一種複雜系統測試優選的實現方法

2023-10-08 20:16:29

專利名稱：一種複雜系統測試優選的實現方法
技術領域：
本發明屬於裝備生產和維修過程中的測試診斷技術領域，尤其涉及一種複雜系統測試優選的實現方法。
背景技術：
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，功能越來越複雜。系統中物理測點眾多，而測試種類繁多。而要想對這樣複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)基於資訊理論的方法該方法的基本思路是基於資訊理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，然後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。基於信息熵的測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。假設對於某個測試點Hj有k個不互相重疊的模糊集，並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，並且每個故障發生的可能性是均等的，則對於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。然而基於資訊理論的測試點優選方法存在一定的局限性一方面，基於資訊理論所定義的各種測點的評價指標，都僅僅是基於概率的思想來描述測點，與該測點的真實隔離故障能力並不完全相符，往往存在偏差。另外，該類方法都是基於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並不能得到最優解，而通常僅得到次優解或者近優解。2)基於圖搜索算法文獻3和文獻4 (楊成林等基於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，然後依次選擇各個測點進行擴展，擴展 過程基於A*算法實現。基本思想是通過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規定只有序號大於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餘節點的產生，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於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，採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，則會導致算法複雜度增加。另外多條屬性也是從資訊理論角度進行評價，同樣也會造成評價的選擇不準確的問題。3)基於GA等智能算法基於單目標優化的GA實現測試點的優化選取，是由Golonek等人於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，然後隨機生成初始種群，針對該種群重複進行選擇，交叉，變異等基本生物進化操作，最後達到一定的進化迭代次數後，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)由於染色體的確定是採用了單倍體的原則，因而當系統規模增大時，染色體長度也隨之變長。通常，當總測試點數目超過30後，染色體的長度將直接導致算法運行速度很慢，從而影響算法效率。在應用於大規模複雜系統時，算法效率非常低，從而導致其實用性較差；b)另外，由於智能算法的隨機本質，不能保證每次都能找到最優解，很多時候找到的是次優解。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。在此基礎上，本發明提出了基於分支限界算法，能夠確保找到一個最小測試集合，而且算法速度較快。

發明內容
本發明的目的在於，提出一種複雜系統測試優選的實現方法，用於解決現有的複雜系統測試優選方法存在的問題。為了實現上述目的，本發明提出的技術方案是，一種複雜系統測試優選的實現方法，其特徵是所述方法包括
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，其餘故障則定義為冗餘故障，刪除冗餘故障；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，其餘測試則定義為冗餘測試，刪除冗餘測試;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，然後針對每一個模糊組，如果當前節點剩餘可選擇的測試點，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)從當前節點所剩餘的測試點中，任選一個測試點，將其加入集合labels. Tl中，並且在當前子系統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，並且在矩陣labels. MC中刪除該測試點所對應的列，從而得到分裂後的另一個節點；73)把分裂得到的兩個節點加入集合labels, set中，並從中刪除當前節點；74)返回步驟3。
所述判斷當前節點是否為葉子節點具體是，當滿足下列條件之一時，當前節點為葉子節點；I)如果集合labels. Tl和集合labels. T2包括所有的測試點；2)如果當前節點的下限超過當前記錄的上限；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)如果當前節點的下限大於矩陣labels. MC的列rest_tp。所述當前節點的下限的計算方法是，先用原始系統中的獨立故障總數目扣除集合labels. Tl所能診斷的故障數目，即得到當前節點尚待診斷的故障Fm ;再在矩陣labels. MC中，針對尚待診斷的故障集所對應的行矩陣中，計算各個測試點所包含的不同元素的數目，其中最大的一個定為Nm ;最後根據公式= IogJ^+算當前節點的下限。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集合labels. Tl確定當前節點尚不能被獨立完全隔離開的故障的模糊組，然後針對矩陣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。本發明考慮到測點選擇與故障診斷之間的關係，設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點，從而避免過度搜索；該方法確保搜索到最優測試點，而且具有滿意的快速性，可以應用於大型複雜系統。


圖I是故障診斷矩陣的一般形式；圖2是複雜系統測試優選的實現方法流程圖；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是節點O處規則2的應用過程；圖6是求上限測點集的過程；圖7是濾波器完整的搜索節點圖8是濾波器搜索各節點的子系統故障診斷矩陣labels. MC示意圖。
具體實施例方式下面結合附圖，對優選實施例作詳細說明。應該強調的是，下述說明僅僅是示例性的，而不是為了限制本發明的範圍及其應用。本發明提供的方法是針對故障診斷表來實現的。所謂故障診斷表的具體形式如圖I所示，矩陣的行對應不同故障，列對應於不同測試。矩陣中元素為I表示其列對應的測試能夠檢測其行所對應的故障，為O表示其列對應的測試不能夠檢測其行所對應的故障。圖2是複雜系統測試優選的實現方法流程圖。圖2中，複雜系統測試優選的實現方法包括步驟I :對待測系統進行初始化。將原始待解決的問題定義成初始節點labels = {C，Φ, Φ}，其中C為原始待求解的系統故障診斷矩陣。需要說明的是，該發明中將分支定界搜索過程中每一個節點信息用labels表示，它包含三部分信息labels = {MC, T1, T2I :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。設定初始搜索上限值為U,其初值為無窮大。設定solution存放當前搜索到的有效解。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，其餘故障則定義為冗餘故障，刪除冗餘故障。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，其餘測試則定義為冗餘測試，刪除冗餘測試。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，然後針對每一個模糊組，如果當前節點剩餘可選擇的測試點，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 ;否則，執行步驟7。判斷當前節點是否為葉子節點具體是，當滿足下列條件之一時，當前節點為葉子節點；I)如果集合labels. Tl和集合labels. T2包括所有的測試點；2)如果當前節點的下限超過當前記錄的上限；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)如果當前節點的下限大於矩陣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當前節點的下限的計算方法是，先用原始系統中的獨立故障總數目扣除集合labels. Tl所能診斷的故障數目，即得到當前節點尚待診斷的故障Fm ;再在矩陣labels. MC中，針對尚待診斷的故障集所對應的行矩陣中，計算各個測試點所包含的不同元素的數目，其中最大的一個定為Nm ;最後根據公式Zi = 1<^1計算當前節點的下限。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集合labels. Tl確定當前節點尚不能被獨立完全隔離開的故障的模糊組，然後針對矩陣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函數具體實現如下針對當前已選定測點labels. Tl所確定的尚待進一步區分的故障模糊組,如果當前節點labels. MC中的測試不可能對其區分，則該函數輸出Isdiagn為1，為葉節點；否則，函數輸出為0，不是葉節點。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solution為空，或者labels. Tl中測點數目少於solution時，則替換solution為labels. Tl,替換U為new_U。步驟7 :將當前節點分裂為兩個子節點，包括71)從當前節點所剩餘的測試點中，任選一個測試點，將其加入集合labels. Tl中，並且在當前子系統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，並且在矩陣labels. MC中刪除該測試點所對應的列，從而得到分裂後的另一個節點。73)把分裂得到的兩個節點加入集合labels, set中，並從中刪除當前節點。74)返回步驟3。以濾波器為例詳細闡述本發明的實施過程。濾波器的電路如圖3所示，其所對應的整數編碼故障診斷矩陣如圖4所示。其行對應不同的故障，列則對應不同的測點。矩陣元素為I表示該元素所對應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，其labels. MC對應原始故障診斷矩陣，labels. Tl，labels. T2均為空。U存放當前找到的數目最小的上限測試點集所對應的數目，將其初始化為無窮大，new_U對應當前接節點所找到的上限測點集所對應的數目。如果new_U < U且new_U不為0，則將U替換為new_U。Tl存放當前節點的上限測點集。詳細的搜索節點圖如圖7所示。
對節點O的初始矩陣應用規則1，依次發現故障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，否則無法區分故障3和故障11。同樣道理，要區分故障4和故障19必須選擇測試點3，要區分故障4和故障21必須選擇7，要區分故障8和故障11必須選擇2，要區分故障10和故障12必須選擇I。因而，應用規則I後，得到labels. Tl = [I, 2，3，4，7，11], labels. MC如圖6中未加陰影部分。應用規則2，由於此時的labels. MC沒有全O或者全I的列，因而規則2不進行任何操作。上限測點集選擇時，由於此時labels. Tl = [1,2, 3,4, 7, 11]已經能隔離22個故障，尚未隔離開的故障有2個。針對尚未隔離的故障，考慮剩餘的測試點[5，6，8，9，10，12]，所構成的診斷矩陣如圖6中未加陰影部分，選擇其中隔離故障數目最大的測點，當同時有多個測點的隔離故障能力相同時，則選擇它們當中的第一個，如圖6中虛框所示，這裡選擇測試點8，之後即可實現全部的故障隔離，因而，上限測點集為[1,2,3,4,7,8,11],上限為7 ;然後計算標誌Yn1 (labels. Tl是否為有效解)，yn2 (是否是葉節點)。此節點的兩個標誌分別為0，0，因而需要對其進行分裂。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分別執行選入和刪除操作。例中選擇測點5，執行選入操作得到節點1，執行刪除操作得到節點2，其子系統矩陣如圖8所示。對於節點I,其標誌Yripyn2分別為O,此時U已經更新為7。由於yn2=0,所以需要對其進行分裂，選擇測點10，得到節點3，4，其子系統矩陣如圖8b所示。對於節點2，其標誌yni、yn2分別為0，1，由於下限LB=8〉7因而該節點確定為葉節點，從而被刪除。對於節點3，其標誌yni、yn2分別為0，由於yn2=0，所以需要對其進行分裂，選擇測點9，得到節點5，6，其子系統矩陣如圖8c所示。對於節點4，其標誌yni、yn2分別為1，1，因而該節點確定為葉節點，從而被刪除。對於節點5，其標誌yni、yn2分別為0，由於yn2=0，所以需要對其進行分裂，選擇測點6，得到節點7，8，其子系統矩陣如圖8d所示。對於節點6，其標誌yni、yn2分別為1，1，因而該節點確定為葉節點，從而被刪除。對於節點7，其標誌yni、yn2分別為0，由於yn2=0，所以需要對其進行分裂，選擇測點8，得到節點9，10，其子系統矩陣如圖8e所示。對於節點8，其標誌yni、yn2分別為1，1，由於下限LB=8〉7，因而該節點確定為葉節點，從而被刪除。對於節點9,其標誌ynp yn2分別為O, I由於Isdiagn=I,即考慮尚未診斷故障,剩餘節點不能將其進行區分，從而yn2=I,所以該節點確定為葉節點,從而被刪除。對於節點10，其標誌Yi^yn2分別為1，1，因而該節點確定為葉節點，從而被刪除。至此為止，搜索算法結束，算法搜索到的最優解共三個分別為節點O處的Tl，節點4，節點6，節點10處的labels. Tl，這裡節點O處的Tl和節點10處的labels. Tl是完全相同的，因而被當作一個。以上所述，僅為本發明較佳的具體實施方式
，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明揭露的技術範圍內，可輕易想到的變化或替換，都應涵蓋在本發明的保護範圍之內。因此，本發明的保護範圍應該以權利要求的保護範圍為準。·
權利要求
1.一種複雜系統測試優選的實現方法，其特徵是所述方法包括 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，其餘故障則定義為冗餘故障，刪除冗餘故障; 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，其餘測試則定義為冗餘測試，刪除冗餘測試； 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，然後針對每一個模糊組，如果當前節點剩餘可選擇的測試點，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，包括 71)從當前節點所剩餘的測試點中，任選一個測試點，將其加入集合labels.Tl中，並且在當前子系統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，並且在矩陣labels. MC中刪除該測試點所對應的列，從而得到分裂後的另一個節點； 73)把分裂得到的兩個節點加入集合labels,set中，並從中刪除當前節點； 74)返回步驟3。
2.根據權利要求I所述的方法，其特徵是所述判斷當前節點是否為葉子節點具體是，當滿足下列條件之一時，當前節點為葉子節點；O如果集合labels. Tl和集合labels. T2包括所有的測試點； 2)如果當前節點的下限超過當前記錄的上限； 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)如果當前節點的下限大於矩陣labels.MC的列rest_tp。
3.根據權利要求2所述的方法，其特徵是所述當前節點的下限的計算方法是，先用原始系統中的獨立故障總數目扣除集合labels. Tl所能診斷的故障數目，即得到當前節點尚待診斷的故障Fm ;再在矩陣labels. MC中，針對尚待診斷的故障集所對應的行矩陣中，計算各個測試點所包含的不同元素的數目，其中最大的一個定為Nm ;最後根據公式/Λ = log't.'計算當前節點的下限。
4.根據權利要求2所述的方法，其特徵是所述集合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.根據權利要求3所述的方法，其特徵是所述集合labels.Tl所確立的模糊組不可診斷的判定方法為先根據集合labels. Tl確定當前節點尚不能被獨立完全隔離開的故障的模糊組，然後針對矩陣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
本發明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複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，並把分裂得到的兩個節點加入集合labels.set中，並從中刪除當前節點，而後處理集合labels_set中的其他節點。本發明確保搜索到最優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 優先權日2012年9月27日
發明者陳曉梅, 李瑞靜 申請人:華北電力大學