裝備系統測試性方案優化設計技術研究

陳希祥 邱 靜 劉冠軍

國防科學技術大學,長沙,410073

0 引言

測試性方案是指為了適應裝備測試維修的需要,確定各級維修中哪些項目要測試,何時(連續或定期)何地(哪個維修級別)利用何種技術手段對其進行診斷測試,以及相關測試資源的配置情況,是對裝備測試與診斷總的設想。裝備測試性方案優化設計的目標是根據任務要求合理地綜合應用各種測試手段與資源,通過數據、信息和知識的融合與共享,實現診斷功能的合理分配、診斷測試要素間的協同操作,有效地組織和配置各組成單元使其成為一個整體協同地起作用,以提供裝備在各級維修所需的最佳測試與診斷效能,并降低全壽命周期費用。在裝備測試性設計中,測試性方案的優化設計是核心工作[1-5]。

然而現有文獻對裝備測試性方案的研究長期處于經驗應用階段,并沒有開展更深的理論研究,對其內涵及關鍵使能技術不明確。鑒于此,本文在現有研究基礎上對裝備測試性方案優化的內涵進行拓展和完善,提出基于模型和多目標權衡的測試性方案權衡與優化設計研究思路,為構建適合于系統各壽命周期階段、面向不同維修級別的測試性方案奠定基礎。

1 測試性方案廣義信息描述模型

為了構建適合于裝備全壽命周期的測試性方案,需要采用形式化的方法,將各種與測試性方案設計相關的因素、數據與信息知識有效地組織起來,進行提取建模,建立完整的測試性方案廣義信息描述模型。該模型通過標記診斷測試環境中的物理實體(如裝備本身、測試設備等),行為實體(如測試行為、診斷推理行為、維修行為等),以及數據實體(如測試數據、診斷知識、可靠性和維修性數據及技術資料等)等結構組成來全面地描述裝備和各信息實體之間的關系,體現信息流動和交換過程。基于信息集成的測試性方案優化設計框圖如圖1所示。

測試性方案廣義信息描述模型面向裝備系統不同層次和級別的設計開發、測試與維修保障人員,建立在統一的、能支持不同應用系統的裝備信息交換標準之上,以實現裝備全壽命周期測試性設計信息的統一描述和測試性設計過程的信息集成共享,具有標準化、開放性、可擴展性、支持多領域應用與協同等特點,為設計人員提供有效的交互手段,保證設計、使用、維修的順利實施,適應并行工程的要求。

針對上述目標,從裝備系統對象、時域、模型3個不同維度建立測試性方案的廣義信息描述模型框架,如圖2所示。

(1)對象維。反映裝備系統本身的層次劃分,與約定的維修級別劃分相對應。針對不同的對象,在不同的壽命周期階段,其任務要求、消耗的測試資源范圍及其組織方式也不同,因而模型研究的側重點也不同。

(2)時域維。反映裝備的全壽命周期各階段組成。隨著時域各階段的推進,所研究對象及其對應的各種模型也將逐步得到完善與細化。

(3)模型維。反映裝備的模型組成與組織方式。其中,功能模型描述裝備的功能組成和各功能之間的信息交互情況;資源模型描述裝備各種測試資源與約束,包括測試資源配置和資源流模型;信息模型描述裝備的信息流動和信息處理的過程;過程模型描述測試與診斷的業務組成與各項業務之間的運行機制;組織模型描述裝備測試組織結構信息以及組織方式;任務模型描述裝備系統任務信息和測試任務信息,包括系統任務模型和測試任務模型;測試診斷模型描述測試與故障之間的關系。除此之外,還包括裝備系統的可靠性模型和維修保障模型。隨著研究對象及其所處壽命階段的不同,模型研究的深度與廣度也各有不同。

由此可見,測試性方案廣義信息描述模型和裝備系統模型不同。系統模型主要用來描述裝備的結構、行為及功能信息,而測試性方案信息描述模型除了包括系統模型之外,還涵蓋裝備故障與測試邏輯關系、對測試資源的占用約束關系、裝備可靠性和維修保障數據、人員與培訓信息等信息的描述,特別是可對測試性設計與分析過程中存在的非確定性因素進行完整描述。

建立裝備測試性方案的廣義信息描述模型可以指導測試性信息描述和標準化交換方法的開發,實現裝備測試性方案設計的全壽命化和并行化,切實提高裝備的測試與診斷能力。

2 測試性方案優化設計過程分析

測試性方案的設計必須從裝備研制之初開始,并貫穿于其壽命周期的各階段。為此對裝備全壽命周期各階段的測試任務進行分析,綜合考慮裝備自身特性與測試診斷數據、維修保障資料等信息,將并行工程思想運用于測試性方案優化設計過程,在可用資源與全壽命周期費用約束條件下,通過合理組織測試過程以指導方案優化設計。

綜上所述,測試性方案優化設計過程應當從橫向和縱向兩個角度進行研究:

(1)從方案設計的橫向(宏觀)角度出發,對裝備功能結構、測試需求、可靠性和維修性要求、測試資源控制及管理、測試技術資料管理等方面進行描述,分析裝備全系統全壽命的測試性方案優化設計過程,從總體上明確裝備測試性方案具體工作內容,如圖3所示。

(2)從縱向(微觀)角度出發,依據裝備不同狀態下測試性方案設計要求,分析裝備測試與診斷具體實施過程,對其共性技術進行抽象提取,提出測試性方案優化設計技術路線,如圖4所示。

盡管面向裝備全壽命周期各階段、不同任務剖面或維修級別的測試性方案優化設計要求不同,但從測試過程的分析中可以看出上述技術路線具有通用性。本文在該技術路線基礎上提出測試性方案優化設計需要解決的關鍵技術。

3 測試性方案優化設計關鍵技術分析

3.1 測試性分析與評估技術

為了獲得裝備最佳測試性方案,需要對其測試性設計水平進行分析與評估,并貫穿于優化設計全過程[1-2]。通過分析評估才能發現測試性設計中存在的問題與缺陷,使設計人員能夠及時利用信息對方案進行優化改進,保證最終設計的裝備系統能夠滿足規定的測試性要求。

目前對于機電系統測試性設計的研究比較廣泛[2-5],而測試性建模與分析雖然也有一定的研究,且已研制出一些輔助工具[6-7],但其理論與方法仍停留在早期研究基礎之上,不夠科學和深入。

傳統的裝備測試性分析模型有多種建模方式,其中運用最廣泛、效果最明顯的是Deb等[8]提出的基于多信號流的測試性建模方法。該模型以確定性測試為條件,測試結果只有0/1(通過/不通過)兩種,此時裝備故障與測試之間存在布爾邏輯相關性,對于裝備研制初期的測試性設計而言可以滿足需要,但由于沒有考慮測試過程中的不確定性,會導致模型不具備對不確定信息的處理能力。另外,由于約束條件在實際測試性設計中往往是不完備的,因此,也會導致裝備測試性分析的結果可信度不高。實際上,由于裝備復雜的內部結構和外界環境,測試結果會受諸多干擾源的影響[9-10],包括裝備存在多個工作模式、不正確的安裝、錯誤的人為操作、電磁干擾、環境變化、測試設備固有的測量誤差,以及測試執行所需的準備條件等帶來的不確定因素。這些難以用傳統模型來描述的系統運行狀態和工況,都會導致故障—測試的相關性以及測試性度量的定義發生改變。如果忽略這些不確定性,而采用傳統的診斷測試推理機,則可能產生不合乎實際情況的測試性分析結果,無法有效地指導測試性評估與設計。為了從根本上避免脫離實際,應從模型入手,通過構造具有不確定性信息處理能力的測試性分析模型,并基于該模型對測試性度量參數進行形式化描述,尋求相應的有效方法分析裝備測試性水平,為測試性方案優化提供可靠的依據。這也將是測試性分析與評估技術進一步研究的重點。

貝葉斯網絡[11]是基于概率推理的數學模型,其本身是一種不確定性因果關聯模型。近十幾年來,備受關注的貝葉斯網絡對于解決復雜系統不確定因素引起的故障分析具有很大的優勢,被認為是目前不確定知識表達和推理領域有效的理論模型之一[12]。因此可以建立面向測試性分析的貝葉斯網絡模型,在此基礎上通過貝葉斯參數學習算法獲得不確定條件下的故障—測試相關矩陣,并利用貝葉斯推理算法進行測試性指標描述與測試性分析,進而對裝備測試性水平進行更為客觀的評估。

3.2 測試集優化選擇技術

隨著武器裝備性能的提高和復雜性的日益增加,獲取足夠的故障檢測與診斷信息的難度越來越大。為了提高系統全壽命周期的費用與效率比,基于測試性分析與評估結果,開展測試集優化選擇[1-5,13]技術研究是裝備測試性方案的重要內容之一。這一問題越來越得到人們的關注。

根據裝備系統測試任務要求及測試性設計相關要求,首先基于裝備設計方案及專家經驗等現有知識初步設置測試項目集作為備選測試集,然后對系統測試性進行分析,計算系統各層次的故障檢測率、隔離率、未檢測和未隔離的故障、冗余測試以及故障模糊組等信息,并提出改進建議。如果備選測試集不能滿足測試性設計要求,那么就對其原因進行分析處理,并增加合適的測試項目,直到測試集能夠提供足夠的信息來滿足測試性設計要求為止,保證備選測試集的完備性。

通常上述完備測試集存在冗余信息,并不一定是最優的測試集。因此,測試優化選擇面臨的另一個問題是測試優化選取,其目的是在系統所有可能的測試組合中,尋找滿足系統測試性指標要求的最佳組合,使測試代價最小。不論考慮的因素如何復雜,測試對故障的覆蓋問題是測試選擇的核心問題,從數學上最終可歸結為一個組合優化問題,可用集合覆蓋模型進行描述。而集合覆蓋問題是一個NP完全問題,目前許多文獻都提出了相應的求解算法[2-5,13],也取得了一定的效果,但由于問題本身固有的難度及對優化模型的簡化描述,使得其求解效率與準確性都不盡如人意。隨著裝備系統復雜程度的提高,集合規模的增大,特別是考慮不確定信息影響的測試集優化選擇,需要結合問題本質建立更完整的模型,并利用有效的優化算法進行求解。

3.3 測試資源優化選擇與調度技術

依據裝備自上而下的分析原則,將各分系統的測試資源分析作為選擇與調度的第一個層次,在初步設置的測試項目和現有測試設備類型約束下,對機內測試設備(BITE)、自動測試設備(ATE)和人工測試設備(MTE)等不同類型進行權衡選擇與配置。

對特定分系統的測試與故障診斷一般通過多個測試項目來完成,影響因素眾多,需要綜合考慮測試過程中的各項約束指標。通常涉及兩類知識:一是定量數據的分析計算,它們為權衡提供定量的支持;另一類是專家在長期實踐中積累起來的經驗知識,其中大部分難以定量表示。因此,測試設備類型的選擇與權衡是基于定量計算和定性分析相結合的多目標綜合決策過程,只依賴于專家經驗難以決定使用何種類型的測試設備,此時需要借助一定的技術手段來完成。通過對影響測試設備類型的各要素進行定量計算與定性分析,確定評價指標集,建立多屬性模糊評價模型并利用模糊層次分析法進行求解,綜合評判求解結果便可以選取適合于對該分系統進行全面測試的設備類型組合。

對大型裝備進行測試診斷時,包括測試設備在內的可用測試資源往往是有限的、集中的,如果被測對象對測試資源同時提出測試要求,勢必會引起資源的競爭和沖突。因而在測試過程中須保證測試資源在每個時刻只能為一個測試所占用,所以測試資源優化選擇與調度面臨的第二個問題是根據測試任務對資源進行合理調度。其工作主要是在前述的測試優化選擇、測試設備類型初步選擇以及可用資源的基礎上,綜合考慮測試過程的特性和調度問題的復雜性,建立裝備系統測試資源調度模型。該模型以測試時間與費用最小為目標,以測試順序、測試準備條件以及可用測試資源等為約束條件,采用多目標智能進化算法,對由測試時間和測試費用聯合確定的目標函數進行綜合評價與模型求解。

3.4 方案總體集成

針對不同任務剖面、不同維修測試級別,需采用不同測試技術級別和技術手段,通常是各種技術手段和技術級別相結合。在裝備測試性方案設計及測試實施過程中,為便于不同信息的訪問與共享,需要選擇合適信息集成方式對信息進行集中管理,通過總線方式實現裝備測試的總體集成方案。

集成過程中的兩個基本技術問題亟待解決:測試性方案總體集成框架如圖5所示。

(1)信息訪問接口設計。在測試性方案優化過程中,建立廣義信息描述模型,為信息的交換與共享奠定基礎,但是這些信息的流動與共享是通過管理與集成工作反映在各個階段的,因此需要對信息模型管理進行合適的訪問接口設計。

(2)總線接口技術。測試性方案的實施,首先需要在確定各類實體測試資源的前提下對測試結構進行設計,從物理上實現測試資源有效合理的調度,總線型結構得到了越來越多的應用。總線接口作為實現總線型測試結構的物理基礎,在采用這種設計結構時,必須對總線接口作出明確的定義。

4 敏感性分析

在設計測試性方案時需要利用裝備信息模型以及其他先驗信息,這些信息種類繁多,關系錯綜復雜,且在分析處理中與真實值之間可能存在一定的偏差。為判斷這種偏差對最優方案的影響程度,須對最優測試性方案設計的各權衡過程進行敏感性分析。如果先驗信息的微小變化引起最優方案大幅度改變,則說明該方案對信息的偏差非常敏感,實際應用時應慎重考慮。如果先驗信息在一定的范圍內變化時,最優方案的變化不大,則說明此最優方案魯棒性很好,所期望的應用效果也比較好。

5 結束語

對裝備系統而言,構建測試性方案的主要依據來自于訂購方提出的測試性要求及測試資源約束條件、裝備的方案及可靠性分析數據、維修與保障方案等,影響因素眾多,求解過程復雜。本文通過分析首先明確了測試性方案的內涵,在此基礎上,系統地闡述了測試性方案優化設計與權衡工作內容、技術流程以及關鍵使能技術,為測試性方案的進一步研究提供了技術途徑,為有效地指導裝備測試性設計、分析與測試實施打下了理論基礎。

[1]Navy—EC.MIL—STD—2165 Testability Program for Electronic Systems and Equipments[S].Washington D.C.:Department of Defense,1985.

[2]田仲,石君友.系統測試性設計分析與驗證[M].北京:北京航空航天大學出版社,2003.

[3]錢彥嶺.測試性建模技術及其應用研究[D].長沙:國防科學技術大學,2002.

[4]蘇永定.機電產品測試性輔助分析與決策相關技術研究[D].長沙:國防科學技術大學,2004.

[5]連光耀.基于信息模型的裝備測試性設計與分析方法研究[D].石家莊:軍械工程學院,2007.

[6]DSI International Inc.eXpress[EB/OL].(2008-09)[2009-11-05].http://www.dsiintl/WebLogic/products.aspx.

[7]Pattipati K R,Raghavan V,Shakeri M,et al.TEAMS:Testability Engineering and Maintenance System[C]//Proceedings of the American Control Conference.Baltimore,1994:1989-1995.

[8]Deb S,Pattipati K R,Raghavan V,et al.Multi—signal Flow Graphs:a Novel Approach for System Testability Analysis and Fault Diagnosis[J].IEEE AES System Magazine,1995,10(5):14-25.

[9]Shakeri M,Pattipati K R,Raghavan V,et al.Optimal and Near—optimal Algorithms for Multiple Fault Diagnosis with Unreliable Tests[J].IEEE Transactions on SM C—Part C:Application and Reviews,1998,28(3):431-440.

[10]Ruan S,Tu F,Pattipati K R.On a Multi—mode Test SequencingProblem[C]//IEEE Systems Readiness Technology Conference.California,2003:194-201.

[11]Pearl J.Probabilistic Reasoning in Intelligent Systems:Networks of Plausible Inference[M].San Francisco:Morgan Kaufmann,1988.

[12]Stephenson T A.IDIAP—RR—00—03 An Introduction to Bayesian Network Theory and Usage[R].Martigny:Dalle Molle Institute,2000.

[13]蔣榮華,王厚軍,龍兵.基于離散粒子群算法的測試選擇[J].電子測量與儀器學報,2008,22(2):11-15.