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。     

基于仿真数据的测试性验证序贯设计方案

针对当前测试性验证试验设计方案均存在确定的故障样本量较大以及验证周期长的问题,提出了一种基于仿真数据的测试性验证序贯设计方案。首先,基于二项分布模型确定序贯设计的判决阈值;然后,在序贯试验下基于给定的样本量分配和故障模式选取方法,采用仿真的方式生成相应的故障模式并进行验证试验。同时,以序贯方式计算相应的概率比,通过其取值动态判定接受/拒收。结果表明,与传统方法相比,该方法与经典验证方法具备几乎相同的抽样特性,能达到有效减少测试性验证试验所需故障样本量的目的。     

机内测试定量要求的现场试验验证方法研究

阐述了机内测试(BIT)定量要求现场试验验证方法的内涵和实施流程。根据置信度水平和功能单元覆盖要求计算BIT故障检测率、故障隔离率和虚警率综合验证的样本量,根据BIT参数的单侧置信限进行合格判断。给出了数据统计判据、分类流程和统一记录表格。通过案例应用说明了该方法的可行性。     

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。     

基于序贯回归的小样本测试性验证试验方案

针对现有测试性验证试验方案难以实现较小样本量下满足置信水平要求的测试性评估问题,提出了基于序贯回归的小样本测试性验证试验方案。提出并证明了成败型试验序贯样本回归可行性假设;对序贯样本进行回归分析,实现了小样本下的测试性评估;建立了评估优化方案,实现了满足置信水平要求的测试性评估。实例验证表明:该方法可同时适用于有双方风险要求和置信水平要求的场合,且完所需样本量明显减少,在案例中平均减少了22.3%,最大减少了85%。      

基于FMECA的测试性验证分析

随着装备元件的集成度越来越高,对装备测试性的要求越来越高。良好的测试性设计可以有效地提高产品维修性,降低全寿命周期费用。在对通用处理单元进行故障模式、影响和致命度分析(FMECA)的基础上,建立了产品的测试性模型,进行了测试性验证试验,并对验证结果进行分析。     

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。     

某机载计算机系统测试性分析与研究

系统测试性已从系统维修性中分离出来,逐渐形成一套完整的体系,成为一种独立的系统特性.在计算机系统设计中应同步考虑该系统的测试性设计,系统设计是否满足设计要求可以通过系统测试进行证明,因此完整、有效性的系统测试性是设计实现的基本保证.本文通过软件及硬件分析介绍了某系统组成结构,重点阐述了系统测试的设计原理和实现方法,对系统测试性实现进行了数据分析,为计算机系统设计、测试性设计提供了借鉴和参考.     

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。     

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PDCA循环的系统测试性设计方法

采用PDCA的核心思想,结合某型综合显示控制系统研发过程工程实际,提出了一套系统测试性设计的技术方法。通过将系统测试性设计过程按照“策划-实施-评估-改进”的戴明环循环思路,以测试性需求实现和验证为出发点,聚焦测试性设计技术状态风险管控,提出了测试性设计工作的关键技术路径,落实测试性设计过程闭环,可有效指导系统测试性设计。     

基于Bayes理论的小子样维修性验证方法研究

针对现有经典维修性指标验证方法的不足,提出了一种小子样的维修性验证方法,即采用Bayes理论对维修性指标进行验证.给出了应用该方法的一般步骤,探讨了维修时间总体分布的确定方法,采用随机加权法对验前分布进行确定并利用ML - Ⅱ方法实现了多源信息的融合;进一步分析推导了基于Bayes理论的维修性验证方法的检验判据和样本量的大小.最后通过实例分析表明,该方法通过综合利用各种验前信息,可以有效地降低现场试验样本量,节省试验投入,缩短试验周期,且能保证较高的可信度.