基于遗传算法的故障样本优化选取方法

为降低测试性验证试验费用,提出基于遗传算法的故障样本优化选取方法。方法通过故障-测试关联分析和故障-故障等价分析,确定初始故障样本集中各元素对应的等价集,并对初始故障样本集进行扩展,在此基础上,建立了故障样本选取优化求解模型。在不降低样本注入数量和测试特性的条件下,以试验费用最小为优化目标,给出了基于改进遗传算法的样本优化选取方法。算例应用结果表明,该方法设计的故障样本选取方法能有效降低测试性验证试验费用。     

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。     

模拟电路软故障诊断测试节点优选的仿真研究

基于斜率故障模型和线性相关系数故障模型,提出了一种模拟电路软故障诊断字典法中的测试节点优选算法.针对模拟电路中的单故障和双故障,分别利用节点电压增量计算出的斜率和线性相关系数作为统一故障特征,建立故障字典;给出了在字典建立过程中,利用PSPICE仿真工具对电路进行故障仿真,采用特征函数描述故障统一特征的差别,根据故障隔离度优选测试节点的算法和步骤;并用仿真实例验证了该测试节点优选方法的有效性.     

基于测试重要度的Petri网序列优化算法

针对故障诊断测试序列优化问题,提出一种基于测试重要度的Petri网序列优化算法。该方法依据测试代价原则,并引入测试重要度函数,采用Petri网全局搜索算法,在传统测试优化目标测试费用和故障检测率的基础上,选择包含故障信息量大的测试,有效缩减测试序列的长度,并结合测试代价的反馈计算,减少总体测试费用。研究表明,所提出的优化算法克服了传统算法陷入局部优化的缺点,能够有效地减少总体测试代价。     

基于主成分修整和线性判别分析的重叠故障识别

针对在二维空间中,由变量均值偏移量较小但协方差不变所导致地故障类重叠,并因此降低故障识别率的问题,提出一种基于主成分分析(PCA)修整和线性判别分析(LDA)的新方法(PLDA).该方法通过减弱不同故障类的重叠主成分对分类的影响,达到提升LDA故障识别率的目的.对24种具有代表性故障组合的模拟样本运用10次10倍交叉验证,试验结果表明PLDA算法的平均故障识别率为94.6％,远高于传统的核化LDA算法和LDA算法的60.0％和61.9％.     

考虑修理延误情况下的最优维修策略

研究了具有修理延误情况的产品维修决策问题,运用概率和随机过程原理建立了产品故障模型和寿命周期费用模型.提出了以经济性为目标的检查与修理优化策略,分析了功能检查间隔期最优解的性质.该模型适用于分析在非周期性检测条件下的维修策略,可同时优化检查间隔期和修理延误时间.提出了一种基于迭代的优化算法,给出了应用该方法的具体步骤,并通过示例说明了该模型的求解过程和算法的有效性.     

考虑关键故障的测试优化选择

针对现有测试优化选择方法中因关键故障为小概率故障而容易被漏检的问题,提出了一种有指向性的对关键故障进行有效检测和隔离的方法。首先从系统安全性角度,分析了关键故障的重要性。然后基于相关性矩阵,以测试代价最小为优化目标,以故障检测率与隔离率和关键故障检测率与隔离率为约束,建立了考虑关键故障的测试优化选择模型,最后采用基于质心改进和惯性权重自适应调整的二进制粒子群算法进行求解。仿真实验结果表明,考虑关键故障的测试优化选择方法可以有效消除因关键故障漏检而对装备安全造成的严重威胁。     

通勤廊道换乘停车费用优化模型及算法

停车换乘是有效缓解城市交通拥堵的交通需求管理措施之一,而换乘停车费用的合理设置是影响其实施效果的关键因素之一.本文以轨道交通和快速路构成的单中心线性城市为对象,提出了一个双层规划模型来描述停车换乘条件下换乘停车费用的优化问题.其中,上层问题从交通管理者的角度出发,以系统总阻抗最小为目标优化换乘停车费用;下层问题描述不同换乘停车费用设置方案下出行者基于随机用户平衡的路径选择行为.基于灵敏度分析方法,分别设计了Frank-Wolfe和BFGS算法求解提出的双层规划模型.采用数值算例验证了提出的模型和算法的有效性.研究发现,不合理的换乘停车费用设置可能会使得交通系统总体性能更差,而提出的换乘停车费用优化方法则可以有效地提升停车换乘系统的实施效果.     

基于灰色关联聚类的特征提取算法

针对航空发动机气路部件故障样本特点,提出了一种基于灰色关联聚类的特征提取算法.论述了邓氏、相对变率和斜率三种灰色关联度分析方法,并以利用灰色关联度作为动态聚类欧氏距离的思想,构建灰色关联聚类特征提取模型.以某型涡扇发动机常见气路部件故障为例,利用ESVR算法验证特征提取能满足故障诊断要求. 仿真结果表明:该方法可以提取特征传感器, 使核与约简更精确.     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题,集成灰色理论和神经网络方法,提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1,1）模型的初始值与背景值,利用Levenberg-Marquardt算法改进反向传播神经网络模型;采用组合预测思想,将多方法融合改进灰色模型和神经网络模型,分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例,验证上述方法在故障预测中的有效性。结果表明,灰色神经网络组合模型的预测精度优于单一预测模型,可用于装备的故障预测和预测性维修。     

基于后验风险确定故障样本量的Bayes方法

针对目前测试性故障样本量的确定方法过于粗糙和试验样本量过大的问题,提出了合理运用信息熵方法对装备系统各单元的测试性先验信息进行信息融合,得到装备系统级测试性试验数据。在此基础上得到测试性指标的先验分布,并进一步通过Bayes后验风险准则确定故障样本量及试验方案。以某型电动舵机系统各模块的试验数据为例,以故障检测率为测试性指标,经过分析和计算,发现运用所提方法得到的故障样本量相比传统方法明显减少,从而减少了试验成本,同时得到的测试性指标相对误差较小,保证了可信度。     

考虑单元互测的测试性指标分配方法

测试性分配是将系统级测试性指标按照一定规则分配给各组成单元的过程。针对现有主流测试性分配方法未考虑单元之间的互测情形,导致分配结果不合理,尤其是部分单元分配指标虚高,难以实现或代价过高等问题,提出了在综合考虑单元故障率、故障危害度等多重影响因素基础上,进一步考虑单元互测因素的测试性指标分配方法。首先实施考虑多重影响因素的指标初次分配;然后基于单元测试性初步设计结果,实施测试性建模与分析,得到单元自检故障率与他检故障率;再利用这两个数据以及初次分配结果构造分配函数实施再次分配,进而得到最终的分配结果;最后应用该方法进行仿真和实例运算,证明了该方法的有效性和先进性。     

小子样变总体下的Bayes测试性验证方法

现有测试性验证试验方案一般都需要较大的故障样本量,利用装备研制阶段的测试性数据则可能有效解决这一问题。但研制阶段的测试性数据和现场试验数据一样属于“小子样”且具有“变总体”特点,为此提出一种基于Bayes理论的测试性验证方法。首先根据装备研制各阶段积累的测试性试验信息构建装备测试性参数故障检测/隔离率(fault detection rate/fault isolation rate,FDR/FIR)的动态增长模型,用以揭示装备测试性水平的动态变化规律,并对其测试性指标进行预测。然后根据最大熵原理计算系统FDR/FIR的先验分布。最后结合少量现场试验数据,根据Bayes最大验后风险准则制定装备测试性验 证方案,对装备测试性指标进行验证。通过实例对比分析表明,该方法有效融合了研制阶段数据与现场试验数据,能在小样本的情况下提高验证结论的置信度,降低评估风险。     

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。     

Study of testability measurement method for equipment based on Bayesian network model

To analyze and evaluate the testability design of equipment, a testability analysis method based on Bayesian network inference model is proposed in the paper. The model can adequately apply testability information and many uncertainty information of design and maintenance process, so it can analyze testability by and large from Bayesian inference. The detailed procedure to analyze and evaluate testability for equipments by Bayesian network is given in the paper. Its modeling process is simple, its formulation is visual, and the analysis results are more reliable than others. Examples prove that the analysis method based on Bayesian network inference can be applied to testability analysis and evaluation for complex equipments.     

虚拟现实在坦克机动性虚拟试验中的应用技术研究

长久以来坦克的实地试验耗费人力物力巨大,虚拟试验的引入解决了这个问题。主要研究了虚拟环境中军用车辆特别是坦克机动性虚拟试验时动力学模型的建立,建立了虚拟环境下坦克的实时动力学模型,并且描述了整个虚拟试验视景仿真系统的组成及其实现过程,通过对模型的实际检验说明坦克机动性虚拟试验可以很好的模拟坦克的实地机动性试验。     

研发项目中“团队-产品-功能”多领域集成与组织聚类研究

研发项目是由产品、功能、组织和流程等多个领域中元素之间相互联系构成的复杂网络.为了便于同时分析三个领域元素之间存在的相互依赖关系,本文引入扩展的域映射矩阵EDMM分析"团队-产品-功能"之间的依赖关系,进一步,通过"扩展的多领域矩阵"(EMDM),即"团队-产品-功能"EMDM,本文构建了由部件设计结构矩阵(DSM)、功能DSM和EDMM推导组织DSM的模型.然后,为优化组织架构以降低管理的复杂性,构建了改进的两阶段组织DSM聚类准则,提出了最大化"增加的类内外依赖强度比"AIDER和最小化项目的总协调成本的聚类准则,以平衡类内和类外元素对聚类的影响.最后,通过案例,将本文提出的AIDER聚类准则与传统的聚类准则进行了比较,聚类结果表明本方法可明显降低总协调成本.