專利名稱：一種復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于裝備生產(chǎn)和維修過程中的測試診斷技術(shù)領(lǐng)域，尤其涉及一種復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法。
背景技術(shù)：
隨著科學(xué)技術(shù)的發(fā)展，現(xiàn)代化裝備或系統(tǒng)構(gòu)成組件越來越多，功能越來越復(fù)雜。系統(tǒng)中物理測點眾多，而測試種類繁多。而要想對這樣復(fù)雜的系統(tǒng)或裝備進(jìn)行故障診斷，必須首先進(jìn)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(shù)目的測試，以滿足故障診斷的要求，是進(jìn)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(shù)目，從而節(jié)省測試成本，還能保證較高的診斷精度。 測試優(yōu)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(biāo)，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(jù)單步前向?qū)?yōu)的方式來逐漸選出局部最優(yōu)測試點。其中應(yīng)用最廣的當(dāng)數(shù)信息熵了。基于信息熵的測試點優(yōu)選算法由文獻(xiàn)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(dǎo)思想是根據(jù)每個模糊集的基數(shù)來評價每個故障被隔離的可能性。假設(shè)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(shù)編碼i相關(guān)聯(lián)的模糊集中故障的數(shù)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(shù)目。假設(shè)測試點是相互獨立的，并且每個故障發(fā)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(shù)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(xiàn) 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(zhì)上是測試點Hj所能隔離的故障數(shù)qj。在進(jìn)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(xiàn)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(zhì)上是ICN指標(biāo)的一個變形。然而基于信息論的測試點優(yōu)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(biāo)，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(yōu)化的思想，每次選擇一個所謂最優(yōu)測試點添加到最優(yōu)測試點集合中，只能保證局部優(yōu)化，不能保證全局優(yōu)化。因此，該類方法的選取結(jié)果往往并不能得到最優(yōu)解，而通常僅得到次優(yōu)解或者近優(yōu)解。2)基于圖搜索算法文獻(xiàn)3和文獻(xiàn)4 (楊成林等基于啟發(fā)式圖搜索的最小測試點集優(yōu)選新算法[J]儀器儀表學(xué)報第29卷第12期，2008，12. 2497-2503頁)把測點選擇過程歸結(jié)成圖節(jié)點的擴(kuò)展過程。在一個有向圖中，根節(jié)點代表待解決的問題，然后依次選擇各個測點進(jìn)行擴(kuò)展，擴(kuò)展 過程基于A*算法實現(xiàn)。基本思想是通過設(shè)定合適的啟發(fā)函數(shù)，全面評估各擴(kuò)展搜索節(jié)點的代價值，通過比較各擴(kuò)展節(jié)點代價值的大小，選擇最有希望的點加以擴(kuò)展，直到找到目標(biāo)節(jié)點為止。如果出現(xiàn)某個節(jié)點y，其中已經(jīng)沒有未隔離故障，則表明初始問題的解已經(jīng)得到。從節(jié)點I到根節(jié)點S的路徑上用到的測點構(gòu)成了最小測點集，即最優(yōu)解。圖節(jié)點的擴(kuò)展過程仍然遵循文獻(xiàn)3中的規(guī)則I和規(guī)則2。規(guī)則I規(guī)定只有序號大于從其父節(jié)點擴(kuò)展到當(dāng)前節(jié)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(jié)點擴(kuò)展過程中避免冗余節(jié)點的產(chǎn)生，從而提高搜索效率。規(guī)則2規(guī)定當(dāng)擴(kuò)展某個圖節(jié)點的可用測點小于需要測點數(shù)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(yōu)解。規(guī)則2進(jìn)一步減少了圖節(jié)點的擴(kuò)展節(jié)點。A*算法是一種智能搜索算法，理論上能保證全局最優(yōu)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(yōu)路徑，即一定能找到最小測點集。最小測點集由從根節(jié)點到目標(biāo)節(jié)點上的測點構(gòu)成。然而此種方法存在的問題是當(dāng)啟發(fā)函數(shù)f(x)相等時，A*算法則陷入了死節(jié)點。此時，采用信息熵進(jìn)行區(qū)分則帶有一定主觀性，實際操作中會造成測試點選擇不準(zhǔn)確，而引入多屬性決策來評價來區(qū)分各個節(jié)點，則會導(dǎo)致算法復(fù)雜度增加。另外多條屬性也是從信息論角度進(jìn)行評價，同樣也會造成評價的選擇不準(zhǔn)確的問題。3)基于GA等智能算法基于單目標(biāo)優(yōu)化的GA實現(xiàn)測試點的優(yōu)化選取，是由Golonek等人于2007年在文獻(xiàn) 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，F(xiàn)eb. 2007Page (s) : 117 - 121)中提出的。作者在此基石出上，在文獻(xiàn) 6 (international journal of modeling, identification and control)提出了多目標(biāo)GA優(yōu)化算法來實現(xiàn)測試點的優(yōu)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(jī)生成初始種群，針對該種群重復(fù)進(jìn)行選擇，交叉，變異等基本生物進(jìn)化操作，最后達(dá)到一定的進(jìn)化迭代次數(shù)后，選擇確定最優(yōu)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(dāng)系統(tǒng)規(guī)模增大時，染色體長度也隨之變長。通常，當(dāng)總測試點數(shù)目超過30后，染色體的長度將直接導(dǎo)致算法運行速度很慢，從而影響算法效率。在應(yīng)用于大規(guī)模復(fù)雜系統(tǒng)時，算法效率非常低，從而導(dǎo)致其實用性較差；b)另外，由于智能算法的隨機(jī)本質(zhì)，不能保證每次都能找到最優(yōu)解，很多時候找到的是次優(yōu)解。上述三類方法的共同局限是不能保證一定找到最小測試集合。在此基礎(chǔ)上，本發(fā)明提出了基于分支限界算法，能夠確保找到一個最小測試集合，而且算法速度較快。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提出一種復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法，用于解決現(xiàn)有的復(fù)雜系統(tǒng)測試優(yōu)選方法存在的問題。為了實現(xiàn)上述目的，本發(fā)明提出的技術(shù)方案是，一種復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法，其特征是所述方法包括
步驟I :對待測系統(tǒng)進(jìn)行初始化；設(shè)定當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)的故障診斷矩陣為labels. MC，在當(dāng)前節(jié)點處已選的測試點集合為labels. Tl，當(dāng)前節(jié)點處確定不選的測試點集合為labels. T2，待處理的節(jié)點集合為 labels_set ；步驟2 :對待測系統(tǒng)故障診斷矩陣labels. MC進(jìn)行預(yù)處理；如果待測系統(tǒng)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(yīng)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(tǒng)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(yīng)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(jié)束；否則，執(zhí)行步驟4;步驟4 :從集合labels_set中選擇一個節(jié)點作為當(dāng)前節(jié)點，對當(dāng)前節(jié)點進(jìn)行預(yù)處理，包括41)將當(dāng)前節(jié)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(dāng)前節(jié)點剩余可選擇的測試點，即當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)的故障診斷矩陣labels. MC各個列中，存在一列，使得該模糊組內(nèi)的兩個故障只有這一列是差異的，則該列所對應(yīng)的測試點一定應(yīng)該選入集合labels. Tl中；43)如果當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)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(dāng)前節(jié)點的上限new_U,具體是找出當(dāng)前節(jié)點所包含的測試中診斷能力最強(qiáng)的測試加入到集合labels. Tl中；所述診斷能力最強(qiáng)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(shù)目最多；
步驟6 :判斷當(dāng)前節(jié)點是否為葉子節(jié)點，如果當(dāng)前節(jié)點是葉子節(jié)點，則返回步驟3 ；否則，執(zhí)行步驟7;步驟7 :將當(dāng)前節(jié)點分裂為兩個子節(jié)點，包括71)從當(dāng)前節(jié)點所剩余的測試點中，任選一個測試點，將其加入集合labels. Tl中，并且在當(dāng)前子系統(tǒng)labels. MC中刪除該測試點所對應(yīng)的列，得到一個分裂節(jié)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(yīng)的列，從而得到分裂后的另一個節(jié)點；73)把分裂得到的兩個節(jié)點加入集合labels, set中，并從中刪除當(dāng)前節(jié)點；74)返回步驟3。
所述判斷當(dāng)前節(jié)點是否為葉子節(jié)點具體是，當(dāng)滿足下列條件之一時，當(dāng)前節(jié)點為葉子節(jié)點；I)如果集合labels. Tl和集合labels. T2包括所有的測試點；2)如果當(dāng)前節(jié)點的下限超過當(dāng)前記錄的上限；3)如果集合labels. Tl是有效解；4)如果集合labels. Tl所確立的模糊組不可診斷；5)如果當(dāng)前節(jié)點的下限大于矩陣labels. MC的列rest_tp。所述當(dāng)前節(jié)點的下限的計算方法是，先用原始系統(tǒng)中的獨立故障總數(shù)目扣除集合labels. Tl所能診斷的故障數(shù)目，即得到當(dāng)前節(jié)點尚待診斷的故障Fm ;再在矩陣labels. MC中，針對尚待診斷的故障集所對應(yīng)的行矩陣中，計算各個測試點所包含的不同元素的數(shù)目，其中最大的一個定為Nm ;最后根據(jù)公式= IogJ^+算當(dāng)前節(jié)點的下限。所述集合labels. Tl是有效解的判定方法為如果集合labels. Tl全部覆蓋隔離診斷的故障，則集合labels. Tl為有效解；否則，集合labels. Tl不為有效解。所述集合labels. Tl所確立的模糊組不可診斷的判定方法為先根據(jù)集合labels. Tl確定當(dāng)前節(jié)點尚不能被獨立完全隔離開的故障的模糊組，然后針對矩陣labels. MC，依次查看每個模糊組是否存在不可診斷的情況，即模糊組故障所對應(yīng)的矩陣labels. MC行中是否存在至少兩行的行向量完全相同；如果存在，則集合labels. Tl所確立的模糊組是不可診斷的，否則，集合labels. Tl所確立的模糊組是可診斷的。本發(fā)明考慮到測點選擇與故障診斷之間的關(guān)系，設(shè)計了上限和下限的計算方法，從而既保證分支定界法具有足夠的搜索能力，有能夠及時刪除無效節(jié)點，從而避免過度搜索；該方法確保搜索到最優(yōu)測試點，而且具有滿意的快速性，可以應(yīng)用于大型復(fù)雜系統(tǒng)。


圖I是故障診斷矩陣的一般形式；圖2是復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法流程圖；圖3是leapfrog濾波器原理圖；圖4是leapfrog濾波器的故障診斷矩陣列表；圖5是節(jié)點O處規(guī)則2的應(yīng)用過程；圖6是求上限測點集的過程；圖7是濾波器完整的搜索節(jié)點圖8是濾波器搜索各節(jié)點的子系統(tǒng)故障診斷矩陣labels. MC示意圖。
具體實施例方式下面結(jié)合附圖，對優(yōu)選實施例作詳細(xì)說明。應(yīng)該強(qiáng)調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。本發(fā)明提供的方法是針對故障診斷表來實現(xiàn)的。所謂故障診斷表的具體形式如圖I所示，矩陣的行對應(yīng)不同故障，列對應(yīng)于不同測試。矩陣中元素為I表示其列對應(yīng)的測試能夠檢測其行所對應(yīng)的故障，為O表示其列對應(yīng)的測試不能夠檢測其行所對應(yīng)的故障。圖2是復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法流程圖。圖2中，復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法包括步驟I :對待測系統(tǒng)進(jìn)行初始化。將原始待解決的問題定義成初始節(jié)點labels = {C，Φ, Φ}，其中C為原始待求解的系統(tǒng)故障診斷矩陣。需要說明的是，該發(fā)明中將分支定界搜索過程中每一個節(jié)點信息用labels表示，它包含三部分信息labels = {MC, T1, T2I :設(shè)定當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)的故障診斷矩陣為labels. MC,在當(dāng)前節(jié)點處已選的測試點集合為labels. Tl,當(dāng)前節(jié)點處確定不選的測試點集合為labels. T2，待處理的節(jié)點集合為labels_set。設(shè)定初始搜索上限值為U,其初值為無窮大。設(shè)定solution存放當(dāng)前搜索到的有效解。步驟2 :對待測系統(tǒng)故障診斷矩陣labels. MC進(jìn)行預(yù)處理。·
如果待測系統(tǒng)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(yīng)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(tǒng)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(yīng)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(jié)束；否則，執(zhí)行步驟4。步驟4 :從集合labels_set中選擇一個節(jié)點作為當(dāng)前節(jié)點，對當(dāng)前節(jié)點進(jìn)行預(yù)處理，包括41)將當(dāng)前節(jié)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(dāng)前節(jié)點剩余可選擇的測試點，即當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)的故障診斷矩陣labels. MC各個列中，存在一列，使得該模糊組內(nèi)的兩個故障只有這一列是差異的，則該列所對應(yīng)的測試點一定應(yīng)該選入集合labels. Tl中。43)如果當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)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(dāng)前節(jié)點的上限new_U,具體是找出當(dāng)前節(jié)點所包含的測試中診斷能力最強(qiáng)的測試加入到集合labels. Tl中；所述診斷能力最強(qiáng)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(shù)目最多。步驟6 :判斷當(dāng)前節(jié)點是否為葉子節(jié)點，如果當(dāng)前節(jié)點是葉子節(jié)點，則返回步驟3 ;否則，執(zhí)行步驟7。判斷當(dāng)前節(jié)點是否為葉子節(jié)點具體是，當(dāng)滿足下列條件之一時，當(dāng)前節(jié)點為葉子節(jié)點；I)如果集合labels. Tl和集合labels. T2包括所有的測試點；2)如果當(dāng)前節(jié)點的下限超過當(dāng)前記錄的上限；3)如果集合labels. Tl是有效解；4)如果集合labels. Tl所確立的模糊組不可診斷；
5)如果當(dāng)前節(jié)點的下限大于矩陣labels. MC的列rest_tp。即用公式表示，則有
true if T1KjT2 - [1,2,..., ]
ime if Lower _ BounJ[/.] > I! _ mm
true if test sohition\X\ = true,, xtest leaf [λ,UM—(I)
true if Is _ diag _ ambigtdiy[A ] = true
hire if Lower _ Bound[/,] > res! _ φfalse otherwise當(dāng)前節(jié)點的下限的計算方法是，先用原始系統(tǒng)中的獨立故障總數(shù)目扣除集合labels. Tl所能診斷的故障數(shù)目，即得到當(dāng)前節(jié)點尚待診斷的故障Fm ;再在矩陣labels. MC中，針對尚待診斷的故障集所對應(yīng)的行矩陣中，計算各個測試點所包含的不同元素的數(shù)目，其中最大的一個定為Nm ;最后根據(jù)公式Zi = 1<^1計算當(dāng)前節(jié)點的下限。集合labels. Tl是有效解的判定方法為如果集合labels. Tl全部覆蓋隔離診斷的故障，則集合labels. Tl為有效解；否則，集合labels. Tl不為有效解。集合labels. Tl所確立的模糊組不可診斷的判定方法為先根據(jù)集合labels. Tl確定當(dāng)前節(jié)點尚不能被獨立完全隔離開的故障的模糊組，然后針對矩陣labels. MC，依次查看每個模糊組是否存在不可診斷的情況，即模糊組故障所對應(yīng)的矩陣labels. MC行中是否存在至少兩行的行向量完全相同；如果存在，則集合labels. Tl所確立的模糊組是不可診斷的，否則，集合labels. Tl所確立的模糊組是可診斷的。上述公式(I)中，Is_diag_ambiguity函數(shù)具體實現(xiàn)如下針對當(dāng)前已選定測點labels. Tl所確定的尚待進(jìn)一步區(qū)分的故障模糊組,如果當(dāng)前節(jié)點labels. MC中的測試不可能對其區(qū)分，則該函數(shù)輸出Isdiagn為1，為葉節(jié)點；否則，函數(shù)輸出為0，不是葉節(jié)點。如果new_U<U，而且上限測點集是一個有效解，則替換solution為上限測點集，替換U為new_U。如果labels. Tl是一個有效解且new_U < U時，當(dāng)solution為空，或者labels. Tl中測點數(shù)目少于solution時，則替換solution為labels. Tl,替換U為new_U。步驟7 :將當(dāng)前節(jié)點分裂為兩個子節(jié)點，包括71)從當(dāng)前節(jié)點所剩余的測試點中，任選一個測試點，將其加入集合labels. Tl中，并且在當(dāng)前子系統(tǒng)labels. MC中刪除該測試點所對應(yīng)的列，得到一個分裂節(jié)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(yīng)的列，從而得到分裂后的另一個節(jié)點。73)把分裂得到的兩個節(jié)點加入集合labels, set中，并從中刪除當(dāng)前節(jié)點。74)返回步驟3。以濾波器為例詳細(xì)闡述本發(fā)明的實施過程。濾波器的電路如圖3所示，其所對應(yīng)的整數(shù)編碼故障診斷矩陣如圖4所示。其行對應(yīng)不同的故障，列則對應(yīng)不同的測點。矩陣元素為I表示該元素所對應(yīng)的測點能夠檢測該故障。為O反之。初始化labels = {MC, T1, T2}為原始系統(tǒng)，其labels. MC對應(yīng)原始故障診斷矩陣，labels. Tl，labels. T2均為空。U存放當(dāng)前找到的數(shù)目最小的上限測試點集所對應(yīng)的數(shù)目，將其初始化為無窮大，new_U對應(yīng)當(dāng)前接節(jié)點所找到的上限測點集所對應(yīng)的數(shù)目。如果new_U < U且new_U不為0，則將U替換為new_U。Tl存放當(dāng)前節(jié)點的上限測點集。詳細(xì)的搜索節(jié)點圖如圖7所示。
對節(jié)點O的初始矩陣應(yīng)用規(guī)則1，依次發(fā)現(xiàn)故障3和故障11兩行只有第4個測試點不同。因而測點4必須選入labels. Tl，否則無法區(qū)分故障3和故障11。同樣道理，要區(qū)分故障4和故障19必須選擇測試點3，要區(qū)分故障4和故障21必須選擇7，要區(qū)分故障8和故障11必須選擇2，要區(qū)分故障10和故障12必須選擇I。因而，應(yīng)用規(guī)則I后，得到labels. Tl = [I, 2，3，4，7，11], labels. MC如圖6中未加陰影部分。應(yīng)用規(guī)則2，由于此時的labels. MC沒有全O或者全I(xiàn)的列，因而規(guī)則2不進(jìn)行任何操作。上限測點集選擇時，由于此時labels. Tl = [1,2, 3,4, 7, 11]已經(jīng)能隔離22個故障，尚未隔離開的故障有2個。針對尚未隔離的故障，考慮剩余的測試點[5，6，8，9，10，12]，所構(gòu)成的診斷矩陣如圖6中未加陰影部分，選擇其中隔離故障數(shù)目最大的測點，當(dāng)同時有多個測點的隔離故障能力相同時，則選擇它們當(dāng)中的第一個，如圖6中虛框所示，這里選擇測試點8，之后即可實現(xiàn)全部的故障隔離，因而，上限測點集為[1,2,3,4,7,8,11],上限為7 ;然后計算標(biāo)志Yn1 (labels. Tl是否為有效解)，yn2 (是否是葉節(jié)點)。此節(jié)點的兩個標(biāo)志分別為0，0，因而需要對其進(jìn)行分裂。分裂的方法是任意選labels. MC中的一個測試點，將其加入labels. Tl和labels. T2中，SP分別執(zhí)行選入和刪除操作。例中選擇測點5，執(zhí)行選入操作得到節(jié)點1，執(zhí)行刪除操作得到節(jié)點2，其子系統(tǒng)矩陣如圖8所示。對于節(jié)點I,其標(biāo)志Yripyn2分別為O,此時U已經(jīng)更新為7。由于yn2=0,所以需要對其進(jìn)行分裂，選擇測點10，得到節(jié)點3，4，其子系統(tǒng)矩陣如圖8b所示。對于節(jié)點2，其標(biāo)志yni、yn2分別為0，1，由于下限LB=8〉7因而該節(jié)點確定為葉節(jié)點，從而被刪除。對于節(jié)點3，其標(biāo)志yni、yn2分別為0，由于yn2=0，所以需要對其進(jìn)行分裂，選擇測點9，得到節(jié)點5，6，其子系統(tǒng)矩陣如圖8c所示。對于節(jié)點4，其標(biāo)志yni、yn2分別為1，1，因而該節(jié)點確定為葉節(jié)點，從而被刪除。對于節(jié)點5，其標(biāo)志yni、yn2分別為0，由于yn2=0，所以需要對其進(jìn)行分裂，選擇測點6，得到節(jié)點7，8，其子系統(tǒng)矩陣如圖8d所示。對于節(jié)點6，其標(biāo)志yni、yn2分別為1，1，因而該節(jié)點確定為葉節(jié)點，從而被刪除。對于節(jié)點7，其標(biāo)志yni、yn2分別為0，由于yn2=0，所以需要對其進(jìn)行分裂，選擇測點8，得到節(jié)點9，10，其子系統(tǒng)矩陣如圖8e所示。對于節(jié)點8，其標(biāo)志yni、yn2分別為1，1，由于下限LB=8〉7，因而該節(jié)點確定為葉節(jié)點，從而被刪除。對于節(jié)點9,其標(biāo)志ynp yn2分別為O, I由于Isdiagn=I,即考慮尚未診斷故障,剩余節(jié)點不能將其進(jìn)行區(qū)分，從而yn2=I,所以該節(jié)點確定為葉節(jié)點,從而被刪除。對于節(jié)點10，其標(biāo)志Yi^yn2分別為1，1，因而該節(jié)點確定為葉節(jié)點，從而被刪除。至此為止，搜索算法結(jié)束，算法搜索到的最優(yōu)解共三個分別為節(jié)點O處的Tl，節(jié)點4，節(jié)點6，節(jié)點10處的labels. Tl，這里節(jié)點O處的Tl和節(jié)點10處的labels. Tl是完全相同的，因而被當(dāng)作一個。以上所述，僅為本發(fā)明較佳的具體實施方式
，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。·
權(quán)利要求
1.一種復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法，其特征是所述方法包括 步驟I:對待測系統(tǒng)進(jìn)行初始化； 設(shè)定當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)的故障診斷矩陣為labels. MC，在當(dāng)前節(jié)點處已選的測試點集合為labels. Tl，當(dāng)前節(jié)點處確定不選的測試點集合為labels. T2，待處理的節(jié)點集合為 labels_set ； 步驟2 :對待測系統(tǒng)故障診斷矩陣labels. MC進(jìn)行預(yù)處理； 如果待測系統(tǒng)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(yīng)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(tǒng)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(yīng)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(jié)束；否則，執(zhí)行步驟4; 步驟4 :從集合labels_set中選擇一個節(jié)點作為當(dāng)前節(jié)點,對當(dāng)前節(jié)點進(jìn)行預(yù)處理,包括 41)將當(dāng)前節(jié)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(dāng)前節(jié)點剩余可選擇的測試點，即當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)的故障診斷矩陣labels.MC各個列中，存在一列，使得該模糊組內(nèi)的兩個故障只有這一列是差異的，則該列所對應(yīng)的測試點一定應(yīng)該選入集合labels. Tl中； 43)如果當(dāng)前節(jié)點對應(yīng)待測系統(tǒng)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(dāng)前節(jié)點的上限new_U,具體是找出當(dāng)前節(jié)點所包含的測試中診斷能力最強(qiáng)的測試加入到集合labels. Tl中；所述診斷能力最強(qiáng)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(shù)目最多； 步驟6:判斷當(dāng)前節(jié)點是否為葉子節(jié)點，如果當(dāng)前節(jié)點是葉子節(jié)點，則返回步驟3 ;否貝U，執(zhí)行步驟7; 步驟7 :將當(dāng)前節(jié)點分裂為兩個子節(jié)點，包括 71)從當(dāng)前節(jié)點所剩余的測試點中，任選一個測試點，將其加入集合labels.Tl中，并且在當(dāng)前子系統(tǒng)labels. MC中刪除該測試點所對應(yīng)的列，得到一個分裂節(jié)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(yīng)的列，從而得到分裂后的另一個節(jié)點； 73)把分裂得到的兩個節(jié)點加入集合labels,set中，并從中刪除當(dāng)前節(jié)點； 74)返回步驟3。
2.根據(jù)權(quán)利要求I所述的方法，其特征是所述判斷當(dāng)前節(jié)點是否為葉子節(jié)點具體是，當(dāng)滿足下列條件之一時，當(dāng)前節(jié)點為葉子節(jié)點；O如果集合labels. Tl和集合labels. T2包括所有的測試點； 2)如果當(dāng)前節(jié)點的下限超過當(dāng)前記錄的上限； 3)如果集合labels.Tl是有效解； 4)如果集合labels.Tl所確立的模糊組不可診斷； 5)如果當(dāng)前節(jié)點的下限大于矩陣labels.MC的列rest_tp。
3.根據(jù)權(quán)利要求2所述的方法，其特征是所述當(dāng)前節(jié)點的下限的計算方法是，先用原始系統(tǒng)中的獨立故障總數(shù)目扣除集合labels. Tl所能診斷的故障數(shù)目，即得到當(dāng)前節(jié)點尚待診斷的故障Fm ;再在矩陣labels. MC中，針對尚待診斷的故障集所對應(yīng)的行矩陣中，計算各個測試點所包含的不同元素的數(shù)目，其中最大的一個定為Nm ;最后根據(jù)公式/Λ = log't.'計算當(dāng)前節(jié)點的下限。
4.根據(jù)權(quán)利要求2所述的方法，其特征是所述集合labels.Tl是有效解的判定方法為如果集合labels. Tl全部覆蓋隔離診斷的故障，則集合labels. Tl為有效解；否則，集合labels. Tl不為有效解。
5.根據(jù)權(quán)利要求3所述的方法，其特征是所述集合labels.Tl所確立的模糊組不可診斷的判定方法為先根據(jù)集合labels. Tl確定當(dāng)前節(jié)點尚不能被獨立完全隔離開的故障的模糊組，然后針對矩陣labels. MC,依次查看每個模糊組是否存在不可診斷的情況，即模糊組故障所對應(yīng)的矩陣labels. MC行中是否存在至少兩行的行向量完全相同；如果存在，則集合labels. Tl所確立的模糊組是不可診斷的，否則，集合labels. Tl所確立的模糊組是可診斷的。
全文摘要
本發(fā)明公開了裝備生產(chǎn)和維修過程中的測試診斷技術(shù)領(lǐng)域中的一種復(fù)雜系統(tǒng)測試優(yōu)選的實現(xiàn)方法。包括對待測系統(tǒng)進(jìn)行初始化；對待測系統(tǒng)故障診斷矩陣labels.MC進(jìn)行預(yù)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(jié)點作為當(dāng)前節(jié)點，對當(dāng)前節(jié)點進(jìn)行預(yù)處理；計算當(dāng)前節(jié)點的上限new_U；判斷當(dāng)前節(jié)點是否為葉子節(jié)點，如果當(dāng)前節(jié)點是葉子節(jié)點，則處理集合labels_set中的其他節(jié)點；否則，將當(dāng)前節(jié)點分裂為兩個子節(jié)點，并把分裂得到的兩個節(jié)點加入集合labels.set中，并從中刪除當(dāng)前節(jié)點，而后處理集合labels_set中的其他節(jié)點。本發(fā)明確保搜索到最優(yōu)測試點且具有滿意的快速性。
文檔編號G06F11/36GK102902623SQ20121036636
公開日2013年1月30日 申請日期2012年9月27日 優(yōu)先權(quán)日2012年9月27日
發(fā)明者陳曉梅, 李瑞靜 申請人:華北電力大學(xué)