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。     

基于信息熵的最少测试费用故障诊断策略

针对大系统顺序故障诊断中的测试排序问题,介绍一种基于信息熵的最少测试费用诊断树产生算法,这种算法比传统算法计算量少,又可有效利用测试结果、测试费用和故障概率等信息,该算法适合于在线和离线诊断维修过程。给出了算法的设计过程,并以实例说明算法的有效性。     

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。     

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。     

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.     

DPSO算法在故障诊断测试集优化中的应用

针对复杂系统的实时故障诊断问题,引入一种多目标离散粒子群优化(DPSO)算法对测试集进行优化,以实现有效的故障监测与隔离.在建立系统相关性模型的基础上,针对系统实时监视和实时诊断中故障检测数、故障隔离数、测试个数和测试成本等指标,分别设计了优化故障检测测试集和故障诊断测试集的多目标适应度函数.应用实例表明,该算法能快速地对测试集进行优化,提高实时诊断的效率,并可作为改进系统测试性设计中的一种测试综合评估方法.     

基于多信号模型的故障诊断策略设计

对基于多型号模型的故障诊断策略设计进行了深入研究，介绍了多信号模型的定义和表示，提出了在单故障假设及不考虑组成单元可靠性、测试时间和测试费用影响下的故障检测用测试和故障隔离用测试优选算法以及故障诊断策略制定方法，并结合示例说明了诊断策略的设计过程；文中所提出的诊断策略设计方法能够以尽可能少的测试完成故障检测和隔离，按此方法设计的诊断策略具有自适应特性，适用于各类系统和设备的测试性分析与设计和故障诊断。     

基于信息熵的机内测试诊断策略优化技术

针对常规机内测试技术算法单一、故障隔离率低等问题,以信息熵理论为基础,提出了基于信息熵的机内测试诊断策略;首先建立机内测试的诊断策略模型;考虑测试代价因素,提出优化的启发式信息熵算法,得到多值属性的机内测试故障诊断策略;最后将其应用到航空设备机内测试的实例中,结果表明,该算法计算效果优于信息熵算法。     

基于AI-ESTATE的远程故障诊断系统

基于某电子设备的自动测试系统,参照IEEE的AI-ESTATE标准建立了一个远程故障诊断系统;在该远程故障诊断系统中,封装了不同的故障诊断模型和人工智能算法;诊断测试信息用XML语肓描述,诊断推理机用DCOM组件实现,从而使诊断知识与诊断推理机分离,便于诊断知识的共享和诊断推理机的移植;为了优化测试序列,采用了最大信息熵故障诊断策略;另外还详细介绍了诊断推理机服务的定义和DCOM组件的具体实现方法;该诊断系统具有跨平台和面向网络服务的特点.     

基于相关性模型的BIT诊断策略技术研究*

提出了一种基于相关性模型的机内测试诊断策略。首先根据机内测试系统的诊断策略模型,以相关性矩阵为基础,综合考虑可靠性和测试代价等因素,利用AO*算法构建了决策树;然后根据信息量的大小依次选择测试点,并确定出优化的诊断策略序列。实例分析结果表明,该方法计算复杂度小,所得的诊断策略在较低的测试代价下可以有效提高机内测试的故障检测和隔离率。     

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。     

基于图像特征提取的飞行器故障诊断系统设计

为提高飞行器测试数据的利用率,解决飞行器故障诊断中资源浪费的问题。提出并实现了一种基于数据图像特征提取的飞行器故障自动诊断系统。系统通过建立一个历史测试数据库,对各种测试项目的历史图像提取特征值,将其存储在数据库中,且将该次测试对应的诊断信息存储在内。利用小波变换法作为特征提取的方法,小波能谱熵作为特征值表征。将当前测试故障的数据图像进行特征提取,并与数据库中图像进行比对,找出相似度最高的历史数据图像。从而帮助测试人员进行故障定位诊断工作。     

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．     

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。