基于测量的时延故障诊断

与时延测试相比,时延故障诊断需要更精确的故障模型。该文提出了采用精确测量的时延模型和时延故障模型。在这种模型下,利用电路通路图的原理,得到与被测电路的拓扑结构有关的一个精简测试集。测试集的大小与电路的大小保持线性增长关系;其中的每一个测试对应于一条通路的单跳变敏化向量,将测试集中的单跳变敏化向量送入被测电路,可以用测试仪测量相应通路的延时,得到电路关于此测试集的时延故障症候。该文对时延故障症候提供     

SoC总线串扰的精简MT测试集

多跳变(MT)故障模型是一种有效的总线串扰故障模型,可以测试由电容和电感导致的串扰故障,但是MT的原始测试集存在严重的向量冗余.通过分析MT原始测试集向量冗余的3类情况,利用欧拉回路对测试向量进行组合优化,得到MT精简测试集,同时不损失MT故障覆盖率;还设计了MT故障模型的软件自测试程序来实施MT精简测试集,用于实速在线检测串扰故障,而不需要使用高速测试仪.实验结果表明,采用MT精简测试集可以有效地减少总线串扰测试的时间和向量存储开销.     

基于SAT的多目标故障测试向量动态压缩方法

针对传统的自动测试图形向量生成采用逐个求解单一故障模型导致生成测试向量数据量巨大的缺点, 提出一种基于布尔满足性(boolean satisfiability, SAT)的多目标故障测试向量动态压缩方法, 同时论证多目标故障测试生成问题为布尔满足性问题。该方法将具有鲁棒性的SAT算法嵌入经典的动态压缩流程中, 首先利用经典动态压缩算法求解最小测试向量检测大部分失效故障, 然后采用SAT求解器对未测出的多故障电路进行同一求解和附加约束求解方式, 最终得到故障覆盖率高的测试向量和同一测试最大故障列表。实验数据表明, 在相同电路模型情况下, 此方法求得的测试向量相比经典动态压缩减少高达70%。     

基于融合特权信息支持向量机的模拟电路故障诊断新方法

针对模拟电路故障诊断复杂多样难于辨识的问题,提出了基于融合特权信息支持向量机的模拟电路故障诊断新方法。首先对采集的信号进行主成分分析(PCA)——特征提取;然后将训练集输入融合特权信息支持向量机进行训练获得故障诊断模型;最后将测试集输入训练好的支持向量机分类模型,实现对不同故障类型的识别。Sallen-Key滤波电路故障诊断仿真实验结果表明,该方法有效提高了分类的性能,不仅能够正确分类单故障而且能够有效分类多故障,其中单硬故障情况下平均故障诊断率达到了99%以上,为模拟电路故障诊断提供了新的途径。     

基于混沌搜索的数字电路多故障测试生成

针对数字电路中多故障测试生成较难的问题,本文提出了基于混沌搜索的数字电路多故障测试生成算法。该算法先把多故障转换成为单故障,再用神经网络的方法对单故障电路构造故障的约束网络,最后用混沌搜索方法求解故障约束网络能量函数的最小值点获得原电路中多故障的测试矢量。在一些国际标准电路上的实验结果表明了本算法的可行性。     

求解掩盖故障的新方法

针对用单故障策略诊断多故障时可能出错的原因,提出一种确定性的,效率较高的求解掩盖故障的算法;首先通过定义寻找系统中可能存在的隐藏故障集;然后在隐藏故障集中寻找可能存在掩盖故障的故障元件集以及冲突集;其次通过建立冲突集簇的相关矩阵,把求解冲突集簇掩盖故障的问题转换为求解集合覆盖,并用确定性方法DNA粘贴模型来求解,获得全部真实解;最后通过实例验证,该方法是一种并行算法,可行、简单、有效。     

数字电路并发差错检测的新概念

并发差错检测是提高数字电路与系统可信的重要技术。文中建立了一种基于并发差错检测电路的结构模型。它由实现电路基本功能的基本功能模块和实现电路并发差错检测功能的检测器部分联所构成;提出了表征基于部分自校验概念的并发差错检测机制的一组新概念：精简强故障保险、精简强变量分离、精简强自校验、ｋ－容错精简强故障保险、ｋ－容错精简强变量分离和ｋ－容错精简强自校验,并研究了数字电路并发差错检测的主要概念之间的关系     

一种基于核密度估计的模拟电路故障诊断方法

为解决模拟电路中含有噪声等异常信息给支持向量机的最优分类面建立带来的困难,提出了一种基于核密度估计方法的模拟电路故障诊断新方法。首先提取电路的时域信号统计参数作为故障特征,然后运用核密度估计方法构造模糊隶属度函数,将该隶属度函数应用到模糊支持向量机上进行故障诊断。通过训练模糊支持向量机获得故障诊断模型,实现对电路单故障和多故障的诊断分类,能有效消除特征中噪声和野点的影响。将该方法应用于CSTV滤波电路进行仿真实验,结果表明该方法能突出不同故障的特性并正确有效地诊断出多故障类型,综合诊断正确率达到95%,为模拟电路故障诊断提供了新的技术途径。     

BIST测试激励的聚类压缩方法

测试激励压缩方案能减少内建自测试(BIST)电路的存储硬件开销,适合超大规模集成电路的测试.将聚类压缩与循环移位压缩和输入精简压缩巧妙结合,提出一种针对BIST的测试激励聚类压缩方法.首先将难测向量进行x方向输入精简;然后以贪心选择的方法进行y方向聚类压缩,即将测试向量集划分成几个子集,每个子集只存储一个种子向量;最后将聚类后的种子向量集进行z方向移位压缩,将最终的种子向量存储到BIST电路中.测试时,解压电路通过对种子向量进行解压得到全部的难测向量.理论分析和实验结果表明,通过增加相对很少的硬件开销构建聚类移位输入精简解压电路能够产生较高的测试数据压缩率,减少测试向量存储单元,且能以芯片频率进行测试,其中对电路s38584的压缩率高达99.87%.     

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。     

VFSim: Concurrent Fault Simulation at Register Transfer Level

VLSI testing is being pushed to the high-level based technology. In this paper a Verilog Register transfer level Model (VRM) for integrated circuits is proposed. The model provides a text format file, which is convenient and more practical for developing succeeding Register Transfer Level (RTL) test tools, such as fault simulation, test pattern generation and so forth. Based on the VRM, an RTL concurrent fault simulation approach is presented. After RTL fault models and super faults defined, the concurrent fault simulation algorithm is given. The corresponding RTL concurrent fault simulator, VFSim, was implemented. The initial experiments show that the RTL fault simulator is efficient for VLSI circuits.     

CMuJava:一个面向Java程序并发变异体生成系统

并发程序由多个共享存储空间并发执行的流程组成.由于流程之间执行次序的不确定性,使得并发软件系统的测试比较困难.变异测试是一种基于故障的软件测试技术,广泛用于评估测试用例集的充分性和测试技术的有效性.将变异测试应用于并发程序的一个关键问题是,如何高效地生成大量的模拟并发故障的变异体集合.给出了一种并发程序的变异测试框架,...     

基于神经网络技术的机器人并发故障自动诊断方法

为了提高柔性负载抓握机器人的故障检测能力,提出基于神经网络技术的机器人并发故障自动诊断方法。运用高分辨的智能传感器信息识别技术,结合刚度和强度等机械结构特征分析,构建柔性负载抓握机器人的故障信息采集模型,采用变刚度原理,提取柔性负载抓握机器人的振荡信息特征,通过谱特征检测和动态信息融合进行柔性负载抓握机器人的故障信息的多分辨融合和特征聚类处理。通过分析故障样本信息数据参数的估计值,对信息数据进行重组,根据采样信息的差异性对故障类别进行初步判断和识别。采用BP神经网络技术,通过特征分布函数进行故障特征提取,进行机器人并发故障的优化诊断和自适应学习,提高机器人并发故障的有效检测和识别能力。仿真结果表明,采用该方法进行机器人并发故障诊断的自适应性较好,特征辨识能力较强,具有很好的故障监测和模式识别能力。     

基于极限学习机的船舶柴油机故障诊断

针对传统深度核极限学习机网络仅利用端层特征进行分类导致特征不全面，以及故障诊断分类器中核函数选择不恰当等问题，提出基于多层特征表达和多核极限学习机的船舶柴油机故障诊断方法。利用深度极限学习机网络提取故障数据的多层特征；将提取出的各层特征级联为一个具有多属性特征的故障数据特征向量；使用多核极限学习机分类器准确地实现柴油机的故障诊断。在标准分类数据集和船舶柴油机仿真故障数据集上的实验结果表明，与其他极限学习机算法相比，该方法能够有效提高故障诊断的准确率和稳定性，且具有较好的泛化性能，是柴油机故障诊断一个更为优秀实用的工具。     

基于故障树分析和模糊综合评判的某雷达故障诊断方法

针对大型雷达电磁环境复杂、设计预留检测接口不足、状态不容易检测等特征,为既提高雷达保障能力,又减少检测电路(设备)、降低成本、提高全机可靠性,考虑到故障与故障征兆问存在着模糊关系,提出了采用基于故障树分析和模糊综合评判相结合的故障诊断方法,通过分析某雷达故障树故障论域的子域,提取故障征兆集和原因集,利用模糊关系矩阵得出故障隶属度输出,最后根据判断法则确定故障位置,给出了具有法则优化和自学习功能的模糊故障诊断流程;诊断应用表明,该方法可充分利用已有的故障信息,有效提高雷达的故障诊断效率.     

基于多故障模糊组的序贯多故障诊断方法

由于系统复杂性的显著提高,多故障发生的概率也逐渐增大;针对多故障诊断的困难性,提出一种序贯多故障诊断算法;算法以构建的单故障诊断树为基础,利用集合划分思想和多故障模糊组,并根据信息熵理论实现测试选择,逐渐扩展单故障诊断树,最终得到多故障诊断树;最后的系统实例详细阐述了序贯多故障诊断算法的应用过程,生成了多故障诊断树,可以有效地实现对系统多故障的检测.     

Rollout strategy-based probabilistic causal model approach for the multiple fault diagnosis

Multiple fault diagnosis (MFD) is used as an effective measure to tackle the problems of real-shop floor environment for reducing the total lifetime maintenance cost of the system. It is a well-known computationally complex problem, where computational complexity increases exponentially as the number of faults increases. Thus, warrants the application of heuristic techniques or AI-based optimization tools to diagnose the exact faults in real time. In this research, rollout strategy-based probabilistic causal model (RSPCM) has been proposed to solve graph-based multiple fault diagnosis problems. Rollout strategy is a single-step iterative process, implemented in this research to improve the efficiency and robustness of probabilistic causal model. In RSPCM instead of finding all possible combinations of faults, collect the faults corresponding to each observed manifestations that can give the best possible result in compared to other methods. Intensive computational experiments on well-known data sets witness the superiority of the proposed heuristic over earlier approaches existing in the literature. From experimental results it can easily inferred that proposed methodology can diagnosed the exact fault in the minimum fault isolation time as compared to other approaches.     

基于测试向量压缩的多核并行测试

首先整合多个被测芯核的测试集,合并重叠的测试向量以减少测试向量个数,从而缩短了测试应用时间,测试应用时采用总线广播的形式实现并行测试;然后应用多扫描链相容压缩和距离标记方法压缩测试数据,多扫描链相容压缩后,测试向量宽度规则减小,且距离标记法可进一步有效地压缩测试数据量.该方法数据压缩效率高,测试应用时间短,与其他并行测试方法相比具有测试控制过程简单和硬件开销小的突出优点.     

基于并发改进偏最小二乘的质量相关和过程相关的故障诊断

并发潜结构投影(CPLS)与传统贡献图法是多元统计过程监控中常用的故障检测与诊断方法.过程监控通常要求监测的时效性与诊断的准确性,然而,由于CPLS计算复杂以及传统贡献图诊断结果易受初始贡献较大的变量影响,因此它们反馈的监控结果可能并不准确.针对上述问题分别提出一种并发改进偏最小二乘(CMPLS)方法和新的相对贡献图法(NRC).首先,CMPLS将输入和输出数据同时投影到与过程相关或质量相关的多个子空间,在相应子空间分别构造适用于各种故障报警的监测指标进行过程监测;然后,结合所提出的NRC进行故障识别.所提方法对过程故障实现全面监测的同时避免了过多的迭代过程,并消除了过程变量中对检测指标初始贡献较大变量的影响.最后利用数值仿真和田纳西伊士曼过程验证了所提方法的有效性.     

Self-stabilizing algorithm for checkpointing in a distributed system

If the variables used for a checkpointing algorithm have data faults, the existing checkpointing and recovery algorithms may fail. In this paper, self-stabilizing data fault detecting and correcting, checkpointing, and recovery algorithms are proposed in a ring topology. The proposed data fault detection and correction algorithms can handle data faults; at most one per process, but in any number of processes. The proposed checkpointing algorithm can deal with concurrent multiple initiations of checkpointing and data faults. A process can recover from a fault, using the proposed recovery algorithm in spite of multiple data faults present in the system. All the proposed algorithms converge in O(n)$O(n)$ steps, where n$n$ is the number of processes. The algorithm can be extended to work for general topologies too.