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.     

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%.     

验前大容量仿真信息“淹没”现场小子样试验信息问题

在运用Bayes方法对武器系统进行鉴定的过程中，仿真信息作为验前信息使用一直是一个有争议的问题。本文给出了验前子样可信度的定义及相应的计算方法，在分析了大量仿真信息“淹没”小子样现场试验信息这一现象的基础上，将验前信息的可信度引入统计推断，较好地解决了仿真信息在试验鉴定中的应用问题。     

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。     

A Fault Sample Simulation Approach for Virtual Testability Demonstration Test

Virtual testability demonstration test has many advantages,such as low cost,high efficiency,low risk and few restrictions.It brings new requirements to the fault sample generation.A fault sample simulation approach for virtual testability demonstration test based on stochastic process theory is proposed.First,the similarities and differences of fault sample generation between physical testability demonstration test and virtual testability demonstration test are discussed.Second,it is pointed out that the fault occurrence process subject to perfect repair is renewal process.Third,the interarrival time distribution function of the next fault event is given.Steps and flowcharts of fault sample generation are introduced.The number of faults and their occurrence time are obtained by statistical simulation.Finally,experiments are carried out on a stable tracking platform.Because a variety of types of life distributions and maintenance modes are considered and some assumptions are removed,the sample size and structure of fault sample simulation results are more similar to the actual results and more reasonable.The proposed method can effectively guide the fault injection in virtual testability demonstration test.     

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%.      

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。     

基于混合验前分布的制导精度评定方法

如何合理有效地利用验前信息是小子样评定中的关键问题。针对导弹制导精度评定,提出了一种根据验前数据构造验前分布的方法,并结合验前信息可信度给出了一种混合验前分布。通过对参数验后估计的分析,该方法能够有效避免验前信息“淹没”现场信息的情况,而验前信息可信度则通过验后边缘分布得到。通过对验后估计均方差(MSE)的分析,给出了验前信息利用的一些基本原则,为工程应用提供了指导。     

小子样精度鉴定技术研究

讨论了小子样下的Bayes精度鉴定技术研究的一般方法,分析了考虑验前信息可信度时方差的检验,检验分为简单假设和复杂假设2种情况。给出了临界区域以及犯弃真和采伪两类错误的概率。仿真结果表明了方法的合理性。     

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.     

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。     

考虑先验信息可信度的后验加权Bayes估计

 先验信息失真及先验样本数量过大会扭曲小子样条件下Bayes融合评估的效果,引入可信度可以改善这个问题。现有的可信度度量方法大都直接基于数据层,即通过判断两种样本是否属于同一分布,这种度量在小子样情况下不太可信,为此提出了一种基于数据物理来源的可信度度量方法。同时归纳了可信度融合评估的准则,分析了现有可信度融合评估方法的不足,并结合正态分布的参数估计问题,给出了一种考虑先验信息可信度的后验加权Bayes估计方法。理论分析和算例都证实了该方法优于常用的Bayes估计方法。     

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。     

Probabilistic inference of fatigue damage propagation with limited and partial information

A general method of probabilistic fatigue damage prognostics using limited and partial information is developed.Limited and partial information refers to measurable data that are not enough or cannot directly be used to statistically identify model parameter using traditional regression analysis.In the proposed method, the prior probability distribution of model parameters is derived based on the principle of maximum entropy(Max Ent) using the limited and partial information as constraints.The posterior distribution is formulated using the principle of maximum relative entropy(MRE) to perform probability updating when new information is available and reduces uncertainty in prognosis results.It is shown that the posterior distribution is equivalent to a Bayesian posterior when the new information used for updating is point measurements.A numerical quadrature interpolating method is used to calculate the asymptotic approximation for the prior distribution.Once the prior is obtained, subsequent measurement data are used to perform updating using Markov chain Monte Carlo(MCMC) simulations.Fatigue crack prognosis problems with experimental data are presented for demonstration and validation.     

飞机整体驱动发电机可靠性与维修策略探究

针对飞机整体驱动发电机可靠性分析手段缺乏、故障样本小且维修策略相对保守的问题,提出了以历史故障数据为驱动的贝叶斯和马尔可夫链融合的可靠性分析方法。 首先,利用蒙特卡洛方法对故障数据预处理以增大样本空间,并通过最大信息熵法求解飞机整体驱动发电机的先验分布;其次,利用马尔可夫链方法对复杂后验分布进行解算;最后,以可靠性为中心给出飞机 IDG 的维修建议。 经过数值仿真软件计算后得 IDG 的累计失效函数参数估计误差分别为 0. 121 3 和 0. 001 3,误差较小。 仿真结果表明,提出的可靠性分析方法适用于小样本空间的飞机 IDG 可靠性分析,并根据结果给出了维修建议。     

Bayes方法应用中验前信息可信度的影响分析

Bayes方法已在航空航天类装备的参数估计与决策分析中得到了广泛应用。但现有的研究主要集中于验前分布的构造与方法的工程应用,而对验前信息或验前分布可信性影响的分析较少。给出了验前可信度的定义与计算方法,建立了验前可信度的影响分析模型,给出了基于验前可信度要求的验后置信区间计算方法。以装备精度分析为例,给出了验前可信度影响的分析结果。     

制导精度一体化试验的Bayesian样本量计算方法

针对制导精度一体化试验的样本量计算(SSD)问题,分析了应用经典样本量计算方法和标准幂先验的Bayesian样本量计算方法存在的问题和矛盾;为了解决验前样本量很大时,基于标准幂先验得到的设计先验与Bayesian平均后验方差准则之间的矛盾,综合考虑仿真可信度与验前样本量的影响,提出了试验的设计效应指标,给出一种基于试验的设计效应等价确定修正幂先验指数的方法,并用于构造Bayesian样本量计算的设计先验;以兴趣参数Bayesian估计的平均后验方差为输出精度,分别设计了在试验经费约束和评估精度要求约束下的一体化试验方案样本量优化计算方程,并通过示例分析证明了所提Bayesian样本量计算方法的有效性。     

基于故障率的测试性验证试验故障样本分配方案

现有的分层抽样算法中故障率数据不准确是导致测试性验证试验结果不可信的一个原因。为解决这个问题,提出了利用验前信息和Monte Carlo仿真相结合的方法计算故障率。首先考虑故障率的随机特性和量级范围,用Gamma分布来拟合故障率的概率分布,根据上下限分位点确定了Gamma分布中的超参数。然后利用舍取抽样得到了大量的服从Gamma分布的随机数,求平均值作为实际系统的故障率值。以此故障率数据进行分层抽样,得到的故障样本分配方案更合理,试验结果更可信。     

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。     

导弹装备测试性数据相关性分析研究

针对目前装备使用阶段测试性数据来源于专家信息这类存在不确定性因素的信息,会直接影响测试性验证结论的准确性和完整性。为了增加测试性数据的可信度,基于导弹装备使用阶段测试性数据,提出了灰色关联分析的方法流程,对数据进行相关性分析。结果表明,基于灰色关联算法的数据相关性分析方法能得到测试性数据可信度程度,并挖掘出测试性指标间潜在的关联规律,能丰富专家信息,有助于提高验证准确度。