测试点设置方案生成方法及装置制造方法及图纸

本发明专利技术实施例提供一种测试点设置方案生成方法及装置，该方法包括：根据每一故障点是否设置测试点，确定多个测试方案；根据各测试方案的故障测试相关性矩阵，确定对应的故障检测率和故障隔离率；选取总测试点数最少或小于预设点数，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案；其中，所述故障测试相关性矩阵，根据测试方案构建的对角矩阵和故障传播矩阵的乘积得到；所述故障传播矩阵中的元素，表示对应序号的故障之间是否有传播关系。该方法无需凭借人工经验获得，具有客观性，保证测试效果的同时，测试点最少，有效减少测试性设计的工作量。此外，有利于测试方案的自动生成，且同时保证测试方案的有效性和客观性。

【技术实现步骤摘要】
测试点设置方案生成方法及装置
本专利技术涉及故障检测
，尤其涉及一种测试点设置方案生成方法及装置。
技术介绍
随着武器装备的功能越来越先进，其内部结构也越来越复杂。通常研究人员在进行测试性设计时，为了使武器装备达到所要求的测试性指标，会为系统设置大量的测试点。目前，在什么位置设置测试点基本上都由设计人员凭借经验完成，尚无具体方法进行指导，若为武器装备内每一种故障模式都设置测试点，那么此时武器装备的测试性水平将会达到最高。但是，由于大型武器装备内部的故障模式数量极多，过多的测试点不可避免地增加了测试性分析工作的复杂程度，同时也会大幅降低故障诊断的效率；而且也会产生一系列设计上的问题，如：由于装备内部空间有限从而增加了设计难度、增加武器装备的全寿命周期费用、过多的BIT(builtintest，机内自动检测)电路降低整体可靠性等。因此有必要研究武器装备在测试性设计过程中测试点设置方案自动生成问题，能够以最简约有效的方案最大程度地检测并隔离所发生的故障，实现降低武器装备测试性设计难度的目的。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种测试点设置方案生成方法及装置。第一方面，本专利技术实施例提供一种测试点设置方案生成方法，包括：根据每一故障点是否设置测试点，确定多个测试方案；根据各测试方案的故障测试相关性矩阵，确定对应的故障检测率和故障隔离率；选取总测试点数最少或小于预设点数，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案；其中，所述故障测试相关性矩阵，根据测试方案构建的对角矩阵和故障传播矩阵的乘积得到；所述故障传播矩阵中的元素，表示对应序号的故障之间是否有传播关系。进一步地，所述根据各测试方案的故障测试相关性矩阵，确定对应的故障检测率和故障隔离率之前，还包括：根据故障一阶相关矩阵，获得故障传播矩阵；所述故障一阶相关矩阵，表示每两个相邻故障节点之间是否有传播路径。进一步地，选取总测试点数最少或小于预设点数，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案，包括：以总测试点为优化目标，故障检测率和故障隔离率分别大于对应预设阈值为约束条件，基于加入遗传算法的改进型二进制粒子群算法，进行优化求解，得到测试点数最少，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案。进一步地，所述基于加入遗传算法的改进型二进制粒子群算法，进行优化求解，包括：根据故障点是否设置测试点，对粒子位置和粒子速度和进行初始化，以建立粒子群的初始种群；根据预设的适应度函数，对种群的粒子速度和粒子位置进行迭代更新操作，直至达到预设迭代次数；预设迭代次数后，根据遗传算法分别对粒子群进行选择操作、进行交叉操作和进行变异操作，用于下次迭代更新，直至迭代更新达到迭代总次数或满足收敛条件；根据达到迭代总次数或满足收敛条件的粒子群，得到测试点的分配方案；其中，所述适应度函数根据故障检测率和故障隔离率确定；所述对种群的粒子速度和粒子位置进行迭代更新操作，包括：根据如下公式，对个体速度和当前位置进行更新：其中：w为惯性权重，pi为当前种群最优个体，pbest为全局最优个体，c1，c2为粒子群学习因子，gap为迭代次数；rand()，rand1()，rand2()是三个随机分布在[0,1]之间的正实数；分别表示中的第j个元素，n为故障点总个数。进一步地，每次对种群的粒子速度和粒子位置进行迭代更新操作之前，还包括：计算每一个体到其它个体的平均距离di；根据如下公式确定个体当前进化状态的进化因子σ：根据如下公式确定惯性权重：其中，dg为全局最优个体到群体其他个体的平均距离，dmin为所有di的最小值，dmax为所有di的最大值。进一步地，每次对种群的粒子速度和粒子位置进行迭代更新操作之前，还包括根据如下公式得到粒子群学习因子：其中，gapmax为预设的最大迭代次数。进一步地，根据遗传算法分别对粒子群进行选择操作、进行交叉操作和进行变异操作，包括：以如下概率Pc执行交叉操作，以如下概率Pm对每个执行完交叉操作的个体执行变异操作：其中，λmax为群体中最大的适应度值，为当前群体的适应度平均值，为准备进行交叉的两个个体中较大的适应度值，λi为准备变异的个体的适应度值。进一步地，根据遗传算法分别对粒子群进行选择操作、进行交叉操作和进行变异操作，包括：以如下概率Pc执行交叉操作，以如下概率Pm对每个执行完交叉操作的个体执行变异操作：其中，λmax为群体中最大的适应度值，为当前群体的适应度平均值，λi为准备变异的个体的适应度值，gapmax为预设的最大迭代次数，Popsize为种群规模。第二方面，本专利技术实施例提供一种测试点设置方案生成装置，包括：方案构建模块，用于根据每一故障点是否设置测试点，确定多个测试方案；约束确定模块，用于根据各测试方案的故障测试相关性矩阵，确定对应的故障检测率和故障隔离率；方案选择模块，用于选取总测试点数最少或小于预设点数，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案；其中，所述故障测试相关性矩阵，根据测试方案构建的对角矩阵和故障传播矩阵的乘积得到；所述故障传播矩阵中的元素，表示对应序号的故障之间是否有传播关系。第三方面，本专利技术实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本专利技术第一方面测试点设置方案生成方法的步骤。本专利技术实施例提供的测试点设置方案生成方法及装置，测试方案的选取根据故障检测率和故障隔离率阈值确定，无需凭借人工经验获得，具有客观性。总测试点数最少，且故障检测率和故障隔离率分别大于对应预设阈值，保证测试效果的同时，测试点最少，有效减少测试性设计的工作量。根据故障测试相关性矩阵，确定对应的故障检测率和故障隔离率，有利于测试方案的自动生成，且同时保证测试方案的有效性和客观性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的测试点设置方案生成方法流程图；图2为本专利技术另一实施例提供的测试点设置方案生成方法流程图；图3为本专利技术实施例提供的测试点设置方案生成装置结构图；图4为本专利技术实施例提供的一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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本文档来自技高网...

【技术保护点】
1.一种测试点设置方案生成方法，其特征在于，包括：/n根据每一故障点是否设置测试点，确定多个测试方案；/n根据各测试方案的故障测试相关性矩阵，确定对应的故障检测率和故障隔离率；/n选取总测试点数最少或小于预设点数，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案；/n其中，所述故障测试相关性矩阵，根据测试方案构建的对角矩阵和故障传播矩阵的乘积得到；所述故障传播矩阵中的元素，表示对应序号的故障之间是否有传播关系。/n

【技术特征摘要】
1.一种测试点设置方案生成方法，其特征在于，包括：
根据每一故障点是否设置测试点，确定多个测试方案；
根据各测试方案的故障测试相关性矩阵，确定对应的故障检测率和故障隔离率；
选取总测试点数最少或小于预设点数，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案；
其中，所述故障测试相关性矩阵，根据测试方案构建的对角矩阵和故障传播矩阵的乘积得到；所述故障传播矩阵中的元素，表示对应序号的故障之间是否有传播关系。


2.根据权利要求1所述的测试点设置方案生成方法，其特征在于，所述根据各测试方案的故障测试相关性矩阵，确定对应的故障检测率和故障隔离率之前，还包括：
根据故障一阶相关矩阵，获得故障传播矩阵；
所述故障一阶相关矩阵，表示每两个相邻故障节点之间是否有传播路径。


3.根据权利要求1所述的测试点设置方案生成方法，其特征在于，选取总测试点数最少或小于预设点数，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案，包括：
以总测试点为优化目标，故障检测率和故障隔离率分别大于对应预设阈值为约束条件，基于加入遗传算法的改进型二进制粒子群算法，进行优化求解，得到测试点数最少，且故障检测率和故障隔离率分别大于对应预设阈值的测试方案。


4.根据权利要求3所述的测试点设置方案生成方法，其特征在于，所述基于加入遗传算法的改进型二进制粒子群算法，进行优化求解，包括：
根据故障点是否设置测试点，对粒子位置和粒子速度和进行初始化，以建立粒子群的初始种群；
根据预设的适应度函数，对种群的粒子速度和粒子位置进行迭代更新操作，直至达到预设迭代次数；
预设迭代次数后，根据遗传算法分别对粒子群进行选择操作、进行交叉操作和进行变异操作，用于下次迭代更新，直至迭代更新达到迭代总次数或满足收敛条件；
根据达到迭代总次数或满足收敛条件的粒子群，得到测试点的分配方案；
其中，所述适应度函数根据故障检测率和故障隔离率确定；
所述对种群的粒子速度和粒子位置进行迭代更新操作，包括：
根据如下公式，对个体速度和当前位置进行更新：









其中：w为惯性权重，pi为当前种群最优个体，pbest为全局最优个体，c1，c2为粒子群学习因子，gap为迭代次数；rand()，rand1()，rand2()是三个随机分布在[0,1]之间的正实数；分别表示中的第j个元素，n为故障点总个数。


5.根据权利要求4所述的测试点设置方案生成方法，其特...

【专利技术属性】
技术研发人员：秦玉峰，史贤俊，秦亮，聂新华，翟禹尧，吕佳朋，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：山东;37