一种复杂系统测试优选的实现方法

专利名称：一种复杂系统测试优选的实现方法
技术领域：
本发明属于装备生产和维修过程中的测试诊断技术领域，尤其涉及一种复杂系统测试优选的实现方法。
背景技术：
随着科学技术的发展，现代化装备或系统构成组件越来越多，功能越来越复杂。系统中物理测点众多，而测试种类繁多。而要想对这样复杂的系统或装备进行故障诊断，必须首先进行测试，测试是获取诊断所需信息的重要手段。没有完备的测试，不能获取充足的信息量，则很难保证故障诊断的精确性。然而面对如此庞大的可行测试集合，如何选择最少数目的测试，以满足故障诊断的要求，是进行诊断之前必须解决的一个重要问题。如果能够在诊断之前完成有效的测试选择，既可以克服诊断时选取测试的盲目性，又可以降低测试数目，从而节省测试成本，还能保证较高的诊断精度。 测试优选方法很多，目前典型的方法有I)基于信息论的方法该方法的基本思路是基于信息论确定一个测试点的评价指标，比如信息熵E(j)，测点信息量ICN，信息含量I(y)等，然后以此为依据单步前向寻优的方式来逐渐选出局部最优测试点。其中应用最广的当数信息熵了。基于信息熵的测试点优选算法由文献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。其主导思想是根据每个模糊集的基数来评价每个故障被隔离的可能性。假设对于某个测试点Hj有k个不互相重叠的模糊集，并且是与测试点和整数编码i相关联的模糊集中故障的数目。故障被从模糊组*V/隔离开的概率大致为If，其中f是字典中所列出的所有故障数目。假设测试点是相互独立的，并且每个故障发生的可能性是均等的，则对于某个特定的测试点而言，信息熵E(j)定义成!'{ /) = Y Iog I],
i=\ ' '因为在给定字典中中，所有故障的数目f是固定的，在上式中，某个特定测试点Iij的信息含量I(j)会随着熵E(j)的最小化而最大化。如果具有最小值E(j)测试点Iij被添加到期望测试点集Ν_中，则这举将保证了 Ν_中信息的最大增长幅度。因此包含(inclusive)策略保证在测试点选择的每个阶段都能获取最大的故障诊断。文献 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)中定义的ICN，其本质上是测试点Hj所能隔离的故障数qj。在进行测试点选择过程中，取maXj(qj)，即I CN越大说明该测点越好。
文献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，其本质上是ICN指标的一个变形。然而基于信息论的测试点优选方法存在一定的局限性一方面，基于信息论所定义的各种测点的评价指标，都仅仅是基于概率的思想来描述测点，与该测点的真实隔离故障能力并不完全相符，往往存在偏差。另外，该类方法都是基于单步向前优化的思想，每次选择一个所谓最优测试点添加到最优测试点集合中，只能保证局部优化，不能保证全局优化。因此，该类方法的选取结果往往并不能得到最优解，而通常仅得到次优解或者近优解。2)基于图搜索算法文献3和文献4 (杨成林等基于启发式图搜索的最小测试点集优选新算法[J]仪器仪表学报第29卷第12期，2008，12. 2497-2503页)把测点选择过程归结成图节点的扩展过程。在一个有向图中，根节点代表待解决的问题，然后依次选择各个测点进行扩展，扩展 过程基于A*算法实现。基本思想是通过设定合适的启发函数，全面评估各扩展搜索节点的代价值，通过比较各扩展节点代价值的大小，选择最有希望的点加以扩展，直到找到目标节点为止。如果出现某个节点y，其中已经没有未隔离故障，则表明初始问题的解已经得到。从节点I到根节点S的路径上用到的测点构成了最小测点集，即最优解。图节点的扩展过程仍然遵循文献3中的规则I和规则2。规则I规定只有序号大于从其父节点扩展到当前节点时所用到的测点号的那些测点才可以做可用测点，确保在图节点扩展过程中避免冗余节点的产生，从而提高搜索效率。规则2规定当扩展某个图节点的可用测点小于需要测点数目的下界时，故障一定不能被完全隔离，由此路径不能得到最优解。规则2进一步减少了图节点的扩展节点。A*算法是一种智能搜索算法，理论上能保证全局最优解的收敛性。换句说，理论上利用A*算法一定能找到一条最优路径，即一定能找到最小测点集。最小测点集由从根节点到目标节点上的测点构成。然而此种方法存在的问题是当启发函数f(x)相等时，A*算法则陷入了死节点。此时，采用信息熵进行区分则带有一定主观性，实际操作中会造成测试点选择不准确，而引入多属性决策来评价来区分各个节点，则会导致算法复杂度增加。另外多条属性也是从信息论角度进行评价，同样也会造成评价的选择不准确的问题。3)基于GA等智能算法基于单目标优化的GA实现测试点的优化选取，是由Golonek等人于2007年在文献 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，在文献 6 (international journal of modeling, identification and control)提出了多目标GA优化算法来实现测试点的优化选取。此类方法的基本思想是将测试点按照单倍体原则来确定染色体，然后随机生成初始种群，针对该种群重复进行选择，交叉，变异等基本生物进化操作，最后达到一定的进化迭代次数后，选择确定最优的测试点集合。然而，该类方法存在着如下不足a)由于染色体的确定是采用了单倍体的原则，因而当系统规模增大时，染色体长度也随之变长。通常，当总测试点数目超过30后，染色体的长度将直接导致算法运行速度很慢，从而影响算法效率。在应用于大规模复杂系统时，算法效率非常低，从而导致其实用性较差；b)另外，由于智能算法的随机本质，不能保证每次都能找到最优解，很多时候找到的是次优解。上述三类方法的共同局限是不能保证一定找到最小测试集合。在此基础上，本发明提出了基于分支限界算法，能够确保找到一个最小测试集合，而且算法速度较快。

发明内容
本发明的目的在于，提出一种复杂系统测试优选的实现方法，用于解决现有的复杂系统测试优选方法存在的问题。为了实现上述目的，本发明提出的技术方案是，一种复杂系统测试优选的实现方法，其特征是所述方法包括
步骤I :对待测系统进行初始化；设定当前节点对应待测系统的故障诊断矩阵为labels. MC，在当前节点处已选的测试点集合为labels. Tl，当前节点处确定不选的测试点集合为labels. T2，待处理的节点集合为 labels_set ；步骤2 :对待测系统故障诊断矩阵labels. MC进行预处理；如果待测系统故障诊断矩阵中的两行及两行以上完全相同，则称其所对应的故障是等价的；在等价故障中，只需保留一个代表故障，其余故障则定义为冗余故障，删除冗余故障；如果待测系统故障诊断矩阵中的两列及两列以上完全相同，则称其所对应的测试是等价的，在等价测试中，只需保留一个代表测试，其余测试则定义为冗余测试，删除冗余测试;步骤3 :判断集合为labels_set是否为空集合,如果集合labels_set为空集合，则结束；否则，执行步骤4;步骤4 :从集合labels_set中选择一个节点作为当前节点，对当前节点进行预处理，包括41)将当前节点所必选测试点和必删测试点分别添加到集合labels. Tl和集合labels. T2 中；42)求得使集合labels. Tl尚不能独立隔离诊断的故障模糊组，然后针对每一个模糊组，如果当前节点剩余可选择的测试点，即当前节点对应待测系统的故障诊断矩阵labels. MC各个列中，存在一列，使得该模糊组内的两个故障只有这一列是差异的，则该列所对应的测试点一定应该选入集合labels. Tl中；43)如果当前节点对应待测系统的故障诊断矩阵labels. MC存在各元素全为O或者全为I的列，则将这些列添加到集合labels. T2中，即这些列对诊断没有任何意义，将其删除；步骤5 :计算当前节点的上限new_U,具体是找出当前节点所包含的测试中诊断能力最强的测试加入到集合labels. Tl中；所述诊断能力最强的测试是指该测试点加上labels. Tl中的测试，其所能唯一诊断隔离的故障数目最多；
步骤6 :判断当前节点是否为叶子节点，如果当前节点是叶子节点，则返回步骤3 ；否则，执行步骤7;步骤7 :将当前节点分裂为两个子节点，包括71)从当前节点所剩余的测试点中，任选一个测试点，将其加入集合labels. Tl中，并且在当前子系统labels. MC中删除该测试点所对应的列，得到一个分裂节点；72)将任选的这个测试点加入到集合labels. T2中，并且在矩阵labels. MC中删除该测试点所对应的列，从而得到分裂后的另一个节点；73)把分裂得到的两个节点加入集合labels, set中，并从中删除当前节点；74)返回步骤3。
所述判断当前节点是否为叶子节点具体是，当满足下列条件之一时，当前节点为叶子节点；I)如果集合labels. Tl和集合labels. T2包括所有的测试点；2)如果当前节点的下限超过当前记录的上限；3)如果集合labels. Tl是有效解；4)如果集合labels. Tl所确立的模糊组不可诊断；5)如果当前节点的下限大于矩阵labels. MC的列rest_tp。所述当前节点的下限的计算方法是，先用原始系统中的独立故障总数目扣除集合labels. Tl所能诊断的故障数目，即得到当前节点尚待诊断的故障Fm ;再在矩阵labels. MC中，针对尚待诊断的故障集所对应的行矩阵中，计算各个测试点所包含的不同元素的数目，其中最大的一个定为Nm ;最后根据公式= IogJ^+算当前节点的下限。所述集合labels. Tl是有效解的判定方法为如果集合labels. Tl全部覆盖隔离诊断的故障，则集合labels. Tl为有效解；否则，集合labels. Tl不为有效解。所述集合labels. Tl所确立的模糊组不可诊断的判定方法为先根据集合labels. Tl确定当前节点尚不能被独立完全隔离开的故障的模糊组，然后针对矩阵labels. MC，依次查看每个模糊组是否存在不可诊断的情况，即模糊组故障所对应的矩阵labels. MC行中是否存在至少两行的行向量完全相同；如果存在，则集合labels. Tl所确立的模糊组是不可诊断的，否则，集合labels. Tl所确立的模糊组是可诊断的。本发明考虑到测点选择与故障诊断之间的关系，设计了上限和下限的计算方法，从而既保证分支定界法具有足够的搜索能力，有能够及时删除无效节点，从而避免过度搜索；该方法确保搜索到最优测试点，而且具有满意的快速性，可以应用于大型复杂系统。


图I是故障诊断矩阵的一般形式；图2是复杂系统测试优选的实现方法流程图；图3是leapfrog滤波器原理图；图4是leapfrog滤波器的故障诊断矩阵列表；图5是节点O处规则2的应用过程；图6是求上限测点集的过程；图7是滤波器完整的搜索节点图8是滤波器搜索各节点的子系统故障诊断矩阵labels. MC示意图。
具体实施例方式下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。本发明提供的方法是针对故障诊断表来实现的。所谓故障诊断表的具体形式如图I所示，矩阵的行对应不同故障，列对应于不同测试。矩阵中元素为I表示其列对应的测试能够检测其行所对应的故障，为O表示其列对应的测试不能够检测其行所对应的故障。图2是复杂系统测试优选的实现方法流程图。图2中，复杂系统测试优选的实现方法包括步骤I :对待测系统进行初始化。将原始待解决的问题定义成初始节点labels = {C，Φ, Φ}，其中C为原始待求解的系统故障诊断矩阵。需要说明的是，该发明中将分支定界搜索过程中每一个节点信息用labels表示，它包含三部分信息labels = {MC, T1, T2I :设定当前节点对应待测系统的故障诊断矩阵为labels. MC,在当前节点处已选的测试点集合为labels. Tl,当前节点处确定不选的测试点集合为labels. T2，待处理的节点集合为labels_set。设定初始搜索上限值为U,其初值为无穷大。设定solution存放当前搜索到的有效解。步骤2 :对待测系统故障诊断矩阵labels. MC进行预处理。·
如果待测系统故障诊断矩阵中的两行及两行以上完全相同，则称其所对应的故障是等价的；在等价故障中，只需保留一个代表故障，其余故障则定义为冗余故障，删除冗余故障。如果待测系统故障诊断矩阵中的两列及两列以上完全相同，则称其所对应的测试是等价的，在等价测试中，只需保留一个代表测试，其余测试则定义为冗余测试，删除冗余测试。步骤3 :判断集合为labels_set是否为空集合,如果集合labels_set为空集合，则结束；否则，执行步骤4。步骤4 :从集合labels_set中选择一个节点作为当前节点，对当前节点进行预处理，包括41)将当前节点所必选测试点和必删测试点分别添加到集合labels. Tl和集合labels. T2 中。42)求得使集合labels. Tl尚不能独立隔离诊断的故障模糊组，然后针对每一个模糊组，如果当前节点剩余可选择的测试点，即当前节点对应待测系统的故障诊断矩阵labels. MC各个列中，存在一列，使得该模糊组内的两个故障只有这一列是差异的，则该列所对应的测试点一定应该选入集合labels. Tl中。43)如果当前节点对应待测系统的故障诊断矩阵labels. MC存在各元素全为O或者全为I的列，则将这些列添加到集合labels. T2中，即这些列对诊断没有任何意义，将其删除。步骤5 :计算当前节点的上限new_U,具体是找出当前节点所包含的测试中诊断能力最强的测试加入到集合labels. Tl中；所述诊断能力最强的测试是指该测试点加上labels. Tl中的测试，其所能唯一诊断隔离的故障数目最多。步骤6 :判断当前节点是否为叶子节点，如果当前节点是叶子节点，则返回步骤3 ;否则，执行步骤7。判断当前节点是否为叶子节点具体是，当满足下列条件之一时，当前节点为叶子节点；I)如果集合labels. Tl和集合labels. T2包括所有的测试点；2)如果当前节点的下限超过当前记录的上限；3)如果集合labels. Tl是有效解；4)如果集合labels. Tl所确立的模糊组不可诊断；
5)如果当前节点的下限大于矩阵labels. MC的列rest_tp。即用公式表示，则有
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当前节点的下限的计算方法是，先用原始系统中的独立故障总数目扣除集合labels. Tl所能诊断的故障数目，即得到当前节点尚待诊断的故障Fm ;再在矩阵labels. MC中，针对尚待诊断的故障集所对应的行矩阵中，计算各个测试点所包含的不同元素的数目，其中最大的一个定为Nm ;最后根据公式Zi = 1<^1计算当前节点的下限。集合labels. Tl是有效解的判定方法为如果集合labels. Tl全部覆盖隔离诊断的故障，则集合labels. Tl为有效解；否则，集合labels. Tl不为有效解。集合labels. Tl所确立的模糊组不可诊断的判定方法为先根据集合labels. Tl确定当前节点尚不能被独立完全隔离开的故障的模糊组，然后针对矩阵labels. MC，依次查看每个模糊组是否存在不可诊断的情况，即模糊组故障所对应的矩阵labels. MC行中是否存在至少两行的行向量完全相同；如果存在，则集合labels. Tl所确立的模糊组是不可诊断的，否则，集合labels. Tl所确立的模糊组是可诊断的。上述公式(I)中，Is_diag_ambiguity函数具体实现如下针对当前已选定测点labels. Tl所确定的尚待进一步区分的故障模糊组,如果当前节点labels. MC中的测试不可能对其区分，则该函数输出Isdiagn为1，为叶节点；否则，函数输出为0，不是叶节点。如果new_U<U，而且上限测点集是一个有效解，则替换solution为上限测点集，替换U为new_U。如果labels. Tl是一个有效解且new_U < U时，当solution为空，或者labels. Tl中测点数目少于solution时，则替换solution为labels. Tl,替换U为new_U。步骤7 :将当前节点分裂为两个子节点，包括71)从当前节点所剩余的测试点中，任选一个测试点，将其加入集合labels. Tl中，并且在当前子系统labels. MC中删除该测试点所对应的列，得到一个分裂节点。72)将任选的这个测试点加入到集合labels. T2中，并且在矩阵labels. MC中删除该测试点所对应的列，从而得到分裂后的另一个节点。73)把分裂得到的两个节点加入集合labels, set中，并从中删除当前节点。74)返回步骤3。以滤波器为例详细阐述本发明的实施过程。滤波器的电路如图3所示，其所对应的整数编码故障诊断矩阵如图4所示。其行对应不同的故障，列则对应不同的测点。矩阵元素为I表示该元素所对应的测点能够检测该故障。为O反之。初始化labels = {MC, T1, T2}为原始系统，其labels. MC对应原始故障诊断矩阵，labels. Tl，labels. T2均为空。U存放当前找到的数目最小的上限测试点集所对应的数目，将其初始化为无穷大，new_U对应当前接节点所找到的上限测点集所对应的数目。如果new_U < U且new_U不为0，则将U替换为new_U。Tl存放当前节点的上限测点集。详细的搜索节点图如图7所示。
对节点O的初始矩阵应用规则1，依次发现故障3和故障11两行只有第4个测试点不同。因而测点4必须选入labels. Tl，否则无法区分故障3和故障11。同样道理，要区分故障4和故障19必须选择测试点3，要区分故障4和故障21必须选择7，要区分故障8和故障11必须选择2，要区分故障10和故障12必须选择I。因而，应用规则I后，得到labels. Tl = [I, 2，3，4，7，11], labels. MC如图6中未加阴影部分。应用规则2，由于此时的labels. MC没有全O或者全I的列，因而规则2不进行任何操作。上限测点集选择时，由于此时labels. Tl = [1,2, 3,4, 7, 11]已经能隔离22个故障，尚未隔离开的故障有2个。针对尚未隔离的故障，考虑剩余的测试点[5，6，8，9，10，12]，所构成的诊断矩阵如图6中未加阴影部分，选择其中隔离故障数目最大的测点，当同时有多个测点的隔离故障能力相同时，则选择它们当中的第一个，如图6中虚框所示，这里选择测试点8，之后即可实现全部的故障隔离，因而，上限测点集为[1,2,3,4,7,8,11],上限为7 ;然后计算标志Yn1 (labels. Tl是否为有效解)，yn2 (是否是叶节点)。此节点的两个标志分别为0，0，因而需要对其进行分裂。分裂的方法是任意选labels. MC中的一个测试点，将其加入labels. Tl和labels. T2中，SP分别执行选入和删除操作。例中选择测点5，执行选入操作得到节点1，执行删除操作得到节点2，其子系统矩阵如图8所示。对于节点I,其标志Yripyn2分别为O,此时U已经更新为7。由于yn2=0,所以需要对其进行分裂，选择测点10，得到节点3，4，其子系统矩阵如图8b所示。对于节点2，其标志yni、yn2分别为0，1，由于下限LB=8〉7因而该节点确定为叶节点，从而被删除。对于节点3，其标志yni、yn2分别为0，由于yn2=0，所以需要对其进行分裂，选择测点9，得到节点5，6，其子系统矩阵如图8c所示。对于节点4，其标志yni、yn2分别为1，1，因而该节点确定为叶节点，从而被删除。对于节点5，其标志yni、yn2分别为0，由于yn2=0，所以需要对其进行分裂，选择测点6，得到节点7，8，其子系统矩阵如图8d所示。对于节点6，其标志yni、yn2分别为1，1，因而该节点确定为叶节点，从而被删除。对于节点7，其标志yni、yn2分别为0，由于yn2=0，所以需要对其进行分裂，选择测点8，得到节点9，10，其子系统矩阵如图8e所示。对于节点8，其标志yni、yn2分别为1，1，由于下限LB=8〉7，因而该节点确定为叶节点，从而被删除。对于节点9,其标志ynp yn2分别为O, I由于Isdiagn=I,即考虑尚未诊断故障,剩余节点不能将其进行区分，从而yn2=I,所以该节点确定为叶节点,从而被删除。对于节点10，其标志Yi^yn2分别为1，1，因而该节点确定为叶节点，从而被删除。至此为止，搜索算法结束，算法搜索到的最优解共三个分别为节点O处的Tl，节点4，节点6，节点10处的labels. Tl，这里节点O处的Tl和节点10处的labels. Tl是完全相同的，因而被当作一个。以上所述，仅为本发明较佳的具体实施方式
，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。·
权利要求
1.一种复杂系统测试优选的实现方法，其特征是所述方法包括 步骤I:对待测系统进行初始化； 设定当前节点对应待测系统的故障诊断矩阵为labels. MC，在当前节点处已选的测试点集合为labels. Tl，当前节点处确定不选的测试点集合为labels. T2，待处理的节点集合为 labels_set ； 步骤2 :对待测系统故障诊断矩阵labels. MC进行预处理； 如果待测系统故障诊断矩阵中的两行及两行以上完全相同，则称其所对应的故障是等价的；在等价故障中，只需保留一个代表故障，其余故障则定义为冗余故障，删除冗余故障; 如果待测系统故障诊断矩阵中的两列及两列以上完全相同，则称其所对应的测试是等价的，在等价测试中，只需保留一个代表测试，其余测试则定义为冗余测试，删除冗余测试； 步骤3 :判断集合为labels_set是否为空集合,如果集合labels_set为空集合,则结束；否则，执行步骤4; 步骤4 :从集合labels_set中选择一个节点作为当前节点,对当前节点进行预处理,包括 41)将当前节点所必选测试点和必删测试点分别添加到集合labels.Tl和集合labels. T2 中； 42)求得使集合labels.Tl尚不能独立隔离诊断的故障模糊组，然后针对每一个模糊组，如果当前节点剩余可选择的测试点，即当前节点对应待测系统的故障诊断矩阵labels.MC各个列中，存在一列，使得该模糊组内的两个故障只有这一列是差异的，则该列所对应的测试点一定应该选入集合labels. Tl中； 43)如果当前节点对应待测系统的故障诊断矩阵labels.MC存在各元素全为O或者全为I的列，则将这些列添加到集合labels. T2中，即这些列对诊断没有任何意义，将其删除； 步骤5 :计算当前节点的上限new_U,具体是找出当前节点所包含的测试中诊断能力最强的测试加入到集合labels. Tl中；所述诊断能力最强的测试是指该测试点加上labels.Tl中的测试，其所能唯一诊断隔离的故障数目最多； 步骤6:判断当前节点是否为叶子节点，如果当前节点是叶子节点，则返回步骤3 ;否贝U，执行步骤7; 步骤7 :将当前节点分裂为两个子节点，包括 71)从当前节点所剩余的测试点中，任选一个测试点，将其加入集合labels.Tl中，并且在当前子系统labels. MC中删除该测试点所对应的列，得到一个分裂节点； 72)将任选的这个测试点加入到集合labels.T2中，并且在矩阵labels. MC中删除该测试点所对应的列，从而得到分裂后的另一个节点； 73)把分裂得到的两个节点加入集合labels,set中，并从中删除当前节点； 74)返回步骤3。
2.根据权利要求I所述的方法，其特征是所述判断当前节点是否为叶子节点具体是，当满足下列条件之一时，当前节点为叶子节点；O如果集合labels. Tl和集合labels. T2包括所有的测试点； 2)如果当前节点的下限超过当前记录的上限； 3)如果集合labels.Tl是有效解； 4)如果集合labels.Tl所确立的模糊组不可诊断； 5)如果当前节点的下限大于矩阵labels.MC的列rest_tp。
3.根据权利要求2所述的方法，其特征是所述当前节点的下限的计算方法是，先用原始系统中的独立故障总数目扣除集合labels. Tl所能诊断的故障数目，即得到当前节点尚待诊断的故障Fm ;再在矩阵labels. MC中，针对尚待诊断的故障集所对应的行矩阵中，计算各个测试点所包含的不同元素的数目，其中最大的一个定为Nm ;最后根据公式/Λ = log't.'计算当前节点的下限。
4.根据权利要求2所述的方法，其特征是所述集合labels.Tl是有效解的判定方法为如果集合labels. Tl全部覆盖隔离诊断的故障，则集合labels. Tl为有效解；否则，集合labels. Tl不为有效解。
5.根据权利要求3所述的方法，其特征是所述集合labels.Tl所确立的模糊组不可诊断的判定方法为先根据集合labels. Tl确定当前节点尚不能被独立完全隔离开的故障的模糊组，然后针对矩阵labels. MC,依次查看每个模糊组是否存在不可诊断的情况，即模糊组故障所对应的矩阵labels. MC行中是否存在至少两行的行向量完全相同；如果存在，则集合labels. Tl所确立的模糊组是不可诊断的，否则，集合labels. Tl所确立的模糊组是可诊断的。
全文摘要
本发明公开了装备生产和维修过程中的测试诊断技术领域中的一种复杂系统测试优选的实现方法。包括对待测系统进行初始化；对待测系统故障诊断矩阵labels.MC进行预处理；判断集合为labels_set是否为空集合，如果集合labels_set不为空集合，则从集合labels_set中选择一个节点作为当前节点，对当前节点进行预处理；计算当前节点的上限new_U；判断当前节点是否为叶子节点，如果当前节点是叶子节点，则处理集合labels_set中的其他节点；否则，将当前节点分裂为两个子节点，并把分裂得到的两个节点加入集合labels.set中，并从中删除当前节点，而后处理集合labels_set中的其他节点。本发明确保搜索到最优测试点且具有满意的快速性。
文档编号G06F11/36GK102902623SQ20121036636
公开日2013年1月30日 申请日期2012年9月27日 优先权日2012年9月27日
发明者陈晓梅, 李瑞静 申请人:华北电力大学