北航测试性文献调研.doc

B IE I H A N G UNIVERS文献调研报告学号： ZY14XXXXX 姓名： XX2014年12月基于贝叶斯网络的测试性建模和分析摘要W叶斯网络是不确定性知识表达与推理的一种新方法它是概率论和罔论相结合的产物， 可用于复杂多因果关系的分析，是人工智能领域的研究热点和重要成果之一由于它的解决 方案明确、直观，所以近年來在远程匡疗、故障诊断以及数据挖掘等领域，得到了广泛的应 用针对现有测试性逑模方法对系统不确定信息描述及分析上的不足，提出了基于W叶斯M 络的测试性建校与分析方法酋先结合贝叶斯网络的基本理论，闸述了系统测试性模型的构 成要素及建立流程，川相关性矩阵表示系统故障、测试之间的关联，用条件概率矩阵描述两 者间的不确定信息；然后给岀了测试性指标的具体分析过程和算法关键词：贝叶斯网络，测试性建梭，测试性分析，贝叶斯网络算法目录基于贝叶斯网络的测试性建模和分析 0翻 01. 文献检索概述 22. 引言 23. 贝叶斯网络基本原理 24. 基于BN的测试性建模 34.1. BN测试性模型构成 34.1. BN测试性建模步骤 45. 基于BN的测试性分析 55.1. 故障检测率 55.2. 故障隔离率 65.3. 虚瞥率 75.4. 考虑测试成本的最优序贳测试 76. 总结与讨论 7職 8文f伏 91. 文献检索概述文献检索内界主要分为三个部分：1、 贝叶斯网络中文的矢键词为：贝叶斯网络；英文检索欠键词为：Bayesian network、BN02、 测试性逑模中文检索关键词为：测试性建模、测试性；英文检索关键词为：Testability、Testability Program、Models of Testability。

3、 测试性分析中文检索关键词为：测试性分析、测试性；英文检索关键词为:Testability、Testability Program、Analysis of Testability2. 引言随肴军川装备的技术升级及换代，装备性能人幅提升，复杂程度越來越尚，对装备的保 障能力提出了更菇的要求测试性作为表征系统准确检测及隔离其部故障的一种设计特性， 对提高装备的任务可靠性与安全性、缩短维修时间、降低全寿命周期费用具有秉要意义建立系统测试性模型是进行测试性预计、分析、验证与评价的基础复杂系统的结构与 部件之间关系复杂、倌号传递过程不明确，在信号获取、处理和判断过程中存在误差，这些 因素都使系统存在故障与可用测试之间哭联关系不确定的现象，导致测试性建模与分析结果 可信度不高现有测试性建模方法中，结构模型和信息流模型的建模技巧强，准确性不易保 证，模型集成和验证工作较w难，不适川于对复杂系统进行建模与分析多信兮流图模型虽 然建模能力较强，便于表达系统的层次关系，但也存在着对复杂系统不确定信息的描述和处 理能力不强、定a分析和学习推理机制不完善等不足所以有必要研究新的测试性建模与分 析方法该文选用W叶斯网络(Bayesian network，BN)作力系统测试性建模的方法。

BN 不仅支持自顶向K的建模，可山模型片段构建整个系统的模型，降低了复杂系统的建模难度， 而且BN定暈分析和学习能力强，可依据不完全(不确定)信息进行推理，便于利川历史数 裾进行模型的学 ＞』和调整3. 贝叶斯网络基本原理BN是一■个和4无环图(directed acyclic graph,DAG),由代表变景的节点及述接这些节点 的奋14边构成，奋14边由父节点指叫子节点(后代节点)其中，节点变景可以是测试性问题的任付变S，如裝备部件、测i式结果、故障现象等，冇向边则表达变fi的因果关系图1是 一个简单的BN示意图災叶斯网络是一种因果网络一个具冇个节点的災叶斯网络可用尸〉來表示，其中，＜厂，『〉表示一个具有w个节点的有向无环亂阁中的节点集K = 代表/7个变量的集合，节点奋14边代表了变暈间的关联关系旮14边即表达了一种父节点和子 节点间的因果关系，对于有向边vy称为v;的父节点，V7称为V,.的子节点，没有父节点的节点称为根节点，没奋子节点的节点称为叶节点V,.的父节点集合川Parent^v^ 表示，P表不一个与每个节点相关的条件概率表(Conditional ProbabilityTable，CPT)。

根据脊 叫图＜ r，r〉的条件独立性假设，所有变a节点的联合概率分布吋以表示为：贝叶斯网络的节点计算，基于父节点的状态概率和节点本身的CPT进行贝叶斯网络把 概率计算与节点状态关联，只要给定其巾某些节点变M状态，就能计算出其相关节点的状态 概率，W叶斯网络的推理特性和建模弹性使其在fi杂系统建模和分析方|ftf具冇很人的优势4. 基于BN的测试性建模4.1.BN测试性模型构成BN测试性模型主要用来表达系统故障模忒和可用测试之间的依赖关系，可用一个四元 组＜尸，7； ，尸〉表示，如图2所示模型基于部件故障模式与系统可用测试之叫的因果关系构建，输入为系统部件的故障模 式，输出为与各故障模式相关的测试信总在进行测试性分析吋，可以引入其他考a因了， 如测试时间、测试费用等其中：F={./；, f2，…，人}为系统部件故障模式集；T = {tv Z2，...，＜,}为系统可用测试集；E为连接节点的冇向边集；P为节点所含条件概率 集4.1.BN测试性建模步骤叨确系统的结构组成、各层次间的欠联失系及功能框阁进行故障模式影响及危害 性分析(failure mode effect and criticality analysis，FMECA),提取系统可用测试信 息，生成故障模式列表和测试列表，并将它们表达为模型的节点变量。

根据对系统的分析及系统部件故障模式和测试信息间的因果关系，构建子系统(SRU 级或LRU级)模型片段，最后依据子系统间的功能关系，构建基于BN的系统测试 性模型通过FMECA分析、查阅相关资料和矜询领域专家，获取所需概率信总，确定各个 节点的CPT,进行测试性分析可根据实际使用阶段所获取的信息对模型进行学＞J 和修正故障-测试相关性矩阵D对模型中故障模式节点和测试节点之叫的连接关系进行相 关性分析，可彳U故障-测试相关性矩阵D，其中，矩阵元素+—般为介尔变量，如果 7；能被观测，则令4=1，否则4=0dll （In …（l\n图3相关性矩阵DJ/>一:AV. 条件概率矩阵P其形式为p（t, PGjy;）…p（tn i/!）\f.） PG2l/2）…PQn \f.）• • • •罄 罄 ♦ •P（h \f„） P^\f„） ••- pg/ix?图4条件概率矩阵P5. 基于BN的测试性分析选取系统的故障检测率、故障隔离率、虚瞥率及考虑测试成本的最优序贳测试作为测试 性分析的桁标5.1.故障检测率定义为在规定的时间内，用规定的方法正确检测到的故障数与发生的故障总数之比以 P(z7 = l I ./； = 1)情形K得到的条件概率矩阵为基础，凼贝仆斯理论可得单故障模式./；的故 障检测率，记为FDA,xl（X）%FDK, = P（，尸 1 1>1） = P（jTy^）=1）具体计算可由以下3式计算得到:PQ^t^PQ) ,/#>，测试条件独立 P (

5.2.故障隔离率定义为在规定时间内，用规定的方法将故障正确地隔离到小于等于L个单元的故障数 与检测到的故障总数之比系统的故障隔离率可表达为A^FDK, xl()()%A.FDR,式中：L——隔离组内可更换的单元数；4——可隔离到小于等于L个可更换单元的故障模式的故障率之和；4/——可隔离到小于等于L个可更换单元的故障模式中第f个故障模式的故障率5.3.虚警率定义为在规定时阿内，发生的虚警数与故障指示总数之比系统的n类虚警率可表达为nX X，尸 1 i/=o)FAK„=-^ XI ()0%, 1^^77711 nLa,y = i式中：\——各测试信号的频数5.4.考虑测试成本的最优序贯测试将代表测试费川、时间、人力要求或其他经济衡量指标的测试成本集记为： C = {cv c2，…，cj,对应于系统可用测试巢将相关性矩阵D中值为1的元素川其所对 应的测试代替则构造逻辑函数厂(厂)：厂⑺= n"(y)艽中，/X/；)为矩阵D中第/行值为1的元素对应测试之和，将厂(F)完全展开丼简化后可得逻辑多项和式，K各项均为可检测系统所冇故障模式的测试了集，结介测试成本集C，可 得系统最优测试子集6. 总结与讨论该文利川W叶斯M络对不确定信息表达和推理能力强的优点，采用BN构建系统测试 性模型，用条什概率表示系统故障与测试间存在的不确定性，并运用BN理论进行推理分 析，最后通过实例分析验证了方法的有效性。

该方法可用于对复杂装备进行模型构建与分析, 评价其测试性水平，还可结合装备实际使用数据，用于测试性设计改进，在装备的测试性增 长过程中发挥作用致谢在此，首先向石老师表示衷心的感谢！课堂上他生动有趣的讲授使我对测试性基础有了 初少的认识和理解，生活上他严谨的治学态度、朴素的生活作风给我留卜难以磨火的印象 他渊博的学识、开创性的思维、一丝不苟精益求精的科学态度使我受益丽浅，老师深厚的学 术造诣、严谨的治学风格、执着的学术追求、乐观的生活态度、为人师表的人格魅力，深深 地打动着我，激励我不断上进这将对我今后的学习、研究产生重要的影响W外，感谢实验室的各位同学，特别是XXX师兄，他对我学＞］和研究上耐心细致的指导 使我找到了学研究的方14和兴趣；感谢n、xn和n师兄，始终热情的给予我帮助，对 我的学习、生活各方面都产生了积极的影响参考文献石君友.测试性设计分析与验证[M].北京：国防工业出版社，2011.III仲，石君友.系统测试性设计分析与验证[M].北京：北京航空航天人学出版社，2003.刘林林，任羿，王自力，杨德真.基于贝叶斯网络的GO法模型算法[J].系统工程与电 子技术，2014.李海军.贝叶斯网络理论在装备故障诊断中的应用[M].北京：国防工业出版社，2009.厉海涛，金光，周经伦，等.贝叶斯网络推理算法综述[J1.系统丄程与电子技术，2008.王晓伟，孙波，吕英军，李良峰.基于贝叶斯网络的系统测试性建模与分析[J].中国测 试，2011(09).17]孙健，黄考利，孙钦蕾，等.菽于改进W叶斯』卜:则化BP神经M络的测试性评佔技术研 究[J].计算机测量与控制，2012.20(12).胡玉胜，涂序彦，崔晓瑜，程乾牛，等.基于贝叶斯网络的不确定性知识的推理方法UJ. 计算机集成制造系统-C1MS, 2001(12).王成刚，周晓永，王学伟，等.基于W叶斯网络的复杂装备测试性评佔⑴.电了•测量与 仪器学报，2009(05).。