王成刚，应朝龙，李建海，刘志远

1.海军航空工程学院 基础实验部， 山东 烟台264001；

2.济南军区军械雷达修理所， 济南250022

关联模型也称为推理模型，表示的是部件之间的因果关系，是目前测试性分析中普遍采用的一种建模技术。但是，复杂装备常存在故障与测试之间关联关系不清楚的现象。而从装备使用阶段实际测试性分析与评估的角度来说，由于复杂系统的结构和部件间关系复杂，实际测试性评估往往是小样本下的基于不确定信息的评价决策问题[1]。由于这些模型不具备对不确定信息的处理能力，因此对实际测试性评估的结果可信度不高，所以必须研究新的测试性分析与评估方法。文献[ 2]针对航天器中依赖关系不确定的系统，提出采用概率描述不确定系统多信号模型的依赖矩阵，并采用贝叶斯网络的参数学习和结构学习算法来建立不确定系统的多信号模型因果依赖关系和概率依赖矩阵。文献[ 3]提出了基于贝叶斯网络的测试性预计方法。文献[ 4]将测试时间引入贝叶斯网络(Bayesian Networks，BN)，使基于贝叶斯网络的测试性评估与故障检测与隔离时间相关，从而既考虑了系统的不确定信息，又能够得到系统的FDT和FIT。本文利用离散粒子群算法，实现贝叶斯网络结构学习。

1 基于BN的不确定系统测试性建模

1.1 基于BN的测试性模型

采用BN来表达故障模式和测试之间的关联关系，称为测试性评估BN模型。测试性BN模型包括两个层次的节点：一是由故障模式节点组成的层次；……