余贵水 李秀峰 魏钟记

(海军工程大学1) 武汉 430033)(海军933办公室2) 北京 100841)

1 引言

系统测试性分析的目的是为了获得系统的固有测试属性,比如在BIT的情况下,计算系统的检测率、隔离率、模糊组大小和不可测试的元件清单等,同时也能给出系统测试性的改进建议和诊断策略等。过去测试性分析基于人工计算和分析,计算繁琐、周期长、效率低。经过半个世纪的发展,目前基于模型的测试性分析技术已成为主流技术。因此,工程测试性分析过程采用测试性工程和维修系统(TEAMS)软件作为辅助工具,通过构建装备的多信号流模型[1～2]来分析。在建模以前首先根据相关资料分析系统功能流图和子功能信号流图。

2 测试性建模方法

2.1 多信号模型定义[2]

8)有向图DG={F,TP,E},表示系统结构连通性的有向边集。

多信号模型中,故障分为两类:功能故障(Functional Failure)和完全故障(General Failure)。

2.2 多信号模型建模方法[3]

1)构建系统的结构模型、原理图或概念框图。

在TEAMS软件中,系统的结构模型能够从VHDL、EDIF模型中自动导入生成,或由图形用户界面直接构建。

2)添加信号到模块和测试点。

信号能够从功能模型或传递函数基本变量中得出识别。

3)调整模型以适应特定情形。

4)模型有效性验证。

根据测试数据与物理模型对多信号模型进行检验。这一步非常关键,因为分析结果要使模型尽可能完善。在TEAMS软件中,用户能交互播种故障来识别被影响的测试,或者反之。

2.3 多信号模型中的关联矩阵[4]

多信号流图由模块节点、测试节点以及连接各节点的有向边构成,它是故障与测试相关性的直观描述。故障—测试关联矩阵描述了故障与测试的相关性信息,记为FT=[f tij]m×n,其中行表示故障源,列表示测试。其元素定义为:

关联矩阵可以很好的表示出测试点与系统状态之间的相互关系,它是一个二值矩阵。文献[5]还建立了扩展的故障-故障关联矩阵和测试-测试关联矩阵来分析系统的反馈回路和测试冗余问题。关联矩阵可以通过可达性算法和或列(行)矢量法[6]得到。

对于一个复杂的大型系统来说,建立的关联矩阵往往也是比较庞大的。因此,需要对建立的关联矩阵进行化简,减少不必要的测试,从而节约测试的时间和成本。以下几种情况,需要对其进行化简[7]:

1)Ti=Tj,i≠j,即矩阵的两列完全相同,这时测试 Ti和Tj互为冗余测试,通过设置冗余测试可以减少虚警的概率,在不需要冗余测试的情况下,优先选用成本较低的或容易实现的测试。

2)Fx=Fy,x≠y,即矩阵的两行完全相同,此时故障源Fx和Fy合成一个模糊组,也就是说通过现有的测试无法把它们隔离开,在关联矩阵中可以把它们合并为一行;如果需要把它们分开,就需要增加合适的测试点。

3)若矩阵的某一列全为零,即它对应的测试并不能检测到任何一个单元故障,那么就可以把这一列从矩阵中删除,即此测试点为无用测试点。

运用以上几条原则,对关联矩阵进行化简。

3 测试优选

测试方案通常是根据系统的模型和FMECA(故障模式、影响和危害性分析),以及系统的测试特点等来拟定的。系统的测试方案是通过分析和评估各个测试方案的效能和有关测试费用,从中选择最佳的测试方案。测试方案选择的目的就是在满足如故障检测率(FDR)、故障隔离率(FIR)、虚警率(FAR)等测试性指标的情况下,通过测试的优化选择,权衡测试费用(各种测试开销以及人工等),获得最佳的测试费效比。

从数学上讲,测试选择问题是一个组合优化问题[8],用数学描述即:

当对于复杂的大系统来说,测试集的选择问题是一个NP难的问题。对于现实工程应用来说,大规模系统的测试选择问题,运用枚举法或者分支界定法来获得最优解是不现实的,这往往会导致组合爆炸,所以一般的计算方法需要花费大量的时间来寻找满足测试性需求的最优的测试集合。当系统规模大时,获得最优解通常比较困难。所以工程应用中往往采用启发式搜索算法来寻找最优或者近似最优解。

目前常用的组合优化方法[3]如图1所示。

图1 常用组合优化方法

4 测试序列生成

对测试的选取进行了优化,得到了满足故障检测率和故障隔离率要求的测试集合,从而减少了测试设备的费用和误诊费用。在实际测试过程中,测试点先后顺序的选择很大程度上影响了系统的诊断速度。为此,必须明确哪个测试应该优先执行,哪个测试应该随后执行,使得测试时间最短,测试费用最低。这就是测试序列优化问题。

测试序列的优化问题[9]可表述为:给定一个系统,是否存在一个测试序列和一个优化的故障诊断树,当按照诊断树的顺序进行故障隔离时,使得期望测试成本J最小。测试期望成本的表达式是:

式中:pi表示隔离故障ci的测试序列的有序集,pi[j]是序列pi的第j个元素,p(ci)表示发生故障ci的概率,|pi|表示序列pi的个数,b表示进行测试所需的时间、人力或其他经济指标使用的成本。m表示FT-矩阵中故障行的个数。

测试序列生成问题从计算复杂度上讲是一个NP完全问题,目前较为常见的方法有动态规划法(DP)、单步信息启发式算法、AO*算法和Rollout算法。

基于 AO*算法[9]和 Rollout算法[10]都在TEAMS中得到了成功应用,但其运算时间也随着问题复杂度和系统规模的上升而急剧增加,对于复杂系统而言,其运算方法需在计算量与测试序列优化程度之间进行权衡。

5 测试性分析结果评估

选用某型装备,对其资料进行详细,获取其中的深层相关知识,也即关联矩阵,选用启发式搜索算法对测试进行优选,优选后的故障-测试关联矩阵如表1所示。

表1 最优测试集关联矩阵

其中:f0是无故障状态集,f1～f9是9种状态集,T4、T8、T10、T12、T13是从备选测试集中选取的测试子集,它能够满足系统的测试性指标。TEAMS生成的测试性分析结果如图2所示。

图2 TEAMS生成的测试性分析柱状图

从图2可以看出,故障检测率和故障隔离率都是100%,模糊组大小为1,及说明系统的故障全部都能被唯一隔离。

生成的故障诊断策略如图3所示。

图3 TEAMS生成的故障诊断策略

6 结语

围绕武器装备的特点,研究测试性分析中各种关键技术,这些技术是实现装备综合诊断测试性分析、评估、测试诊断需求分配以及诊断信息共享的基础。解决好这些关键技术,对武器装备的综合诊断工程的实施具有重要的意义。

[1]刘海明,易晓山.多信号流图的测试性建模与分析[J].中国测试技术,2007,33(1):49～50

[2]Dab S.,R.Pattipati K.Multi-Signal Flow Graphs:A Novel Approach for System Testability Analysis and Fault diagnosis[J].IEEE AES Systems Magazine,1994(5):1～13

[3]潘佳梁.基于关联模型的测试选择与测试序列优化研究,2009

[4]田仲.用优选测试点的方法确定最佳诊断步骤[J].测控技术,1995(4)

[5]杨鹏,邱静,刘冠军.基于扩展的关联模型的测试性分析技术研究[J].系统工程与电子技术,2008,30(2)

[6]田仲,石君友.系统测试性设计分析与验证[M].北京:北京航空航天大学出版社,2003

[7]何光进.基于多信号模型的某型电子装备的测试性分析研究[J].2008

[8]黎琼炜,胡政,易晓山,等.系统级BIT设计中的测试选择方法[J].计算机工程与应用,2001(19):127～129

[9]R.Pattipati K.Application of heuristic search and information theory to sequential fault diagnosis1[J].1990:872～886

[10]Tu F.,pattipati K.Rollout strategies for sequential fault diagnosis[J].2002