，AFdi表示第i次发生的故障模糊组，AFdi＝Fl|Fm|…|Fn，Fl、Fm、…、Fn表示模糊组的单个故障；
TF代表可持续检测的故障集合，TF＝{AFt1，AFt2，…，AFtj}，AFtj表示第j个持续检测的故障模糊组，AFtj＝Fr|Fp|…|Fq，Fr、Fp、…、Fq表示模糊组的单个故障；
确定所有可持续诊断故障的分支结点的具体步骤如下：
步骤1根据相关性矩阵确定可检测的首发故障；并进一步确定每个首发故障对应的首层结点，具体确定过程为：
步骤A.选择一个首发故障作为当前故障，并将系统的相关性矩阵作为当前矩阵；
步骤B.建立相关性子矩阵；
步骤C.确定相关性子矩阵中包含的可检测故障，构成可持续检测的故障集合，若相关性子矩阵不存在，则可持续检测的故障集合置为空集；
步骤D.把首发故障列入故障序列中，并与可持续检测的故障集合组合成一个首层结点，若相关性子矩阵存在，则该相关性子矩阵置为该结点的相关性子矩阵；
步骤E.重复步骤A～步骤D，直到得到所有的首层结点；
步骤2对首层结点进行处理，得到全部可持续诊断故障分支结点CDF：
步骤2.1从首层结点中选择一个结点作为当前结点；
步骤2.2若当前结点的可持续检测故障集合为空集，则跳转到步骤2.4，否则继续下一步骤；
步骤2.3确定当前结点的下一层结点，具体过程为：
步骤a.选择当前结点的可持续检测故障集合TF的一个故障作为当前故障，并将当前结点的相关性子矩阵作为当前矩阵；
步骤b.建立相关性子矩阵；
步骤c.确定相关性子矩阵中包含的可检测故障，构成可持续检测的故障集合；
步骤d.把当前故障列入故障序列中，并与可持续检测的故障集合组合成一个下层结点；
步骤e.重复步骤a～步骤d，直到得到当前结点的所有下一层结点；
步骤2.4选择与当前结点同层的下一个结点，作为当前结点，重复步骤2.2和步骤2.3，直到本层结点全部处理完毕；
步骤2.5若存在下一层结点，则从所有下一层结点，选择一个作为当前结点，重复步骤2.2至步骤2.4；否则，处理完毕，得到所有的可持续诊断故障分支结点CDF；
步骤二、建立所有的可持续诊断故障组合；
步骤一中所有可继续检测的故障集合TF为空集的可持续诊断故障分支结点CDF，其中按次序发生并诊断出的故障序列DF为可持续诊断故障组合；
步骤三、根据最大深度、最小深度和平均深度三个评估参数对当前测试配置的可持续诊断故障能力进行评估，三个参数值越大表示该测试配置的可持续诊断故障能力越强；
最大深度Lmax指可持续诊断故障组合长度的最大值，反映目前测试配置的最大持续诊断能力：Lmax＝max{di|i＝1～u}；
最小深度Lmin指可持续诊断故障组合长度的最小值，反映目前测试配置的最小持续诊断能力：Lmin＝min{di|i＝1～u}；
平均深度Lavg指所有可持续诊断故障组合长度之和与组合数目之比：
Figure FSA00000104373000021
其中，di代表可持续诊断故障组合长度；u表示可持续诊断故障组合总数；
步骤四、根据步骤三中所得到的评估参数确定当前测试配置是否存在薄弱环节，若不存在，表示当前测试配置不需要改进，结束评估；若存在薄弱环节，则在当前测试配置基础上，增加针对薄弱环节的测试，然后结束评估。
2.根据权利要求1所述的一种针对测试配置的故障持续诊断能力的评价方法，其特征在于，步骤1中步骤B与步骤2中步骤b中所述建立相关性子矩阵的具体环节为：
第一步、识别当前矩阵中与当前故障相关的所有测试，将当前矩阵中的这些测试剔除，判断剔除后的矩阵是否为空，若为空，则相关性子矩阵不存在，若不空，则继续下一步骤；
第二步、在第一步形成的相关性子矩阵中，识别并剔除全零行，判断剔除后的矩阵是否为空，如果为空，则相关性子矩阵不存在，如果不空，则继续下一步骤；
第三步、在第二步形成的相关性子矩阵中，识别相同的行，合并形成故障模糊组，得到相关性子矩阵。
3.根据权利要求1所述的一种针对测试配置的故障持续诊断能力的评价方法，其特征在于，步骤四中所述的薄弱环节是指，在可持续诊断故障组合长度的最小深度与最大深度不等时，所有可持续诊断故障组合长度与最小深度相等的可持续诊断故障组合的首故障；如果最小深度与最大深度相等，则不存在薄弱环节。
4.根据权利要求1所述的一种针对测试配置的故障持续诊断能力的评价方法，其特征在于，步骤四中所述的增加针对薄弱环节的测试，在新增测试后形成的相关性矩阵中，新增测试所在列的取值要满足条件：所有与薄弱环节故障对应的行取值为0，最长可持续诊断故障组合的首故障对应行中至少一行取值为1，其余故障对应行取1或者0；其中，0代表该故障与该测试无关，1代表该故障与该测试相关。
CN201010161653XA 2010-04-27 2010-04-27 一种针对测试配置的故障持续诊断能力的评价方法 Expired - Fee Related CN101833054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010161653XA CN101833054B (zh) 2010-04-27 2010-04-27 一种针对测试配置的故障持续诊断能力的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010161653XA CN101833054B (zh) 2010-04-27 2010-04-27 一种针对测试配置的故障持续诊断能力的评价方法

Publications (2)

Publication Number Publication Date
CN101833054A true CN101833054A (zh) 2010-09-15
CN101833054B CN101833054B (zh) 2011-12-07

Family

ID=42717194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010161653XA Expired - Fee Related CN101833054B (zh) 2010-04-27 2010-04-27 一种针对测试配置的故障持续诊断能力的评价方法

Country Status (1)

Country Link
CN (1) CN101833054B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102243674A (zh) * 2011-06-29 2011-11-16 北京航空航天大学 一种基于结构层次关系的改进相关性矩阵分析方法
CN102270253A (zh) * 2011-06-15 2011-12-07 北京航空航天大学 一种基于状态图的机内测试建模仿真方法
CN102289577A (zh) * 2011-07-29 2011-12-21 北京航星机器制造公司 一种基于最大修复时间最小化的排故方法
CN102306238A (zh) * 2011-07-22 2012-01-04 北京航空航天大学 一种基于相邻单元双故障的产品测试方法
CN102735238A (zh) * 2012-06-18 2012-10-17 北京控制工程研究所 一种基于相关性模型的红外地球敏感器测点优化配置方法
CN106021671A (zh) * 2016-05-12 2016-10-12 北京航空航天大学 结合相关性关系和灰色聚类技术的电路健康分级评估方法
CN109255431A (zh) * 2018-08-15 2019-01-22 北京航空航天大学 一种基于相关性矩阵的感知机网络诊断模型生成方法
CN111521986A (zh) * 2020-06-03 2020-08-11 中国人民解放军32181部队 一种雷达通信分机数据融合模块的检测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5130936A (en) * 1990-09-14 1992-07-14 Arinc Research Corporation Method and apparatus for diagnostic testing including a neural network for determining testing sufficiency
US7451003B2 (en) * 2004-03-04 2008-11-11 Falconeer Technologies Llc Method and system of monitoring, sensor validation and predictive fault analysis
CN101566677A (zh) * 2009-05-26 2009-10-28 中国电力科学研究院 一种故障录波器的试验结果评价方法
CN101614775A (zh) * 2009-07-15 2009-12-30 河北科技大学 基于多源信息融合的变压器状态评估系统及其评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5130936A (en) * 1990-09-14 1992-07-14 Arinc Research Corporation Method and apparatus for diagnostic testing including a neural network for determining testing sufficiency
US7451003B2 (en) * 2004-03-04 2008-11-11 Falconeer Technologies Llc Method and system of monitoring, sensor validation and predictive fault analysis
CN101566677A (zh) * 2009-05-26 2009-10-28 中国电力科学研究院 一种故障录波器的试验结果评价方法
CN101614775A (zh) * 2009-07-15 2009-12-30 河北科技大学 基于多源信息融合的变压器状态评估系统及其评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《航空学报》 20090531 石君友等 测试性研制阶段数据评估验证方法 901-905 1-4 第30卷, 第5期 2 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102270253A (zh) * 2011-06-15 2011-12-07 北京航空航天大学 一种基于状态图的机内测试建模仿真方法
CN102243674B (zh) * 2011-06-29 2013-02-20 北京航空航天大学 一种基于结构层次关系的改进相关性矩阵分析方法
CN102243674A (zh) * 2011-06-29 2011-11-16 北京航空航天大学 一种基于结构层次关系的改进相关性矩阵分析方法
CN102306238B (zh) * 2011-07-22 2014-07-16 北京航空航天大学 一种基于相邻单元双故障的产品测试方法
CN102306238A (zh) * 2011-07-22 2012-01-04 北京航空航天大学 一种基于相邻单元双故障的产品测试方法
CN102289577B (zh) * 2011-07-29 2014-03-19 北京航星机器制造有限公司 一种基于最大修复时间最小化的排故方法
CN102289577A (zh) * 2011-07-29 2011-12-21 北京航星机器制造公司 一种基于最大修复时间最小化的排故方法
CN102735238A (zh) * 2012-06-18 2012-10-17 北京控制工程研究所 一种基于相关性模型的红外地球敏感器测点优化配置方法
CN102735238B (zh) * 2012-06-18 2014-08-27 北京控制工程研究所 一种基于相关性模型的红外地球敏感器测点优化配置方法
CN106021671A (zh) * 2016-05-12 2016-10-12 北京航空航天大学 结合相关性关系和灰色聚类技术的电路健康分级评估方法
CN106021671B (zh) * 2016-05-12 2019-07-09 北京航空航天大学 结合相关性关系和灰色聚类技术的电路健康分级评估方法
CN109255431A (zh) * 2018-08-15 2019-01-22 北京航空航天大学 一种基于相关性矩阵的感知机网络诊断模型生成方法
CN109255431B (zh) * 2018-08-15 2021-11-16 北京航空航天大学 一种基于相关性矩阵的感知机网络诊断模型生成方法
CN111521986A (zh) * 2020-06-03 2020-08-11 中国人民解放军32181部队 一种雷达通信分机数据融合模块的检测系统

Also Published As

Publication number Publication date
CN101833054B (zh) 2011-12-07

Similar Documents

Publication Publication Date Title
CN101833054B (zh) 一种针对测试配置的故障持续诊断能力的评价方法
CN102789543B (zh) 基于多试验信息的可靠性综合评估方法
London et al. Analysis of measurement-set qualitative characteristics for state-estimation purposes
CN104090227B (zh) 一种模拟电路故障诊断中的测点选择方法
CN103076394B (zh) 基于振动识别频率和振型综合的海洋平台安全评定的方法
CN101451917B (zh) 汽车内室操纵力舒适度评价系统及评价方法
CN103500142B (zh) 面向动态Web应用的多目标测试用例优先级测试方法
CN105512011B (zh) 一种电子装备测试性建模评估方法
CN104462757A (zh) 基于监测数据的Weibull分布可靠性序贯验证试验方法
CN102184291A (zh) 一种针对全测试无反馈系统的系统级故障诊断方法
CN108280294B (zh) 一种基于模态参数的索拱结构损伤组合识别方法
CN102063374A (zh) 一种使用半监督信息进行聚类的回归测试用例选择方法
CN109543743B (zh) 一种基于重建预测残差的制冷机组多传感器故障诊断方法
CN103902451A (zh) 一种智能电能表软件品质评价方法
CN102608519B (zh) 基于节点信息的电路故障诊断方法
CN109117450B (zh) 振动测试数据最佳分析长度的确定方法
CN106067032A (zh) 用于数据异常监测的传感器选择方法的评价方法
CN104898039B (zh) 基于故障传播概率模型的故障模式优选方法
CN107133476A (zh) 一种基于响应混叠性度量的测试激励与测点的协同优化方法
CN102506812B (zh) 一种变形监测基准点稳定性判断的vt检验方法
CN115165332A (zh) 一种装备机内测试与综合测试一体化设计方法及系统
CN101221216A (zh) 路径延迟故障测试向量压缩方法及装置
Masciotta et al. Structural monitoring and damage identification on a masonry chimney by a spectral-based identification technique
TWI551868B (zh) 診斷子網路缺陷之電腦實施方法，用於診斷子網路缺陷的具有複數指令儲存於其上之電腦可讀取儲存媒體以及故障合成的診斷系統
CN106886620A (zh) 航天器测试资源优化配置方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20210111

Address after: 100089 No. 1105, 11 / F, Boyan building, 238 North Fourth Ring Middle Road, Haidian District, Beijing

Patentee after: Beijing Tianhang Changying Technology Co.,Ltd.

Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road

Patentee before: BEIHANG University

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20111207

CF01 Termination of patent right due to non-payment of annual fee