一種復雜系統測試優選的實現方法技術方案

本發明專利技術公開了裝備生產和維修過程中的測試診斷技術領域中的一種復雜系統測試優選的實現方法。包括：對待測系統進行初始化；對待測系統故障診斷矩陣labels.MC進行預處理；判斷集合為labels_set是否為空集合，如果集合labels_set不為空集合，則從集合labels_set中選擇一個節點作為當前節點，對當前節點進行預處理；計算當前節點的上限new_U；判斷當前節點是否為葉子節點，如果當前節點是葉子節點，則處理集合labels_set中的其他節點；否則，將當前節點分裂為兩個子節點，并把分裂得到的兩個節點加入集合labels.set中，并從中刪除當前節點，而后處理集合labels_set中的其他節點。本發明專利技術確保搜索到最優測試點且具有滿意的快速性。

【技術實現步驟摘要】
本專利技術屬于裝備生產和維修過程中的測試診斷
，尤其涉及一種復雜系統測試優選的實現方法。
技術介紹
隨著科學技術的發展，現代化裝備或系統構成組件越來越多，功能越來越復雜。系統中物理測點眾多，而測試種類繁多。而要想對這樣復雜的系統或裝備進行故障診斷，必須首先進行測試，測試是獲取診斷所需信息的重要手段。沒有完備的測試，不能獲取充足的信息量，則很難保證故障診斷的精確性。然而面對如此龐大的可行測試集合，如何選擇最少數目的測試，以滿足故障診斷的要求，是進行診斷之前必須解決的一個重要問題。如果能夠在診斷之前完成有效的測試選擇，既可以克服診斷時選取測試的盲目性，又可以降低測試數目，從而節省測試成本，還能保證較高的診斷精度。 測試優選方法很多，目前典型的方法有I)基于信息論的方法該方法的基本思路是基于信息論確定一個測試點的評價指標，比如信息熵E(j)，測點信息量ICN，信息含量I(y)等，然后以此為依據單步前向尋優的方式來逐漸選出局部最優測試點。其中應用最廣的當數信息熵了?；谛畔㈧氐臏y試點優選算法由文獻I (Starzyk, J. A. ; Dong Liu; Zhi-HongLiu;et. al.，Entropy-based optimum test points selection for analog faultdictionary techniques[J]Instrumentation and Measurement, IEEE Transactionson, Volume 53，Issue 3，June 2004Page (s) : 754 - 761)提出。其主導思想是根據每個模糊集的基數來評價每個故障被隔離的可能性。假設對于某個測試點Hj有k個不互相重疊的模糊集，并且是與測試點和整數編碼i相關聯的模糊集中故障的數目。故障被從模糊組*V/隔離開的概率大致為If，其中f是字典中所列出的所有故障數目。假設測試點是相互獨立的，并且每個故障發生的可能性是均等的，則對于某個特定的測試點而言，信息熵E(j)定義成!'{ /) = Y Iog I],i=\ ' '因為在給定字典中中，所有故障的數目f是固定的，在上式中，某個特定測試點Iij的信息含量I(j)會隨著熵E(j)的最小化而最大化。如果具有最小值E(j)測試點Iij被添加到期望測試點集Ν_中，則這舉將保證了 Ν_中信息的最大增長幅度。因此包含(inclusive)策略保證在測試點選擇的每個階段都能獲取最大的故障診斷。文獻 2 (Pinjala，K. K. ;Kim，B. C. ; An approach for selection of test pointsfor analog fault diagnosis[C]，Defect and Fault To lerance in VLSI Systems, 2003.Proceedings. 18th IEEE International Symposium on 3_5Nov. 2003 Page(s):287-294)中定義的ICN，其本質上是測試點Hj所能隔離的故障數qj。在進行測試點選擇過程中，取maXj(qj)，即I CN越大說明該測點越好。文獻3 (Chengl in Yang, et al ; Appl ication of Heuristic GraphSearch to Test-Point Selection for Analog Fault Dictionary Techniques.[J], IEEETRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT. 2011)提出故障集 y 所包含的信息量I (y)的，其本質上是ICN指標的一個變形。然而基于信息論的測試點優選方法存在一定的局限性一方面，基于信息論所定義的各種測點的評價指標，都僅僅是基于概率的思想來描述測點，與該測點的真實隔離故障能力并不完全相符，往往存在偏差。另外，該類方法都是基于單步向前優化的思想，每次選擇一個所謂最優測試點添加到最優測試點集合中，只能保證局部優化，不能保證全局優化。因此，該類方法的選取結果往往并不能得到最優解，而通常僅得到次優解或者近優解。2)基于圖搜索算法文獻3和文獻4 (楊成林等基于啟發式圖搜索的最小測試點集優選新算法[J]儀器儀表學報第29卷第12期，2008，12. 2497-2503頁)把測點選擇過程歸結成圖節點的擴展過程。在一個有向圖中，根節點代表待解決的問題，然后依次選擇各個測點進行擴展，擴展 過程基于A*算法實現?；舅枷胧峭ㄟ^設定合適的啟發函數，全面評估各擴展搜索節點的代價值，通過比較各擴展節點代價值的大小，選擇最有希望的點加以擴展，直到找到目標節點為止。如果出現某個節點y，其中已經沒有未隔離故障，則表明初始問題的解已經得到。從節點I到根節點S的路徑上用到的測點構成了最小測點集，即最優解。圖節點的擴展過程仍然遵循文獻3中的規則I和規則2。規則I規定只有序號大于從其父節點擴展到當前節點時所用到的測點號的那些測點才可以做可用測點，確保在圖節點擴展過程中避免冗余節點的產生，從而提高搜索效率。規則2規定當擴展某個圖節點的可用測點小于需要測點數目的下界時，故障一定不能被完全隔離，由此路徑不能得到最優解。規則2進一步減少了圖節點的擴展節點。A*算法是一種智能搜索算法，理論上能保證全局最優解的收斂性。換句說，理論上利用A*算法一定能找到一條最優路徑，即一定能找到最小測點集。最小測點集由從根節點到目標節點上的測點構成。然而此種方法存在的問題是當啟發函數f(x)相等時，A*算法則陷入了死節點。此時，采用信息熵進行區分則帶有一定主觀性，實際操作中會造成測試點選擇不準確，而引入多屬性決策來評價來區分各個節點，則會導致算法復雜度增加。另外多條屬性也是從信息論角度進行評價，同樣也會造成評價的選擇不準確的問題。3)基于GA等智能算法基于單目標優化的GA實現測試點的優化選取，是由Golonek等人于2007年在文獻 5 (Golonek, T. ;Rutkowski, J. ;Genetic-Algorithm-Based Method for OptimalAnalog Test Points Selection, [J],Circuits and Systems II:Express Briefs,IEEETransactions on Volume 54, Issue 2，Feb. 2007Page (s) : 117 - 121)中提出的。作者在此基石出上，在文獻 6 (international journal of modeling, identification and control)提出了多目標GA優化算法來實現測試點的優化選取。此類方法的基本思想是將測試點按照單倍體原則來確定染色體，然后隨機生成初始種群，針對該種群重復進行選擇，交叉，變異等基本生物進化操作，最后達到一定的進化迭代次數后，選擇確定最優的測試點集合。然而，該類方法存在著如下不足a)由于染色體的確定是采用了單倍體的原則，因而當系統規模增大時，染色體長度也隨之變長。通常，當總測試點數目超本文檔來自技高網...

【技術保護點】
一種復雜系統測試優選的實現方法，其特征是所述方法包括：步驟1：對待測系統進行初始化；設定當前節點對應待測系統的故障診斷矩陣為labels.MC，在當前節點處已選的測試點集合為labels.T1，當前節點處確定不選的測試點集合為labels.T2，待處理的節點集合為labels_set；步驟2：對待測系統故障診斷矩陣labels.MC進行預處理；如果待測系統故障診斷矩陣中的兩行及兩行以上完全相同，則稱其所對應的故障是等價的；在等價故障中，只需保留一個代表故障，其余故障則定義為冗余故障，刪除冗余故障；如果待測系統故障診斷矩陣中的兩列及兩列以上完全相同，則稱其所對應的測試是等價的，在等價測試中，只需保留一個代表測試，其余測試則定義為冗余測試，刪除冗余測試；步驟3：判斷集合為labels_set是否為空集合，如果集合labels_set為空集合，則結束；否則，執行步驟4；步驟4：從集合labels_set中選擇一個節點作為當前節點，對當前節點進行預處理，包括：41)將當前節點所必選測試點和必刪測試點分別添加到集合labels.T1和集合labels.T2中；42）求得使集合labels.T1尚不能獨立隔離診斷的故障模糊組，然后針對每一個模糊組，如果當前節點剩余可選擇的測試點，即當前節點對應待測系統的故障診斷矩陣labels.MC各個列中，存在一列，使得該模糊組內的兩個故障只有這一 列是差異的，則該列所對應的測試點一定應該選入集合labels.T1中；43）如果當前節點對應待測系統的故障診斷矩陣labels.MC存在各元素全為0或者全為1的列，則將這些列添加到集合labels.T2中，即這些列對診斷沒有任何意義，將其刪除；步驟5：計算當前節點的上限new_U，具體是找出當前節點所包含的測試中診斷能力最強的測試加入到集合labels.T1中；所述診斷能力最強的測試是指該測試點加上labels.T1中的測試，其所能唯一診斷隔離的故障數目最多；步驟6：判斷當前節點是否為葉子節點，如果當前節點是葉子節點，則返回步驟3；否則，執行步驟7；步驟7：將當前節點分裂為兩個子節點，包括：71）從當前節點所剩余的測試點中，任選一個測試點，將其加入集合labels.T1中，并且在當前子系統labels.MC中刪除該測試點所對應的列，得到一個分裂節點；72）將任選的這個測試點加入到集合labels.T2中，并且在矩陣labels.MC中刪除該測試點所對應的列，從而得到分裂后的另一個節點；73）把分裂得到的兩個節點加入集合labels.set中，并從中刪除當前節點；74）返回步驟3。...

【技術特征摘要】
1.一種復雜系統測試優選的實現方法，其特征是所述方法包括 步驟I:對待測系統進行初始化； 設定當前節點對應待測系統的故障診斷矩陣為labels. MC，在當前節點處已選的測試點集合為labels. Tl，當前節點處確定不選的測試點集合為labels. T2，待處理的節點集合為 labels_set ； 步驟2 :對待測系統故障診斷矩陣labels. MC進行預處理； 如果待測系統故障診斷矩陣中的兩行及兩行以上完全相同，則稱其所對應的故障是等價的；在等價故障中，只需保留一個代表故障，其余故障則定義為冗余故障，刪除冗余故障; 如果待測系統故障診斷矩陣中的兩列及兩列以上完全相同，則稱其所對應的測試是等價的，在等價測試中，只需保留一個代表測試，其余測試則定義為冗余測試，刪除冗余測試； 步驟3 :判斷集合為labels_set是否為空集合,如果集合labels_set為空集合,則結束；否則，執行步驟4; 步驟4 :從集合labels_set中選擇一個節點作為當前節點,對當前節點進行預處理,包括 41)將當前節點所必選測試點和必刪測試點分別添加到集合labels.Tl和集合labels. T2 中； 42)求得使集合labels.Tl尚不能獨立隔離診斷的故障模糊組，然后針對每一個模糊組，如果當前節點剩余可選擇的測試點，即當前節點對應待測系統的故障診斷矩陣labels.MC各個列中，存在一列，使得該模糊組內的兩個故障只有這一列是差異的，則該列所對應的測試點一定應該選入集合labels. Tl中； 43)如果當前節點對應待測系統的故障診斷矩陣labels.MC存在各元素全為O或者全為I的列，則將這些列添加到集合labels. T2中，即這些列對診斷沒有任何意義，將其刪除； 步驟5 :計算當前節點的上限new_U,具體是找出當前節點所包含的測試中診斷能力最強的測試加入到集合labels. Tl中；所述診斷能力最強的測試是指該測試點加上labels.Tl中的測試，其所能唯一診斷隔離的故障數目最多； 步驟6:判斷當前節點是否為葉子節點，如果當前節點是葉子節點，則返回步驟3 ;否貝U，執行步驟7; 步驟7 :將當前節點分裂為兩個子節點，包...

【專利技術屬性】
技術研發人員：陳曉梅，李瑞靜，
申請(專利權)人：華北電力大學，
類型：發明
國別省市：