一种电子装备测试性建模评估方法

摘要

本发明公开了一种电子装备测试性建模评估方法，涉及设备测试技术领域。该方法包括以下步骤：1)明确建模对象；2)测试性分层混合模型构建；3)对构建的测试性分层混合模型进行调整、修正和校验，评估所构建模型的准确程度；4)装备测试性分析与评估。该方法具有良好的可观测性，不仅能够反映故障和测试之间的关联依赖关系，还能够反映系统模块之间的结构关系和故障传播关系；并能够融合多源测试性信息，进行测试性定量分析与评估；同时还具有层次性，采用分系统或功能模块小片段测试性模型组合成整个系统的测试性模型，降低了建模难度，也便于测试性模型的扩展和修改。

权利要求

1.一种电子装备测试性建模评估方法，其特征在于：该方法包括以下步骤：

1)明确建模对象；对被建模装备进行原理图模型、测试性结构模型和故障模式影响及危害性分析，识别并提取装备的组成与功能、故障模式和测试信息，并划分结构层次，明确被建模装备各组成单元；

2)测试性分层混合模型构建；

a、根据对装备系统的分析，建立装备系统各功能模块、故障和测试之间关联关系的子模型片段；

b、根据故障模式的传播关系和系统结构的功能关系，将各个子模型连接起来，建立起整个被建模装备系统的测试性分层混合模型；

c、根据可达性原理，可将测试性分层混合模型转化为贝叶斯测试性模型进行测试性定量指标的预计；

3)对构建的测试性分层混合模型进行调整、修正和校验，评估所构建模型的准确程度；

4)装备测试性分析与评估；

a、由专家经验确定节点条件概率的验前分布；

b、利用试验数据对条件概率验前分布进行更新；

c、运用分层混合模型推理对装备的测试性进行评估；

其中，所述步骤2)的b中所述的测试性分层混合模型包括系统组成单元有限集C、故障模式有限集F、测试有限集T、有向边有限集E、节点条件概率模式集P；

系统组成单元有限集C:C＝{c1,c2,…,ci,…,cm}，ci代表第i个组成单元，1≤i≤m；组成单元之间的关联关系可表示为CC＝{cicj}，cicj＝代表组成单元ci和cj之间的关联关系，ci,cj∈C；

故障模式有限集F:F＝{f1,f2,…,fi,…,fn}，fi代表第i种故障模式，1≤i≤n，系统故障模式与组成单元之间的从属关系可表示为CF＝{cifj}，cifj＝代表部件ci与故障fj之间的从属关系，ci∈C,fj∈F；

测试有限集T:T＝{t1,t2,…,ti,…,tl}，ti代表第i个测试，1≤i≤l，规定每个测试都是二值的，即通过和不通过；故障模式和测试之间的映射关系可表示为FT＝{fitj}，fitj＝代表故障模式fi和测试tj之间的映射关系，fi∈F,tj∈T；

有向边有限集E： 表示故障模式fi和测试tj之间的信息流， 表示故障模式fk和故障模式fl之间的信息流， 表示测试tg和测试th之间的信息流；

节点条件概率集P：P＝{(FDij,FAij)}，(FDij,FAij)为检测——虚警概率对；其中FDij表示被tj监测的故障源fi异常时，测试tj也异常的概率；FAij表示被tj监测的故障源fi正常时，测试tj也异常的概率。

2.根据权利要求1所述的一种电子装备测试性建模评估方法，其特征在于：所述测试性分层混合模型还包括系统功能集G:G＝{g1,g2,…,gi,…,gk}，gi代表系统第i个功能，1≤i≤k；功能和故障模式之间的影响关系可表示为FG＝{figj}，figj＝＜fi,gj＞代表故障模式fi和功能gj之间的映射关系，fi∈F,gj∈G；

故障模式的故障率λ＝{λ1,λ2,…,λi,…,λn}，λi表式故障模式fi的故障率；

故障模式F与测试T的相关性矩阵D:D＝[dij]，是m×n维，每个测试tj对应矩阵的一个列，1≤j≤n：djT＝[d1j…dmj]，其中dj表示矩阵D第j列；若测试tj可以检测到故障模式fi，则dij是1，否则为0；

系统层次单元L＝{l1,l2,…,li,…,lm}，li代表系统的第i层次，i越大在系统中所处的层次越低。

3.根据权利要求1所述的一种电子装备测试性建模评估方法，其特征在于：所述步骤2)的c中测试性指标定量的计算方法为通过测试性分层混合模型推理可得到故障——测试之间的依赖矩阵为D＝[dij]，i＝1,2,…,m；j＝1,2,…,n；故障与测试之间的检测——虚警概率矩阵为P(FD；FA)＝{(PFDij,PFAij)}；

故障检测率FDR的计算公式：

其中，FDRi为故障fi可能被检测的概率，如果存在tj使得dij＝1，则故障fi可能被检测，否则，故障fi不能被检测；FDRi的计算公式为：单个故障隔离率的计算公式：

隔离到模糊组大小为L的故障隔离率为：

其中，fi所在的故障隔离模糊组的计算公式为：

AGi＝{fj|DRi＝DRj,j∈[1,m]}

单个故障虚警率的计算公式：

累加故障虚警率的计算公式：

说明书

一种电子装备测试性建模评估方法

技术领域

[0001] 本发明涉及设备测试技术领域。

背景技术

[0002] 在装备方案论证及设计阶段，通过建立测试性模型可以实现早期的测试性评估。同时，随着装备研制的深入，该模型还要能够融合装备研制过程中产生的专家经验信息、历史试验数据等测试性信息，提高测试性仿真评估结果的精确性。

[0003] 目前，基于模型的测试性仿真评估还存在如下三个方面的不足：

[0004] (1)建立在确定性基础上的模型无法处理测试的不确定性问题，例如信息流模型，多信号流图模型等；

[0005] (2)能够处理测试不确定性的模型，又不能反映装备的层次结构，不便于装备设计初期的测试性预计评估，例如测试性贝叶斯网络模型；

[0006] (3)通过大量试验来确定测试性模型中节点条件概率的方法是不现实的，大多是根据假设或专家经验直接给出结果，处理比较粗糙，导致测试性仿真评估结果的精度很低。

发明内容

[0007] 本发明所要解决的技术问题是提供一种电子装备测试性建模评估方法；该方法具有良好的可观测性，不仅能够反映故障和测试之间的关联依赖关系，还能够反映系统模块之间的结构关系和故障传播关系；并能够融合多源测试性信息，进行测试性定量分析与评估；同时还具有层次性，采用分系统或功能模块小片段测试性模型组合成整个系统的测试性模型，降低了建模难度，也便于测试性模型的扩展和修改。

[0008] 为解决上述技术问题，本发明所采取的技术方案是：一种电子装备测试性建模评估方法，该方法包括以下步骤：

[0009] 1)明确建模对象；对被建模装备进行原理图模型、测试性结构模型和故障模式影响及危害性分析，识别并提取装备的组成与功能、故障模式和测试信息，并划分结构层次，明确被建模装备各组成单元；

[0010] 2)测试性分层混合模型构建；

[0011] a、根据对装备系统的分析，建立装备系统各功能模块、故障和测试之间关联关系的子模型片段；

[0012] b、根据故障模式的传播关系和系统结构的功能关系，将各个子模型连接起来，建立起整个被建模装备系统的测试性分层混合模型；

[0013] c、根据可达性原理，可将测试性分层混合模型转化为贝叶斯测试性模型进行测试性定量指标的预计；

[0014] 3)对构建的测试性分层混合模型进行调整、修正和校验，评估所构建模型的准确程度；

[0015] 4)装备测试性分析与评估；

[0016] a、由专家经验确定节点条件概率的验前分布；

[0017] b、利用试验数据对条件概率验前分布进行更新；

[0018] c、运用分层混合模型推理对装备的测试性进行评估。

[0019] 进一步优化的技术方案为所述步骤2)中测试性分层混合模型包括系统组成单元有限集C、故障模式有限集F、测试有限集T、有向边有限集E、节点条件概率模式集P；

[0020] 系统组成单元有限集C:C＝{c1,c2,…,ci,…,cm},ci(1≤i≤m)代表第i个组成单元；组成单元之间的关联关系可表示为CC＝{cicj}，cicj＝代表组成单元ci和cj之间的关联关系，ci,cj∈C；

[0021]

[0022] 故障模式有限集F:F＝{f1,f2,…,fi,…,fn},fi(1≤i≤n)代表第i种故障模式，系统故障模式与组成单元之间的从属关系可表示为CF＝{cifj}，cifj＝代表部件ci与故障fj之间的从属关系，ci∈C,fj∈F；

[0023]

[0024] 测试有限集T:T＝{t1,t2,…,ti,…,tl},ti(1≤i≤l)代表第i个测试，规定每个测试都是二值的，即通过和不通过；故障模式和测试之间的映射关系可表示为FT＝{fitj}，fitj＝代表故障模式fi和测试tj之间的映射关系，fi∈F,tj∈T；

[0025]

[0026] 有向边有限集E： 表示故障模式fi和测试tj之间的信息流，表示故障模式fk和故障模式fl之间的信息流， 表示测试tg和测试th之间的信息流；

[0027] 节点条件概率集P：P＝{(FDij,FAij)}，(FDij,FAij)为检测——虚警概率对；其中FDij表示被tj监测的故障源fi异常时，测试tj也异常的概率；FAij表示被tj监测的故障源fi正常时，测试tj也异常的概率。

[0028] 进一步优化的技术方案为所述测试性分层混合模型还包括系统功能集G:G＝{g1,g2,…,gi,…,gk},gi(1≤i≤k)代表系统第i个功能；功能和故障模式之间的影响关系可表示为FG＝{figj}，figj＝代表故障模式fi和功能gj之间的映射关系，fi∈F,gj∈G；

[0029]

[0030] 故障模式的故障率λ＝{λ1,λ2,…,λi,…,λn}，

[0031] λi表式故障模式fi的故障率；

[0032] 故障模式F与测试T的相关性矩阵D:D＝[dij]，是m×n维，每个测试tj(1≤j≤n)对应矩阵的一个列： 其中dj表示矩阵D第j列；若测试tj(1≤j≤n)可以检测到故障模式fi，则dij是1，否则为0；

[0033] 系统层次单元L＝{l1,l2,…,li,…,lm}，li代表系统的第i层次，i越大在系统中所处的层次越低。

[0034] 进一步优化的技术方案为所述步骤2)中测试性指标定量的计算方法为通过测试性分层混合模型推理可得到故障——测试之间的依赖矩阵为D＝[dij]，i＝1,2,…,m；j＝1,2,…,n；故障与测试之间的检测——虚警概率矩阵为P(FD；FA)＝{(PFDij,PFAij)}，[0035] 故障检测率FDR的计算公式：

[0036]

[0037] 其中，FDRi为故障fi可能被检测的概率，如果存在tj使得dij＝1，则故障fi可能被检测，否则，故障fi不能被检测；FDRi的计算公式为：

[0038]

[0039] 单个故障隔离率的计算公式：

[0040]

[0041] 隔离到模糊组大小为L的故障隔离率为：

[0042]

[0043] 其中，fi所在的故障隔离模糊组的计算公式为：

[0044] AGi＝{fj|DRi＝DRj,j∈[1,m]}

[0045] 单个故障虚警率的计算公式：

[0046]

[0047] 累加故障虚警率的计算公式：

[0048]

[0049] 采用上述技术方案所产生的有益效果在于：本发明不仅能对建模对象的组成单元、故障和测试的依赖关系进行建模，并能反映故障传播特性和系统的层次结构；采用的测试性分层混合模型是图论与概率论的有机结合体，具有坚实的理论基础，支持定性分析和定量分析，扩展测试性分析的功能，能为测试性仿真评估提供计算模型信息；同时能够综合利用专家经验信息、历史试验信息等测试性相关信息，解决了复杂装备由于试验数据缺乏，难以进行测试性建模与评估的难题，仿真评估结果更加接近装备的真实测试性水平。

附图说明

[0050] 图1是本发明实施例1的功能模块c1模型示意图；

[0051] 图2是本发明实施例1的功能模块c2模型示意图；

[0052] 图3是本发明实施例1的测试性分层混合模型；

[0053] 图4是本发明实施例1的测试性分层混合模型的测试性贝叶斯网络模型的转行示意图；

[0054] 图5是本发明实施例1的测试性分层建模流程图。

具体实施方式

[0055] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0056] 本发明是种电子装备测试性建模评估方法，该方法包括以下步骤：

[0057] 1)明确建模对象；对被建模装备进行原理图模型、测试性结构模型和故障模式影响及危害性分析，识别并提取装备的组成与功能、故障模式和测试信息，并划分结构层次，明确被建模装备各组成单元；

[0058] 2)测试性分层混合模型构建；

[0059] a、根据对装备系统的分析，建立装备系统各功能模块、故障和测试之间关联关系的子模型片段；

[0060] b、根据故障模式的传播关系和系统结构的功能关系，将各个子模型连接起来，建立起整个被建模装备系统的测试性分层混合模型；

[0061] c、根据可达性原理，可将测试性分层混合模型转化为贝叶斯测试性模型进行测试性定量指标的预计；

[0062] 3)对构建的测试性分层混合模型进行调整、修正和校验，评估所构建模型的准确程度；

[0063] 4)装备测试性分析与评估；

[0064] a、由专家经验确定节点条件概率的验前分布；

[0065] b、利用试验数据对条件概率验前分布进行更新；

[0066] c、运用分层混合模型推理对装备的测试性进行评估。

[0067] 进一步优化的技术方案为所述步骤2)中测试性分层混合模型包括系统组成单元有限集C、故障模式有限集F、测试有限集T、有向边有限集E、节点条件概率模式集P；

[0068] 系统组成单元有限集C:C＝{c1,c2,…,ci,…,cm},ci(1≤i≤m)代表第i个组成单元；组成单元之间的关联关系可表示为CC＝{cicj}，cicj＝代表组成单元ci和cj之间的关联关系，ci,cj∈C；

[0069]

[0070] 故障模式有限集F:F＝{f1,f2,…,fi,…,fn},fi(1≤i≤n)代表第i种故障模式，系统故障模式与组成单元之间的从属关系可表示为CF＝{cifj}，cifj＝代表部件ci与故障fj之间的从属关系，ci∈C,fj∈F；

[0071]

[0072] 测试有限集T:T＝{t1,t2,…,ti,…,tl},ti(1≤i≤l)代表第i个测试，规定每个测试都是二值的，即通过和不通过；故障模式和测试之间的映射关系可表示为FT＝{fitj}，fitj＝代表故障模式fi和测试tj之间的映射关系，fi∈F,tj∈T；

[0073]

[0074] 有向边有限集E： 表示故障模式fi和测试tj之间的信息流，表示故障模式fk和故障模式fl之间的信息流， 表示测试tg和测试th之间的信息流；

[0075] 节点条件概率集P：P＝{(FDij,FAij)}，(FDij,FAij)为检测——虚警概率对；其中FDij表示被tj监测的故障源fi异常时，测试tj也异常的概率；FAij表示被tj监测的故障源fi正常时，测试tj也异常的概率。

[0076] 进一步优化的技术方案为所述测试性分层混合模型还包括系统功能集G:G＝{g1,g2,…,gi,…,gk},gi(1≤i≤k)代表系统第i个功能；功能和故障模式之间的影响关系可表示为FG＝{figj}，figj＝代表故障模式fi和功能gj之间的映射关系，fi∈F,gj∈G；

[0077]

[0078] 故障模式的故障率λ＝{λ1,λ2,…,λi,…,λn}，

[0079] λi表式故障模式fi的故障率；

[0080] 故障模式F与测试T的相关性矩阵D:D＝[dij]，是m×n维，每个测试tj(1≤j≤n)对应矩阵的一个列： 其中dj表示矩阵D第j列；若测试tj(1≤j≤n)可以检测到故障模式fi，则dij是1，否则为0；

[0081] 系统层次单元L＝{l1,l2,…,li,…,lm}，li代表系统的第i层次，i越大在系统中所处的层次越低。

[0082] 进一步优化的技术方案为所述步骤2)中测试性指标定量的计算方法为通过测试性分层混合模型推理可得到故障——测试之间的依赖矩阵为D＝[dij]，i＝1,2,…,m；j＝1,2,…,n；故障与测试之间的检测——虚警概率矩阵为P(FD；FA)＝{(PFDij,PFAij)}；

[0083] 故障检测率FDR的计算公式：

[0084]

[0085] 其中，FDRi为故障fi可能被检测的概率，如果存在tj使得dij＝1，则故障fi可能被检测，否则，故障fi不能被检测；FDRi的计算公式为：

[0086]

[0087] 单个故障隔离率的计算公式：

[0088]

[0089] 隔离到模糊组大小为L的故障隔离率为：

[0090]

[0091] 其中，fi所在的故障隔离模糊组的计算公式为：

[0092] AGi＝{fj|DRi＝DRj,j∈[1,m]}

[0093] 单个故障虚警率的计算公式：

[0094]

[0095] 累加故障虚警率的计算公式：

[0096]

[0097] 实施例1：

[0098] 某系统由两个功能模块c1和c2组成，共有f1,f2,f3,f4,f5,f6和f7等7个故障模式，设计了t1,t2,t3,t4,t5和t5等5个测试。按照测试性分层混合建模方法建立的功能模块c1的模型片段如图1所示。该功能模块有4个故障模式f1,f2,f3和f4，对应3个测试t1,t2和t3。

[0099] 按照测试性分层混合建模方法建立的功能模块c2的模型片段如图2所示。该功能模块有3个故障模式f5,f6和f7，对应2个测试t4和t5。

[0100] 各功能模块的模型片段建立好之后，根据模块关联关系和故障传播关系，将各模型片段连接起来，建立起整个系统的测试性分层混合模型，如图3所示。其中功能模块c1的故障模式f1,f2,f3分别导致功能模块c2发生故障模式f4,f5,f6。

[0101] 为了便于进行测试性预计评估，需要基于有向图的节点传播特性，建立故障模式集与测试集直接的关联关系。按照模型转换步骤，首先，确定测试性贝叶斯网络模型中单元状态结点，并生成相互独立的观测结点。然后，测试性分层混合模型中结构的连接关系直接转换为测试性贝叶斯网络模型中的连接关系，建立观测结点与单元状态结点间的连接，生成图4所示的测试性贝叶斯网络模型。

[0102] 整个建模流程如图5所示，包括测试性分层混合模型片段的建立，测试性分层混合模型片段之间连接关系分析，整个测试性分层混合模型构建和测试性分层混合模型向测试性贝叶斯网络模型的转换。

[0103] 可见，采用测试性分层混合模型既能够充分体现故障模式与测试的依赖关系，又非常适合建立分层次的复杂系统模型，不但能表征系统的结构特征，而且简单明了。此外，当某一部分需要变动时只需改动相应的模型片断，不用改动整个模型，具有良好的可扩展性。

[0104] 本实施例结合IEEE Std 1522标准中的测试性定量指标模型设计了基于测试性分层混合模型的测试性指标定量计算方法。令经测试性分层混合模型推理后，得到故障——测试之间的依赖矩阵为D＝[dij]，i＝1,2,…,m；j＝1,2,…,n；故障与测试之间的检测——虚警概率矩阵为P(FD；FA)＝{(PFDij,PFAij)}，参考IEEE Std 1522标准中给出的FDR的信息模型定义，给出了基于测试性分层混合模型的FDR的计算公式如下：

[0105]

[0106] 其中，FDRi为故障fi可能被检测的概率，如果存在tj使得dij＝1，则故障fi可能被检测，否则，故障fi不能被检测。FDRi的计算公式为：

[0107]

[0108] 在计算故障隔离率时，首先要将故障划分为多个相互独立的故障隔离模糊组，每个故障隔离模糊组包含l个故障元素，l∈{1,2,…,m}。故障模糊组是指具有相同特征，不能被唯一隔离的故障组。设DRi和DRj为矩阵D中任意两个行向量，且i≠j，如果DRi＝DRj，即dik＝djk(k＝1,2,…,n)，说明当fi或fj发生故障时，在tk上所表现的信息是一样的，故fi与fj为不可区分的故障，可将它们归为一个模糊组，类似的可将多个故障归为一个模糊组。fi所在的故障隔离模糊组的计算公式为：

[0109] AGi＝{fj|DRi＝DRj,j∈[1,m]}

[0110] 单故障假设要求fi发生时，所有检测fi的测试均不通过，故障fi才能被隔离。定义单个故障的隔离率为在测试性分层混合模型框架内，使用模型给出的测试集使单个故障被隔离的故障率与检测到的故障的总故障率之比，则fi被隔离的概率为：

[0111]

[0112] 隔离到模糊组大小为L的故障隔离率为：

[0113]

[0114] IEEE Std 1522中认为故障虚警率是难以预计的，为此没有给出故障虚警率的计算方法。本文定义单个故障测试虚警率为使用模型给出的测试集进行单个故障检测的虚警率，计算公式如下：

[0115]

[0116] 从式中可以看出，对于同一个故障进行检测时，关联测试越多，虚警的概率就越大。累加故障期望虚警率为：

[0117]

[0118] 测试性分层混合建模方法能针对对象的部件、故障和测试等进行依赖关系建模，并能反映故障传播特性和系统的层次结构；同时能够综合利用专家经验信息、历史试验信息等测试性相关信息，解决了复杂装备由于试验数据缺乏，难以进行测试性建模与评估的难题，仿真评估结果更加接近装备的真实测试性水平。