为保证各类电子设备,尤其是对于武器装备和航天航空器等一类高精尖设备工作状态的平稳和安全,日常的检修和保养工作必不可少。随着集成化、精密化程度的提高,存在检测费用高昂和检测难度增大等问题,所以需要对其进行测试性分析与设计。通过分析,能够优化测试点布局,提高诊断效率、降低测试成本,同时增强设备的可靠性与可维护性。因此,本文围绕电子系统测试性的辅助分析与设计这一项技术展开研究,其中重点研究多故障诊断的最优测试序列生成问题,主要内容如下:（1）针对多故障诊断问题,提出了一种基于双测试序列的诊断方式并研究了两种算法。基于遗传算法,通过引入精英策略和翻转交叉算子加快收敛速度并解决后期种群相似度过高的问题;基于差分进化算法,使用一种多种群架构集合了多种算法的优点,从而提高该算法故障诊断能力的综合性能;最后结合信息熵算法和哈夫曼编码,实现了两种多故障诊断算法。在基于该算法的诊断过程中,为满足多故障诊断的复杂要求,相比较传统的单条测试序列,另一条辅助序列被用于在寻优过程精准锁定每个多故障源的诊断路径。通过多个实验案例的对比和分析表明,这种方式能够在保证故障隔离率的同时,有效降低测试成本。（2）为提高多故障诊断策略的实用性,实现了可控源故障数量的功能。考虑到多故障诊断策略中,实际上是有一部分分支的生成是比较浪费的,如其中一条分支对应所有单元同时发生故障,而这种情况出现的概率极其微小,在实际测试中几乎不可能使用。所以,一种可以调控源故障最大数量的诊断方法被提出并实现,通过设定并发的故障数量最大值,从而避免了算法在不必要分支上的探索。经过结果的对比分析,该算法不仅能够对多故障诊断有不错的表现,且当源故障数量降为1时,具有等效的单故障诊断能力。（3）基于NShape开源框架,实现了测试性辅助分析与设计的软件。基于多信号流图模型对系统进行结构分析和建模,通过组成模块的设计、测试点的插入、模块信号的流通和故障诊断算法的嵌入,使得测试性辅助分析与设计整个过程具有友好的人机交互界面,并再次通过案例的测试,证明了该算法与软件的可行性。