CN115269401B - 一种基于层次化模型的装备测试序列生成方法 - Google Patents
一种基于层次化模型的装备测试序列生成方法 Download PDFInfo
- Publication number
- CN115269401B CN115269401B CN202210868644.7A CN202210868644A CN115269401B CN 115269401 B CN115269401 B CN 115269401B CN 202210868644 A CN202210868644 A CN 202210868644A CN 115269401 B CN115269401 B CN 115269401B
- Authority
- CN
- China
- Prior art keywords
- fault
- layer
- test
- mode
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 331
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims description 32
- 238000002955 isolation Methods 0.000 claims description 25
- 238000005457 optimization Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000013461 design Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 10
- 238000007689 inspection Methods 0.000 claims description 8
- 239000000470 constituent Substances 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 241000764238 Isis Species 0.000 claims 1
- 238000002474 experimental method Methods 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 35
- 239000002245 particle Substances 0.000 description 24
- 238000003745 diagnosis Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Test And Diagnosis Of Digital Computers (AREA)
Abstract
本发明涉及一种基于层次化模型的装备测试序列生成方法，该方法步骤包括：根据待测装备的结构构建结构维、故障维和测试维；建立层次化模型；推理故障率；计算部件层故障模式重要度；分配测试性指标；建立零件层故障测试模型；优化部件层故障测试模型；优化零件层故障测试模型，得到最优零件层故障测试模型；根据所述最优零件层故障测试模型中的零件层测试集，逐级推导生成上级的测试集，直至生成对应系统层故障模式的测试序列。本发明通过层级推导，由零件层推导上级部件层的故障状态的发生概率，解决了部件层以上层级无法开展大量实验导致故障率预测不准确的问题，从而得到层次化的测试序列。
Description
技术领域
本发明涉及装备测试性设计领域，尤其涉及一种基于层次化模型的装备测试序列生成方法。
背景技术
随着现代装备的结构、功能、技术复杂性越来越强，为及时准确的掌握装备的状态，需要对装备进行测试及诊断，测试领域研究人员开展了大量的研究，提出了先进的测试方法、测试技术，开发了PXI、LXI总线的功能强大的自动测试系统，但随着研究的深入，一些装备的测试、诊断和维修的问题一直没有好的解决方法，究其原因是片面通过外部测试设备难以实现理想的效果，应该从装备设计研制就开展装备测试方法、测试接口等方面的设计，即开展装备的测试性设计。
测试性是指装备能及时准确地确定其状态，如可工作状态、不可工作状态或性能下降状态，并有效地隔离其内部故障的一种设计特性，而传统的测试性设计一般包括测试性建模、测试性预计、测试性分析优化等环节，在各种约束条件下得到某装备的最优测试集。考虑到装备本身是分层设计的，其测试也必然应是分层的，而传统方法未考虑测试本身的层级，从而不能实现对应于装备层级的测试分层优化，也无法得到层次化的测试序列。
发明内容
为此，本发明提供一种基于层次化模型的装备测试序列生成方法，可以解决现有技术无法得到层次化的测试序列的问题。
为实现上述目的，本发明提供一种基于层次化模型的装备测试序列生成方法，包括：
步骤1：根据待测试产品的结构特性建立结构维，所述结构维包括系统层、分系统层、部件层和零件层，
根据结构维建立故障维，所述故障维包括系统层故障模式、分系统层故障模式、部件层故障模式和零件层故障模式，各故障模式包含若干故障状态，
根据结构维建立测试维，所述测试维包括系统层测试、分系统层测试、部件层测试和零件层测试；
步骤2：根据所述故障维建立分层故障模式模型，所述分层故障模式模型包括系统层故障模式集、分系统层故障模式集、部件层故障模式集和零件层故障模式集；
步骤3：根据所述零件层故障模式下的各零件层故障状态的故障率计算规则l的执行概率，并根据部件层及以上层级的各故障模式的各故障状态在规则l下的故障率和规则l的执行概率推理得到部件层及以上层级的各故障模式的各故障状态的故障率；
步骤4：根据所述部件层故障模式的各部件层故障状态的故障率计算部件层故障模式重要度；
步骤5：根据部件层故障模式重要度，对各部件层故障模式分配测试性指标，所述测试性指标包括检测率和隔离率；
步骤6：根据所述零件层故障模式集设计零件层测试集，并根据零件层故障模式集和零件层测试集建立零件层故障测试模型；
步骤7：对单个部件层故障模式，根据其下级零件层故障模式的各故障状态的故障率预计所述单个部件层故障模式的测试性指标并得到预计测试性指标，根据其下级零件层故障模式集和测试集建立单个部件层故障模式的故障测试模型，并定义各测试代价集，根据所述预计测试性指标和所述步骤S5中所分配的测试性指标对单个部件层故障模式的故障测试模型进行优化，并依次对各部件层故障测试模型进行优化；
步骤8：根据所述零件层故障测试模型，预计该零件层故障模式的测试性指标，定义各零件层测试代价集，根据预计测试性指标和装备整机测试性指标要求值对零件层故障测试模型进行优化，得到最优零件层故障测试模型；
步骤9：根据所述最优零件层故障测试模型得到零件层测试集，逐级推导生成部件层及以上各层级的测试集，直至生成对应系统层故障模式的测试序列。
进一步地，步骤S1包括：步骤S11：划分结构维(Z)，所述结构维自上而下依次为系统层、分系统层、部件层和零件层；
步骤S12：划分故障维(Y)，所述故障维根据结构维层级划分，自上而下依次为：系统层故障模式、分系统层故障模式、部件层故障模式和零件层故障模式，分别对应结构维各层级组成单元的故障模式；
步骤S13：划分测试维(X)，所述测试维根据结构维层级划分，自上而下依次为：系统层测试、分系统层测试、部件层测试和零件层测试，分别对应结构维各层级组成单元的测试。
进一步地，步骤S2中，根据所述故障维建立分层故障模式模型时，所述分层故障模式模型包括系统层故障模式集、分系统层故障模式集、部件层故障模式集和零件层故障模式集，其中，
系统层故障模式集：{F}；
分系统层故障模式集：{F1,F2…Fp}，分别对应各分系统层级的不同故障模式；
部件层故障模式集：分别对应各部件层级的不同故障模式；
零件层故障模式集：{f1,f2…fu}，分别对应各零件层级的不同故障模式。
进一步地，步骤S3包括：步骤S31：根据零件层故障模式中的各种零件层故障状态计算规则l的执行概率；
步骤S32：根据部件层故障模式中的各种部件层故障状态在规则l下的故障率和规则l的执行概率计算部件层故障模式的各部件层故障状态的故障率；
步骤S33：根据分系统层故障模式中的各种分系统层故障状态在规则l下的故障率和规则l的执行概率计算分系统层所有故障模式的各分系统层故障状态的故障率；
步骤S34：根据系统层故障模式中的各种系统层故障状态在规则l下的故障率和规则l的执行概率计算系统层故障模式的各系统层故障状态的故障率。
进一步地，步骤S4包括：步骤S41：将部件层故障模式的故障状态为/>的故障率改为1，计算系统层故障模式为1的故障率/>计算方法同步骤S3；
步骤S42：将部件层故障模式的故障状态为/>的故障率改为0，计算系统层故障模式为1的故障率/>计算方法同步骤S3；
步骤S43：计算部件层故障模式的重要度：
其中，a＞1，a的取值由设计人员根据设计要求确定，j≠1。
进一步地，步骤S5包括：步骤S51：根据部件层故障模式重要度，计算各部件层故障模式的检测率/>
步骤S52：按照以下原则进行修正；
(1)当时，将/>修正为[γFD,1]区间的某个值，
(2)如果则适当提高/>
步骤S53：检验
步骤S54：检验合格，进入步骤S55，不合格进入步骤S52；
步骤S55：计算各的隔离率/>
步骤S56：按照以下原则进行修正：
(1)当时，将/>修正为[γFI,1]区间的某个值，
(2)如果则适当提高/>
步骤S57：检验
步骤S58：检验合格，完成，不合格进入步骤S56。
进一步地，步骤S6包括：基于FMECA分析，针对所述零件层故障模式集{f1,f2…fu}，设计零件层测试集{t1,t2…tv}，根据f-t的相关性得到零件层故障检测模型，所述零件层故障检测模型为零件层ft相关性矩阵。
进一步地，步骤S7包括：步骤S71：根据某个部件层故障模式的下级零件层故障模式的各故障状态的故障率预计该部件层故障模式的测试性指标；
步骤S72：根据该所述部件层故障模式的下级零件层故障模式集和测试集建立相应的部件层故障模式的故障测试模型，定义相应的零件层测试代价集，根据预计测试性指标和所述步骤S5中所分配的测试性指标对该部件层故障模式的故障测试模型进行优化；
步骤S73：根据所述步骤S71和所述步骤S72，对部件层的各部件层故障模式依次进行测试性指标预计与故障测试模型优化。
进一步地，步骤S8包括：根据所述零件层ft相关性矩阵定义相应的零件层测试代价集，根据预计测试性指标和装备整机测试性指标要求值对该零件层故障测试模型进行优化，得到最优零件层测试集t*：{t1,t2…tV}，优化算法同所述步骤S7，但零件层ft相关性矩阵优化时若选择向量在所述步骤S7优化时某个元素为0，在步骤S8中保持为0。
进一步地，步骤S9包括：步骤S91：根据所述最优零件层测试集，生成部件层测试集，即测试项目集；
步骤S92：根据所述测试项目集生成分系统层测试集，即测试段集；
步骤S93：根据所述测试段集组合生成系统层测试集，即测试序列。
与现有技术相比，本发明的有益效果在于，通过将大型电子装备的各个组成单元划分成不同的层次构建结构维，并根据结构维构建相应的故障维和测试维，建立层次化模型，为测试序列生成方法构建框架，推理故障率，计算部件层故障模式重要度，并分配测试性指标，建立零件层故障测试模型，进而各对部件层故障模式的测试项目进行优化选择和对零件层的测试项目进行优化选择，进而推导上级的测试项目集、测试段和测试序列，最终生成基于层次化模型的测试序列，不仅解决了部件层以上层级无法开展大量实验，导致故障率预测不准确的问题，通过层级推导由零件级推导上级的故障状态的发生概率，从而实现了更优的测试性指标分配，还使所获得的测试序列与故障模式的相关性更加紧密，从而得到层次化的测试序列。
尤其，通过将大型电子装备的各个组成单元划分成不同的层次构建结构维，并根据结构维构建相应的故障维和测试维，建立层次化模型，为测试序列生成方法构建框架，为下一步的由零件级推导上级的故障率的步骤做预先准备，从而得到层次化的测试序列。
尤其，通过先计算各个零件层故障模式中各种故障状态的故障率，再由各个零件层故障模式中各种故障状态的故障率推导计算得到各个部件层故障模式中各种故障状态的故障率，再由各个部件层故障模式中各种故障状态的故障率推导计算得到各个分系统层故障模式中各种故障状态的故障率，最终由各个分系统层故障模式中各种故障状态的故障率计算得到系统层故障模式中各种故障状态的故障率，由零件级推导上级的故障率，解决了部件层以上层级无法开展大量实验测试各种故障状态的故障率的问题，解决了传统测试序列生成方法中根据人进行估计导致对部件层以上层级的各种故障状态的故障率的估计不准确的问题，实现了更优的测试性指标分配，从而得到层次化的测试序列。
尤其，通过计算部件层故障模式重要度，将各种故障状态根据其对系统故障的影响程度的大小进行划分，将需要进行探讨的故障状态纳入重要度计算范围，计算其系统故障的影响程度，从而建立各级故障模式与系统层故障模式之间的相关性，为建立与各级故障模式相关性良好的测试序列提供依据，进而为建立与系统层故障模式相关性良好的测试序列提供依据，从而得到层次化的测试序列。
尤其，通过以故障模式的重要度为权重分配测试性指标，将故障模式的重要度纳入生成测试序列的考虑范围内，使各级故障模式与所获得的测试序列之间的相关性紧密关联，从而得到层次化的测试序列。
尤其，通过基于FMECA分析，针对零件层故障模式集设计得到零件层测试集，根据零件层故障模式和零件层测试的相关性建立零件层相关性矩阵，即零件层故障测试模型，建立零件层故障模式和零件层测试之间的相关性，使各级故障模式与所获得的测试序列之间的相关性紧密关联，从而保证了通过基于层次化模型的测试序列生成方法所获得测试序列的可信度，并根据某故障模式是否能够被某测试检测设置零件层相关性矩阵中的矢量值，描述该零件层测试的检测零件层故障模式的能力，为下一步进行各部件层故障模式测试项目的优化选择做准备工作，从而得到层次化的测试序列。
尤其，通过对部件层故障模式的测试性指标，即检测率和隔离率进行预计，以检测率预计值和隔离率预计值为依据对测试项目进行优化，从而为部件层故障模式/>选取最佳完备测试集，以最小的代价实现最大诊断能力，从而得到层次化的测试序列。
尤其，通过对零件层故障模式的测试性指标，即零件层故障模式检测率和零件层故障模式隔离率进行预计，以零件层故障模式检测率预计值和零件层故障模式隔离率预计值为依据对零件层测试项目进行优化，得到最优零件层测试集，从而为产品选取最佳完备测试集，以最小的代价实现最大诊断能力，从而得到层次化的测试序列。
尤其，通过根据最优零件层故障测试模型，将与部件层故障模式相关的测试纳入对应部件层故障模式的测试项目集中，再将测试项目集中对应各分系统层故障模式的测试项目组合成为对应各分系统层故障模式的测试段集，最终将所有测试段组合成为对应系统层故障模式的测试序列，由于零件层的故障状态与故障率能够通过进行试验得到，故而根据由试验数据佐证的零件层的故障状态与故障率构建优零件层故障-测试矩阵，进而推导上级的测试项目集、测试段集和测试序列，不仅解决了部件层以上层级无法开展大量实验，导致故障状态的发生概率预测不准确的问题，通过层级推导由零件级推导上级的故障状态的发生概率，从而实现了更优的测试性指标分配，还使所获得的测试序列与故障模式的相关性更加紧密，从而得到层次化的测试序列。
附图说明
图1为本发明实施例提供的一种基于层次化模型的装备测试序列生成方法的简易流程图；
图2为本发明实施例中的根据各层故障模式集设计相应测试集的层次化模型示意图；
图3为本发明实施例中的零件层ft相关性矩阵的层次化模型示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系，这仅仅是为了便于描述，而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，本发明实施例提供的一种基于层次化模型的装备测试序列生成方法，该方法步骤包括：
步骤1：根据待测试产品的结构特性建立结构维，所述结构维包括系统层、分系统层、部件层和零件层，
根据结构维建立故障维，所述故障维包括系统层故障模式、分系统层故障模式、部件层故障模式和零件层故障模式，各所述故障模式包含若干故障状态；
根据结构维建立测试维，所述测试维包括系统层测试、分系统层测试、部件层测试和零件层测试；
步骤2：根据所述故障维建立分层故障模式模型，所述分层故障模式模型包括系统层故障模式集、分系统层故障模式集、部件层故障模式集和零件层故障模式集；
步骤3：根据所述零件层故障模式下的各零件层故障状态的故障率计算规则l的执行概率，并根据部件层及以上层级的各故障模式的各故障状态在规则l下的故障率和规则l的执行概率推理得到部件层及以上层级的各故障模式的各故障状态的故障率；
步骤4：根据所述部件层故障模式的各部件层故障状态的故障率计算部件层故障模式重要度；
步骤5：根据部件层故障模式重要度，对各部件层故障模式分配测试性指标，所述测试性指标包括检测率和隔离率；
步骤6：根据所述零件层故障模式集设计零件层测试集，并根据零件层故障模式集和零件层测试集建立零件层故障测试模型；
步骤7：对单个部件层故障模式，根据其下级零件层故障模式的各故障状态的故障率预计所述单个部件层故障模式的测试性指标并得到预计测试性指标，根据其下级零件层故障模式集和测试集建立单个部件层故障模式的故障测试模型，并定义各测试代价集，根据所述预计测试性指标和所述步骤S5中所分配的测试性指标对单个部件层故障模式的故障测试模型进行优化，并依次对各部件层故障测试模型进行优化；
步骤8：根据所述零件层故障测试模型，预计该零件层故障模式的测试性指标，定义各零件层测试代价集，根据预计测试性指标和装备整机测试性指标要求值对零件层故障测试模型进行优化，得到最优零件层故障测试模型；
步骤9：根据所述最优零件层故障测试模型中的零件层测试集，逐级推导生成上级的测试集，直至生成对应系统层故障模式的测试序列。
通过将大型电子装备的各个组成单元划分成不同的层次构建结构维，并根据结构维构建相应的故障维和测试维，建立层次化模型，为测试序列生成方法构建框架，推理故障率，计算部件层故障模式重要度，并分配测试性指标，建立零件层故障测试模型，进而对各部件层故障模式的测试项目进行优化选择和对零件层的测试项目进行优化选择，进而推导上级的测试项目集、测试段集和测试序列，最终生成基于层次化模型的测试序列，不仅解决了部件层以上层级无法开展大量实验，导致故障率预测不准确的问题，通过层级推导由零件级推导上级的故障状态的发生概率，从而实现了更优的测试性指标分配，还使所获得的测试序列与故障模式的相关性更加紧密，从而得到层次化的测试序列。
具体而言，步骤S1包括：步骤S11：划分结构维(Z)，所述结构维自上而下依次为系统层、分系统层、部件层和零件层；
步骤S12：划分故障维(Y)，所述故障维根据结构维层级划分，自上而下依次为：系统层故障模式、分系统层故障模式、部件层故障模式和零件层故障模式，分别对应结构维各层级组成单元的故障模式；
步骤S13：划分测试维(X)，所述测试维根据结构维层级划分，自上而下依次为：系统层测试、分系统层测试、部件层测试和零件层测试，分别对应结构维各层级组成单元的测试。
大型电子装备是一个具备特定功能的产品，由若干相互作用、相互依赖的功能体组成，根据功能结构划分的差异，将各组成单元划分为不同层次，维度划分：X为测试维，Y为故障维，Z为结构维，其中：
结构维(Z)：系统层、分系统层、部件层和零件层；
故障维(Y)：根据结构维层级划分，自上而下依次为：系统故障、分系统层故障模式、部件层故障模式和零件层故障模式，分别对应结构维各层级组成单元的故障模式；
测试维(X)：根据结构维层级划分。
通过将大型电子装备的各个组成单元划分成不同的层次构建结构维，并根据结构维构建相应的故障维和测试维，建立层次化模型，为测试序列生成方法构建框架，为下一步的由零件级推导上级的故障率的步骤做预先准备，实现了更优的测试性指标分配，从而得到层次化的测试序列。
具体而言，步骤S2中，根据所述故障维建立分层故障模式模型时，所述分层故障模式模型包括系统层故障模式集、分系统层故障模式集、部件层故障模式集和零件层故障模式集，其中，
系统层故障模式集：{F}；
分系统层故障模式集：{F1,F2…Fp}，分别对应各分系统层级的不同故障模式；
部件层故障模式集：分别对应各部件层级的不同故障模式；
零件层故障模式集：{f1,f2…fu}，分别对应各零件层级的不同故障模式。
构建各层级故障模式的逻辑门如下：
假设下级故障模式为x1,x2,…,xn，其故障状态取值分别是为
…；
假设上级故障模式为y，其故障状态取值为
故障状态是从正常状态到失效状态的表达，如果正常状态用0表示，故障状态用1表示，故障状态取值是0～1，所以约定限制条件为：
逻辑门规则描述如下：
其中，l表示规则，表示故障模式x1的i1个状态描述，
i1＝1,2,…,k1；
i2＝1,2,…,k2；
…；
in＝1,2,…,kn；
表示在规则l下，上级故障模式y取值为/>的可能性。
通过将故障状态的取值约定为0～1中的若干个取值，用以描述不同故障状态的故障程度，使该层次化模型具备描述系统多种故障状态的能力，更好地表达产品所处状态，从而得到的测试序列比传统的只设置正常-故障两种状态的测试序列具备更多的诊断能力，从而得到层次化的测试序列。
具体而言，步骤S3包括：步骤S31：根据零件层故障模式中的各种零件层故障状态计算规则l的执行概率；
步骤S32：根据部件层故障模式中的各种部件层故障状态在规则l下的故障率和规则l的执行概率计算部件层故障模式的各部件层故障状态的故障率；
步骤S33：根据分系统层故障模式中的各种分系统层故障状态在规则l下的故障率和规则l的执行概率计算分系统层所有故障模式的各分系统层故障状态的故障率；
步骤S34：根据系统层故障模式中的各种系统层故障状态在规则l下的故障率和规则l的执行概率计算系统层故障模式的各系统层故障状态的故障率。
在产品研制过程中，系统层、分系统层、部件层故障模式的故障率是不容易直接获得的，而零件层故障模式的故障率是可以通过可靠性试验、仿真、专家评价等方法获知的，因此本步骤以部件层故障模式的故障率为输入，推理获得部件层、分系统层和系统层故障模式的故障率。
步骤S31：计算规则l的执行概率；
在单个逻辑门下，零件层故障模式x1,x2,…,xn的各个故障状态的故障率为：
…，
其中，单个故障模式处于不同故障状态的概率之和为1。
规则l的执行概率为：
步骤S32：计算部件层故障模式各故障状态的故障率；
在单个逻辑门下，假设部件层故障模式为y，其各故障状态取值为 根据规则l的执行概率及/>的值计算部件层故障模式的各部件层故障状态的故障率/>
其中，iy＝1,2,…,by，r＝k1k2…kn为规则总数，即：
每个逻辑门进行推理计算，得到部件层所有故障模式各故障状态的故障率，本步得到部件层所有故障模式的各故障状态的故障率为：
步骤S33：计算分系统级所有故障模式各故障状态的故障率；
以部件层所有故障模式各故障状态的故障率为输入，计算方法同上，本步得到分系统级所有故障模式{F1,F2…Fp}的各故障状态的故障率为：
步骤S34：计算系统层故障模式各故障状态的故障率；
以分系统级所有故障模式各故障状态的故障率为输入，计算方法同上，本步得到系统级所有故障模式{F}各故障状态的故障率：
通过先计算各个零件层故障模式中各种故障状态的故障率，再由各个零件层故障模式中各种故障状态的故障率推导计算得到各个部件层故障模式中各种故障状态的故障率，再由各个部件层故障模式中各种故障状态的故障率推导计算得到各个分系统层故障模式中各种故障状态的故障率，最终由各个分系统层故障模式中各种故障状态的故障率计算得到系统层故障模式中各种故障状态的故障率，由零件级推导上级的故障率，解决了部件层以上层级无法开展大量实验测试各种故障状态的故障率的问题，解决了传统测试序列生成方法中根据人进行估计导致对部件层以上层级的各种故障状态的故障率的估计不准确的问题，从而实现了更优的测试性指标分配，从而得到层次化的测试序列。
具体而言，步骤S4包括：步骤S41：将部件层故障模式的故障状态为/>的故障率改为1，计算系统层故障模式为1的故障率/>计算方法同步骤S3；
步骤S42：将部件层故障模式的故障状态为/>的故障率改为0，计算系统层故障模式为1的故障率/>计算方法同步骤S3；
步骤S43：计算部件层故障模式的重要度：/>
其中，a＞1，a的取值由设计人员根据设计要求确定，例如，的故障状态为分别为0,0.4,0.8,1，代表“正常”“堪用”“恶化”“故障”4种状态，测试序列生成需要对“恶化”以上状态相应灵敏，则a＝3。推荐的，考虑将0.5及以上的故障状态纳入重要度计算范围；
其中，j≠1，因为当j＝1表示的为0，例如，a＝2，从2≤j≤ki可以看出，重要度为部件层故障模式/>除故障状态为0外的其他故障状态对“系统层故障模式为故障状态为1(即完全故障)”影响程度的平均值。
通过计算部件层故障模式重要度，将各种故障状态根据其对系统故障的影响程度的大小进行划分，将需要进行探讨的故障状态纳入重要度计算范围，计算其系统故障的影响程度，从而建立各级故障模式与系统层故障模式之间的相关性，为建立与各级故障模式相关性良好的测试序列提供依据，进而为建立与系统层故障模式相关性良好的测试序列提供依据，从而得到层次化的测试序列。
具体而言，步骤S5包括：步骤S51：根据部件层故障模式重要度，计算各部件层故障模式的检测率/>
步骤S52：按照以下原则进行修正；
(1)当时，将/>修正为[γFD,1]区间的某个值，
(2)如果则适当提高/>
步骤S53：检验
步骤S54：检验合格，进入步骤S55，不合格进入步骤S52；
步骤S55：计算各的隔离率/>
步骤S56：按照以下原则进行修正：
(1)当时，将/>修正为[γFI,1]区间的某个值，
(2)如果则适当提高/>
步骤S57：检验
步骤S58：检验合格，完成，不合格进入步骤S56。
步骤S5中分配测试性指标的分配原理如下：
已知产品整体测试性指标为：检测率：γFD，隔离率：γFI，根据下式计算部件层故障模式的测试性指标：
检测率：
隔离率：
上述检测率计算公式和隔离率计算公式的推导过程如下：
系统的检测率根据定义应该为：
其中，为/>的检测率，/>为a以上状态的故障率之和。
系统的隔离率根据定义应该为：
其中，为/>的隔离率。
测试性指标的分配的基本原理是按照各分配单元(即故障模式)的重要度为权重进行分配，权系数越大，分配额越大。
令检测率分配函数为线性函数，其中，A是一个常量，将(5-3)带入(5-1)求解可得：
将A带入(5-3)，得到
令隔离率分配函数为线性函数，其中，B是一个常量，(5-4)带入(5-2)求解可得
推导完毕。
测试性指标的分配步骤如下：
步骤S51：计算各的检测率/>
步骤S52：按照以下原则进行修正：
(1)当时，将/>修正为[γFD,1]区间的某个值，
(2)如果则适当提高/>
步骤S53：检验
步骤S54：检验合格，进入步骤S55，不合格进入步骤S52；
步骤S55：计算各的隔离率/>/>
步骤S56：按照以下原则进行修正：
(1)当时，将/>修正为[γFI,1]区间的某个值，
(2)如果则适当提高/>
步骤S57：检验
步骤S58：检验合格，完成，不合格进入步骤S56。
通过以故障模式的重要度为权重分配测试性指标，将故障模式的重要度纳入生成测试序列的考虑范围内，使各级故障模式与所获得的测试序列之间的相关性紧密关联，从而得到层次化的测试序列。
请参阅图2和图3所示，本发明实施例中的根据各层故障模式集{f1,f2…fu}设计相应测试集{t1,t2…tv}的层次化模型示意图和本发明实施例中的零件层ft相关性矩阵的层次化模型示意图。
具体而言，步骤S6包括：基于FMECA分析，针对所述零件层故障模式集{f1,f2…fu}，设计零件层测试集{t1,t2…tv}，根据f-t的相关性得到零件层故障检测模型，所述零件层故障检测模型为零件层ft相关性矩阵。
相关性矩阵是反映各实体间相关性的布尔矩阵，若某列所对应的实体与某行所对应的实体相关，则相应的元素为1，否则为0。本发明实施例中提供的故障与测试之间的相关性矩阵中，零件层故障模式集与测试集之间的相关性矩阵记为：
式中，矩阵元素ftij为一布尔变量，如果故障fi能被测试tj观测，则令ftij＝1；否则令ftij＝0。矩阵第i行矢量fi＝[fti1，fti2，…，ftiv]描述了故障fi发生时全部测试的输出结果，可视为故障fi的征兆；第j列矢量tj＝[ft1j，ft2j，…，ftuj]T描述了测试tj可以检测到的所有故障，可反映tj的故障检测能力。
通过基于FMECA分析，针对零件层故障模式集设计得到零件层测试集，根据零件层故障模式和零件层测试的相关性建立零件层相关性矩阵，即零件层故障测试模型，建立零件层故障模式和零件层测试之间的相关性，使各级故障模式与所获得的测试序列之间的相关性紧密关联，从而保证了通过基于层次化模型的测试序列生成方法所获得测试序列的可信度，并根据某故障模式是否能够被某测试检测设置零件层相关性矩阵中的矢量值，描述该零件层测试的检测零件层故障模式的能力，为下一步进行各部件层故障模式测试项目的优化选择做准备工作，从而得到层次化的测试序列。
具体而言，步骤S7包括：步骤S71：根据某个部件层故障模式的下级零件层故障模式各故障状态的故障率预计该部件层故障模式的测试性指标；
步骤S72：根据该所述部件层故障模式的下级零件层故障模式集和测试集建立相应的部件层故障模式的故障测试模型，定义相应的零件层测试代价集，根据预计测试性指标和所述步骤S5中所分配的测试性指标对该部件层故障模式的故障测试模型进行优化；
步骤S73：根据所述步骤S71和所述步骤S72，对部件层的各部件层故障模式依次进行测试性指标预计与故障测试模型优化。测试项目优化选择的目的是为产品选取最佳完备测试集，以最小的代价实现最大检测、诊断能力，假设单一逻辑门下，部件层故障模式的下级(即零件级)的故障模式集为/>其中，/>是零件层故障模式集{f1,f2…fu}的子集，即/>待求测试集/>是零件级测试集t：{t1,t2…tv}的子集，即/>用测试集标识向量/>来表示/>与t的被包含关系，若测试tj被选中，/>否则/>其中，/>可观测的故障模式集为是/>中能被/>观测的子集。
步骤S71：根据某个部件层故障模式的下级零件层故障模式的各故障状态的故障率预计该部件层故障模式的测试性指标：
(1)部件层故障模式的检测率预计：
其中，fi各故障状态的故障率为a的取值由设计人员根据设计要求确定，与5-3一致，因为一般情况下，各层级故障模式的故障状态取值应保持一致，即k1＝k2＝ki＝by，得：
/>
(2)部件层故障模式的隔离率预计值为：/>其中，表示在隔离模糊度为L下，测试集/>可隔离的故障模式集；
步骤S72：根据该所述部件层故障模式的下级零件层故障模式集和测试集建立相应的部件层故障模式的故障测试模型，定义相应的零件层测试代价集，根据预计测试性指标和所述步骤S5中所分配的测试性指标对该部件层故障模式的故障测试模型进行优化；
(1)在部件层，通过相关性分析，得到故障模式的故障-测试相关矩阵/>对应每一个测试(矩阵的列)，根据需要定义测试代价集C＝{C1,C2,…,Cv}；
(2)在部件层进行测试性优化：
其优化数学模型为：
其中，和/>为步骤S5分配所得的/>的测试性指标，优化模型解算算法，将数学优化模型进行改写：
进一步，将含有约束的优化问题，改写成无约束优化问题：
式中，ρ为施加的惩罚项，一般根据实际问题，可取一较大的正实数。
针对上述无约束优化问题，为了求取测试集标识向量采用一种基于粒子群的解算方法，该方法流程如下：
(1)初始化，确定粒子群中粒子的个数M以及迭代次数。初始化惯性权重ω，学习因子c1，c2。根据前述代求问题的维度v，每个粒子都有一个速度向量和一个位置向量。初始化粒子的初始速度向量和位置向量其中，位置向量各分量只有0或者1构成，这里的位置向量与原问题中的测试集标识向量/>相对应，通过多次迭代，获得最优的测试集标识向量。
Step2：计算适应度
将每个粒子的依次带入无约束优化问题的优化目标中，即可得到一个唯一的计算值，将该值作为该粒子的适应度，用适应度的大小来衡量粒子位置的优劣程度，在最小化最优问题中，适应度越小，粒子的位置越优。同时针对设置一个全局最优位置G用来记录所有粒子的最有位置，为每一个粒子设置一个粒子最优位置Pi，记录每个粒子的最优位置。
Step3：更新粒子的速度
针对每一个粒子的速度向量进行更新，粒子速度更新公式为
式中表示第t次迭代中，第i个粒子的第d维速度分量，Pi d，Gd，/>表示含义与之类似，ω为惯性权重，c1，c2为学习因子，rand()为随机数。
Step4：更新粒子位置
根据粒子的新速度向量对粒子的位置向量进行更新，更新公式为：
式中，表示第t次迭代中，第i个粒子的第d维位置分量。
Step5：重复迭代
重复Step2到Step4，直到达到规定迭代次数。
Step6：得出结论
重复迭代完成后，粒子的最优位置G即为所求的最优解。
步骤S73：根据所述步骤S71和所述步骤S72，对部件层的各部件层故障模式进行测试性指标预计：
i从1到m依次进行测试性优化，/>确保对每个/>的检测率和隔离率的预计值不小于步骤S5的分配值。/>
通过对部件层故障模式的测试性指标，即检测率和隔离率进行预计，以检测率预计值和隔离率预计值为依据对测试项目进行优化，从而为产品选取最佳完备测试集，以最小的代价实现最大诊断能力，从而得到层次化的测试序列。
具体而言，步骤S8包括：根据零件层ft相关性矩阵定义相应的零件层测试代价集，根据预计测试性指标和装备整机测试性指标要求值对该零件层故障测试模型进行优化，得到最优零件层测试集t*：{t1,t2…tV}，优化算法同所述步骤S7，但在粒子群寻优时，只对选择向量中为1的单元进行操作，即选择向量/>在所述步骤S7优化时某个元素为0，在步骤S8中保持为0。
经优化选择后得到最优零件层测试集t*：{t1,t2…tV}，优化算法同步骤S7，但在粒子群寻优时，只对选择向量中为1的单元进行操作，即若选择向量在步骤S7优化时某个元素为0，在步骤S8中保持，如此考虑是因为在步骤S5中分配测试性指标时，各部件的测试性指标是高于实际需求的，在步骤S8中允许某部件的指标低于分配值，而且测试优化的目标是令产品整体检测率、隔离率达标，个别部件未达到分配值是允许的。
通过对零件层故障模式的测试性指标，即零件层故障模式检测率和零件层故障模式隔离率进行预计，以零件层故障模式检测率预计值和零件层故障模式隔离率预计值为依据对零件层测试项目进行优化，得到最优零件层测试集，从而为产品选取最佳完备测试集，以最小的代价实现最大诊断能力，从而得到层次化的测试序列。
具体而言，步骤S9包括：步骤S91：根据所述最优零件层故障测试模型中的零件层测试集，生成部件层测试集，即测试项目集；
步骤S92：根据所述测试项目集生成分系统层测试集，即测试段集；
步骤S93：根据所述测试段集组合生成系统层测试集，即测试序列。
步骤S91：根据所述最优零件层故障测试模型中的零件层测试集，生成部件层测试集，即测试项目集：
已知部件层故障模式的下级故障模式集(即零件层故障模式集)为在最优零件层故障测试模型中，将与/>相关(即ftij＝1)的测试纳入到/>的测试集/>中，即假设/>为矩阵第i行，选取tj使得ftij＝1，则/>每个/>为一个测试项目，最终体现在测试程序中；
步骤S92：根据所述测试项目集生成分系统层测试集，即测试段集：
已知分系统层故障模式Fi的下级故障模式集(即部件层故障模式集)为则部件层故障模式集中各部件层故障模式对应的测试项目集组合成为测试段集；
步骤S93：根据所述测试段集组合生成系统层测试集，即测试序列。
通过根据最优零件层故障测试模型，将与部件层故障模式相关的测试纳入对应部件层故障模式的测试项目集中，再将测试项目集中对应各分系统层故障模式的测试项目组合成为对应各分系统层故障模式的测试段集，最终将所有测试段组合成为对应系统层故障模式的测试序列，由于零件层的故障状态与故障率能够通过进行试验得到，故而根据由试验数据佐证的零件层的故障状态与故障率构建优零件层故障-测试矩阵，进而推导上级的测试项目集、测试段集和测试序列，不仅解决了部件层以上层级无法开展大量实验，导致故障状态的发生概率预测不准确的问题，通过层级推导由零件级推导上级的故障状态的发生概率，从而实现了更优的测试性指标分配，还使所获得的测试序列与故障模式的相关性更加紧密，从而得到层次化的测试序列。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于层次化模型的装备测试序列生成方法，其特征在于，包括：
步骤S1：根据待测试产品的结构特性建立结构维，所述结构维包括系统层、分系统层、部件层和零件层，
根据结构维建立故障维，所述故障维包括系统层故障模式、分系统层故障模式、部件层故障模式和零件层故障模式，各故障模式包含若干故障状态，
根据结构维建立测试维，所述测试维包括系统层测试、分系统层测试、部件层测试和零件层测试；
步骤S2：根据所述故障维建立分层故障模式模型，所述分层故障模式模型包括系统层故障模式集、分系统层故障模式集、部件层故障模式集和零件层故障模式集；
步骤S3：根据所述零件层故障模式下的各零件层故障状态的故障率计算规则 的执行概率，并根据部件层、分系统层及系统层的各故障模式的各故障状态在规则/>下的故障率和规则/>的执行概率推理得到部件层、分系统层及系统层的各故障模式的各故障状态的故障率；
步骤S4：根据所述部件层故障模式的各部件层故障状态的故障率计算部件层故障模式重要度；
步骤S5：根据部件层故障模式重要度，对各部件层故障模式分配测试性指标，所述测试性指标包括检测率和隔离率，其中，检测率为，其中，/>为产品整体检测率要求值，/>为部件层故障模式/>的重要度，/>为故障率，表示故障模式/>的故障状态为/>的故障率，/>，/>表示部件层级的总数，/>，/>表示故障状态/>的总数，隔离率为，其中，/>为产品整体隔离率要求值，/>为部件层故障模式/>的重要度，/>表示故障模式/>的故障状态为/>的故障率，/>，/>表示部件层级的总数，/>，/>表示故障状态/>的总数；
步骤S6：根据所述零件层故障模式集设计零件层测试集，并根据零件层故障模式集和零件层测试集建立零件层故障测试模型；
步骤S7：对单个部件层故障模式，根据其下级零件层故障模式的各故障状态的故障率预计所述单个部件层故障模式的测试性指标并得到预计测试性指标，根据其下级零件层故障模式集和测试集建立单个部件层故障模式的故障测试模型，并定义各测试代价集，设定测试代价集，根据所述预计测试性指标和所述步骤S5中所分配的测试性指标对单个部件层故障模式的故障测试模型进行优化，并依次对各部件层故障测试模型进行优化；
步骤S8：根据所述零件层故障测试模型，预计该零件层故障模式的测试性指标，定义各零件层测试代价集，根据预计测试性指标和装备整机测试性指标要求值对零件层故障测试模型进行优化，得到最优零件层故障测试模型；
步骤S9：根据所述最优零件层故障测试模型得到零件层测试集，逐级推导生成部件层、分系统层及系统层的测试集，直至生成对应系统层故障模式的测试序列。
2.根据权利要求1所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S1包括：步骤S11：划分结构维Z，所述结构维自上而下依次为系统层、分系统层、部件层和零件层；
步骤S12：划分故障维Y，所述故障维根据结构维层级划分，自上而下依次为：系统层故障模式、分系统层故障模式、部件层故障模式和零件层故障模式，分别对应结构维各层级组成单元的故障模式；
步骤S13：划分测试维X，所述测试维根据结构维层级划分，自上而下依次为：系统层测试、分系统层测试、部件层测试和零件层测试，分别对应结构维各层级组成单元的测试。
3.根据权利要求2所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S2中，根据所述故障维建立分层故障模式模型时，所述分层故障模式模型包括系统层故障模式集、分系统层故障模式集、部件层故障模式集和零件层故障模式集，其中，
系统层故障模式集：；
分系统层故障模式集：，分别对应各分系统层级的不同故障模式；
部件层故障模式集：，分别对应各部件层级的不同故障模式；
零件层故障模式集：，分别对应各零件层级的不同故障模式。
4.根据权利要求3所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S3包括：步骤S31：根据零件层故障模式中的各种零件层故障状态的故障率计算规则的执行概率；
步骤S32：根据部件层故障模式中的各种部件层故障状态在规则下的故障率和规则/>的执行概率计算部件层故障模式的各部件层故障状态的故障率；
步骤S33：根据分系统层故障模式中的各种分系统层故障状态在规则下的故障率和规则/>的执行概率计算分系统层所有故障模式的各分系统层故障状态的故障率；
步骤S34：根据系统层故障模式中的各种系统层故障状态在规则下的故障率和规则/>的执行概率计算系统层故障模式的各系统层故障状态的故障率。
5.根据权利要求4所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S4包括：步骤S41：将部件层故障模式的故障状态为/>的故障率改为1，计算系统层故障模式为1的故障率/>，计算方法同步骤S3；
步骤S42：将部件层故障模式的故障状态为/>的故障率改为0，计算系统层故障模式为1的故障率/>，计算方法同步骤S3；
步骤S43：计算部件层故障模式的重要度：
，
其中，，/>的取值由设计人员根据设计要求确定，/>，/>表示故障状态/>的总数，/>表示部件层故障模式/>的故障状态为/>的故障率为0时，计算系统层故障模式为1的故障率，/>表示部件层故障模式的故障状态为/>的故障率为1时，计算系统层故障模式为1的故障率。
6.根据权利要求5所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S5包括：步骤S51：根据部件层故障模式重要度，计算各部件层故障模式（）的检测率/>：，其中，/>为产品整体检测率要求值，/>为部件层故障模式/>的重要度，/>为故障率，/>表示故障模式/>的故障状态为的故障率，/>，/>表示部件层级的总数，/>，/>表示故障状态/>的总数；
步骤S52：按照以下原则进行修正；
（1）当时，将/>修正为/>区间的某个值，
（2）如果，则提高/>；
步骤S53：检验步骤S54：检验合格，进入步骤S55，不合格进入步骤S52；
步骤S55：计算各的隔离率/>，其中， />为产品整体隔离率要求值，/>为部件层故障模式/>的重要度， />表示故障模式/>的故障状态为/>的故障率，/>，/>表示部件层级的总数，/>，/>表示故障状态/>的总数；
步骤S56：按照以下原则进行修正：
（1）当时，将/>修正为/>区间的某个值，
（2）如果，则提高/>；
步骤S57：检验；
步骤S58：检验合格，完成，不合格进入步骤S56。
7.根据权利要求6所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S6包括：基于FMECA分析，针对所述零件层故障模式集，设计零件层测试集，根据/>的相关性得到零件层故障检测模型，所述零件层故障检测模型为零件层/>相关性矩阵。
8.根据权利要求7所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S7包括：步骤S71：根据某个部件层故障模式的下级零件层故障模式的各故障状态的故障率预计该部件层故障模式的测试性指标；
步骤S72：根据该所述部件层故障模式的下级零件层故障模式集和测试集建立相应的部件层故障模式的故障测试模型，定义相应的零件层测试代价集，根据预计测试性指标和所述步骤S5中所分配的测试性指标对该部件层故障模式的故障测试模型进行优化；
步骤S73：根据所述步骤S71和所述步骤S72，对部件层的各部件层故障模式依次进行测试性指标预计与故障测试模型优化。
9.根据权利要求8所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S8包括：根据所述零件层相关性矩阵定义相应的零件层测试代价集，根据所述预计测试性指标和所述装备整机测试性指标要求值对该零件层故障测试模型进行优化，得到最优零件层测试集/>，优化算法同所述步骤S7，但零件层/>相关性矩阵优化时若选择向量/>在所述步骤S7优化时某个元素为0，在步骤S8中保持为0。
10.根据权利要求9所述的基于层次化模型的装备测试序列生成方法，其特征在于，步骤S9包括：步骤S91：根据所述最优零件层测试集，生成部件层测试集，即测试项目集；
步骤S92：根据所述测试项目集生成分系统层测试集，即测试段集；
步骤S93：根据所述测试段集组合生成系统层测试集，即测试序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210868644.7A CN115269401B (zh) | 2022-07-22 | 2022-07-22 | 一种基于层次化模型的装备测试序列生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210868644.7A CN115269401B (zh) | 2022-07-22 | 2022-07-22 | 一种基于层次化模型的装备测试序列生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115269401A CN115269401A (zh) | 2022-11-01 |
| CN115269401B true CN115269401B (zh) | 2023-09-22 |
Family
ID=83768965
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210868644.7A Active CN115269401B (zh) | 2022-07-22 | 2022-07-22 | 一种基于层次化模型的装备测试序列生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115269401B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101980225A (zh) * | 2010-11-16 | 2011-02-23 | 中国人民解放军63908部队 | 一种电子产品测试性分析与诊断决策系统的实现方法 |
| 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180100894A1 (en) * | 2016-10-07 | 2018-04-12 | United States Of America As Represented By The Secretary Of The Navy | Automatic Generation of Test Sequences |
-
2022
- 2022-07-22 CN CN202210868644.7A patent/CN115269401B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101980225A (zh) * | 2010-11-16 | 2011-02-23 | 中国人民解放军63908部队 | 一种电子产品测试性分析与诊断决策系统的实现方法 |
| 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 |
Non-Patent Citations (2)
| Title |
|---|
| Dengshan Tian 等. 2010 IEEE International Conference on Information Theory and Information Security.《2010 IEEE International Conference on Information Theory and Information Security》.2010,全文. * |
| 李哲 等.电子装备层次化模型研究进展及发展趋势.《北京石油化工学院学报》.2020,(03),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115269401A (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2009299602B2 (en) | Assisting with updating a model for diagnosing failures in a system | |
| CN110542819B (zh) | 一种基于半监督dbnc的变压器故障类型诊断方法 | |
| KR102238248B1 (ko) | 머신러닝을 이용한 배터리 진단 방법 | |
| CN109657797A (zh) | 基于混合诊断贝叶斯网络的故障诊断能力分析方法 | |
| El Emam et al. | A validation of object-oriented metrics | |
| CN111814342B (zh) | 一种复杂设备可靠性混合模型及其构建方法 | |
| CN114969990B (zh) | 一种多模型融合的航空电子产品健康评估方法 | |
| CN111581782A (zh) | 一种基于健康状态层流逻辑模型的卫星健康层级评估方法 | |
| CN115114128A (zh) | 一种卫星健康状态评估系统及评估方法 | |
| CN109961172A (zh) | 一种基于统计模型检验的cps稀有事件概率预测方法 | |
| Yang et al. | Combining pre-and post-model information in the uncertainty quantification of non-deterministic models using an extended Bayesian melding approach | |
| CN115184055B (zh) | 一种分级测试性优化的测试集确定方法及系统 | |
| CN115269401B (zh) | 一种基于层次化模型的装备测试序列生成方法 | |
| CN115165332B (zh) | 一种装备机内测试与综合测试一体化设计方法及系统 | |
| Shahamiri et al. | A single-network ANN-based oracle to verify logical software modules | |
| Shahamiri et al. | An automated oracle approach to test decision-making structures | |
| CN110543417A (zh) | 一种对软件测试进行有效性评估的方法及评估装置 | |
| Ferrell et al. | Modeling and performance considerations for automated fault isolation in complex systems | |
| Wu et al. | qatg: Automatic test generation for quantum circuits | |
| Ibraigheeth et al. | Software reliability prediction in various software development stages | |
| Zhang et al. | An integrated approach to estimate storage reliability with masked data from series system | |
| CN116069646B (zh) | 一种多目标测试性优化的测试集确定方法及系统 | |
| Conroy et al. | Applications of artificial intelligence and decision-making methods in PHM | |
| Yang et al. | ATPG and Test Compression for Probabilistic Circuits | |
| Pattnaik et al. | Prediction of software quality using neuro-fuzzy model |
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 |