小子样复杂装备系统测试性评估中的验前参数值确定方法

针对当前小子样测试性评估中对验前信息处理不规范、结果可信度差的问题,研究了由专家经验信息、子系统试验信息和虚拟仿真信息确定系统测试性验前参数值的方法.根据不同来源的测试性验前信息,分别提出了模糊不确定性加权、分系统数据折合和基于相似度量的Dempster-Shafer(D-S)证据融合方法估计系统测试性验前参数值.实例分析表明:该方法计算测试性评估中的验前参数值比其他文献方法的计算结果低约0.8%.     

面向测试性虚拟验证的功能-故障-行为-测试-环境一体化模型

 由于测试性预计和测试性试验验证客观存在的困难及问题,测试性虚拟验证将在测试性工程领域发挥重要作用.根据测试性虚拟验证对模型的需求,针对传统测试性模型存在的定量特征少、导致测试性评估结果不准确等问题,提出一种功能-故障-行为-测试-环境一体化模型.首先,分析并指出该一体化模型由功能、故障、行为、测试、环境5大类要素构成.然后,在数学上对该一体化模型及其子模型进行定义和描述,分析并建立各子模型之间的关联关系.最后以某导弹及其测试系统为案例进行实验和应用研究.结果表明,在建模信息量充足的情况下,基于该一体化模型得到的测试性虚拟试验验证与评估结果较准确,能较好地支持装备测试性摸底、鉴定与验收等.     

基于Bayes变动统计理论的测试性外场统计验证方法

针对故障检测/隔离数据为"小子样"情况导致的测试性外场统计验证存在的周期长、验证结论置信度低等问题,研究并提出了基于Bayes变动统计理论的的测试性外场统计验证模型和方法。首先建立了不同寿命周期阶段故障检测率(FDR)的序化关系模型;然后以Dirichlet分布为先验分布,利用不同寿命周期阶段故障检测率先验估计值确定Dirichlet分布参数;在此基础上,融合"小子样、异总体"研制阶段增长试验数据和"小子样"外场使用数据,研究并提出了故障检测率的Bayes综合评估模型;引入Gibbs抽样方法求解故障检测率Bayes综合评估模型的复杂高维后验积分;最后在某机载稳定跟踪平台上开展了应用研究。结果表明本文方法能在较短的外场使用周期内,给出较高置信度的外场验证结论,为大型高可靠性装备测试性外场统计验证研究提供了重要的理论依据。     

基于研制信息的测试性验证试验方案研究

针对现有测试性验证试验方案需要较大故障样本量的问题,提出了一种利用研制信息制定测试性验证试验方案的新方法。首先,在二项分布经典抽样模型的基础上,运用证据理论方法,研究了基于测试性试验数据、测试性预计结果和专家经验等研制信息的基本信任分配函数的构造方法,建立了基于融合不同种类研制信息的测试性验证试验方案,并确定了该方案的存在性,给出了方案的确定方法,最后开展了案例应用研究。由于充分考虑了研制信息,因此在确保有较好的验证效果的条件下,与传统的试验方案相比,该方法可以明显减少故障样本量,或在样本量保持不变的情况下有效降低双方风险。     

测试性研制阶段数据评估验证方法

分析了现有测试性验证方法应用情况,阐述了测试性研制阶段数据评估验证方法的必要性。通过与现有测试性验证方法的对比分析,提出了一种新的测试性验证方法,并说明了该验证方法的含义和特点。该验证方法可用于故障检测率、故障隔离率和虚警率的验证。建立了该验证方法的工作框架,包括验证要求、验证程序、验证技术和验证组织。重点阐述了该验证方法的两种工作方式实施流程、适用的最小样本量范围、测试性数据收集表格和测试性数据判据。其中,测试性数据收集表格可以记录故障检测、故障隔离和虚警信息。进行了案例应用,给出了数据分析结果和经验总结。案例应用表明该方法能够达到测试性验证的效果。     

测试性建模以及测试性验证试验应用

鉴于用户对航电产品测试性要求的不断提高,因此在签署协议时已经规定了产品的测试性定量指标以及开展测试性建模和测试性验证试验的要求。首先收集产品测试性设计信息,梳理产品研制阶段开展测试性建模分析的流程,根据测试性建模的结论以及改进建议迭代产品设计,再开展测试性试验验证测试性建模分析的正确性,对改进后测试性设计进行验证,以实现产品的测试性设计迭代与增长,判定产品的测试性水平是否达到规定的要求。     

基于故障物理的电路板可靠性分析

在装备生命周期的各阶段,其承受的环境载荷都可能对装备造成累积损伤,进而引发故障。从装备设计特性和寿命期环境应力分布及其相互作用角度来分析装备的故障更符合其未来实际使用情况。介绍了电路板常用的故障物理模型,阐述了基于故障物理的电路板可靠性分析流程,明确了潜在故障仿真思路,为装备早期可靠性设计、测试性设计与评价提供了方法依据。     

基于优化SPOT和D-S证据理论的测试性验证方案

针对现有基于序贯验后加权检验的测试性验证方案对测试性设计指标之间的模糊参数空间考虑不足，以及未能充分运用测试性多源先验信息的问题，提出一种优化序贯验后加权检验和D-S证据理论相结合的测试性验证方案。首先，考虑测试性设计指标之间的模糊参数空间，构建三参数空间复杂假设，并基于Bayes理论研究序贯决策规则，同时确定决策因子以及决策阈值；其次，以测试性指标构成的参数空间为辨识框架，分别构造基于专家信息以及测试性试验数据等先验信息的基本信任分配函数，建立融合多源先验信息的优化序贯验证方案；最后，结合实例进行研究，并与经典验证方案、传统Bayes验证方案、序贯概率比检验方案以及序贯验后加权检验方案进行了对比分析。结果表明，该方案由于考虑了模糊参数空间以及充分融合了多源先验信息，有效解决了模糊参数空间的处理问题，同时所确定的平均故障样本量在决策支持的参数空间均优于其他方法。     

航空机电系统测试性建模与分析新方法

针对航空机电系统测试性设计(DFT)需求,提出基于面向对象的贝叶斯网络(OOBN)与状态-测试关联灵敏度指标的系统测试性建模与分析的新方法。该建模方法能清晰地刻画系统故障与测试间的关联程度,反映复杂系统的层次结构关系。基于信息论的交叉熵原理提出状态-测试关联灵敏度指标,并给出计算方法。该指标反映复杂机电系统测试中的不确定性影响,克服了基于香农熵的测点评判分析方法的缺点,结合测试性建模获得的模型信息进行推理计算,可用于测试性的定量分析。运用该综合分析方法对飞机燃油系统进行测试性建模与分析,结果表明所提出的方法与指标在航空机电系统DFT中具有实用性。     

系统测试性建模及验证方法

通过研究系统级测试性建模的基本原理,主要包括数学模型和图示模型,从结构、故障和测试三个方面给出了系统测试性建模的流程,最后给出了系统级测试性模型的验证方法,包括模型整体有效性验证、基于测试性分析报告的测试性模型验证等。     

考虑测试性设计缺陷修正延时的测试性增长模型建模与评价方法

针对现有测试性增长模型忽略了测试性设计缺陷的修正延时过程，进而导致测试性增长模型（TGM）跟踪与预计精度低的问题，提出了一种考虑测试性设计缺陷修正延时的测试性增长模型建模理论与方法。首先分析测试性设计缺陷识别与修正之间的延时机理，得到剩余测试性设计缺陷（TDL）具有先增后减的铃形变化趋势；在此基础上，分别以Gamma、Raleigh和Delay-S 3种曲线拟合剩余测试性设计缺陷（RTDL）变化趋势，研究建立基于以上3种曲线考虑修正延时的测试性增长模型；最后，以某机载稳定跟踪平台测试性增长试验数据验证测试性增长模型拟合、跟踪及预计效能。研究结果表明：基于该测试性增长试验数据，Gamma曲线可以精确地拟合剩余测试性设计缺陷变化规律，测试性增长模型跟踪和预计精度可达到10^-2数量级。     

Testability integrated evaluation method based on testability virtual test data

Testability virtual test is a new test method for testability verification, which has the advantages such as low cost, few restrictions and large sample of test data. It can be used to make up the deficiency of testability physical test. In order to take the advantage of testability virtual test data effectively and to improve the accuracy of testability evaluation, a testability integrated eval- uation method is proposed in this paper based on testability virtual test data. Considering the char- acteristic of testability virtual test data, the credibility analysis method for testability virtual test data is studied firstly. Then the integrated calculation method is proposed fusing the testability vir- tual and physical test data. Finally, certain helicopter heading and attitude system is presented to demonstrate the proposed method. The results show that the testability integrated evaluation method is feasible and effective.     

A novel approach of testability modeling and analysis for PHM systems based on failure evolution mechanism

Prognostics and health management (PHM) significantly improves system availability and reliability, and reduces the cost of system operations. Design for testability (DFT) developed concurrently with system design is an important way to improve PHM capability. Testability modeling and analysis are the foundation of DFT. This paper proposes a novel approach of testability modeling and analysis based on failure evolution mechanisms. At the component level, the fault progression-related information of each unit under test (UUT) in a system is obtained by means of failure modes, evolution mechanisms, effects and criticality analysis (FMEMECA), and then the failure-symptom dependency can be generated. At the system level, the dynamic attributes of UUTs are assigned by using the bond graph methodology, and then the symptom-test dependency can be obtained by means of the functional flow method. Based on the failure-symptom and symptom-test dependencies, testability analysis for PHM systems can be realized. A shunt motor is used to verify the application of the approach proposed in this paper. Experimental results show that this approach is able to be applied to testability modeling and analysis for PHM systems very well, and the analysis results can provide a guide for engineers to design for testability in order to improve PHM performance.     

基于不确定性测度与支持度的测试性验前信息融合方法

针对目前验前信息融合方法存在主观性和单一性的缺陷,引入验前分布的不确定性测度和支持度,提出了基于不确定性测度与支持度相结合的验前信息加权融合方法.首先,利用β分布对测试性验前信息的不确定性进行描述,运用不同的验前信息确定验前分布超参数;然后,引入不确定性测度和支持度作为验前信息加权因子,设计了相应的融合算法;最后利用混合验前分布,结合测试性现场试验数据,计算了Bayes融合评估的验后结果.该方法不仅考虑了验前分布本身对测试性参数的真实情况描述的接近程度,还考虑了不同来源的验前信息之间的支持程度.实例分析表明,在同一置信水平下,基于该方法的测试性评估置信下限相对于传统方法的测试性评估置信下限大约提高了0.7%.