本发明属于系统级测试性优化设计
技术领域：
，更为具体地讲，涉及一种基于离散粒子群的测试性指标分配与测试选取联合算法。
背景技术：
：目前的电子系统故障诊断
技术领域：
多采用的是多信号模型的建模方法，系统模型的测试性指标分配也是基于多信号模型的，主要是将上层系统或模块的测试性指标分配到下层的子系统，子系统的划分之间并不存在交叉与重叠，保证了模块间物理的隔离，而且与系统硬件电路结合更加紧密。目前基于多信号模型的测试性指标分配的方法主要有经验分配法和线性插值分配法。在测试选取方面，通常是选择满足要求情况下测试成本最少的测试，属于寻优问题。但是随着技术发展，电子系统的规模越来越大，结构越来越复杂，在这种情况下，一个系统可能存在多个工作模式，每个工作模式会涉及不同的子系统。对于这种系统，为了保证每个工作模式下的测试性指标都能满足要求，需要对各个工作模式分别设置最低测试性指标要求。在测试选取方面，由于每个工作模式涉及的子系统不同，因此可用测试也不尽相同。而由于各个工作模式所包含的子系统之间可能存在交叉，因此采用传统的测试性指标分配或测试选取方法来实现以上要求是比较困难的，或者说实现复杂度较高，因此针对以上情况进行测试性指标分配方法与测试选取方法是很有必要的。技术实现要素：本发明的目的在于克服现有技术的不足，提供一种基于离散粒子群的测试性指标分配与测试选取联合算法，一次性实现存在多个工作模式的系统的测试性指标分配与测试选取。为实现上述发明目的，本发明基于离散粒子群的测试性指标分配与测试选取联合算法包括以下步骤：S1：首先根据系统信息得到系统的工作模式数量N、子系统数量H和测试数量M；获取各个子系统Sh的归一化失效率αh，其中h＝1,2,…,H，统计各个子系统Sh的失效模式，将子系统Sh的第s个失效模式记为fhs，其中s＝1,2,…,|Sh|，|Sh|表示子系统Sh的失效模式数量，将子系统Sh中第s个失效模式fhs的失效占比表示为phs，获取各个测试tm的归一化测试开销cm，其中m＝1,2,…,M，获取各个工作模式on与子系统Sh的对应关系矩阵K，其元素khn＝1表示工作模式on需要子系统Sh参与，khn＝0表示工作模式on无需子系统Sh参与；获取各个工作模式on与测试tm的对应关系矩阵T，其元素τmn＝1表示测试tm在工作模式on下可用，元素τmn＝0表示测试tm在工作模式on下不可用；获取各个测试tm对失效模式fhs的检测率矩阵D，其元素dhsm表示测试tm对失效模式fhs的检测率；S2：采用离散粒子群算法求解测试选取结果，其中粒子xi＝(xi1,xi2,…,xiM)中的元素xim表示当前粒子所对应的解中是否选择测试tm，当xim＝1表示测试tm被选中，xim＝0表示测试tm未被选中；迭代过程中所采用的适应度函数Fiti的表达式为：其中，puin的表达式为：Fn_min表示工作模式on的最低测试性指标要求，Fin表示根据粒子xi所选取测试计算得到的工作模式on的测试性指标；迭代求解后将最终求解得到的全局最优个体作为测试选取结果；S3：根据测试选取结果，计算各子系统Sh在工作模式on下的测试性指标分配值γhn，计算公式为：本发明基于离散粒子群的测试性指标分配与测试选取联合算法，首先获取系统中有关工作模式、子系统和测试的相关数据，然后采用离散粒子群算法求解测试选取结果，其中粒子中每个元素表示当前粒子所对应的解中是否选择对应测试，在适应度函数设计上，综合考虑了测试代价和测试性指标与要求的差距，将离散粒子群算法迭代求解的全局最优个体作为测试选取结果，根据测试选取结果即可计算各子系统在各个工作模式下的测试性指标分配值。本发明通过合理设计离散粒子群算法的粒子属性和适应度函数，一次性实现了存在多个工作模式的系统的测试性指标分配与测试选取。附图说明图1是本发明基于离散粒子群的测试性指标分配与测试选取联合算法的具体实施方式流程图。具体实施方式下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。在本发明中，将离散粒子群算法应用于系统级测试性优化设计，一次性实现测试性指标优化分配与测试优选。为了更好地说明本发明的技术方案，首先对本发明所基于的离散粒子群算法进行简要说明。粒子群算法(ParticleSwarmOptimization,PSO)是Kennedy和Eberhart受鸟群觅食行为的启发于1995年提出的一种基于种群的优化算法。基于群体中的个体(如粒子)行为及数学抽象发展了PSO算法，算法采用速度-位置模型，即PSO算法在允许范围内初始化为一群随机粒子(潜在解)，每个粒子都有一个速度决定它们的飞行方向和距离，在每一次迭代中通过跟踪两个极值来更新自己：粒子本身迄今为止所找到的个体极值Pbestid和整个种群迄今为止所找到的全局极值Gbestid。所有粒子的优劣由被优化对象所决定的适应值来衡量。设在一个M维的搜索空间，有Y个粒子组成一个群落，在PSO优化算法中第i个粒子的位置和速度可表示为:xi＝(xi1,xi2,...,xiM)和vi＝(vi1,vi2,...,viM),其中i＝1,2,…,Y；相应地，第i个粒子迄今为止搜索到的最优位置记录为整个粒子群迄今为止搜索到的最优位置为利用这些信息，PSO算法采用公式(1)(2)对第i个粒子的速度和位置进行更新。式中，为粒子i在第t次迭代的速度；m＝1,2,…,M；Vmin_m和Vmax_m是对粒子速度的最低和最高限制，粒子速度太高，容易远离目标区域，粒子速度太低容易陷入局部最优，不能选出最优粒子；q1、q2为加速常数；r1、r2是0到1之间的随机数；为粒子i在第t次迭代的位置。由于PSO算法具有快速收敛性和全局寻优能力强的特点，已被人们成功应用于很多领域。然而许多优化问题是在离散空间描述的，如旅行商问题、作业调度问题、路由规划问题等，因此Kennedy和Eberhart在1997年提出了离散二进制版本的PSO(discretebinaryparticleswarmoptimization,DPSO)算法，使得粒子群算法能更广泛地用于离散空间问题，他们在提出的模型中将每一维限制为1或者为0，而速度不作这种限制。用速度表示位置状态改变的可能性，用速度来更新位置时，如果值大一些，粒子的位置更有可能为1，值小一点则可能为0。速度既然是一个概率值，那么它应该限制在[0,1]之间，而Sigmoid函数(3)正具备有这种特点。DPSO所定义的粒子速度更新公式并没有改变，还是公式(1)，而位置公式(2)变为公式(4)：其中，rand为0～1的随机数。本发明利用离散粒子群算法的特点，提出了基于离散粒子群的测试性指标分配与测试选取联合算法。图1是本发明基于离散粒子群的测试性指标分配与测试选取联合算法的具体实施方式流程图。如图1所示，本发明基于离散粒子群的测试性指标分配与测试选取联合算法的具体步骤包括：S101：获取系统相关数据：首先根据系统信息得到系统的工作模式数量N、子系统数量H和测试数量M；获取各个子系统Sh的归一化失效率αh，其中h＝1,2,…,H，统计各个子系统Sh的失效模式，将子系统Sh的第s个失效模式记为fhs，其中s＝1,2,…,|Sh|，|Sh|表示子系统Sh的失效模式数量，将子系统Sh中第s个失效模式fhs的失效占比表示为phs，获取各个测试tm的归一化测试开销cm，其中m＝1,2,…,M，获取各个工作模式on与子系统Sh的对应关系矩阵K，其元素khn＝1表示工作模式on需要子系统Sh参与，khn＝0表示工作模式on无需子系统Sh参与；获取各个工作模式on与测试tm的对应关系矩阵T，其元素τmn＝1表示测试tm在工作模式on下可用，元素τmn＝0表示测试tm在工作模式on下不可用；获取各个测试tm对失效模式fhs的检测率矩阵D，其元素dhsm表示测试tm对失效模式fhs的检测率。假定某系统有3个工作模式，5个子系统，5个可用测试。那么矩阵K的示例为：以矩阵K的第3列为例，第1、3、4行的值为1，代表工作模式o3需要S1、S3、S4三个子系统正常工作才能完成，其余子系统与此工作模式无关。假定各子系统归一化失效率为：3个工作模式和5个可用测试的对应关系矩阵T为：以第1列为例，工作模式o1中可用测试为t1和t4，因此τ11＝τ41＝1。其它测试在此工作模式下不可用，那么τ21＝τ31＝τ51＝0。本实施例中假定每个子系统有两个失效模式。表1是检测率矩阵D的表格形式。dhsmt1t2t3t4t5f1100.90.30.90.3f1200.90.30.90.9f210.70000f220.70000f31000.70.70.7f32000.90.70.3f41000.70.70.7f42000.90.90.7f5100.3000.7f5200.9000.3表1如表1中d313＝0.7，表示测试t3能够将子系统S3的1号失效模式f31检测出来的概率为0.7。将子系统与失效模式关系，测试开销和失效模式失效率等信息汇总加入上述矩阵得到系统相关数据表。表2是本实施例中系统相关数据表。表2如表2所示，测试下方的括号内数据表示其测试开销，所有开销均进行了归一化。失效模式后面括号内数据表示其在子系统中的归一化失效概率。子系统后方的括号内数据表示其在系统中的归一化失效率。S102：基于离散粒子群的测试选取：要采用离散粒子群算法来联合进行测试性指标分配与测试选取，首先需要确定粒子的属性的适应度函数。在本发明中，测试性设计的目标是在满足测试性指标要求的情况下最小化测试(或测试性设计)的开销，由于要联合进行测试性指标分配与测试选取，因此在构建适应度函数时既要考虑测试性指标，也要考虑测试开销。首先对测试性指标分配进行分析。在工作模式on下，记系统最低测试性指标要求为Fn_min，因此有：0≤γhn≤1(9)其中，Fn表示工作模式on下系统在选定测试下的测试性指标，h表示子系统序号，n表示工作模式序号，αh表示子系统Sh的归一化失效率，khn表示子系统Sh是否属于工作模式on，γhn表示工作模式on下子系统Sh在选定测试后计算得到的测试性指标。由于共计有N个工作模式，因此(8)、(9)式约束条件有N个。结合测试选取，那么优化目标为在满足N个约束条件的情况下，最小化整体测试开销，用下式表示：其中，xm＝1表示测试tm被选中，xm＝0表示测试tm未被选中。那么子系统Sh在选定测试下，在工作模式on下计算得到的测试性指标γhn的表达式为：在测试性指标中，需要进行分配的指标主要是故障隔离率(FIR)、故障检测率(FDR)，其他可测试指标一般不用分配。因此以步骤S101示例中工作模式o2为例，给出其故障检测率的计算方法。由矩阵T可以看出，工作模式o2下可用测试为t2和t5，因此τ22＝τ52＝1。其它测试在此工作模式下不可用，τ12＝τ32＝τ42＝0。从矩阵K可以看出，此模式含有两个子系统S1和S5。因此k12＝k52＝1,k22＝k32＝k42＝1。那么故障检测率的计算公式为：假设测试t2和t5都被选择，即x2＝x5＝1。可以算出子系统S1的失效模式f11、f12在工作模式o2下的故障检测率分别为：不难算出，同理可以算出γ52＝0.818，所以有：其它工作模式的故障检测率计算方法与上述过程类似。以上是全部测试都被选中的情况，此时的归一化测试开销为1。如果2号工作模式的故障检测率最低要求为90％，显然97％的检测率可以适当降低，以减少测试成本。而本发明将离散粒子群算法用于解决此优化问题，在满足各个工作模式故障检测率要求的同时使得测试成本最低，同时实现从工作模式测试性指标到各子系统的测试性指标分配。根据以上分析可知，本发明的离散粒子群中，每个粒子xi＝(xi1,xi2,…,xiM)中的元素xim表示当前粒子所对应的解中是否选择测试tm，显然xim有两个可能取值，当xim＝1表示测试tm被选中，xim＝0表示测试tm未被选中。该粒子在种群中是否最优，用适应度函数来衡量。本发明中适应度函数主要包括所选测试的开销总和和测试性指标与要求的差距pun，pun的表达式为：显然，或pun越大，则个体越差。因此，本发明中定义粒子xi的适应度函数表达式为：其中，puin的表达式为：Fn_min表示工作模式on的最低测试性指标要求，Fin表示根据粒子xi所选取测试计算得到的工作模式on的测试性指标，其计算公式为：表示工作模式on下子系统Sh在粒子xi所选取测试下计算得到的测试性指标，根据公式(11)可知：显然，Fiti越大，所对应的粒子个体越好：所对应测试的成本越低且能满足测试性指标要求。因此，根据预设的最大迭代次数采用离散粒子群算法进行迭代求解，将最终得到的全局最优个体作为测试选取结果。S103：计算测试性指标分配值：根据测试选取结果，计算各子系统Sh在工作模式on下的测试性指标分配值γhn，根据公式(11)可知其计算公式为：实施例为了说明本发明的技术效果，采用一个具体系统实例进行实验验证。表3是本实施例中所采用的对象系统。表3如表3所示，本系统由7个子系统构成，总共有4个工作模式，各工作模式需要达到的最低故障检测率如表1第二行所示，即每个工作模式的最低故障检测率分别为FDR1_min＝0.85、FDR2_min＝0.7、FDR3_min＝0.85、FDR4_min＝0.7。第二列给出各子系统的归一化失效率。表4是各工作模式下的可用测试对应关系。o1o2o3o4t11000t21000t30100t40100t50010t60010t70001t80001t90010t100011表4如表4所示，本实施例中整个系统可用测试共计10个，表格中1表示对应工作模式下该测试可用，0表示不可用。表5是本实施例系统对应的测试矩阵。表5表5(续)如表5所示，本实施例中每个子系统有三个失效模式，表3中第三列为各失效模式在其子系统中的归一化失效率，第二行为各个测试的开销，其他元素为各测试对各失效模式的检测率。采用本发明的联合算法，获得的最优测试集为[1，1，1，1，1，0，0，0，0，1]。即1，2，3，4，5和10号测试被选中。根据各测试的测试开销，不难算出总的测试开销为0.5751。根据以上被选测试算出各工作模式下的故障检测率为FDR1＝0.8473，FDR2＝0.8684，FDR3＝0.8905，FDR4＝0.7516，满足要求。表6是各子系统在各模式下分配到的故障检测率。o1o2o3o4S10.8821000S2000.95970S30.9430000S4000.96470.6764S50.74790.83870.88570.6730S6000.82860S700.895000.8678表6根据以上具体实例可知，采用本发明基于离散粒子群的测试性指标分配与测试选取联合算法，可以一次性实现存在多个工作模式的系统的测试性指标分配与测试选取。尽管上面对本发明说明性的具体实施方式进行了描述，以便于本
技术领域：
的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本
技术领域：
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。当前第1页1 2 3