基于结构模型的测试性设计与分析技术研究

为了解决因系统信息获取困难导致装备早期测试性设计和维修诊断工作难度增加的问题,提出了一种基于系统结构模型的测试性设计与分析方法。该方法借助图论的数学工具对系统进行数学建模,通过定量分析完成系统的模块划分;在此基础上,建立测试相关性矩阵,以最小测试代价为优化目标函数,应用Huffman信息编码方法生成系统的故障诊断树。与其他方法相比,该方法不仅结果更加优化,而且对系统的内部信息依赖相对较少,可以有效应用于设备的早期测试性设计以及使用过程中的维修诊断工作。     

基于多信号模型的雷达测试性设计分析

针对过去测试性分析方法计算繁琐、周期长、效率低等缺点,基于模型的方法成为目前测试性设计分析技术的趋势,以多信号模型为基础,结合工作实际提出了一种测试性知识的获取方法。以TEAMS软件为平台,介绍了基于多信号模型的雷达测试性建模和测试性设计分析的原理、过程和结果,为雷达或其他电子装备的测试性设计分析提供了一套有效的方法。     

基于框架的软件测试性分析

软件测试性分析能帮助设计人员开发出更易测试的软件,从而减少软件测试的难度和费用。为了分析不同软件的测试性、提供各种测试性信息,提出一种基于框架的软件测试性分析方法。框架由测试性度量、易测试特性度量、测试性因素度量以及它们之间的关系构成。首先,根据不同软件的特点和测试情况,从框架中获取测试性因素度量|然后,分析影响同一易测试特性的测试性因素,通过模糊计算模型度量易测试特性|最后,综合易测试特性计算软件测试性。实例应用表明该方法确实可行,能够为软件开发提供帮助。     

基于设计特性覆盖的测试性定量分析方法

针对目前测试性分析基于故障分析的现状,提出了一种基于系统结构、性能、功能的测试性定量分析方法。定义了系统设计特性覆盖测试模型,系统结构、功能、性能及测试关联模型,性能覆盖率、功能覆盖率、结构覆盖率的定量计算模型。建立了基于设计特性覆盖的测试性定量分析流程,主要包括系统基本信息建立、信息间直接关联关系生成,测试覆盖率定量计算及测试未覆盖项分析。以某飞机舵机系统为例进行了应用,结果验证了方法的可行性和有效性。     

基于GSPN的导弹多层级测试性需求建模与指标评估

针对目前导弹测试性需求建模尚未成熟, 开展测试性需求分析难度较高的问题, 提出一种基于广义随机Petri网(generalized stochastic Petri net, GSPN)的测试性需求建模方法。在分析导弹结构的基础上对导弹测试性需求问题进行了建模, 给出导弹两级GSPN模型, 深入分析其导弹系统的故障检测及维修过程。根据GSPN模型同构于嵌入马尔可夫链(embedded Markov chain, EMC), 以实存状态集和消失状态集表征库所变迁, 采用同构法对测试性指标进行求解。将多层级GSPN模型分解化简, 减少状态空间数量的求解。对导弹的GSPN模型进行定性和定量分析, 求解不同层级测试性指标最后通过仿真计算, 与系统要求可用度误差不超过0.7%, 验证了多层GSPN模型的可行性和分析结果的可信性。     

融合不确定信息的某型导弹控制系统可靠性分析方法#br#

针对不确定信息在可靠性评估中难以表达与处理的问题,应用Dempster Shafer (DS)证据理论对贝叶斯网络进行改进。在分析现有研究的基础上,对DS证据理论与贝叶斯网络理论进行简要介绍,提出了不确定信息条件下故障树节点向贝叶斯网络节点转化的方法,包括与节点、或节点、异或节点、非节点与2/3表决节点。针对多状态贝叶斯网络中条件概率值难以确定的问题,应用DS证据理论/层次分析法对专家经验知识进行分析与表达。以某型导弹控制系统为例,利用故障树构建贝叶斯网络模型,应用DS证据理论对专家信息进行数据融合处理,确定不确定节点的信任函数、似然函数和条件概率值,并借助贝叶斯网络的正向推理、反向推理和重要度分析确定了可靠性设计与分配中的薄弱节点。     

确定测试性验证试验方案的贝叶斯方法

现有的测试性验证试验方案在一定的风险约束下都需要较大的故障样本量。针对这一问题,以故障检测率(fault detection rate, FDR)为验证指标,提出利用研制阶段试验数据和专家信息制定测试性验证试验方案的贝叶斯方法。该方法首先利用研制阶段试验数据建立了产品的FDR增长模型,以此描述FDR在研制阶段的变化趋势,然后利用专家信息确定模型中的超参数,进而得到FDR的验前分布,最后依据贝叶斯最大后验风险准则制定了新的测试性验证试验方案。通过实例的对比分析表明,与经典试验方案相比,新方案样本量减少效果明显,在样本量保持不变的条件下双方风险大大降低。     

确定系统级测试性参数的广义随机Petri网模型

测试性设计是近年来发展起来的一门新兴学科 ,对提高复杂系统的可靠性、可维修性和可用性具有重要的意义。在测试性设计的过程中 ,合理地选择和确定测试性参数是实现费效比最优设计的关键之一 ,但目前还没有有效的方法能合理地确定每个参数的门限值或目标值。基于广义随机Petri网的原理 ,将测试看作设备整个生命周期内可靠性、维修性活动的一个有机组成部分 ,建立了系统的测试性模型。采用数值分析的方法得出系统稳态可用度与系统测试性参数之间的关系曲线 ,作为确定测试性参数的依据 ;当系统需待定的参数比较多时 ,将模型转化为一个区间线性方程 ,有效地解决了计算量大的问题。这一方法对解决复杂系统的测试性设计问题具有一定的借鉴意义     

基于故障树的复杂装备模糊贝叶斯网络推理故障诊断

复杂装备的小批量、个性化定制属性, 注定了其生命周期过程中存在着相对较多的不确定性, 故障隐患必不可免, 故障诊断尤为重要。因此，提出基于故障树的复杂装备模糊贝叶斯网络推理故障诊断模型。首先, 通过分析复杂装备的结构组成, 建立复杂装备的故障树模型。其次, 利用故障树转化法, 构建基于故障树的贝叶斯网络拓扑结构。然后, 针对复杂装备结构数据缺乏和专家打分的不确定性, 通过模糊集合论方法确定条件概率等参数。最后, 进行案例研究, 利用模糊贝叶斯网络推理中的因果推理和诊断推理, 诊断出案例中的故障(潜在故障)节点, 证明了所提方法的有效性。研究成果不仅解决了贝叶斯网络中利用搜索函数构建最优网络不符合实际的问题, 也通过模糊集合论解决了复杂装备数据缺乏和专家打分不确定性的不足。所提模型不仅适应于过程诊断中故障的确定, 同时也适用于事前诊断中潜在风险的识别, 而且对于故障(或潜在故障)节点的改善效果还能起到检测评估的作用。     

基于扩散先验分布的成组技术分类识别方法

分类识别方法是实际应用中最为广泛的统计分析方法之一,特征识别是对对象几何模型进行解释,通过匹配几何特征部分与特征的形式描述来实现。提取产品特征信息是特征识别的难点。结合零件〖CD*2〗设备成组优化的网络模型,提出一种基于贝叶斯推理的扩散先验分布的识别算法。依据成组技术的零件分类编码系统对零件设备进行成组分类,通过扩散先验分布的贝叶斯推理分类识别方法,根据待判别样品的预报密度函数,建立后验概率比和分类识别规则,对待识别样本进行判别分类。     

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播（belief propagation, BP）算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP）,实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。     

基于FBNs的有人机/UCAV编队对地攻击威胁评估

信息化环境下的编队对地攻击过程中,所获取的地面兵力威胁信息具有高度不确定性。如何采用高效的不确定性信息推理方法快速准确地完成地面兵力对空中飞行编队的威胁评估建模成为一个亟待解决的问题。提出基于模糊贝叶斯网络的有人机/无人战斗机编队对地威胁评估建模方法,综合模糊逻辑与贝叶斯网络的优势,对战场的随机、模糊威胁信息进行综合处理。仿真结果表明,模糊贝叶斯网络不仅能够有效处理战场不确定信息,而且能够综合指挥员的主观判断,适合于不确定性战场环境下的威胁评估推理。     

Optimization method for diagnostic sequence based on improved particle swarm optimization algorithm

To realize the requirement of diagnostic sequence optimization in the process of design for testability, the authors put forward an optimization method based on quantum-behaved particle swarm optimization (QPSO) algorithm. By a precedence ordering coding, the diagnostic sequence optimization can be translated into a precedence ordering problem in the multidimensional space of swarm. It can get the optimizing order quickly by using the powerful and quick search capability of QPSO algorithm, and the order is the diagnostic sequence for the system. The realization of the method is simpler than other methods, and the results are more excellent than others, and it has been applied in the engineering practice.     

基于M-ANFIS-PNN的目标威胁评估模型

目标威胁评估的目的是根据目标的属性和状态信息对目标的威胁程度进行定量估计, 为后续作战决策提供辅助支持。现有威胁评估模型大多依赖于数值信息, 难以有效处理包含定性、定量数据的目标特征信息。基于此, 提出一种改进的自适应模糊神经推理系统模型。在自适应模糊神经推理系统的基础上, 引入前件影响矩阵和后件影响矩阵对定性数据进行处理, 使得定量、定性数据的影响同时作用于模糊规则的前件参数和后件参数; 为了进一步提高模型的输出精度, 将自适应模糊神经推理系统的输出层替换为多项式神经网络; 通过基于Gower距离的近邻传播聚类算法对改进模型进行结构辨识, 确定模糊规则的初始参数。仿真实例验证了所提方法的有效性与可行性, 与其他混合属性数据建模方法相比, 所提方法具有较高的预测精度, 可为作战指挥决策提供有效的辅助支持。     

贮存装备检测周期优化模型研究

针对现有装备贮存定期检测测试效率以一个先前经验值来表示的不科学性,依据工程实际,提出用模糊综合评判法确定测试效率;利用装备在贮存中性能退化的性质,建立考虑模糊测试效率的模糊可靠度预计模型;结合模糊可靠度函数给出贮存费用的积分表达式。最后以模糊可靠度模型为约束,以费用最小为目标函数建立检测周期的优化模型。运用遗传算法对某型水下航行器贮存期电参数的故障检测周期进行优化,结果表明了此方法的合理性和实用性。     

基于分层贝叶斯模型的稳健参数设计

针对双响应曲面模型的参数不确定性、参数之间的层次结构以及模型的异方差问题,结合分层贝叶斯建模方法提出一种新的均值-方差双响应曲面模型,并在此基础上运用所提方法实现了产品/过程的稳健参数设计。首先,建立分层贝叶斯模型,并获得参数的后验分布;其次利用Gibbs采样获得参数估计值,在此基础上构建质量损失函数,并采用遗传算法对质量损失函数进行优化求得可控因子的最佳设计水平;最后,从模型具有同方差和异方差两种情形出发,结合具体实例分别采用普通最小二乘、加权最小二乘及分层贝叶斯建立双响应曲面模型进行了比较分析,验证了所提方法的有效性。     

用于离散变量因果分析的贝叶斯网络学习

针对现有基于贝叶斯网络离散变量因果分析方法具有低效率和局限性等问题.使用依赖分析方法建立贝叶斯网络骨架,结合碰撞识别方法、变量之间的预测能力和描述长度极小准则确定边的因果方向,进行具有多项式复杂度的离散变量因果贝叶斯网络学习来避免这些问题,并给出了因果贝叶斯网络中定量因果信息传递计算方法.同时,针对小样本情况建立了因果最大似然树学习方法.     

离散动态贝叶斯网络的直接计算推理算法

离散动态贝叶斯网络是对动态过程进行建模和定性推理的有力工具。但是目前所用的各种推理算法都需要进行复杂的图形变换,不易于计算机编程实现而且计算时间长。为此,基于概率论和贝叶斯网络的基本性质,提出了离散动态贝叶斯网络的直接计算推理算法,从理论上对算法进行了推导并进行了实例验证。该算法的最大优点就是不需要复杂的图形变换,非常适合于计算机编程实现,而且在某些情况下推理速度快于其它算法。     

Trust-Region Based Stochastic Variational Inference for Distributed and Asynchronous Networks

Stochastic variational inference is an efficient Bayesian inference technology for massive datasets, which approximates posteriors by using noisy gradient estimates. Traditional stochastic variational inference can only be performed in a centralized manner, which limits its applications in a wide range of situations where data is possessed by multiple nodes. Therefore, this paper develops a novel trust-region based stochastic variational inference algorithm for a general class of conjugate-exponential models over distributed and asynchronous networks, where the global parameters are diffused over the network by using the Metropolis rule and the local parameters are updated by using the trust-region method. Besides, a simple rule is introduced to balance the transmission frequencies between neighboring nodes such that the proposed distributed algorithm can be performed in an asynchronous manner. The utility of the proposed algorithm is tested by fitting the Bernoulli model and the Gaussian model to different datasets on a synthetic network, and experimental results demonstrate its effectiveness and advantages over existing works.

     

基于民生视角的政府绩效评价灰色贝叶斯网络模型

建立了一种基于民生视角的政府绩效评价贝叶斯网络模型。研究了运用极大熵模型,求解网络的参数分布问题;结合灰色系统的思想,给出了政府绩效评价中的不确定信息处理的方法;通过对网络结构的分析,研究了评价信息在传递过程中的衰减性;最后,通过贝叶斯网络推理,给出网络中各节点的定量评价,为基于民生视角的政府绩效评价提供了一种新的理论方法和工具。