CN115659653A - 一种考虑测试点可靠度的相关性矩阵测试点优选的方法 - Google Patents
一种考虑测试点可靠度的相关性矩阵测试点优选的方法 Download PDFInfo
- Publication number
- CN115659653A CN115659653A CN202211335992.4A CN202211335992A CN115659653A CN 115659653 A CN115659653 A CN 115659653A CN 202211335992 A CN202211335992 A CN 202211335992A CN 115659653 A CN115659653 A CN 115659653A
- Authority
- CN
- China
- Prior art keywords
- test point
- available test
- weight
- reliability
- evaluation index
- 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.)
- Pending
Links
Images
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种考虑测试点可靠度的相关性矩阵测试点优选的方法，包括：通过对设备进行故障模式及影响分析和危害性分析FMECA处理，确定所述设备的M种故障模式和N种可用测试点；利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重；利用所述每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重，计算每种可用测试点的贡献度；根据所述每种可用测试点的贡献度进行测试点的优选处理。
Description
技术领域
本发明涉及故障诊断技术领域，特别涉及一种考虑测试点可靠度的相关性矩阵测试点优选的方法。
背景技术
相关性模型是表达单元(或单元故障)与测试相关性逻辑关系的模型，是系统进行测试性设计工作的基础和核心。传统的相关性模型是基于测试完全可靠(即测试能够100％的正确检测故障)的前提下进行的测试性建模，而忽略了虚警和漏检的情况，这在实际的工程应用中是不成立的。在实际工程应用中，产品的测试容易受到环境干扰、传感器或测试设备异常、固有测试误差、门限值设置不合理、人工操作不当等因素的影响，导致测试可能会发生虚警和漏检的情况，进而导致测试点优选和故障诊断的结果不准确，因而测试的可靠性是影响测试性设计工作的重要因素。
针对测试的可靠度进行了三个方面的考虑：
a)测试本身是不完全可靠的。
测试包括机内测试(BIT)、自动测试设备(ATE)、人工测试等形式，BIT与ATE本身具有一定的失效率，而人工测试也可能因操作问题而不可靠。
b)测试对故障的检测是不完全可靠。
相关性模型对故障的判定通常是基于固定阈值的算法，而基于专家经验设定的阈值实际上可能不能完全反映产品的真实状态。
c)测试存在一定的虚警率。
在产品设计时，不能预测出实际环境对产品工作的影响，因而无法掌握产品的全部故障模式；因环境干扰等原因，造成的瞬态故障等都可能导致测试出现虚警。
层次分析法是一种层次权重的综合分析决策方法，根据决策的性质和最终目标，将问题分解为不同的要素，根据数据和专家经验评估各要素间的关联关系，并将要素按不同层次组合起来，最终形成一个多层次的决策模型。层次分析法将决策问题数字化，能够科学地指导工程师进行方案选择，有效地处理工程应用中出现的各类复杂的决策问题，是系统工程中常用的分析方法。
发明内容
根据本发明实施例提供的方案解决的技术问题是由于测试可能会发生虚警和漏检的情况导致测试点优选和故障诊断的结果不准确。
根据本发明实施例提供的一种考虑测试点可靠度的相关性矩阵测试点优选的方法，包括：
通过对设备进行故障模式及影响分析和危害性分析FMECA处理，确定所述设备的M种故障模式和N种可用测试点；
利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重；
利用所述每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重，计算每种可用测试点的贡献度；
根据所述每种可用测试点的贡献度进行测试点的优选处理。
优选地，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：
获取每种可用测试点的失效率，并根据所述每种可用测试点的失效率，计算每种可用测试点的可靠度，其计算公式为：
其中，RTj(t)为可靠度；λTj为可用测试点的失效率；t为测试的累计工作时间。
优选地，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：
读取用户设置的每种可用测试点对发生故障的第一固定判定阈值，并根据所述第一固定判定阈值，计算每种可用测试点对发生故障模式的虚警率，其计算公式为：
其中，RTFAj为虚警率；[a1,a2]为第一固定判定阈值；N(μj,σj 2)为设备在正常状态下，可用测试点观测值tj服从正态分布。
优选地，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：
根据所述M种故障模式和所述N种可用测试点，构建故障模式和可用测试点的第一相关性矩阵；
通过对设备在发生故障模式时真实状态的统计分析，获取每种可用测试点对发生故障的第二固定判定阈值，并根据所述第二固定判定阈值，计算每种可用测试点对发生故障模式的检测概率；
根据所述故障模式和可用测试点的第一相关性矩阵和所述每种可用测试点对发生故障模式的检测概率，构建故障模式与可用测试点对发生故障模式的检测概率的第二相关性矩阵；
利用所述故障模式与可用测试点对发生故障模式的检测概率的第二相关性矩阵，计算每种可用测试点对发生故障模式的检测权重。
优选地，所述计算每种可用测试点对发生故障模式的检测权重包括：
其中，RTDj为检测权重；λi为故障失效率；hij为第二相关性矩阵中的数值；m为故障模式数。
优选地，所述利用所述每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重，计算每种可用测试点的贡献度包括：
采用专家评价法对所述每种可用测试点的可靠度、所述每种可用测试点对发生故障模式的虚警率以及所述每种可用测试点对发生故障模式的检测权重的相对重要程度进行打分，构建判断矩阵；
利用所述判断矩阵，分别计算可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重；
根据所述每种可用测试点的可靠度、所述每种可用测试点对发生故障模式的虚警率以及所述每种可用测试点对发生故障模式的检测权重和所述可靠度的评价指标权重、所述虚警率的评价指标权重以及所述检测权重的评价指标权重，计算每种可用测试点的贡献度。
优选地，所述计算每种可用测试点的贡献度包括：
其中，
为可靠度的评价指标权重；
为检测权重的评价指标权重；
为虚警率的评价指标权重。
优选地，在计算每种可用测试点的贡献度之前，还包括：
对所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重进行一致性检验处理，得到检验结果；
当所述检验结果为具有一致性时，计算每种可用测试点的贡献度。
优选地，所述对所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重进行一致性检验处理，得到检验结果包括：
利用所述可靠度的评价指标权重、所述虚警率的评价指标权重以及所述检测权重的评价指标权重，计算每种可用测试点的一致性指标；
利用所述每种可用测试点的一致性指标，判断所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重是否具有一致性。
优选地，根据所述每种可用测试点的贡献度的大小进行测试点的优选处理。
根据本发明实施例提供的方案，具有以下有益效果：
(1)考虑了测试可靠度对测试性设计工作的影响，建立了一种基于测试的本身可靠度、考虑测试检测概率的故障检测权重、虚警率的测试可靠度评估方法，提高了相关性矩阵的准确度。
(2)利用层次分析法对影响测试可靠度的要素进行了系统性的评估，基于专家经验评估了影响测试可靠度的各要素的相对权重，给出了各测试的贡献度模型，更加准确的评估了测试可靠度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于理解本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例提供的一种考虑测试点可靠度的相关性矩阵测试点优选的方法流程图；
图2是本发明实施例提供的考虑测试点可靠度的相关性矩阵测试点优选方法的总流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行详细说明，应当理解，以下所说明的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
图1是本发明实施例提供的一种考虑测试点可靠度的相关性矩阵测试点优选的方法流程图，如图1所示，包括：
步骤S101：通过对设备进行故障模式及影响分析和危害性分析FMECA处理，确定所述设备的M种故障模式和N种可用测试点；
步骤S102：利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重；
步骤S103：利用所述每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重，计算每种可用测试点的贡献度；
步骤S104：根据所述每种可用测试点的贡献度进行测试点的优选处理。
具体地说，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：获取每种可用测试点的失效率，并根据所述每种可用测试点的失效率，计算每种可用测试点的可靠度，其计算公式为：
其中，RTj(t)为可靠度；λTj为可用测试点的失效率；t为测试的累计工作时间。
具体地说，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：读取用户设置的每种可用测试点对发生故障的第一固定判定阈值，并根据所述第一固定判定阈值，计算每种可用测试点对发生故障模式的虚警率，其计算公式为：
其中，RTFAj为虚警率；[a1,a2]为第一固定判定阈值；N(μj,σj 2)为设备在正常状态下，可用测试点观测值tj服从正态分布。
具体地说，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：根据所述M种故障模式和所述N种可用测试点，构建故障模式和可用测试点的第一相关性矩阵；通过对设备在发生故障模式时真实状态的统计分析，获取每种可用测试点对发生故障的第二固定判定阈值，并根据所述第二固定判定阈值，计算每种可用测试点对发生故障模式的检测概率；根据所述故障模式和可用测试点的第一相关性矩阵和所述每种可用测试点对发生故障模式的检测概率，构建故障模式与可用测试点对发生故障模式的检测概率的第二相关性矩阵；利用所述故障模式与可用测试点对发生故障模式的检测概率的第二相关性矩阵，计算每种可用测试点对发生故障模式的检测权重。
具体地说，所述计算每种可用测试点对发生故障模式的检测权重包括：
其中，RTDj为检测权重；λi为故障失效率；hij为第二相关性矩阵中的数值；m为故障模式数。
其中，所述利用所述每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重，计算每种可用测试点的贡献度包括：采用专家评价法对所述每种可用测试点的可靠度、所述每种可用测试点对发生故障模式的虚警率以及所述每种可用测试点对发生故障模式的检测权重的相对重要程度进行打分，构建判断矩阵；利用所述判断矩阵，分别计算可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重；根据所述每种可用测试点的可靠度、所述每种可用测试点对发生故障模式的虚警率以及所述每种可用测试点对发生故障模式的检测权重和所述可靠度的评价指标权重、所述虚警率的评价指标权重以及所述检测权重的评价指标权重，计算每种可用测试点的贡献度。
具体地说，所述计算每种可用测试点的贡献度包括：
其中，
为可靠度的评价指标权重；
为检测权重的评价指标权重；
为虚警率的评价指标权重。
本发明实施例在计算每种可用测试点的贡献度之前，还包括：对所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重进行一致性检验处理，得到检验结果；当所述检验结果为具有一致性时，计算每种可用测试点的贡献度。其中，所述对所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重进行一致性检验处理，得到检验结果包括：利用所述可靠度的评价指标权重、所述虚警率的评价指标权重以及所述检测权重的评价指标权重，计算每种可用测试点的一致性指标；利用所述每种可用测试点的一致性指标，判断所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重是否具有一致性。
优选地，根据所述每种可用测试点的贡献度的大小进行测试点的优选处理。
本发明提出的一种考虑测试点可靠度的相关性矩阵测试点优选方法的流程图，如图2所示，具体包括以下几个步骤：
步骤一、对产品进行FMECA(Failure Mode,Effects and Criticality Analysis，故障模式及影响分析和危害性分析)分析，确定产品可能存在的故障模式和可用测试点，建立相关性矩阵。
相关性矩阵如下：
其中m表示故障模式数，n表示测试点数。
步骤二、计算各测试点的可靠度。
步骤2.1计算测试点本身的可靠度RTj；
对于机内测试和自动测试设备而言，其可靠度为：
其中，λTj为测试点的失效率，通过可靠性预计软件获得；t为测试点的累计工作时间。
步骤2.2计算测试点对故障的虚警率RTFAj、测试点对故障的检测概率RTDij、测试点对故障的检测权重RTDj。
根据中心极限定理和随机误差的性质可知，当大量相互独立随机变量的均值经适当标准化后依分布收敛于正态分布，同时根据历史数据和故障仿真数据可知测试点观测值也满足这一定理，即产品正常或者故障状态下的测试点观测值tj符合正态分布。
假设在产品设计初期，测试点对故障的固定判定阈值为[a1,a2]，即当a1≤tj≤a2时，判定测试点的观测值正常，而通过对产品真实状态的统计分析获得的判定阈值为[b1,b2](假设a1＞b1，a2＜b2)。
在产品在正常状态下，测试点观测值tj服从正态分布N(μj,σj 2)，当测试点观测值a1＜tj＜a2时，测试点的判定结果为正常，否则测试点的判定结果为故障，即为虚警，其中当b1≤tj≤a1与a2≤tj≤b2时，测试点的判定结果因阈值设置不准确造成了判断错误；当测试点观测值tj＜b1或b2＜tj时，测试点的观测值在阈值以外而判定结果为故障。因此测试点对故障的虚警率为：
在产品发生故障Fi的状态下，测试点观测值tj服从正态分布N(μij,σij 2)，当测试点观测值b1≤tj≤b2时，测试点的判定结果为正常，即为测试点误判，因此，测试点tj对故障Fi的检测概率为：
其中函数φ()可以通过正态分布概率表获得。
构建故障模式与故障发生时的测试点对故障的检测概率的相关性矩阵：
其中，hij＝dij×RTDij
测试点tj对故障的检测权重为：
其中，各故障模式的失效率λi。
步骤三、采用层次分析法计算各测试点的本身可靠度、各测试点对故障的检测权重、测试点tj对故障的虚警率的评价指标权重。
步骤3.1构造判断矩阵
采用专家评价法对各测试点本身的可靠度、各测试点对故障的检测权重、虚警率等3个指标的相对重要程度进行打分，构建判断矩阵。
其中，cij两者相比的重要性。
步骤3.2计算各测试点的评价指标权重及一致性检验
判断矩阵归一化:
特征向量：
各测试点的评价指标权重：
最大特征根：
计算一致性指标：
计算一致性比例：CR＝CI/RI，若CR＜0.1，则认为具有一致性。
其中RI可通过随机一致性RI表获得。
步骤四、计算各测试点的贡献度
步骤五、根据各测试点贡献度的大小优选测试点。
下面以某型导弹控制系统飞行控制的控制器为例，对本发明实施例进行说明。
步骤1、对产品进行FMECA分析，确定产品可能存在的故障模式和可用测试点，建立相关性矩阵模型。
相关性矩阵如下：
| F2 | VCC | 20VC | F4+ | UF1 | UF2 | PG | P0 | PS | C1 | C2 | DOUT | |
| A/D-N11故障 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| A/D-N12故障 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| D/A-N15故障 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 |
| 运放-N1故障 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| 运放-N2故障 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 1 | 0 |
| 运放-N5故障 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 |
| 开关-N7故障 | 1 | 1 | 1 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 |
| 开关-N8故障 | 0 | 0 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 |
| 光耦-B1故障 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 0 |
| 光耦-B2故障 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 |
| 系统无故障 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
步骤2、计算各测试点的可靠度
步骤2.1计算测试点本身的可靠度RTi(按产品使用寿命5年计算)。
步骤2.2计算测试点对故障的虚警率RTFAj、测试点对故障的检测概率RTDj以及测试点对故障的检测权重RTDj。
对测试点F2对故障的虚警率和检测概率进行估计，具体步骤如下：
控制器设计时，测试点F2的技术要求为15±0.15，即判定阈值为[14.85,15.15]，当测试点F2的观测值14.85≤tj≤15.15时，判定为正常。而通过对产品真实状态的统计分析获得的判定阈值为[14.7,15.3]，因而存在虚警、漏检的情况。
当控制器正常工作时，获得测试点F2的1000组观测值，测试点观测值tF2服从正态分布N(15.01,0.005)，则测试点F2对故障的虚警率为：
RTFA-F2＝1-P(a1≤tF2≤a2)＝1-(φ(2.0)-φ(-2.29))＝0.0338
在产品发生D/A-N15故障的状态下，测试点观测值tF2-N15服从正态分布N(14.49,0.0083)，当测试点观测值b1≤tF2-N15≤b2时，测试点的判定结果为正常，即为测试点误判，因此，测试点tj对故障Fi的检测概率为：
RTD-N15F2＝1-P(b1≤tj≤b2)＝1-(φ(8.80)-φ(2.28))＝0.989
按照上述方法，可以获得其他测试点对故障的虚警率以及各故障发生时测试点的检测概率。
测试点对故障的虚警率：
| F2 | VCC | 20VC | F4+ | UF1 | UF2 | PG | P0 | PS | C1 | C2 | DOUT | |
| 虚警率 | 0.034 | 0.065 | 0.102 | 0.012 | 0.068 | 0.002 | 0.044 | 0.009 | 0.113 | 0.038 | 0.016 | 0.074 |
构建故障模式与故障发生时的测试点检测概率的相关性矩阵：
| F2 | VCC | 20VC | F4+ | UF1 | UF2 | PG | P0 | PS | C1 | C2 | D1OUT | |
| A/D-N11故障 | 0 | 0 | 0 | 0 | 0.952 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| A/D-N12故障 | 0 | 0 | 0 | 0 | 0 | 0.953 | 0 | 0 | 0 | 0 | 0 | 0 |
| D/A-N15故障 | 0.989 | 0.895 | 0.992 | 0.875 | 0 | 0 | 0.802 | 0.995 | 0.862 | 0.992 | 0.797 | 0 |
| 运放-N1故障 | 0 | 0 | 0 | 0 | 0.922 | 0 | 0 | 0 | 0 | 0.955 | 0 | 0 |
| 运放-N2故障 | 0 | 0 | 0 | 0 | 0 | 0.913 | 0 | 0 | 0 | 0 | 0.851 | 0 |
| 运放-N5故障 | 0.954 | 0 | 0 | 0 | 0 | 0 | 0.641 | 0 | 0 | 0 | 0 | 0 |
| 开关-N7故障 | 0.961 | 0.925 | 0.813 | 0.963 | 0 | 0 | 0.974 | 0.894 | 0.695 | 0.881 | 0.923 | 0.999 |
| 开关-N8故障 | 0 | 0 | 0 | 0.944 | 0 | 0 | 0.989 | 0.982 | 0.988 | 0.915 | 0.979 | 0 |
| 光耦-B1故障 | 0 | 0 | 0 | 0 | 0 | 0 | 0.919 | 0.782 | 0.967 | 0.776 | 0.990 | 0 |
| 光耦-B2故障 | 0 | 0.858 | 0 | 0 | 0 | 0 | 0 | 0.891 | 0 | 0 | 0 | 0 |
| 系统无故障 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
考虑测试点检测概率的情况下，测试点tj对故障的检测权重RTDj为：
| F2 | VCC | 20VC | F4+ | UF1 | UF2 | PG | P0 | PS | C1 | C2 | DOUT | |
| 检测权重 | 0.255 | 0.328 | 0.240 | 0.225 | 0.256 | 0.223 | 0.307 | 0.444 | 0.315 | 0.338 | 0.316 | 0.006 |
步骤3、采用层次分析法计算各测试点的本身可靠度、测试点对故障的虚警率、测试点对故障的检测权重的评价指标权重。
步骤3.1构造判断矩阵
采用专家评价法对各测试点的本身可靠度、故障检测权重、虚警率等3个指标的相对重要程度进行打分，构建出判断矩阵。
步骤3.2计算各测试点的评价指标权重
| 重要程度 | 测试点本身可靠度 | 故障检测权重 | 虚警率 | 特征向量 | 权重值 |
| 测试点本身可靠度 | 1 | 3 | 7 | 1.928 | 0.643 |
| 故障检测权重 | 1/3 | 1 | 5 | 0.848 | 0.283 |
| 虚警率 | 1/7 | 1/5 | 1 | 0.221 | 0.074 |
判断矩阵的最大特征值为3.0655，CI值为，0.0328，RI值为,0.58，CR值为0.0565，一致性验证通过。
步骤4、计算各测试点的贡献度
| F2 | VCC | 20VC | F4+ | UF1 | UF2 | PG | P0 | PS | C1 | C2 | DOUT | |
| 可靠度 | 0.984 | 0.995 | 0.762 | 0.966 | 0.953 | 0.995 | 0.942 | 0.908 | 0.930 | 0.633 | 0.969 | 0.992 |
| 检测权重 | 0.255 | 0.328 | 0.240 | 0.225 | 0.256 | 0.223 | 0.307 | 0.444 | 0.315 | 0.338 | 0.316 | 0.006 |
| 虚警率 | 0.034 | 0.065 | 0.102 | 0.012 | 0.068 | 0.002 | 0.044 | 0.009 | 0.113 | 0.038 | 0.016 | 0.074 |
| 贡献度 | 0.702 | 0.728 | 0.550 | 0.684 | 0.680 | 0.703 | 0.689 | 0.709 | 0.679 | 0.500 | 0.711 | 0.634 |
步骤5、根据各测试点贡献度的大小优选测试点。
根据本发明实施例提供的方案，综合考虑影响测试点可靠度的测试点本身可靠度、测试点对故障的检测权重、虚警率等3个指标获得各测试点的贡献度，进而根据贡献度的大小进行测试点的优选，测试点优化结果更加准确、可靠。
尽管上文对本发明进行了详细说明，但是本发明不限于此，本技术领域技术人员可以根据本发明的原理进行各种修改。因此，凡按照本发明原理所作的修改，都应当理解为落入本发明的保护范围。
Claims (10)
1.一种考虑测试点可靠度的相关性矩阵测试点优选的方法，其特征在于，包括：
通过对设备进行故障模式及影响分析和危害性分析FMECA处理，确定所述设备的M种故障模式和N种可用测试点；
利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重；
利用所述每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重，计算每种可用测试点的贡献度；
根据所述每种可用测试点的贡献度进行测试点的优选处理。
2.根据权利要求1所述的方法，其特征在于，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：
获取每种可用测试点的失效率，并根据所述每种可用测试点的失效率，计算每种可用测试点的可靠度，其计算公式为：
其中，RTj(t)为可靠度；λTj为可用测试点的失效率；t为测试的累计工作时间。
3.根据权利要求2所述的方法，其特征在于，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：
读取用户设置的每种可用测试点对发生故障的第一固定判定阈值，并根据所述第一固定判定阈值，计算每种可用测试点对发生故障模式的虚警率，其计算公式为：
其中，RTFAj为虚警率；[a1,a2]为第一固定判定阈值；N(μj,σj 2)为设备在正常状态下，可用测试点观测值tj服从正态分布。
4.根据权利要求3所述的方法，其特征在于，所述利用所述M种故障模式和所述N种可用测试点，分别计算每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重包括：
根据所述M种故障模式和所述N种可用测试点，构建故障模式和可用测试点的第一相关性矩阵；
通过对设备在发生故障模式时真实状态的统计分析，获取每种可用测试点对发生故障的第二固定判定阈值，并根据所述第二固定判定阈值，计算每种可用测试点对发生故障模式的检测概率；
根据所述故障模式和可用测试点的第一相关性矩阵和所述每种可用测试点对发生故障模式的检测概率，构建故障模式与可用测试点对发生故障模式的检测概率的第二相关性矩阵；
利用所述故障模式与可用测试点对发生故障模式的检测概率的第二相关性矩阵，计算每种可用测试点对发生故障模式的检测权重。
5.根据权利要求4所述的方法，其特征在于，所述计算每种可用测试点对发生故障模式的检测权重包括：
其中，RTDj为检测权重；λi为故障失效率；hij为第二相关性矩阵中的数值；m为故障模式数。
6.根据权利要求5所述的方法，其特征在于，所述利用所述每种可用测试点的可靠度、每种可用测试点对发生故障模式的虚警率以及每种可用测试点对发生故障模式的检测权重，计算每种可用测试点的贡献度包括：
采用专家评价法对所述每种可用测试点的可靠度、所述每种可用测试点对发生故障模式的虚警率以及所述每种可用测试点对发生故障模式的检测权重的相对重要程度进行打分，构建判断矩阵；
利用所述判断矩阵，分别计算可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重；
根据所述每种可用测试点的可靠度、所述每种可用测试点对发生故障模式的虚警率以及所述每种可用测试点对发生故障模式的检测权重和所述可靠度的评价指标权重、所述虚警率的评价指标权重以及所述检测权重的评价指标权重，计算每种可用测试点的贡献度。
7.根据权利要求6所述的方法，其特征在于，所述计算每种可用测试点的贡献度包括：
其中，
为可靠度的评价指标权重；
为检测权重的评价指标权重；
为虚警率的评价指标权重。
8.根据权利要求6或7所述的方法，其特征在于，在计算每种可用测试点的贡献度之前，还包括：
对所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重进行一致性检验处理，得到检验结果；
当所述检验结果为具有一致性时，计算每种可用测试点的贡献度。
9.根据权利要求8所述的方法，其特征在于，所述对所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重进行一致性检验处理，得到检验结果包括：
利用所述可靠度的评价指标权重、所述虚警率的评价指标权重以及所述检测权重的评价指标权重，计算每种可用测试点的一致性指标；
利用所述每种可用测试点的一致性指标，判断所述可靠度的评价指标权重、虚警率的评价指标权重以及检测权重的评价指标权重是否具有一致性。
10.根据权利要求1所述的方法，其特征在于，根据所述每种可用测试点的贡献度的大小进行测试点的优选处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211335992.4A CN115659653A (zh) | 2022-10-28 | 2022-10-28 | 一种考虑测试点可靠度的相关性矩阵测试点优选的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211335992.4A CN115659653A (zh) | 2022-10-28 | 2022-10-28 | 一种考虑测试点可靠度的相关性矩阵测试点优选的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115659653A true CN115659653A (zh) | 2023-01-31 |
Family
ID=84993848
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211335992.4A Pending CN115659653A (zh) | 2022-10-28 | 2022-10-28 | 一种考虑测试点可靠度的相关性矩阵测试点优选的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115659653A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115858403A (zh) * | 2023-03-01 | 2023-03-28 | 中国电子科技集团公司第十研究所 | 一种电子系统的虚警率预计方法 |
-
2022
- 2022-10-28 CN CN202211335992.4A patent/CN115659653A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115858403A (zh) * | 2023-03-01 | 2023-03-28 | 中国电子科技集团公司第十研究所 | 一种电子系统的虚警率预计方法 |
| CN115858403B (zh) * | 2023-03-01 | 2023-06-02 | 中国电子科技集团公司第十研究所 | 一种电子系统的虚警率预计方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105700518B (zh) | 一种工业过程故障诊断方法 | |
| Coble et al. | Applying the general path model to estimation of remaining useful life | |
| EP2342603B1 (en) | Method and apparatus for creating state estimation models in machine condition monitoring | |
| AU2018214120B2 (en) | System and method for determining an optimum QC strategy for immediate release results | |
| Hokstad et al. | Common cause failure modeling: status and trends | |
| Wang et al. | Sensor fault detection and validation of VAV terminals in air conditioning systems | |
| CN104035431B (zh) | 用于非线性过程监控的核函数参数的获取方法和系统 | |
| CN112284440B (zh) | 一种传感器数据偏差自适应修正方法 | |
| CN111780800B (zh) | 一种传感器故障的监测、隔离以及重构方法和系统 | |
| CN113467420A (zh) | 区域控制器故障检测方法及装置 | |
| CN115659653A (zh) | 一种考虑测试点可靠度的相关性矩阵测试点优选的方法 | |
| Lu et al. | Application of autoassociative neural network on gas-path sensor data validation | |
| CN111208802A (zh) | 控制系统前端冗余智能诊断方法和系统及存储器和控制器 | |
| CN116295948A (zh) | 大温差环境下工业温度传感器的异常检测方法、系统及存储介质 | |
| CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及系统 | |
| Liu et al. | Imperfect debugging software belief reliability growth model based on uncertain differential equation | |
| CN104460337B (zh) | 一种基于修正β因子的控制系统共因失效分析方法 | |
| José et al. | Improvements in failure detection of DAMADICS control valve using neural networks | |
| CN113487141A (zh) | 一种多源信息聚类融合的轴承状态评估方法 | |
| CN111881502A (zh) | 一种基于模糊聚类分析的桥梁状态判别方法 | |
| CN117250942B (zh) | 故障预测方法、模型的确定方法、装置、设备及存储介质 | |
| Rouissi et al. | Fault tolerant sensor network design with respect to diagnosability properties | |
| CN113221316A (zh) | 一种考虑测试不确定性的故障诊断策略优化方法 | |
| CN101344787A (zh) | 类神经网络晶圆分析系统与方法 | |
| CN116936146A (zh) | 一种核电厂复合式状态监测及故障溯源方法和装置 |
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 |