基于FFS故障行为模型的等效故障注入方法

针对测试性验证试验中部分故障模式不可注入,或注入后易导致装备出现不可修复的损坏等问题,提出了基于“故障模式-功能-状态”（FFS）故障行为模型的等效故障注入方法。首先,对FFS总体建模思路进行了描述,提出将“功能”作为基本建模要素,在分析装备自身多元建模信息的基础上,建立了故障行为模型。其次,对各相关矩阵和行为状态向量进行了定义,研究了故障模式、功能、状态间的不确定信息表征方法,提出了故障模式-状态相关矩阵的求解方法。最后,给出了等效故障模式的定义和基于FFS故障行为模型的等效故障注入流程。将所提方法应用于某装备发射控制系统,结果表明,所提方法能够实现等效故障注入,故障注入率提高约16.7%。      

基于FMECA信息的测试性验证试验样本分配方法

针对目前国内外测试性验证试验中普遍采用的基于故障率的分层抽样方法考虑因素单一,可能导致样本分配不尽合理,而现有考虑多因素的样本分配方法代表性不足,难以实现工程上的应用的问题,对影响样本分配的因素与故障模式影响及危害性分析(FMECA)信息的关系进行了详细分析,提出了基于FMECA信息的样本分配方法。首先定义了单元影响系数和影响因子向量,提出了向量各元素赋值规则,解决了影响因素选取的问题;其次通过基于逼近理想解排序法(TOPSIS)优化的层次分析法确定了权值矩阵,实现了样本分配。最后通过实例验证表明该方法考虑因素全面,运用灵活,更具代表性和工程应用价值。     

测试性分配方法研究

研究了系统测试性指标与系统组成单元指标之间的关系,分析了确定测试性指标的各主要影响因素,进而导出了测试性分配的基本要求、数学模型和工作程序.在此基础上,文章给出了4种用于不同情况下的测试性分配方法:前2种是基于系统单元的复杂度(故障率)或重要度(故障影响)的分配方法;第3种是综合考虑各影响因素的加权分配方法;第4种是系统中有老成品时的分配方法.这些分配方法都可以实际应用于工程设计.      

一种模拟整星热环境的小型单机热平衡试验

文章通过对一个典型的单机热分析和热试验的研究,提出了一种小型单机热平衡试验方法,模拟单机在整星环境下的热平衡试验,以避免只为验证其热设计而再次补做整星热平衡试验。为准确模拟单机在星内的辐射和导热过程,通过灰体间辐射热网络法和仪器安装板处单元体热平衡法,给出了等效辐射特征点和等效导热特征点的确定方法;并结合试验结果,对模型修正的合理性、局限性进行了分析,提出了在实际应用过程中应注意的问题。     

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.     

故障样本量确定与分配一体化设计方案

针对当前测试性验证领域未能考虑故障样本量确定和样本分配2个环节的相互联系,以及现有样本分配方案对影响因子的选择没有统一的框架,导致确定的故障样本量和样本分配不合理的问题,提出了一种故障样本量确定与分配一体化设计方案。首先,以层次Bayes网络模型为框架,融合各节点测试性指标先验信息得到顶层测试性指标的融合分布,并建立故障样本量确定流程;其次,引入结构重要度作为样本分配影响因子,同时结合故障模式影响及危害性分析（FMECA）信息确定节点和故障模式的样本分配影响因子,提出基于节点和故障模式的二次分配框架实施样本分配;最后,通过实际案例进行对比分析。结果表明:相比其他样本分配方案,所提方案能充分考虑系统结构及其先验信息,进而实现了故障样本量确定和分配一体化方案的设计,保证了所确定的故障样本量和分配的合理性,具备更好的工程适用性。      

动量轮诊断测点配置与资源占用度成本评价

以动量轮为例开展诊断测点配置与成本评价方法研究.分析系统功能模块输出与故障模式之间的关系,建立DG图故障传播定性模型.对DG图回路进行处理,生成满足可检测性和可分离性的根节点,建立偶图.采用改进的贪婪算法选取关键测点,给出诊断测点配置方案.考虑测点对系统体积、重量、功耗、处理能力等资源的要求,提出用资源占用度的概念表示成本计算模型,合理设计了资源占用度的表达形式,可以突出某项重要资源要求对评价结构的影响,也可以避免某些重要指标被弱化,并且在需要考虑其他资源要求时可扩展.通过成本模型对测点配置方案进行评价.     

测试有效性对软件可靠性验证测试量的影响

针对传统软件可靠性验证测试方法均不考虑软件测试性可能会对验证测试用例数量产生影响的现状,提出一种引入测试有效性对软件可靠性验证测试最小量进行改进的方法.分析了软件测试性的定义及其对软件可靠性测试集合的影响,提出软件测试有效性的概念.比较了考虑测试有效性前后软件可靠性验证测试集合在数量上的差异,证明经典统计方法和无先验知识的Bayesian统计推断方法确定的均为假定测试有效性为零情况下的保守估计.提出结合测试有效性的验证测试量的量化表示模型和验证测试方案的改进方法,基于统计故障注入的原理,提出测试有效性的定量评估方法,最后通过示例给出定量评估过程和方法.      

基于信息模型的测试性试验样本集充分性研究

建立了产品的故障模式信息模型,包括产品的故障模式、结构单元、功能和测试数据以及这些数据之间的映射关系.根据该信息模型,定义了三种故障模式等价集合,即故障模式单元等价集合、故障模式功能等价集合、故障模式测试等价集合.在这些等价集合的基础上,建立了测试性试验中样本集的三种典型充分性度量和准则,即单元覆盖充分性度量和准则、功能覆盖充分性度量和准则、测试覆盖充分性度量和准则.分析了典型充分性度量和准则的适用范围,并建立了综合充分性度量和准则.使用综合充分性度量可以评价样本集的充分程度,使用综合充分性准则可以确定样本集的构成要求.建立了综合充分性度量和准则的应用方法和流程.通过实例验证了该方法的可行性.     

基于FSS-kernelBSS方法的机械故障诊断

机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的.     

基于验前信息的测试性验证试验方案确定方法

针对目前测试性验证试验方案样本量过大、工程上实现困难的问题,提出了基于验前信息的复杂设备的Bayes测试性验证试验方案.首先,利用Beta分布对测试性验前信息的不确定性进行描述,运用不同来源的验前信息确定验前分布超参数;然后,定义了验前分布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;接着,利用融合后的验前信息建立成败型装备测试性验证试验方案的Bayes决策模型;最后,通过实例分析表明,与经典验证试验方案相比,新方案减少试验样本量40%左右,又克服了传统Bayes验证试验方案的冒进.      

面向复杂系统的三维Bayes网络测试性验证模型

针对当前武器装备复杂的系统结构,现有基于装备整机系统测试性先验信息的测试性验证方法难以适用,基于分系统测试性先验信息的测试性验证方法不能系统有效地处理先验信息,导致测试性验证结果可信度不高的问题,提出一种面向复杂系统的三维Bayes网络测试性验证模型。该模型能充分运用装备各层级结构中所蕴含的条件独立性,有效降低构建Bayes网络模型的复杂度,同时能融合装备各层级单元的先验信息。通过给出的三维Bayes网络的条件概率学习方法及G/M-H算法,由底层单元数据通过模型逐步向上融合,得到顶层测试性指标的后验分布,进一步利用顶层后验分布求取故障样本量。结果表明:该模型能充分考虑复杂系统的系统结构及各层级单元先验信息,并能通过模型推理得到的指标后验分布达到有效减少测试性验证故障样本量的目的。      

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.     

对象驱动的软件测试性度量

为了使用统一的方式度量各种软件的测试性,降低测试性度量的难度和费用,提出一种对象驱动的软件测试性度量方法. 方法基于一个由测试性度量、易测试特性度量、测试性因素度量及其关系构成的软件测试性度量框架,首先分析度量的对象,确定对象的类型、对象所属软件的类型和测试情况;然后根据软件的类型和测试情况,从度量框架中选取匹配的元素,构造一个专用的软件测试性度量框架;最后根据度量对象的类型,使用专用软件测试性度量框架中的元素计算测试性因素、易测试特性或测试性. 应用表明方法能够得到软件测试性的定量结果,预计测试资源,为软件测试提供帮助.