一种考虑测试不确定性的电路测点优选方法技术

本发明专利技术公开了一种考虑测试不确定性的电路测点优选方法，通过构建测试不确定性的多信号模型，并给出该模型下由隔离率、检测率、测试代价、虚警率以及漏检率的优化目标函数和约束条件，然后利用多目标粒子群算法以测试代价，虚警率，漏检率作为优化目标，检测率、隔离率作为约束条件进行多目标优化，最终得到多组优选后的测点选择方案。后的测点选择方案。后的测点选择方案。

【技术实现步骤摘要】
一种考虑测试不确定性的电路测点优选方法


[0001]本专利技术属于电子系统故障诊断
，更为具体地讲，涉及一种考虑测试不确定性的电路测点优选方法。

技术介绍

[0002]随着信息技术的发展，电子系统复杂程度越来越高，通过选取最优化的测点来满足复杂的测试需求，是当前故障诊断领域的重要内容。然而，由于实际测试环境中存在各种干扰等外界因素，会造成测试数据的不完全可靠，导致实际测试数据带有很多不确定性，给系统的测试性设计与分析带来了极大困难，如何针对测试不确定条件下进行测点的最优选取成为故障诊断领域的难题之一。
[0003]当前，针对测试可靠条件下的测试优选方案已经研究了很多，但在考虑测试不确定条件下的测点优选，目前还没有深入的研究。在满足隔离率和检测率的条件下，如何尽可能优选测点以减小测试代价、虚警率以及漏检率，从而以最可靠和最经济的方式满足装备系统的测试诊断需求，是本方法需要解决的问题。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种考虑测试不确定性的电路测点优选方法，在满足隔离率和检测率的条件下，获得多组优选后的测点。
[0005]为实现上述专利技术目的，本专利技术为一种考虑测试不确定性的电路测点优选方法，其特征在于，包括以下步骤：
[0006](1)、构建测试不确定性的多信号模型H＝{F,T,D,P,C,PF}；
[0007]其中，F表示待测电路出现的各种故障集，F＝{f1,f2,
…
,f
i
,
>…
,f
m
}，f
i
表示第i中故障，m为故障总数；T表示待测电路的所有可用测点集，T＝{t1,t2,
…
,t
j
,
…
,t
n
}，t
j
表示第j个可用测点，n为可用测点总数；P表示待测电路发生某个故障的先验概率集，P＝{p1,p2,
…
,p
i
,
…
,p
m
}，p
i
表示出现故障s
i
的先验概率；C表示与T对应的测试代价集，C＝{c1,c2,
…
,c
j
,
…
,c
n
}，c
j
表示测试t
j
的代价；D为测点存在不确定性下的依赖矩阵，具体表示为：
[0008][0009]其中，d
ij
表示故障f
i
在可用测点t
j
下的测试信息，d
ij
＝0或d
ij
＝1，当d
ij
＝0时，表示待测电路中发生故障f
i
时不能通过可用测点t
j
检测出来；当d
ij
＝1时，表示待测电路中发生故障f
i
时能够通过可用测点t
j
检测出来；
[0010]PF为测点测试的虚警率矩阵，具体表示为：
[0011][0012]其中，pf
ij
表示测点t
j
对于故障t
j
的测试虚警率；
[0013](2)、利用基于拥挤距离排序的多目标粒子群算法对测试不确定性模型进行测点优选；
[0014](2.1)、设置多目标粒子群算法中粒子k的位置表示为(2.1)、设置多目标粒子群算法中粒子k的位置表示为的取值0或1，当时，代表测点t
j
被选中，当时，代表测点t
j
未被选中，其中j∈[1,n]；
[0015](2.2)、构建由测试成本、漏检率和虚警率构成的优化目标函数；
[0016]测试成本：
[0017]漏检率：
[0018]虚警率：
[0019](2.3)、构建由检测率和隔离率构成的约束条件；
[0020]检测率：
[0021]隔离率：
[0022]设置最低检测率λ0和隔离率λ1，则检测率ψ
FD
(x)≥λ0，隔离率ψ
FI
(x)≥λ1；
[0023](2.4)、基于拥挤距离排序的多目标粒子群算法对待测电路进行测点优选；
[0024](2.4.1)、初始化一个由q个粒子组存的粒子群P，每个粒子的维度均为n维，每个粒子的初始速度为0，其中，第k个粒子的速度表示为：第k个粒子的初始位置表示为k∈[1,q]，j∈[1,n]；
[0025]设置多目标粒子群算法的最大迭代次数T，当前迭代次数t∈[1,T]，初始化t＝1；
[0026]设置外部存档库REP，其大小为R，R＞q；初始化REP为空集；
[0027]设置数组pbest，大小为q
×
n，pbest的每一行用于记录每次迭代后各粒子的历史最优值对应位置，其中，第t次迭代后第k行记为：
pbest存储每个粒子的历史最优值对应位置；
[0028]设置数组gbest，大小为1
×
n，用于记录每次迭代后粒子群的全局最优值对应位置，其中，第t次迭代后的全局最优值记为g为q个粒子中历史最优值最优对应的粒子；
[0029](2.4.2)、更新第t次迭代后各粒子的速度及位置；
[0030]更新各粒子的速度：
[0031]V
k
(t)＝w
×
V
k
(t
‑
1)+r1a1(P
k
(t
‑
1)
‑
X
k
(t
‑
1))+a2r2(P
g
(t
‑
1)
‑
X
k
(t
‑
1))
[0032]其中，w为惯性因子，r1，r2为(0,1)范围内变化的随机数,a1，a2是加速因子；
[0033]更新各粒子的位置：
[0034][0035]当X
k
(t)中的时，则否则rand()产生一个(0，1)之间的随机数；
[0036](2.4.3)、计算第t次迭代后的适应度值和约束值；
[0037]将第t次迭代后每个粒子的位置带入目标函数C(X)、L(X)、A(X)，得到各个粒子的适应度值，其中，第k个粒子的适应度值记为适应度值，其中，第k个粒子的适应度值记为分别对应C(X)、L(X)、A(X)得到计算值；
[0038]将第t次迭代后每个粒子的位置代入约束条件ψ
FD
(X)、ψ
FI
(X)，得到各个粒子的约束值，其中，第k个粒子的约束值记为束值，其中，第k个粒子的约束值记为分别对应ψ
FD
(X)、ψ
FI
(X)得到计算值；
[0039]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑测试不确定性的电路测点优选方法，其特征在于，包括以下步骤：(1)、构建测试不确定性的多信号模型H＝{F,T,D,P,C,PF}；其中，F表示待测电路出现的各种故障集，F＝{f1,f2,
…
,f
i
,
…
,f
m
}，f
i
表示第i中故障，m为故障总数；T表示待测电路的所有可用测点集，T＝{t1,t2,
…
,t
j
,
…
,t
n
}，t
j
表示第j个可用测点，n为可用测点总数；P表示待测电路发生某个故障的先验概率集，P＝{p1,p2,
…
,p
i
,
…
,p
m
}，p
i
表示出现故障s
i
的先验概率；C表示与T对应的测试代价集，C＝{c1,c2,
…
,c
j
,
…
,c
n
}，c
j
表示测试t
j
的代价；D为测点存在不确定性下的依赖矩阵，具体表示为：其中，d
ij
表示故障f
i
在可用测点t
j
下的测试信息，d
ij
＝0或d
ij
＝1，当d
ij
＝0时，表示待测电路中发生故障f
i
时不能通过可用测点t
j
检测出来；当d
ij
＝1时，表示待测电路中发生故障f
i
时能够通过可用测点t
j
检测出来；PF为测点测试的虚警率矩阵，具体表示为：其中，pf
ij
表示测点t
j
对于故障t
j
的测试虚警率；(2)、利用基于拥挤距离排序的多目标粒子群算法对测试不确定性模型进行测点优选；(2.1)、设置设置多目标粒子群算法中粒子k的位置表示为(2.1)、设置设置多目标粒子群算法中粒子k的位置表示为的取值0或1，当时，代表测点t
j
被选中，当时，代表测点t
j
未被选中，其中j∈[1,n]；(2.2)、构建由测试成本、漏检率和虚警率构成的优化目标函数；测试成本：漏检率：虚警率：(2.3)、构建由检测率和隔离率构成的约束条件；检测率：
隔离率：设置最低检测率λ0和隔离率λ1，则检测率ψ
FD
(x)≥λ0，隔离率ψ
FI
(x)≥λ1；(2.4)、基于拥挤距离排序的多目标粒子群算法对待测电路进行测点优选；(2.4.1)、初始化一个由q个粒子组存的粒子群P，每个粒子的维度均为n维，每个粒子的初始速度为0，其中，第k个粒子的速度表示为：第k个粒子的初始位置表示为设置多目标粒子群算法的最大迭代次数T，当前迭代次数t∈[1,T]，初始化t＝1；设置外部存档库REP，其大小为R，R＞q；初始化REP为空集；设置数组pbest，大小为q
×
n，pbest的每一行用于记录每次迭代后各粒子的历史最优值对应位置，其中，第t次迭代后第k行记为：pbest存储每个粒子...

【专利技术属性】
技术研发人员：刘震，王俊海，刘雪梅，汪静元，龙兵，周秀云，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：