论文部分内容阅读
可测性是系统自身的一种特性,它体现了系统是否能够准确、及时的检测到其自身工作状态的能力,可测性的好坏直接决定了获取系统测试性信息的难易程度。随着系统复杂性和集成度的不断提高,系统测试和诊断的难度越来越大,然而人们对系统的测试性要求却越来越高。测试性建模与分析方法可以定量的评估一个系统的可测性指标,指导研发人员不断的改进可测性设计方案,提高产品的测试性水平,缩短产品的研发周期,节省产品的研发成本,帮助维修人员制定故障诊断和隔离策略,因此,研究测试性建模与分析方法具有重要的意义。本文将系统测试性指标分配、测试性建模、测试性分析、故障诊断策略优化结合起来构成测试性评价体系,对其进行深入的理论研究,在此基础上,开发系统测试性建模与分析软件。本文主要研究内容如下:首先,研究多信号流模型的建模原理、组成元素、数学模型以及建模步骤;研究基于多信号流模型的测试性分析方法;分析多信号流模型的优缺点,针对多信号流模型不能处理故障与测试之间不确定性关系的缺点,提出基于贝叶斯网络的测试性建模与分析方法。其次,研究系统测试性指标分配的原理、数学模型和经典算法,分析比较不同算法的优缺点;研究故障诊断策略优化算法,在测试性分析的基础上,将故障率和测试费用综合起来作为衡量标准,利用矩阵分割算法来优化故障诊断和故障隔离的测试序列。然后,研究Modelica多领域建模语言的语法及编译原理,对Modelica语言的建模机理进行改进,使其既能建立功能模型,又能建立测试性模型,在此基础上开发Modelica测试模型库。最后,开发系统测试性建模与分析软件,设计软件的总体方案和数据结构,完成建模平台、仿真模块、测试性分析模块、测试性指标分配模块和故障诊断策略优化模块的设计;利用开发的软件对具体实例进行建模、仿真、测试性指标分配、测试性分析和故障诊断策略制定,将测试性分析结果与TEAMS商业软件的分析结果进行比较,验证软件的实用性及可信度。