基于改进蚁群算法的多值属性系统故障诊断策略

针对传统蚁群算法难以精准解决多值属性系统(multi-valued attribute system,MVAS)诊断策略的问题,在改进蚁群算法的基础上,提出一种改进蚁群算法的测试序列寻优(ANT-TS)算法以搜索MVAS的故障测试序列.首先,引入多值D矩阵和五元组完成诊断策略的公式化处理;然后,为实现ANT-TS算法与MVAS诊断策略的融合,重新表述蚁群算法、设置状态转移规则、设定信息素初始化及更新的方式;最后,通过实例说明算法的实现过程,运用随机仿真实验验证其正确性和稳定性.结果表明:与传统蚁群算法相比,ANT-TS算法的运行过程与诊断策略的一致,且其参数和循环次数少、期望测试费用低、运行速度快;与传统的MV-IG算法和多值Rollout算法相比,ANT-TS算法能获得费用较少的测试序列.     

基于相异度的测试优选算法

测试性日益成为现代电子产品的重要性能指标,必须在系统研制初期进行测试性设计,从而在故障诊断过程中,测试费用最少、诊断时间最短;根据贪婪策略提出了一种基于相异度的测试优选算法;在采用基于动态熵的故障隔离策略选择测试中,当动态熵值相同时,结合相异度进行测试优选;实验结果表明,该算法实现简单,能够在诊断时间最短的情况下,测试费用最少。     

基于Rollout算法的测试不可靠条件下的诊断策略*

实际复杂装备系统测试时存在虚警和漏检,其导致的误诊费用往往超过了测试成本。针对复杂系统故障诊断中诊断精度低、虚警率高的问题,进行了不可靠测试条件下,基于Rollout算法的诊断策略优化方法研究。首先建立综合考虑测试点的故障检测能力、信息量、测试费用以及测试结果信任度的启发函数,然后利用Rollout算法生成诊断策略,最后用阿波罗检测系统实例验证了该算法的优越性。理论和实验表明,Rollout算法的平均测试费用低于贪婪算法,而且计算时间在可接受范围内,因此可用于测试不可靠条件下的诊断策略设计。     

基于费用划分的测试复用问题研究

针对传统的诊断策略分析方法对测试复用问题的描述与实际不相符的问题,通过将测试费用分解为测试过程费用和资源配置费用,且不同情况下费用的计算方法也不同的方式,解决了测试复用时的优选问题;同时,基于此费用划分,改进了以贪婪式算法为基础的诊断策略,并用案例证明了方法的有效性;文中所提出的诊断策略设计方法能得到更少的测试种类数和测试费用,从而优化测试性指标。     

基于广度优先搜索算法的故障隔离矩阵生成方法

相关性矩阵表示故障与测试之间的逻辑关系。隔离矩阵表示在给定的测试顺序下,故障隔离与测试之间的需求关系。测试顺序对诊断费用影响可以通过隔离矩阵进行计算。所以求解隔离矩阵是诊断费用优化的前提。针对相关性矩阵与隔离矩阵易于混淆的问题,以及传统分析方法求解隔离的不足,详述隔离矩阵的概念和生成原理,设计基于广度优先搜索的隔离矩阵生成算法。示例表明,生成算法是可行的和有效的。     

基于全局最优的信息启发式Rollout测试序列生成算法

为实现电子设备或电气系统快速故障诊断,在故障诊断过程中需生成测试序列,一般通过分析测试点对故障的检测与隔离的次序能够得出产品测试序列生成排故引导树。然而针对不同故障模式的故障率不同,不同测试点的测试权重、测试费用、测试时间不同,从不同测试点出发形成的排故引导树也不同。提出了一种基于A0*信息启发式Rollout策略的测试序列生成算法,其作为一种近优的结算方法既考虑可靠性,也考虑测试费用最小,既减轻庞大的计算量,又获得了比次优启发式算法更好的诊断结果。     

多模式系统的测试顺序优化

研究了多模式系统的测试顺序优化问题。基于不同模式下测试与故障之间的依赖关系,结合系统故障的先验概率、可用测试的成本以及不同模式的转换费用,构造了该问题的数学描述模型。基于已有的搜索算法提出了一种准多步前向搜索算法,该算法以信息增益为启发策略,可自动获取平均测试费用最少、且能快速实现系统故障检测与隔离的优化测试顺序。最后实例验证了该算法的正确性,证明该算法可解决实际问题。     

基于双重Rollout算法的多工作模式系统诊断策略优化

实际多工作模式系统测试与诊断过程中单一工作模式下测试不能检测和隔离全部故障,不同工作模式下测试检测和隔离故障的代价和效率也不同,为以最小的代价实现多工作模式系统的故障隔离与定位,提出基于双重Rollout算法的诊断策略优化方法.在构建指定工作模式下的完整诊断策略时,首先采用第1重Rollout算法,得到该工作模式下的局部诊断策略和故障模糊集;针对该工作模式下无法隔离的模糊集,采用第2重Rollout算法从剩余工作模式中选择切换至最优工作模式下进行隔离,得到新的局部诊断策略和新的模糊集;依次类推,直到故障模糊集为空或已满足系统隔离要求.实例分析结果表明,与现有算法相比,所提出方法得到的解更接近最优解,期望测试费用更低.     

基于模拟退火粒子群算法的不可靠测试点优化

针对实际复杂系统测试与诊断时存在虚警和漏检的情况问题,提出在不可靠测试条件下,基于模拟退火粒子群(SA-PSO)算法的测试点优化方法。首先综合考虑不可靠测试条件下测试点的故障检测能力、故障隔离能力及结果信任度设计了评价测试点性能的启发函数;然后,将该启发函数与测试费用最小原则相结合,并根据测试性指标的要求,构建确保测试点最优的适应度函数;最后,设计基于模拟退火粒子群算法的不可靠测试点优化步骤,并用阿波罗发射系统实例验证了该算法的优越性。结果表明SA-PSO算法能够在满足测试性指标的要求下获得最小测试费用的测试点集,其故障检测率、隔离率都优于贪婪算法及遗传算法。     

基于DPSO-AO*算法系统测试序列优化问题研究

为了使复杂装备信息处理系统在进行故障定位过程中耗时最少、成本最低,建立了系统测试序列优化问题的数学模型。基于DPSO-AO^*算法的改进,得到信息处理系统的最优测试策略决策树,根据信息处理系统的相关矩阵,按故障概率,随机生成故障,采用相应的测试序列进行测试,最后利用累计测试费用进行比较,从而证明了改进的DPSO-AO^*算法正确有效。     

基于故障特征信息熵的故障诊断策略优化方法

针对复杂电子设备的顺序故障诊断策略问题,为实现快速的故障检测与隔离,提出了一种基于故障特征信息熵的故障诊断策略树生成算法。该算法综合考虑测试费用和故障概率因素,依据故障特征信息熵的大小依次选择测试点来生成优化的故障诊断策略树。实例表明该算法可行,能以较低的测试费用和较少的测试步骤实现复杂电子设备的故障检测和隔离。     

基于概率阈的非冗余多故障系统诊断策略优化

针对传统的单故障假设无法诊断复杂系统多故障并发的情况,提出了一种基于概率阈的非冗余系统多故障诊断策略。首先对系统的相关性模型进行扩展,并删除低于概率阈的故障状态,建立非冗余系统的多故障测试诊断模型;其次在信息熵算法的基础上建立Rollout算法,获得了最优测试序列;然后建立故障诊断树并计算测试代价;最后以某机载电子系统为例验证了该方法的有效性。该方法可以在保证测试费用最小的情况下获得非冗余系统的最优测试序列。     

多值测试诊断策略优化设计

针对电子系统中多值测试条件下的测试排序问题,提出了一种诊断策略优化方法。首先,以相关性矩阵模型为基础,将已有的二值测试的优化算法同多值测试问题相结合,提出了适用于多值测试的基于霍夫曼编码的启发式函数;其次,将平均测试代价最小和平均测试步骤最少作为优化目标,采用与或树启发式搜索算法生成诊断树,得到多值测试的诊断策略,并给出了诊断策略优化方法的具体实现步骤;最后,将其应用到航空设备的实例中。结果表明提出的基于霍夫曼编码的与或树启发式搜索算法是可行的,其生成的诊断树是最优的,比基于信息熵的与或树启发式搜索算法具有更小的平均测试代价和更少的平均测试步骤。     

模拟电路故障诊断测试节点优选新算法

采用故障特征函数描述模拟电路故障字典法中的模糊集,提出了节点故障隔离度和条件故障隔离度的概念,用其描述节点对故障的区分能力.给出了测试节点优选的数学模型,并在此基础上给出了新的测试节点优选算法.最后给出了新算法的应用实例.     

基于信息熵的电路测点优化策略

针对电路测试点优化问题,研究了相关性模型和信息熵理论,在对相关性模型进行改进的基础上,建立了基于信息熵的电路测点优化策略,给出了具体的计算步骤。应用实例表明,该方法是有效的,可应用于模拟、数字和混合信号电路的故障检测及可测试性设计。     

用于测试序列优化的DPSO-WAO*算法研究

针对现有测试序列优化算法所存在的计算效率及优化性能间的矛盾,结合离散粒子群算法(DPSO),提出了基于加权Huffman编码的启发式评估函数,对传统AO*算法进行改进,提出了DPSO-WAO*(DPSO-Weight_AO*)算法。实例证明,基于加权Huffman编码的启发式评估函数更为准确地评估了全局测试成本,在取消了成本回溯的情况下,算法仍能保持较高的优化性能,且有效地降低了计算复杂度,对于大型系统的测试序列设计、可测试性分析及故障诊断等具有重要意义。     

对称比较模型下的系统级故障诊断

本文在对称比较模型下研究系统级故障诊断问题，提出了一个非自适应诊断算法和一个自 适应诊断算法，并分析了它们的诊断开销。     

基于测点必要度的模拟电路测点优选方法

针对模拟电路的测点选择问题,根据测点的必要程度,提出了“测点必要度”的概念,同时结合“故障隔离度”的概念,建立了新的测点优选方法,给出了新算法的详细计算过程和应用实例．实验分析结果表明,新算法的计算效果优于熵算法和基于故障隔离度的测点选择算法,可用于复杂模拟电路的测点选择．