基于离散粒子群的测试性指标分配与测试选取联合方法技术

本发明专利技术公开了一种基于离散粒子群的测试性指标分配与测试选取联合方法，首先获取系统中有关工作模式、子系统和测试的相关数据，然后采用离散粒子群算法求解测试选取结果，其中粒子中每个元素表示当前粒子所对应的解中是否选择对应测试，在适应度函数设计上，综合考虑了测试代价和测试性指标与要求的差距，将离散粒子群算法迭代求解的全局最优个体作为测试选取结果，根据测试选取结果即可计算各子系统在各个工作模式下的测试性指标分配值。本发明专利技术通过合理设计离散粒子群算法的粒子属性和适应度函数，一次性实现了存在多个工作模式的系统的测试性指标分配与测试选取。

【技术实现步骤摘要】

本专利技术属于系统级测试性优化设计
，更为具体地讲，涉及一种基于离散粒子群的测试性指标分配与测试选取联合算法。
技术介绍
目前的电子系统故障诊断
多采用的是多信号模型的建模方法，系统模型的测试性指标分配也是基于多信号模型的，主要是将上层系统或模块的测试性指标分配到下层的子系统，子系统的划分之间并不存在交叉与重叠，保证了模块间物理的隔离，而且与系统硬件电路结合更加紧密。目前基于多信号模型的测试性指标分配的方法主要有经验分配法和线性插值分配法。在测试选取方面，通常是选择满足要求情况下测试成本最少的测试，属于寻优问题。但是随着技术发展，电子系统的规模越来越大，结构越来越复杂，在这种情况下，一个系统可能存在多个工作模式，每个工作模式会涉及不同的子系统。对于这种系统，为了保证每个工作模式下的测试性指标都能满足要求，需要对各个工作模式分别设置最低测试性指标要求。在测试选取方面，由于每个工作模式涉及的子系统不同，因此可用测试也不尽相同。而由于各个工作模式所包含的子系统之间可能存在交叉，因此采用传统的测试性指标分配或测试选取方法来实现以上要求是比较困难的，或者说实现复杂度较高，因此针对以上情况进行测试性指标分配方法与测试选取方法是很有必要的。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于离散粒子群的测试性指标分配与测试选取联合算法，一次性实现存在多个工作模式的系统的测试性指标分配与测试选取。为实现上述专利技术目的，本专利技术基于离散粒子群的测试性指标分配与测试选取联合算法包括以下步骤：S1：首先根据系统信息得到系统的工作模式数量N、子系统数量H和测试数量M；获取各个子系统Sh的归一化失效率αh，其中h＝1,2,…,H，统计各个子系统Sh的失效模式，将子系统Sh的第s个失效模式记为fhs，其中s＝1,2,…,|Sh|，|Sh|表示子系统Sh的失效模式数量，将子系统Sh中第s个失效模式fhs的失效占比表示为phs，获取各个测试tm的归一化测试开销cm，其中m＝1,2,…,M，获取各个工作模式on与子系统Sh的对应关系矩阵K，其元素khn＝1表示工作模式on需要子系统Sh参与，khn＝0表示工作模式on无需子系统Sh参与；获取各个工作模式on与测试tm的对应关系矩阵T，其元素τmn＝1表示测试tm在工作模式on下可用，元素τmn＝0表示测试tm在工作模式on下不可用；获取各个测试tm对失效模式fhs的检测率矩阵D，其元素dhsm表示测试tm对失效模式fhs的检测率；S2：采用离散粒子群算法求解测试选取结果，其中粒子xi＝(xi1,xi2,…,xiM)中的元素xim表示当前粒子所对应的解中是否选择测试tm，当xim＝1表示测试tm被选中，xim＝0表示测试tm未被选中；迭代过程中所采用的适应度函数Fiti的表达式为：其中，puin的表达式为：Fn_min表示工作模式on的最低测试性指标要求，Fin表示根据粒子xi所选取测试计算得到的工作模式on的测试性指标；迭代求解后将最终求解得到的全局最优个体作为测试选取结果；S3：根据测试选取结果，计算各子系统Sh在工作模式on下的测试性指标分配值γhn，计算公式为：本专利技术基于离散粒子群的测试性指标分配与测试选取联合算法，首先获取系统中有关工作模式、子系统和测试的相关数据，然后采用离散粒子群算法求解测试选取结果，其中粒子中每个元素表示当前粒子所对应的解中是否选择对应测试，在适应度函数设计上，综合考虑了测试代价和测试性指标与要求的差距，将离散粒子群算法迭代求解的全局最优个体作为测试选取结果，根据测试选取结果即可计算各子系统在各个工作模式下的测试性指标分配值。本专利技术通过合理设计离散粒子群算法的粒子属性和适应度函数，一次性实现了存在多个工作模式的系统的测试性指标分配与测试选取。附图说明图1是本专利技术基于离散粒子群的测试性指标分配与测试选取联合算法的具体实施方式流程图。具体实施方式下面结合附图对本专利技术的具体实施方式进行描述，以便本领域的技术人员更好地理解本专利技术。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本专利技术的主要内容时，这些描述在这里将被忽略。在本专利技术中，将离散粒子群算法应用于系统级测试性优化设计，一次性实现测试性指标优化分配与测试优选。为了更好地说明本专利技术的技术方案，首先对本专利技术所基于的离散粒子群算法进行简要说明。粒子群算法(ParticleSwarmOptimization,PSO)是Kennedy和Eberhart受鸟群觅食行为的启发于1995年提出的一种基于种群的优化算法。基于群体中的个体(如粒子)行为及数学抽象发展了PSO算法，算法采用速度-位置模型，即PSO算法在允许范围内初始化为一群随机粒子(潜在解)，每个粒子都有一个速度决定它们的飞行方向和距离，在每一次迭代中通过跟踪两个极值来更新自己：粒子本身迄今为止所找到的个体极值Pbestid和整个种群迄今为止所找到的全局极值Gbestid。所有粒子的优劣由被优化对象所决定的适应值来衡量。设在一个M维的搜索空间，有Y个粒子组成一个群落，在PSO优化算法中第i个粒子的位置和速度可表示为:xi＝(xi1,xi2,...,xiM)和vi＝(vi1,vi2,...,viM),其中i＝1,2,…,Y；相应地，第i个粒子迄今为止搜索到的最优位置记录为整个粒子群迄今为止搜索到的最优位置为利用这些信息，PSO算法采用公式(1)(2)对第i个粒子的速度和位置进行更新。式中，为粒子i在第t次迭代的速度；m＝1,2,…,M；Vmin_m和Vmax_m是对粒子速度的最低和最高限制，粒子速度太高，容易远离目标区域，粒子速度太低容易陷入局部最优，不能选出最优粒子；q1、q2为加速常数；r1、r2是0到1之间的随机数；为粒子i在第t次迭代的位置。由于PSO算法具有快速收敛性和全局寻优能力强的特点，已被人们成功应用于很多领域。然而许多优化问题是在离散空间描述的，如旅行商问题、作业调度问题、路由规划问题等，因此Kennedy和Eberhart在1997年提出了离散二进制版本的PSO(discretebinaryparticleswarmoptimization,DPSO)算法，使得粒子群算法能更广泛地用于离散空间问题，他们在提出的模型中将每一维限制为1或者为0，而速度不作这种限制。用速度表示位置状态改变的可能性，用速度来更新位置时，如果值大一些，粒子的位置更有可能为1，值小一点则可能为0。速度既然是一个概率值，那么它应该限制在[0,1]之间，而Sigmoid函数(3)正具备有这种特点。DPSO所定义的粒子速度更新公式并没有改变，还是公式(1)，而位置公式(2)变为公式(4)：其中，rand为0～1的随机数。本专利技术利用离散粒子群算法的特点，提出了基于离散粒子群的测试性指标分配与测试选取联合算法。图1是本专利技术基于离散粒子群的测试性指标分配与测试选取联合算法的具体实施方式流程图。如图1所示，本专利技术基于离散粒子群的测试性指标分配与测试选取联合算法的具体步骤包括：S101：获取系统相关数据：首先根据系统信息得到系统的工作模式数量N、子系统数量H和测试数量M；获取各个子系统Sh的归一化失效率αh，其中h＝1,2,…,H，统计本文档来自技高网...

【技术保护点】
一种基于离散粒子群的测试性指标分配与测试选取联合算法，其特征在于，包括以下步骤：S1：首先根据系统信息得到系统的工作模式数量N、子系统数量H和测试数量M；获取各个子系统Sh的归一化失效率αh，其中h＝1,2,…,H，统计各个子系统Sh的失效模式，将子系统Sh的第s个失效模式记为fhs，其中s＝1,2,…,|Sh|，|Sh|表示子系统Sh的失效模式数量，将子系统Sh中第s个失效模式fhs的失效占比表示为phs，获取各个测试tm的归一化测试开销cm，其中m＝1,2,…,M，获取各个工作模式on与子系统Sh的对应关系矩阵K，其元素khn＝1表示工作模式on需要子系统Sh参与，khn＝0表示工作模式on无需子系统Sh参与；获取各个工作模式on与测试tm的对应关系矩阵T，其元素τmn＝1表示测试tm在工作模式on下可用，元素τmn＝0表示测试tm在工作模式on下不可用；获取各个测试tm对失效模式fhs的检测率矩阵D，其元素dhsm表示测试tm对失效模式fhs的检测率；S2：采用离散粒子群算法求解测试选取结果，其中粒子xi＝(xi1,xi2,…,xiM)中的元素xim表示当前粒子所对应的解中是否选择测试tm，当xim＝1表示测试tm被选中，xim＝0表示测试tm未被选中；迭代过程中所采用的适应度函数Fiti的表达式为：Fiti=1Σm=1Mcmxim+Σn=1Npuin]]>其中，puin的表达式为：puin=Fn_min-Fin,Fn_min>Fin0,else]]>Fn_min表示工作模式on的最低测试性指标要求，Fn表示根据粒子xi所选取测试计算得到的工作模式on的测试性指标；迭代求解后将最终求解得到的全局最优个体作为测试选取结果；S3：根据测试选取结果计算各子系统Sh在工作模式on下的测试性指标分配值γhn，计算公式为：γhn=Σs=1|Sh|{phs·[1-Πm=1M(1-dhsm)x~mτmn]}.]]>...

【技术特征摘要】
1.一种基于离散粒子群的测试性指标分配与测试选取联合算法，其特征在于，包括以下步骤：S1：首先根据系统信息得到系统的工作模式数量N、子系统数量H和测试数量M；获取各个子系统Sh的归一化失效率αh，其中h＝1,2,…,H，统计各个子系统Sh的失效模式，将子系统Sh的第s个失效模式记为fhs，其中s＝1,2,…,|Sh|，|Sh|表示子系统Sh的失效模式数量，将子系统Sh中第s个失效模式fhs的失效占比表示为phs，获取各个测试tm的归一化测试开销cm，其中m＝1,2,…,M，获取各个工作模式on与子系统Sh的对应关系矩阵K，其元素khn＝1表示工作模式on需要子系统Sh参与，khn＝0表示工作模式on无需子系统Sh参与；获取各个工作模式on与测试tm的对应关系矩阵T，其元素τmn＝1表示测试tm在工作模式on下可用，元素τmn＝0表示测试tm在工作模式on下不可用；获取各个测试tm对失效模式fhs的检测率矩阵D，其元素dhsm表示测试tm对失效模式fhs的...

【专利技术属性】
技术研发人员：杨成林，刘震，周秀云，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51