CN113626267A - 复杂电子系统不确定性故障诊断效能评估方法 - Google Patents
复杂电子系统不确定性故障诊断效能评估方法 Download PDFInfo
- Publication number
- CN113626267A CN113626267A CN202110877444.3A CN202110877444A CN113626267A CN 113626267 A CN113626267 A CN 113626267A CN 202110877444 A CN202110877444 A CN 202110877444A CN 113626267 A CN113626267 A CN 113626267A
- Authority
- CN
- China
- Prior art keywords
- fault
- test
- matrix
- uncertainty
- failure
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 32
- 238000012360 testing method Methods 0.000 claims abstract description 262
- 239000011159 matrix material Substances 0.000 claims abstract description 161
- 238000002955 isolation Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims 1
- 238000011058 failure modes and effects analysis Methods 0.000 abstract 1
- 238000013461 design Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000011056 performance test Methods 0.000 description 3
- 238000011990 functional testing Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2273—Test methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/26—Functional testing
- G06F11/263—Generation of test inputs, e.g. test vectors, patterns or sequences ; with adaptation of the tested hardware for testability with external testers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明公开的一种复杂电子系统不确定性故障诊断效能评估方法,自动化程度高,结论准确,可以降低平均诊断步数和诊断成本。本发明通过下述技术方案予以实现:以电子系统层次架构、FMEA结果、测试点方案为输入,针对绝对性测试、非绝对性测试和不确定性测试3种测试类型构建系统的不确定性故障‑测试依赖矩阵(D矩阵);然后,排除非绝对性测试对可检测故障模式集合的影响,计算故障检测率指标;然后,排除非绝对性测试对可检测故障模式集合的影响,计算故障检测率指标;接下来,排除不确定性对可隔离故障模式集合的影响,求得隔离到1、2、3个外场可更换单元或模块(LRU/LRM)的故障模式集合及故障隔离率指标。
Description
技术领域
本发明涉及一种复杂电子系统不确定性故障诊断效能评估方法,用于复杂机载电子系统或设备测试性分析评估。
背景技术
随着数字、射频大规模集成电路和芯片的广泛应用,机载电子系统或设备越来越向着综合化、小型化和一体化的方向发展,在提高系统功能性能、降低体积功耗的同时,系统的复杂度也随之增长,导致故障诊断的难度日益加大,并产生高昂的测试费用,与此同时,也大大增加了系统的复杂性、相关性和不确定性(Uncertainty)。为了确保系统的可靠持续运行,必须对其运行状态进行实时在线监控,对系统发生的故障进行准确的检测、诊断与隔离。在这个过程当中,不可避免地遇到测试时间长、故障诊断困难以及日常维护耗时长、费用高等问题。因此,如何提高复杂电子系统的诊断能力已成为目前亟待需要解决的问题之一。
通过研究现有针对故障诊断方面的参考文献发现,所研究的故障都是确定的,然而,复杂电磁环境作用下电子系统故障的发生具备不确定性。不确定性是指事先不能准确知道某个事件或某种决策的结果。或者说,只要事件或决策的可能结果不止一种,就会产生不确定性。不确定性问题在故障诊断及预测中普遍存在,不确定性形式繁多,分类方法也多种多样。复杂电子系统故障的出现是随机的,并且故障之间可能任意组合,故障的数目和种类也不可预测。其次故障有可能耦合出现,这就增加了故障诊断的难度。不确定性问题一直是制约故障诊断专家系统应用和发展的一个瓶颈问题。
故障诊断是通过研究故障与征兆之间的关系来判断系统状态,而故障与征兆之间的关系可通过对象装备的故障、测试依赖性关系矩阵(简称D矩阵)来表示。其中,D矩阵的行代表测试集,列代表故障集,矩阵元素代表测试与故障之间的依赖关系。当矩阵元素=1时,表示测试可以检测故障,若矩阵元素=0则表示不能检。D矩阵将测试与故障之间的依赖关系用矩阵的方式进行表示,已在许多测试性分析工具中得到了成功应用。工程上倾向于采用图形化的测试性建模仿真方法来得到D矩阵,目前主流应用的方法为基于多信号模型的方法。多信号模型以分层有向图表示信号流导向和各组成单元(故障模式)的构成及相互连接关系,并通过定义信号(功能)以及组成单元(故障模式)、测试与信号之间的关联性,来表征系统组成、功能、故障及测试之间相关性,类似于在结构模型上覆盖上依赖模型的集合,建模与系统的原理简图密切相关,便于复杂系统模型的分层建立、集成、校验和更新,非常适合复杂电子系统的测试性建模,目前已经在航空航天领域得到了广泛的研究和应用。但是,过分依赖模型的结构和用户的主观判断,会使模型存在不合理的地方,因此该模型比较适合进行定性分析,其测试性分析与诊断结果的可靠性较差。
为了解决上述问题,工程上通常采用商用的测试性建模软件(如TEAMS软件、Express软件或TESLAB软件等)来构建复杂电子系统的测试性模型,其中,使用测试性工程与维护系统TEAMS软件建立油量测量系统的测试性相关矩阵,并计算出测试性模型的诊断方案,并画出故障诊断树。在建立模型的基础上编写信息熵算法的Matlab程序,计算出测试序列,并画出故障诊断树,并与TEAMS软件得出的结果进行比较。测试性模型根据被测系统的功能框图和信号流向关系将系统划分成多个模块,画出模块间的信号流向图,并自动生成故障-测试依赖关系矩阵(D矩阵),建立测试点和功能点间的相关矩阵模型,画出飞机测量系统的故障单元和测点分布图。由于建模的困难及模型本身的误差和各种不可预见的因素,大大地影响其诊断的准确率。以D矩阵为基础开展测试性分析评估,计算系统的故障检测率和隔离率指标,通过对矩阵行列关系的分析得到故障检测率、故障隔离率、模糊组、冗余测试和未检测故障等参数,对模型属性的读写、故障-测试相关矩阵Excel表格形式的输出等功能,以代替设计师使用测试性预计表单人工统计分析测试性指标的过程,提高工作效率和准确度。
多信号流图模型编程实现了对Visio后台系统文件的读取、分析,得到了模型的邻接矩阵由邻接矩阵求取可达性矩阵的算法;提取可达性矩阵中故障对应的行、测试对应的列生成完全故障矩阵;在完全故障矩阵之上,结合故障和测试功能信号的相关性生成了功能故障相关矩阵;最后完全故障矩阵和功能故障矩阵合成相关矩阵。故障-测试依赖关系矩阵D矩阵是以矩阵的方式表示故障与测试之间的相关性,利用依赖关系对待测程序进行插装,在源程序代码中插装相应依赖关系的输出语句代码;引入配置文件,在配置文件中指定相应的插装信息,根据需要获取不同的插装执行结果,构造基于依赖对的观察矩阵,利用静态分析得到的依赖关系构造出观察矩阵的列数,并且根据测试用例的个数构造出观察矩阵的行数,再利用每个测试用例执行插装代码所得到的依赖对覆盖信息得到观察矩阵中对应行。使用对应的测试用例执行程序获取依赖关系的覆盖信息构造基于依赖对的观察矩阵,利用观察矩阵进行逻辑推理并结合贝叶斯概率更新模型对依赖对进行故障定位。由于故障树是建立在部件联系和故障模式分析基础之上,因此不能诊断不可预知的故障;诊断结果严重依赖故障树信息的完全程度。
根据依赖关系矩阵,只能够得到一些简单的判断依据。但是因为依赖关系矩阵不能有效的反映出探测测试和目标节点的关系,以及不同的测试之间的关系,使得这些判断的依据不足以帮助我们完成适应性的探测算法。故障-测试依赖关系矩阵D矩阵的行代表测试集,列代表故障集,矩阵元素dij代表故障与测试之间的依赖关系,当dij=1时,表示测试ti可以检测到故障cj;当dij=0时,表示测试ti不能检测到故障cj。目前商用测试性建模软件定义的D矩阵只能表征一种故障与测试之间的关系,即绝对性关系,其特征为:若测试通过,则测试路径上元件正常;若测试未通过,则路径上元件一定存在故障。绝对性测试是一种理想的测试状态,工程实际中,由于故障传播的不确定性,产品功能故障不一定会在产品运行状态或性能上表现出来。如果对产品功能故障和性能表现分别设置2个监测点:功能测试和性能测试。在产品功能故障发生时,功能测试会报故,但性能测试不一定会报故或报故滞后。例如,射频开关故障可通过测试开关电平大小直接测试,或测试经过该开关的射频信号幅度间接测试,开关电平测试报故的情况下射频信号幅度测试不一定会报故。因此,对于复杂机载电子系统,商用测试性建模软件对于故障与测试之间的关系定义存在局限性,无法全面地描述故障与测试之间的不确定性关系,导致构建的测试性模型无法正确反映系统测试性设计的真实情况,测试性指标预计结果出现偏差,影响系统测试性评估的准确性。在测试点类型定义时需考虑故障传播的不确定性。目前,理论研究及型号测试性建模应用时所指的测试类型均默认为绝对性测试。为解决故障传播不确定性问题,需要在绝对性测试的基础上增加两类测试:不确定性测试(uncertaintytest)、非绝对性测试(operatingtest)。在测试定义时,在故障模式影响分析和测试点可行方案设计中考虑故障传播的不确定性,即产品自身功能故障不一定会在模块/单元运行状态或性能测试报故,可以将功能测试定义为绝对性测试、性能测试定义为不确定性测试,从而解决故障传播不确定性问题。此外,在很多情况下,由于外因,如航迹姿态、外部设备收发等因素,使得无法确定测试不通过是产品自身原因,抑或是外部因素导致,例如北斗短报文设备,若接收到数据,则可判定设备接收链路正常,但若未接收到数据,则可能是机外设备未发送数据,或者是外部设备故障导致,不能将其作为判定北斗短报文设备自身故障的依据。因此,北斗短报文设备的接收测试就是一个典型的非绝对性测试。非绝对性测试只限于判断产品是否正常,但不能作为产品故障判决的依据。在进行复杂机载电子系统测试性设计时三种测试类型肯定都会出现,需要根据实际情况进行定义,避免构建的测试性模型无法正确反映系统测试性设计的真实情况,测试性指标计算结果出现偏差。
发明内容
为提高测试性分析方法的可操作性和通用性,推动测试性辅助分析系统的快速开发,本发明的目的是针对目前商用测试性建模软件在应用到复杂机载电子系统时对D矩阵定义的不完善以及测试性指标计算的不准确,提供一种自动化程度高,结论准确,可以降低平均诊断步数和诊断成本的复杂电子系统不确定性故障诊断效能评估方法。
本发明的上述目的可以通过以下措施来达到,一种复杂电子系统不确定性故障诊断效能评估方法,其特征在于包括如下步骤:
1)构建不确定性D矩阵:定义绝对性测试、非绝对性测试和不确定性测试3种测试类型来描述复杂电子系统所具备的故障与测试之间不确定性特征,自动生成故障-测试依赖关系矩阵(D矩阵)和构建测试性模型,根据产品层次,故障模式影响分析结果,测试点方案构建机载电子系统的图形化测试性模型,利用故障模式影响分析FMEA结果,测试点方案定义测试点、故障模式属性,输出不确定性D矩阵;
2)故障检测率计算:根据输出不确定性D矩阵,剔除D矩阵中所有非绝对性测试所在的列,得到新矩阵D1,找到新矩阵D1中所有元素不全为0的行,得到可检测故障模式集合,利用不确定性D矩阵计算系统故障检测率,分析测试点对故障模式的覆盖性,求得可检测的故障模式故障率之和,由可检测的故障模式故障率之和除以所有故障模式的故障率总和,得到系统的故障检测率指标;
3)故障隔离率计算:计算隔离到隔离到1、2、3个LRU/LRM和k个外场可更换单元LRU或外场可更换模块LRM的集合,剔除新D矩阵中不可检测的故障模式所在的行,得到新矩阵D2,遍历D2,将只能被不确定性测试检测到的工作模式归纳到可隔离到1、2、3个LRU/LRM和k个LRU/LRM的故障集合,剔除新D2矩阵中所有不确定性测试所在的列,得到新矩阵D3,剔除新D3矩阵中元素,得到新矩阵D4,将矩阵D4中每行对应的故障模式归纳到1、2、3个LRU/LRM和k个LRU/LRM的故障集合,计算隔离到1、2、3个和k个LRU/LRM的故障隔离率。
本发明相比于现有技术具有如下有益效果:
自动化程度高。本发明通过定义复杂电子系统的不确定性D矩阵(故障-测试依赖矩阵),计算系统故障检测率和隔离率指标,用于研制阶段预计复杂机载电子系统或设备的测试性指标,作为测试性建模仿真软件或测试性分析软件中测试性指标计算模块的开发依据。通过定义绝对性测试、非绝对性测试和不确定性测试3种测试类型来描述复杂电子系统所具备的故障与测试之间不确定性特征,自动生成故障-测试依赖关系矩阵(D矩阵)和构建测试性模型,根据产品层次,故障模式影响分析(FMEA)结果,测试点方案构建机载电子系统的图形化测试性模型,利用(FMEA)结果,测试点方案定义测试点、故障模式属性,以图形化的方式输出不确定性D矩阵;自动化程度高。这种通过定义绝对性测试、非绝对性测试和不确定性测试3种测试类型来描述复杂电子系统所具备的故障与测试之间不确定性特征,构建的测试性模型和D矩阵能更加真实地反映系统测试性设计的实际情况,结论准确。系统故障检测率和隔离率的计算过程考虑了故障与测试间不确定性关系导致的偏差,计算结果准确度更高;计算方法的输入数据复用了商用测试性建模软件输出的D矩阵,工程可操作性良好。
平均诊断步数和诊断成本低。本发明利用不确定性D矩阵计算系统故障检测率。计算过程中以D矩阵、故障率、测试类型为输入,分析测试点对故障模式的覆盖性,排除非绝对性测试对故障检测率的影响,求得可检测的故障模式故障率之和,除以所有故障模式的故障率总和,得到系统的故障检测率指标。旨在利用不确定性D矩阵计算系统故障隔离率。计算过程中排除不确定性测试对故障隔离的影响,求得隔离到1个、2个、3个外场可更换单元或模块的故障模式集合及其故障率之和,除以可检测故障模式的故障率之和,得到隔离到1个、2个、3个外场可更换单元或模块的故障隔离率指标。这种采用构建不确定性D矩阵、故障检测率计算好故障隔离率计算3个步骤,降低了平均诊断步数和诊断成本,并获得较高的故障检测率和隔离率,在可接受的测试电路体积、重量和可靠性代价条件下满足合同或协议规定的测试性指标要求。这种定义不确定性相关矩阵,利用不确定性相关矩阵计算系统故障检测率指标,利用不确定性相关矩阵计算系统故障隔离率指标,解决了型号中复杂电子系统测试性“过设计”或“欠设计”的问题。
本发明可作为开发商用测试性建模软件中测试性指标计算模块的依据。可以辅助设计师在方案阶段尽早开展对故障检测率和隔离率2个关键的系统测试性指标进行评估,指导设计师制定合理可行的测试性设计方案,在可接受的测试电路体积、重量和可靠性代价条件下满足合同或协议规定的测试性指标要求。
附图说明
下面结合附图和实施方式对本发明专利进一步说明。
图1是本发明复杂电子系统不确定性故障诊断效能评估流程图。
下面详细描述本发明实施例,描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
具体实施方式
参阅图1。根据本发明,采用如下步骤:
1)构建不确定性D矩阵:定义绝对性测试、非绝对性测试和不确定性测试3种测试类型来描述复杂电子系统所具备的故障与测试之间不确定性特征,自动生成故障-测试依赖关系矩阵(D矩阵)和构建测试性模型,根据产品层次,故障模式影响分析结果,测试点方案构建机载电子系统的图形化测试性模型,利用故障模式影响分析FMEA结果,测试点方案定义测试点、故障模式属性,以图形化的方式输出不确定性D矩阵;
2)故障检测率计算:根据输出不确定性D矩阵,剔除D矩阵中所有非绝对性测试所在的列,得到新矩阵D1,找到新矩阵D1中所有元素不全为0的行,得到可检测故障模式集合,利用不确定性D矩阵计算系统故障检测率,分析测试点对故障模式的覆盖性,求得可检测的故障模式故障率之和,由可检测的故障模式故障率之和除以所有故障模式的故障率总和,得到系统的故障检测率指标;
3)故障隔离率计算:计算隔离到隔离到1、2、3个LRU/LRM和k个外场可更换单元LRU或外场可更换模块LRM的集合,剔除新D矩阵中不可检测的故障模式所在的行,得到新矩阵D2,遍历D2,将只能被不确定性测试检测到的工作模式归纳到可隔离到1、2、3个LRU/LRM和k个LRU/LRM的故障集合,剔除新D2矩阵中所有不确定性测试所在的列,得到新矩阵D3,剔除新D3矩阵中元素,得到新矩阵D4,将矩阵D4中每行对应的故障模式归纳到1、2、3个LRU/LRM和k个LRU/LRM的故障集合,计算隔离到1、2、3个LRU/LRM和k个LRU/LRM的故障隔离率。
步骤1:构建不确定性D矩阵,可分解为以下子过程:以复杂机载电子系统故障模式影响分析(FMEA)结果为输入,根据机载电子系统层次架构和测试点布局,采用商用测试性建模软件,以图形化的方式构建系统内部各单元故障与信号、信号与测试之间的关联;根据输出故障-测试依赖矩阵D,定义各测试点绝对性测试、不确定性测试或非绝对性测试的测试类型,故障模式的故障率、所属单元属性。
构建的故障-测试依赖关系矩阵D包括:其中,dij∈{0,1};0表示故障与测试不相关,1表示故障与测试相关。故障模式集合F={f1,f2,…,fm}、故障率集合λ=[λ1、λ2…λm]、故障模式所属单元集合U=[u1、u2…um]、测试点集合T={t1,t2,…,tn}和测试点类型集合:Type={x1,x2,…,xn}。其中,um表示故障模式所属单元的标识,λm表示故障模式fm的故障率;Xn表示测试点tn的类型,Xn∈{0,1,2},0表示绝对性测试,1表示不确定性测试,2表示非绝对性测试。在绝对性测试中,若测试通过,则测试路径上元件正常,若测试未通过,则路径上元件一定存在故障;在不确定性测试中,若测试通过,则测试路径上元件不一定正常,若测试未通过,则路径上一定存在故障元件;在非绝对性测试中,若测试通过,则测试路径上元件正常,若测试未通过,则路径上元件有可能存在故障(但不一定)。
在计算系统故障检测率中,从第1列开始,遍历D矩阵的列,找到列j对应的测试点tj,由测试点类型集合Type,得到测试点tj的测试类型xj;若测试类型为非绝对性测试,即xj=2,则从D矩阵中剔除测试点tj对应的列;剔除D矩阵中所有非绝对性测试所在的列,遍历完毕,得到新矩阵D1;利用系统的分层结构模型的可达矩阵计算节点对应的故障隔离权值,选择权值大的节点对矩阵进行分割,找到最优故障隔离节点,计算节点提供的信息量,确定最佳测试节点和最优故障诊断策略,定义可检测故障集合FD=φ,从第1行开始,按行依次遍历矩阵D1,找到新矩阵D1中所有元素不全为0的行,得到可检测故障模式集合:在依次遍历矩阵D1中,若第i行元素之和大于0(代表第i行元素不全为0),则故障模式fi可被检测,令所有可检测的故障模式集合FD=FD∪fi,i>n,遍历结束。
1)在剔除D矩阵中不可检测的故障模式所在的行中,从第一行开始,遍历D矩阵的行,找到行i对应的故障模式fi;若fi∈FD表明该故障模式可被检测,保留;否则从D矩阵中剔除行i,遍历完毕,得到新矩阵D2。注:考虑到非决定性测试的影响,不能通过剔除D矩阵中元素全为0的行得到D2
2)在遍历矩阵D2中,将只能被不确定性测试检测到的故障模式归纳到可隔离到1,2,3个LRU/LRM和和k个LRU/LRM的故障集合。
从第1列开始,遍历D2矩阵的列,找到列j对应的测试点tj,由测试点类型集合Type,得到测试点tj的测试类型xj;若xj=1,表明测试点tj的测试类型为不确定性测试,找到列j中为1的元素所在的行i(dij=1),表明故障模式fi可被测试点tj检测到;求行i的元素之和,若行i元素之和为1,则表明表示故障模式fi只能被测试点tj检测到,定义只能被测试点tj检测到故障模式集合Ftj和Ftj对应的被测单元集合Utj,将只能被不确定性测试检测到的故障模式归纳到可隔离到1,2,3个LRU/LRM和和k个LRU/LRM的故障集合。
在归纳到可隔离中,若:Utj的元素个数|Utj|=1,则Ftj中故障模式可被隔离到1个LRU/LRM,令:FI1=FI1∪Ftj,Utj的元素个数|Utj|=2,则Ftj中故障模式可被隔离到2个LRU/LRM,再令:FI2=FI2∪Ftj,Utj的元素个数|Utj|=3,则Ftj中故障模式可被隔离到3个LRU/LRM,令:FI3=FI3∪Ftj,剔除新矩阵D2中所有xj=1的测试点tj所在的列,得到新矩阵D3,剔除D3中元素全为0的行,得到新矩阵D4,给D4中每行分配一个初始为0的隔离标识;从第1行开始,遍历D4中的行元素,若行fi的标识不为0(大于0),直接跳过;否则将行fi与其余行进行两两比较,求取与行fi元素完全相同的行,若行fi与其它行都不一致,则该行可隔离到1个LRU/LRM,将该行标记为1。
如果存在与行fi元素完全相同的行,定义为Fi={fi1,fi2,…,fig}。求取Fi所属的被测单元集合Ui=ui1∪ui2∪ui3∪…∪uig,若:
|Ui|=1,表示可隔离到1个LRU/LRM,将Fi中所有行标记为1;
|Ui|=2,表示可隔离到2个LRU/LRM,将Fi中所有行标记为2;
|Ui|=3,表示可隔离到3个LRU/LRM,将Fi中所有行标记为3;
|Ui|=k,表示可隔离到k个LRU/LRM,将Fi中所有行标记为k;k表示可隔离到k个LRU/LRM,k∈{0,1,2,…,|U|}。
遍历完毕,将所有标记为1的行对应的故障模式放入可隔离到1个LRU/LRM的故障模式集合FI1中,将所有标记为2的行对应的故障模式放入可隔离到2个LRU/LRM的故障模式集合FI2中,将所有标记为3的行对应的故障模式放入可隔离到1个LRU/LRM的故障模式集合FI3中,计算隔离到1,2,3个LRU/LRM和k个的LRU/LRM的故障隔离率FIR1、FIR2、FIR3和其中,
在可选的实施例中,首先基于综合模块化航空电子系统的结构层次设计和测试性设计需求,梳理系统的硬件组成、模块和单元间的功能信号流;统计综合化机载电子系统内测试性设计信息:模块/单元组成、信号信息接口、各模块/单元主要功能和对应的功性能指标等,然后在故障模式影响分析和测试点可行方案设计中引入不确定性测试和非绝对性测试概念,定义三类测试不确定性测试、非绝对性测试和绝对性测试,定义如下:不确定性测试:若测试通过,则测试路径上元件不一定正常;若测试未通过,则路径上一定存在故障元件;非绝对性测试:若测试通过,则测试路径上元件正常;若测试未通过,则路径上元件有可能存在故障(但是不一定)。绝对性测试:若测试通过,则测试路径上元件正常;若测试未通过,则路径上元件一定存在故障,确定故障模式和测试之间的关系包括不确定性测试、非决定性测试、决定性测试和不相关,得到改进相关性矩阵;最后按照不同测试类型对应的分析策略对改进相关性矩阵进行故障检测率和故障率综合计算。基于以上定义三类测试不确定性测试、非绝对性测试和绝对性测试,定义对系统测试性信息进行故障模式影响分析、测试性设计和故障关联性分析,得到改进相关性矩阵D:其中,d∈[0、1、2、3](其中,0表示不相关测试,1表示绝对性测试,2表示不确定性测试,3表示非绝对性测试),故障集合为F={f1,f2,…,fm},测试点集合为T={t1,t2,…,tg}。按行依次遍历改进相关矩阵D,若一行中存在测试的测试类型dij=1or2,则故障模式fi为测试tj的可检测的故障,可检测故障集合FD=FD∪fi,将可检测故障在D矩阵中的行ID放入集合V并保存。
遍历结束后根据V的行ID从故障率集合λD=[λD1、λD2…λDm]中获取可检测故障的故障率集合λ′D。根据下列公式计算得到被测单元的故障检测率:式中,λF为总故障率;|FD|为集合FD中元素个数,λDq′表示在可检测故障的故障率集合λ′D中第q个故障模式的故障率。
从改进相关性矩阵D中搜索可检测故障,将可检测故障在D矩阵中的行ID放入集合V并保存,将可检测故障对应的测试信息{di1,di2,…,dig}放入矩阵D(1);将矩阵D(1)中测试信息为2的项置为0测试,排除不确定性测试对故障隔离的影响;在矩阵D(1)中搜索全为0的行,从矩阵D(1)和集合V中将该行删除,搜索结束后得到新矩阵D(2)和集合V(1)并保存;在矩阵D(2)中搜索与其他行都不匹配的行,从矩阵D(2)和集合V(1)中将该行删除,搜索结束后得到新矩阵D(3)和集合V(2)矩阵并保存,设置N=2;在改进相关性矩阵D(N+1)中搜索与其他行都不匹配的行,从矩阵D(N+1)和集合V(N)中将该行删除,搜索结束后得到新矩阵D(N+2)和集合V(N+1);判断矩阵D(N+2)是否为空,若不为空继续执行,若为空执行由上述过程可以得到隔离到o个模块的故障集合V(o),根据V(o)的行ID从故障率集合λD=[λd1、λD2…λDm]中获取模糊组的故障率集合λD”,(隔离到o个模块)其中,表示可检测故障集合FD中第i个故障模式的故障率,表示模糊组的故障率集合λD”中第j个故障模式的故障率。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和原则下,所作的任何修改、等同替换、改进等,均包含在本发明的保护范围之内。
Claims (10)
1.一种复杂电子系统不确定性故障诊断效能评估方法,其特征在于包括如下步骤:
1)构建不确定性D矩阵:定义绝对性测试、非绝对性测试和不确定性测试3种测试类型来描述复杂电子系统所具备的故障与测试之间不确定性特征,自动生成故障-测试依赖关系矩阵(D矩阵)和构建测试性模型,根据产品层次,故障模式影响分析结果,测试点方案构建机载电子系统的图形化测试性模型,利用故障模式影响分析FMEA结果,测试点方案定义测试点、故障模式属性,输出不确定性D矩阵;
2)故障检测率计算:根据输出不确定性D矩阵,剔除D矩阵中所有非绝对性测试所在的列,得到新矩阵D1,找到新矩阵D1中所有元素不全为0的行,得到可检测故障模式集合,利用不确定性D矩阵计算系统故障检测率,分析测试点对故障模式的覆盖性,求得可检测的故障模式故障率之和,由可检测的故障模式故障率之和除以所有故障模式的故障率总和,得到系统的故障检测率指标;
3)故障隔离率计算:计算隔离到隔离到1、2、3个LRU/LRM和k个外场可更换单元LRU或外场可更换模块LRM的集合,剔除新D矩阵中不可检测的故障模式所在的行,得到新矩阵D2,遍历D2,将只能被不确定性测试检测到的工作模式归纳到可隔离到1、2、3个LRU/LRM和k个LRU/LRM的故障集合,剔除新D2矩阵中所有不确定性测试所在的列,得到新矩阵D3,剔除新D3矩阵中元素,得到新矩阵D4,将矩阵D4中每行对应的故障模式归纳到1、2、3个LRU/LRM和k个LRU/LRM的故障集合,计算隔离到1、2、3个和k个LRU/LRM的故障隔离率。
2.如权利要求1所述的复杂电子系统不确定性故障诊断效能评估方法,其特征在于:在构建不确定性D矩阵中,以复杂机载电子系统故障模式影响分析(FMEA)结果为输入,根据机载电子系统层次架构和测试点布局,采用商用测试性建模软件,以图形化的方式构建系统内部各单元故障与信号、信号与测试之间的关联;根据输出故障-测试依赖矩阵D,定义各测试点绝对性测试、不确定性测试或非绝对性测试的测试类型,故障模式的故障率、所属单元属性。
3.如权利要求1或2所述的复杂电子系统不确定性故障诊断效能评估方法,其特征在于:构建的故障-测试依赖关系矩阵D包括:其中,dij∈{0,1};0表示故障与测试不相关,1表示故障与测试相关。故障模式集合F={f1,f2,…,fm}、故障率集合λ=[λ1、λ2…λm]、故障模式所属单元集合U=[u1、u2…um]、测试点集合T={t1,t2,…,tn}和测试点类型集合:Type={x1,x2,…,xn}。其中,um表示故障模式所属单元的标识,λm表示故障模式fm的故障率;Xn表示测试点tn的类型,Xn∈{0,1,2},0表示绝对性测试,1表示不确定性测试,2表示非绝对性测试。在绝对性测试中,若测试通过,则测试路径上元件正常,若测试未通过,则路径上元件一定存在故障;在不确定性测试中,若测试通过,则测试路径上元件不一定正常,若测试未通过,则路径上一定存在故障元件;在非绝对性测试中,若测试通过,则测试路径上元件正常,若测试未通过,则路径上元件有可能存在故障。
4.如权利要求1所述的复杂电子系统不确定性故障诊断效能评估方法,其特征在于:在计算系统故障检测率中,从第1列开始,遍历D矩阵的列,找到列j对应的测试点tj,由测试点类型集合Type,得到测试点tj的测试类型xj;若测试类型为非绝对性测试,即xj=2,则从D矩阵中剔除测试点tj对应的列;剔除D矩阵中所有非绝对性测试所在的列,遍历完毕,得到新矩阵D1;利用系统的分层结构模型的可达矩阵计算节点对应的故障隔离权值,选择权值大的节点对矩阵进行分割,找到最优故障隔离节点,计算节点提供的信息量,确定最佳测试节点和最优故障诊断策略,定义可检测故障集合FD=φ,从第1行开始,按行依次遍历矩阵D1,找到新矩阵D1中所有元素不全为0的行,得到可检测故障模式集合:在依次遍历矩阵D1中,若第i行元素之和大于0(代表第i行元素不全为0),则故障模式fi可被检测,令所有可检测的故障模式集合FD=Fd∪fi,i>n,遍历结束。
7.如权利要求1所述的复杂电子系统不确定性故障诊断效能评估方法,其特征在于:从第1列开始,遍历D2矩阵的列,找到列j对应的测试点tj,由测试点类型集合Type,得到测试点tj的测试类型xj;若xj=1,表明测试点tj的测试类型为不确定性测试,找到列j中为1的元素所在的行i(dij=1),表明故障模式fi可被测试点tj检测到;求行i的元素之和,若行i元素之和为1,则表明表示故障模式fi只能被测试点tj检测到,定义只能被测试点tj检测到故障模式集合Ftj和Ftj对应的被测单元集合Utj,将只能被不确定性测试检测到的故障模式归纳到可隔离到1,2,3个LRU/LRM和和k个LRU/LRM的故障集合。
8.如权利要求1所述的复杂电子系统不确定性故障诊断效能评估方法,其特征在于:在归纳到可隔离中,若:Utj的元素个数|Utj|=1,则Ftj中故障模式可被隔离到1个LRU/LRM,令:FI1=FI1∪Ftj,Utj的元素个数|Utj|=2,则Ftj中故障模式可被隔离到2个LRU/LRM,再令:FI2=FI2∪Ftj,Utj的元素个数|Utj|=3,则Ftj中故障模式可被隔离到3个LRU/LRM,令:FI3=FI3∪Ftj,剔除新矩阵D2中所有xj=1的测试点tj所在的列,得到新矩阵D3,剔除D3中元素全为0的行,得到新矩阵D4,给D4中每行分配一个初始为0的隔离标识,从第1行开始,遍历D4中的行元素,若行fi的标识不为0(大于0),直接跳过,否则将行fi与其余行进行两两比较,求取与行fi元素完全相同的行,若行fi与其它行都不一致,则该行可隔离到1个LRU/LRM,将该行标记为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110877444.3A CN113626267B (zh) | 2021-07-31 | 2021-07-31 | 复杂电子系统不确定性故障诊断效能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110877444.3A CN113626267B (zh) | 2021-07-31 | 2021-07-31 | 复杂电子系统不确定性故障诊断效能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113626267A true CN113626267A (zh) | 2021-11-09 |
CN113626267B CN113626267B (zh) | 2024-07-16 |
Family
ID=78382076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110877444.3A Active CN113626267B (zh) | 2021-07-31 | 2021-07-31 | 复杂电子系统不确定性故障诊断效能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113626267B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595143A (zh) * | 2022-02-14 | 2022-06-07 | 中国电子科技集团公司第十研究所 | 航空通信电子系统嵌入式测试可信检测验证方法及系统 |
CN115184055A (zh) * | 2022-06-28 | 2022-10-14 | 中国人民解放军海军航空大学 | 一种分级测试性优化的测试集确定方法及系统 |
CN115291589A (zh) * | 2022-07-26 | 2022-11-04 | 中国电子科技集团公司第十研究所 | 一种地面测控装备的d矩阵故障诊断方法及系统 |
CN115712840A (zh) * | 2022-11-15 | 2023-02-24 | 中国人民解放军陆军工程大学 | 一种电子信息系统多故障诊断方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050021212A1 (en) * | 2003-07-24 | 2005-01-27 | Gayme Dennice F. | Fault detection system and method using augmented data and fuzzy logic |
CN105512011A (zh) * | 2015-11-30 | 2016-04-20 | 中国人民解放军63908部队 | 一种电子装备测试性建模评估方法 |
CN105842607A (zh) * | 2016-03-21 | 2016-08-10 | 北京航空航天大学 | 一种测试性设计中测试点定量选择方法及装置 |
US10353764B1 (en) * | 2018-11-08 | 2019-07-16 | Amplero, Inc. | Automated identification of device status and resulting dynamic modification of device operations |
-
2021
- 2021-07-31 CN CN202110877444.3A patent/CN113626267B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050021212A1 (en) * | 2003-07-24 | 2005-01-27 | Gayme Dennice F. | Fault detection system and method using augmented data and fuzzy logic |
CN105512011A (zh) * | 2015-11-30 | 2016-04-20 | 中国人民解放军63908部队 | 一种电子装备测试性建模评估方法 |
CN105842607A (zh) * | 2016-03-21 | 2016-08-10 | 北京航空航天大学 | 一种测试性设计中测试点定量选择方法及装置 |
US10353764B1 (en) * | 2018-11-08 | 2019-07-16 | Amplero, Inc. | Automated identification of device status and resulting dynamic modification of device operations |
Non-Patent Citations (2)
Title |
---|
LEI CHEN等: "Weighted Evidence Combination Rule Based on Evidence Distance and Uncertainty Measure: An Application in Fault Diagnosis", 《MATHEMATICAL PROBLEMS IN ENGINEERING》, vol. 2018, 17 January 2018 (2018-01-17), pages 1 - 11 * |
李成: "基于B-P神经网络的电液伺服阀的故障诊断", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 4, 15 April 2011 (2011-04-15), pages 029 - 77 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114595143A (zh) * | 2022-02-14 | 2022-06-07 | 中国电子科技集团公司第十研究所 | 航空通信电子系统嵌入式测试可信检测验证方法及系统 |
CN115184055A (zh) * | 2022-06-28 | 2022-10-14 | 中国人民解放军海军航空大学 | 一种分级测试性优化的测试集确定方法及系统 |
CN115291589A (zh) * | 2022-07-26 | 2022-11-04 | 中国电子科技集团公司第十研究所 | 一种地面测控装备的d矩阵故障诊断方法及系统 |
CN115712840A (zh) * | 2022-11-15 | 2023-02-24 | 中国人民解放军陆军工程大学 | 一种电子信息系统多故障诊断方法及系统 |
CN115712840B (zh) * | 2022-11-15 | 2023-06-13 | 中国人民解放军陆军工程大学 | 一种电子信息系统多故障诊断方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113626267B (zh) | 2024-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113626267B (zh) | 复杂电子系统不确定性故障诊断效能评估方法 | |
Deb et al. | QSI's integrated diagnostics toolset | |
CN104461896B (zh) | 基于可信属性的航天系统关键软件评价方法 | |
CN111061293B (zh) | 多参数耦合的飞行器故障定位方法、飞行器及存储介质 | |
CN106021062A (zh) | 关联故障的预测方法和系统 | |
Zhu et al. | Reliability and criticality analysis of communication networks by stochastic computation | |
US11200129B2 (en) | Performance evaluation for an electronic design under test | |
CN105786678A (zh) | 一种基于相关性模型的测试性预计方法 | |
CN102608519B (zh) | 基于节点信息的电路故障诊断方法 | |
CN105512011A (zh) | 一种电子装备测试性建模评估方法 | |
Kammoun et al. | Toward the optimal selective maintenance for multi-component systems using observed failure: applied to the FMS study case | |
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 | |
CN106886620B (zh) | 航天器测试资源优化配置方法 | |
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 | |
CN106533824A (zh) | 一种给定扰动下的通信网络弹性测评方法 | |
Franco | Experiences gained using the navy's IDSS weapon system testability analyzer | |
Amati et al. | An incremental approach to functional diagnosis | |
Wang | Data learning based diagnosis | |
CN114897262A (zh) | 一种基于深度学习的轨道交通设备故障预测方法 | |
Ye et al. | Knowledge-driven board-level functional fault diagnosis | |
Zhang et al. | A methodology for optimum sensor localization/selection in fault diagnosis | |
Ye et al. | Self-learning and adaptive board-level functional fault diagnosis | |
Solomentsev et al. | A procedure for failures diagnostics of aviation radio equipment | |
Biswal et al. | A discrete event system approach to on-line testing of digital circuits with measurement limitation | |
Yassine et al. | An optimal sensor placement algorithm taking into account diagnosability specifications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |