【技术实现步骤摘要】
一种复杂系统的序贯测试序列生成方法
[0001]本专利技术属于故障诊断
，更为具体地讲，涉及一种复杂系统的序贯 测试序列生成方法。
技术介绍
[0002]为了及时准确的确定装备运行状态，快速的进行故障隔离，装备在设计与 研发阶段就需考虑其测试性及测试策略问题。外部序贯测试作为测试性设计与 优化技术的重要组成部分，其首要内容是构建最优的测试序列。多信号流图具 有建模方便、便于描述电路元件之间关系等优点，因而吸引了大量科研人员的 关注，成为序贯测试研究中最常用的相关性模型。然而随着系统和设备性能的 提高和复杂性的增加，模型复杂度也相应的提升，快速的生成代价低、隔离度 高的最优测试序列变的愈发困难。
[0003]目前，基于多信号流图的测试序列生成算法主要有三种：贪婪类算法每次 根据启发函数的大小，选择节点的拓展方式，该方法生成时间极短，但测试代 价较高；排列组合类算法包括AO*算法、由下而上算法等，依据故障和测点的 排列组合分析决策树的结构，该方法测试代价极低，但生成时间较长；遗传类 算法在随机产生初始解集后迭代生成最优解，该方法生成时间和测试代价适中， 但迭代的个体数和次数需要反复调试。在针对大规模测试问题时，这些算法都 无法兼顾低代价与高速度，在实际应用过程中具有局限性。
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，提供一种复杂系统的序贯测试序 列生成方法，通过对可用测点分类以及故障集聚类，减少原算法在决策树生成 过程的复杂度，避免陷入局部最优解，从而能够快速生成低代...
【技术保护点】
【技术特征摘要】
1.一种复杂系统的序贯测试序列生成方法，其特征在于，包括以下步骤：(1)、构建故障测试模型构建故障测试模型其中，S表示待测系统出现的各种故障集，S＝{s1,s2,
…
,s
i
,
…
,s
m
}，s
i
表示第i种故障；T表示待测系统的所有可用测点集，T＝{t1,t2,
…
,t
j
,
…
,t
n
}，t
j
表示第j个可用测点；P表示待测系统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为故障依赖矩阵，具体表示为：其中，d
ij
表示故障s
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，表示待测系统中发生故障s
i
时不能通过可用测点t
j
检测出来；当d
ij
＝1时，表示待测系统中发生故障s
i
时能够通过可用测点t
j
检测出来；(2)、生成样本序列；其中，样本序列H的长度为N，N＝ρ
·
100
·
100，ρ为生成系数；表示规模大小为a
×
b的第k个样本，1≤a≤100，1≤b≤100，1≤b≤100，表示第k个样本中出现的各种故障集，表示第k个样本中所有可用测点集，表示第k个样本的故障依赖矩阵，表示生成第k个样本时发生某个故障的先验概率集，表示生成第k个样本对应的测试代价集；(3)、根据样本生成预测函数PRE；(3.1)、设置节点分类集合簇{Lev1,Lev2,
…
,Lev
r
,
…
,Lev
rmax
}，Lev
r
表示第r类的节点集合，rmax为最大分类数；设置测点分类集合簇{Leve1,Leve2,
…
,Leve
r
,
…
,Leve
rmax
}，Leve
r
表示第r类的测点集合，初始化都为空集；设置训练数组TRAIN，并初始化为空集。(3.2)、取用规模大小为a1×
b1的第k个样本对应的故障依赖矩阵记为初始化a1＝10，b1＝10，k＝1；(3.3)、使用基于霍夫曼编码的启发式搜索算法生成的决策树获得使用的测点集T
use
＝{t1,t1,
…
,t
f
,
…
,t
fmax
}，t
f
表示可用的第f个测点，fmax表示可使用的测点个数；获得的非叶子节点集合Node＝{node1,node2,
…
,node
f
,
…
,node
fmax
}，node
f
表示连接测点t
f
的节点；
(3.4)、根据计算阈值D
ratio
，其中，r
l
表示的l列中max{0的个数,1的个数}/a1；(3.5)、计算节点的分类界限数组L＝{L1,L2,
…
,L
r
,
…
,L
rmax
}，L
r
是常数，初始化都为0，r＝1,2,
…
,rmax，rmax为节点的分类组数；(3.5.1)、求解方程a1·
(D
ratio
)
x
·
(1
‑
D
ratio
)
y
≥2，获得x和y的非负整数解对；按照的大小将这些解对从小到大排序，记为：{x1,y1},{x2,y2},
…
,{x
q
,y
q
},
…
{x
qmax
,y
qmax
}；其中，{x
q
,y
q
}表示的大小排在第q位，{x
qmax
,y
qmax
}表示的大小是最大的；(3.5.2)、生成累加数组SU，数组的大小为qmax+2；SU(0)＝0；SU(0)＝0；SU(0)＝0；SU(q
max
+1)＝SU(q
max
)；其中，C表示组合运算符；(3.5.3)、初始化r＝1；(3.5.4)、找到满足的q的值，然后代入如下公式(3.5.5)、r＝r+1，重复(3.5.4)直至r＝rmax；(3.6)、node
f
分类；分类方式为：node
f
∈Lev
r
的充要条件是|node
f
|∈(L
r
,L
r+1
]，|node
f
|表示node
f
包含的故障的个数；(3.7)、对的每个测点分类并获得分类值；每个测点进行分类的方式为：若某测点连接的节点属于Lev
r
，那么该测点属于Leve
r
，对应的分类值为r；特别的，若某测点不属于T
use
，则该测点属于Leve
rmax+1
，对应的分类值为rmax+1；若属于两个不同类别和的节点，都连接了某测点，则该测点属于对应的分类值为min(r1,r2)，r1,r2∈[1，rmax]且r1≠r2；(3.8)、将中每个测点的特征值和分类值计入训练数组TRAIN，其中，每个测点的的特征值包括：{a1、b1、D
ratio
、测点代价、全部测点的代价的平均值和方差、测点在中的对应列、分类值小于r的所有测点的代价平均值和方差}；(3.9)、令k＝k+1，重复步骤(3.3)
‑
(3...
【专利技术属性】
技术研发人员：刘震，汪静元，黄建国，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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。