考虑FDR的测试性测定试验及其相关方法

针对装备研制过程中,缺乏试验手段测定产品测试性水平,确定其与规定要求间的差距的情况,界定了测试性试验和测试性测定试验的概念,在仅考虑测定故障检测率(FDR,Fault Detection Rate)的情况下,研究给出了基于功能相关特征矩阵和重要度特征的故障特征建模方法,构建了二元组故障特征模型,用于测定FDR试验的试验样本选取.在该种试验样本选取方法中,为了减少进行故障注入试验时,注入不同故障样本的工作量和复杂度,充分考虑了试验样本间的等效关系,定义了等价集合和等效样本的概念,并在此基础上给出了考虑等效样本存在的试验结果评估方法.该研究在某型导弹飞控系统中取得了很好的应用.      

基于状态图的周期BIT故障检测与虚警抑制仿真

针对BIT(Built-In Test)技术在装备测试性设计与PHM(Prognostic and Health Management)的应用需求,提出了基于状态图(Stateflow)的周期BIT(PBIT, Periodic BIT)故障检测与虚警抑制仿真方法.分析了周期BIT的特性与虚警问题,给出了周期BIT的仿真原理.在加电BIT的基础上分析了周期BIT的仿真要素及其Stateflow对象的仿真模式,并实现了故障注入、干扰注入和虚警抑制措施的建模,最后给出了周期BIT建模仿真以及仿真输入数据设计流程.以某典型航电模块周期BIT为例,建立了电源板、干扰、周期BIT以及虚警抑制措施的Stateflow仿真模型,仿真结果显示该方法能有效地实现周期BIT故障检测与虚警抑制的动态逻辑过程仿真.     

考虑多故障的测试性建模改进方法

分析了测试性建模的现有方法及在工程应用中存在的不足.在信号流图方法的基础上,提出了一种测试性建模的改进方法.该方法支持单元的多故障模式设置,能够区分全局故障和局部故障,并允许设置全局故障沿单元特定信号流方向传递.给出了测试性模型的图形定义、隐含属性定义、相关性矩阵定义和相应的测试性分析推理方法.在此基础上,提出了基于高阶相关性分析的相关性矩阵生成改进算法.以某惯导系统为例进行了应用,建立了测试性图形模型并生成改进的相关性矩阵,与现有方法建立的相关性矩阵进行对比,结果验证了测试性建模改进方法的可行性和有效性.     

四旋翼无人机的自适应故障诊断与估计

针对四旋翼无人机执行器常见故障，提出一种基于自适应技术和观测器的鲁棒故障检测和估计（FDE）方法。在故障检测阶段，设计非线性诊断观测器，通过解析函数推导出阈值，确保所提检测方法的鲁棒性，并对所设计的观测器和残差评估函数进行证明。在故障估计阶段，提出基于切换ρ-修正的自适应律来准确估计检测到故障的方案。该方案不仅能够同时估计系统状态和残差信号，而且能估计未知故障的特征和大小。通过线性矩阵不等式进行设计参数的计算。利用2种故障场景分别进行仿真验证，同时在4种情况下讨论所提方法的有效性。基于四旋翼无人机硬件在环实验台验证了所提方法的可行性。     

基于键合图模型的SHA/EMA余度系统的故障诊断

针对液压伺服作动器（SHA）和机电作动器（EMA）组合的余度系统中故障模式复杂的问题,采用基于键合图模型的故障诊断方法,可以诊断出系统中多种参数故障。首先建立SHA/EMA余度系统的行为模型,然后根据因果关系倒置法转换成诊断键合图模型,进而推导出计算残差的解析冗余关系式（ARR）,并创建故障特征矩阵（FSM）作为故障隔离的依据。联立行为模型和诊断模型对可隔离故障进行诊断,并通过ARR估计故障参数以诊断不可隔离故障。选取典型故障进行仿真验证,结果表明可隔离故障和不可隔离故障均被成功隔离,验证了所提方法对SHA/EMA余度系统的故障诊断是有效可行的。      

面向进化容错的FPGA故障模型研究

不同的容错方法需采用不同的故障模型。文章分析了进化容错方法的特点,提出需要研究与之相适应的FPGA故障模型。首先从故障模型定义出发提出故障模型划分的思想,从不同的角度研究FPGA故障模型;然后根据基于SRAM的FPGA的结构特点,从功能角度和配置角度提出两种FPGA故障模型划分,分析了两种故障模型划分方法所适用的容错方法。从配置角度划分FPGA故障模型有利于简化进化容错方法中的故障检测环节。故障检测实验的结果说明这种划分方法是有效的。     

基于故障建模的双余度舵机故障诊断技术

针对双余度舵机系统结构复杂、故障诊断困难的问题,提出了根据故障模型反向推理的故障诊断方法.在充分考虑各元件失效机理的基础上,将故障注入闭环系统建立典型故障模型.故障模型仿真了不同元件故障如何导致系统性能下降甚至完全失效.基于故障模型的仿真结果,对可观测到的异常状况进行分类和逆向推理归纳出故障诊断方法,并利用数学公式对一些故障量化评估.该诊断方法涵盖系统各元件,可快速定位故障元件,判断失效原因并进行定量分析,而且算法简单易于工程实现.      

一种基于二元估计与粒子滤波的故障预测算法

假设对象系统的故障演化过程可以由一个含有未知缓变参数的状态空间模型加以描述,则故障预测问题就可以转化为一个在已知当前系统信息的条件下,对系统未来某一时刻的状态变量的估计问题.针对该问题的求解提出了一种基于二元估计和粒子滤波的故障预测算法.算法的实施分为两个主要阶段:在状态估计阶段,采用两个并联的粒子滤波器迭代估计当前时刻对象系统故障演化模型状态和未知参数的后验分布.在状态预测阶段,对当前时刻故障演化模型状态的后验分布进行迭代采样,以采样样本粒子来近似估计未来时刻的状态变量的先验分布密度.在上述计算结果的基础上,结合相应的故障判据,算法采用计算对象系统未来时刻故障概率的方法预测其剩余使用寿命.仿真实验中将本文提出的算法与基于联合估计的故障预测算法进行对比,实验结果证明了所提算法的有效性.      

基于程序行为累积分析的软件故障定位方法

软件出现失效后,如何根据软件运行时的输入以及运行行为来快速定位引发失效的故障是一个非常有价值的研究问题.提出了故障定位的锥状框架,并基于其将故障定位问题表示为一个分层细化的过程.在软件输入层,利用程序行为累积分析技术对软件的行为进行建模分析,得到了统计故障定位模型,从而解决了软件输入层的故障定位问题.为了检验故障定位模型的效果,选择了5个软件进行实验,对其中4个设计并植入故障,另外1个为真实软件,实验获得了平均0.803的定准率和平均0.697的定全率.在此基础上,如何应用程序行为累积分析技术在软件设计模块层解决故障定位问题得到了进一步的分析.      

面向可靠性预计的软件运行时行为模型构造方法

运行时行为模型构造是面向可靠性预计的软件运行时模型构造的组成部分，为软件可靠性预计提供运行时组件与组件之间的动态交互关系和状态之间的转移概率信息。基于Java开发平台提出了一种基于非侵入式监控的软件运行时行为模型的构造方法，包括获得当前时刻的运行时体系结构模型；根据运行时体系结构模型确定监控对象；声明监控方法中的代理Bean；声明监控方法中的监控Bean，实现对组件动态调用信息的提取；声明代理Bean和监控Bean的接口；基于模型构造算法实现对运行时行为模型的构造等步骤。基于Rainbow-znn软件进行了实例应用，验证了所提方法的可行性。      

三维点阵结构等效热分析与优化方法

为了实现三维点阵结构高效、准确的热传导分析,基于热力学原理,推导了点阵结构的热传导等效计算公式,提出了热传导等效分析模型的建模方法。运用等效建模方法,建立了点阵结构的等效有限元模型,通过对比非等效有限元模型的计算结果,证明了等效有限元模型热传导分析的高效性与准确性。针对功能与性能要求下的点阵结构优化设计问题,结合所提出的热传导等效分析方法给出了点阵结构优化方法并建立优化数学模型,利用混合整数序列二次规划（MISQP）算法进行迭代计算,得到了最优设计方案,使点阵结构在满足均热性能约束的同时质量得到了降低。      

计算故障先验概率的最大熵方法

为了解决故障先验概率估算不准的问题,提出了基于最大熵的故障先验概率的计算模型.该模型以相关的先验信息作为最大概率估计的约束条件,并通过拉格朗日函数,将故障先验概率估算问题转化成无约束优化问题.为了实现对无约束优化问题的快速求解,提出了一种基于最速下降法和牛顿法的混合梯度算法;并且,针对大规模系统中故障变量过多的情况,依据系统分解的原则,将高维故障空间分解为多个低维故障空间,给出了低维故障空间求解的快速计算方法.通过最大熵方法和故障平均间隔(MTTF,Mean Time To Failure)方法的结果比较,证明最大熵方法更具准确性.      

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器（EMA）的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络（DWNN）的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。      

基于灰色理论的复杂系统多故障模糊诊断

航天、核电等复杂系统源发故障概率通常难于获取,由此导致基于最大后验概率准则的诊断方法失效。针对上述问题,从测试可靠性先验概率入手,提出了一种基于相关矩阵和灰色系统理论的故障诊断方法,通过对系统建立故障-测试相关矩阵,生成有排序的测试报警概率矩阵,并利用灰色关联度衡量测试结果向量与故障特征向量的接近度,实现了对多发故障的模糊诊断。实验结果表明,该方法在诊断指标权重调整、诊断精细度、重点关注故障检出等方面优势明显,诊断结论正确率满足实用需求。     

基于蚁群优化的长短时神经网络变外形飞行器故障模式识别

变外形飞行器机械结构复杂,在变外形过程中发生故障的概率大,传感器测量成本高,针对这些问题,提出了一种基于长短时神经网络进行飞行器测试故障诊断的方法。首先根据变外形飞行器的气动参数模型和非线性动力学模型,构建变外形飞行器执行机构故障特征数据库。然后针对变外形飞行器发生故障时的序列化特征数据,提出基于长短时神经网络的执行器故障诊断框架。利用蚁群优化算法对网络训练的超参数进行优化,提高故障诊断的准确性与泛化性。通过仿真验证了该方法可实现变外形飞行器的低成本,高效率,高精度的故障快速定位。     

9基于聚类分析的软件多故障定位技术

故障定位的思想一般是通过对程序语句及其执行结果的分析，从而定位到存在缺陷的程序语句的位置.目前，软件单故障定位技术研究较多，多故障相关研究较少.本文根据程序语句覆盖执行信息构造程序谱，提出基于聚类分析的软件多故障定位技术方法，在Siemens测试程序集的基础上，和现有的一些基于程序谱的定位方法进行对比，在大部分的情形下，验证了本文提出的基于聚类分析的软件多故障定位技术在软件多故障定位方面的定位效率要优于这些方法，减少测试人员的工作开销.