中国航空工业集团公司洛阳电光设备研究所, 河南 洛阳 471000
针对机载**控制系统故障诊断和装备维修存在的偶发故障定位困难、系统诊断能力不足等问题, 基于综合诊断概念, 提出了构建以开放式系统架构及商用成品构件为基础、满足二级维修体制、面向多机型的**控制系统综合诊断平台。该平台具有从设计、使用到维修的全寿命周期装备综合保障能力, 为解决装备复杂性和诊断维修之间的矛盾, 最大限度地提高诊断效率、降低维修成本, 确保**控制系统战备完好性打下了坚实基础。
**控制 综合诊断 测试性设计 案例推理 深度检测 weapon control integrated diagnosis testability design CBR deep inspection
测试优化选择是测试性设计至关重要的一个步骤，主要针对测试不可靠条件下的测试优化选择问题进行了研究。首先将该问题还原为多目标问题来分析，在此基础上以测试数量、测试成本、虚警率为目标，故障检测率、隔离率为约束条件建立了问题的数学模型; 然后以贝叶斯网络测试性模型为基础，利用提出的MOPSO-NSGA2算法求解该问题; 最后利用所提算法对某导弹机载无线电高度表开展测试优化选择设计，并与MOPSO算法、NSGA-2算法进行对比，验证了方法的有效性与实用性。
测试性设计 测试优化选择 MOPSO算法 NSGA-2算法 testability design test optimization selection MOPSO algorithm NSGA-2 algorithm
中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
测试点优化选择是复杂装备测试性设计的重要环节, 本文提出一种用于解决测试点优化选择问题的离散萤火虫算法(DFA)。首先建立了测试点优化选择问题的数学模型, 接着对传统的萤火虫算法(FA)进行了离散化改进, 给出了离散化萤火虫算法的实施步骤, 并分析了不同的吸引度函数和二值化函数(sigmoid和tanh函数)对算法结果的影响。最后针对5个不同规模的实际系统验证了离散萤火虫算法的有效性, 并与粒子群算法(PSO)和遗传算法(GA)等传统的元启发式搜索算法的计算性能进行了比较分析。结果显示: 在满足系统要求的故障检测率和故障隔离率的前提下, 利用本文提出的离散萤火虫算法得到的5个系统测试代价最优值分别比PSO算法和GA算法平均降低了10.1%和14.6%。实验结果表明: 离散萤火虫算法能快速收敛到更高质量的全局最优解, 避免过早收敛而陷入局部最优值, 对于解决大型复杂装备的测试点优化选择问题具有很好的应用前景。
可测试性设计 测试点优化选择 萤火虫算法 元启发式搜索 testability design pptimization selection of test point firefly algorithm metaheuristic algorithms
1 武警石家庄士官学校,石家庄050061
2 军械工程学院电工电子实验中心,石家庄050003
3 中国人民解放军71834部队,河南 荥阳450100
提出了一种基于边界扫描技术的模拟集成电路内建自测试方案。该方案依照IEEE 1149.4边界扫描测试标准, 在添加极少电路元件的基础上, 增加了电路性能测试单元(FTM), 能够充分利用电路系统中已有数模混合资源, 通过控制器内部向被测电路施加激励, 完成模拟集成电路的功能性测试。采用Cyclone II系列芯片EP2C35F672C8实现测试系统设计, 并以模拟集成滤波芯片MAX292为被测核心电路展开实验, 其频率特性的测试结果表明了该测试方案的正确性和系统测试的有效性。
模拟集成电路 可测性设计 功能测试 analog integrated circuit testability design function test IEEE 1149.4 IEEE 1149.4 FPGA FPGA
