《系統(tǒng)可測性分析與輔助設計軟件總體設計及關鍵模塊實現(xiàn)碩士學位論文1.doc》由會員分享，可在線閱讀，更多相關《系統(tǒng)可測性分析與輔助設計軟件總體設計及關鍵模塊實現(xiàn)碩士學位論文1.doc（87頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、碩士學位論文 論文題目 系統(tǒng)可測性分析與輔助設計軟件 總體設計及關鍵模塊實現(xiàn) 學科專業(yè) 測試計量技術及儀器 獨獨 創(chuàng)創(chuàng) 性性 聲聲 明明 本人聲明所呈交的學位論文是本人在導師指導下進行的研究工作 及取得的研究成果。據(jù)我所知，除了文中特別加以標注和致謝的地方 外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為 獲得電子科技大學或其它教育機構的學位或證書而使用過的材料。與 我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的 說明并表示謝意。 簽名： 日期： 年 月 日 關于論文使用授權的說明關于論文使用授權的說明 本學位論文作者完全了解電子科技大學有關保留、使用學位論文 的規(guī)定

2、，有權保留并向國家有關部門或機構送交論文的復印件和磁盤， 允許論文被查閱和借閱。本人授權電子科技大學可以將學位論文的全 部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描 等復制手段保存、匯編學位論文。 （保密的學位論文在解密后應遵守此規(guī)定） 簽名： 導師簽名： 日期： 年 月 日 摘 要 I 摘 要 可測性（Testability，也譯為可測試性）是產(chǎn)品能及時準確地確定其狀態(tài)（可 工作、不可工作、性能下降） ，隔離其內部故障的設計特性。可測試性設計已成 為裝備整體設計中一個重要的組成部分，在提高武器裝備保障能力、降低測試維 護成本方面起到?jīng)Q定性的作用。雖然我國 1995 年就頒布了

3、裝備測試性大綱 ， 但由于缺乏有效的系統(tǒng)可測性設計與評估的計算機輔助工具，我國電子裝備可測 性設計現(xiàn)狀遠遠滯后于新一代裝備可測性設計需求。因此，本論文在國家相關項 目的支持下，參考美國 QSI 公司的 TEAMS 軟件，對系統(tǒng)可測性分析及輔助設計 軟件的總體設計及關鍵模塊實現(xiàn)做了深入研究，開發(fā)的可測性軟件已在相關單位 作了應用驗證。論文的主要研究工作有： 1設計了軟件總體方案。將本軟件劃分為系統(tǒng)級可視化建模、可測性指標 分析、最優(yōu)故障診斷樹生成、可測性指標分配四個大功能模塊。以 VC+ 6.0 為 編程開發(fā)平臺，設計了軟件總體結構和集成方案，以及多類型結點的模型樹、依 賴矩陣等用于模塊間數(shù)據(jù)傳

4、遞的關鍵數(shù)據(jù)結構。 2提出了一種“基于依賴矩陣多測試信息的虛警率評估方法” 。該方法在依 賴矩陣基礎上，只需采用現(xiàn)有測試方法就能評估虛警率，希望能為虛警率評估提 供一種新的思路。另外，還完成了對常見可測性指標（故障檢測率、故障隔離率、 未檢測故障集、故障模糊集、隱藏故障、掩蓋故障、冗余測試）與動態(tài)性能指標 （加權故障檢測率、加權故障隔離率、平均模糊度）計算方法的實現(xiàn)與優(yōu)化。 3實現(xiàn)了基于 AO*與或圖啟發(fā)式搜索算法的最優(yōu)故障診斷樹生成方法。 AO*啟發(fā)式搜索算法是可測性分析與設計優(yōu)化的基礎，但其算法描述復雜且計算 復雜度較高。為了減少程序運行時的資源開銷，本論文將所有的待解故障集、可 用測試都

5、通過依賴矩陣傳入時的先后 ID 號來標識，該方法避免了程序執(zhí)行期間 無意義的冗余信息操作處理，一定程度上減少了不必要的內存和 CPU 開銷。此 外，本論文還設計和實現(xiàn)了診斷樹結果的圖形化交互顯示界面。 4針對 TEAMS 軟件不能進行可測性指標分配的不足，提出了在可測性軟件 中集成可測性指標分配功能模塊。本論文對可測性指標分配進行了簡要介紹，編 程實現(xiàn)了經(jīng)驗分配法和線性插值分配法，并根據(jù)指標分配的數(shù)據(jù)特征設計和實現(xiàn) 了特定的數(shù)據(jù)結構和窗口化交互顯示方式。 摘 要 II 5對研制的可測性軟件進行了測試驗證。以“反坦克導彈發(fā)動機系統(tǒng)”為 測試驗證實例，通過和 TEAMS 6.0 對比驗證，發(fā)現(xiàn)兩款

6、軟件的各項可測性指標分 析結果基本一致，另外本軟件還具有直接查看系統(tǒng)依賴矩陣、虛警率分析與可測 性指標分配等特殊功能。此外，本軟件 2010 年通過了總裝專家組的驗收測試， 而且本軟件也在航天科工集團與中電集團相關單位進行了應用驗證，得到了相關 專家的肯定與表揚。 關鍵詞：關鍵詞：可測性，指標分析，故障診斷樹，指標分配，虛警率 ABSTRACT III ABSTRACT Testability is a key factror for a product design through which the products status (work, unwork, performance de

7、gradation) can be determined timely and accurately, and the internal fault can be isolated. Design for testability (DFT) has become an important part in the design of weapons and equipments because DFT plays a decisive role in imroving supportability and reducing test costs for weapons and equipment

8、s. Although China promulgated the “Outline of test equipment“ in 1995, the DFT status applied in current electronic equipment lags far behind testability requirements for the new generation equipments due to a lack of an effective computer-aided tool for DFT design and evaluation, Therefore, in supp

9、ort by some projects of the State, based on the TEAMSa commercial software for testability, we do a thorough research in software architecture design and key modules design for DFT software. Our DFT software has been verified in some related units. Main contents in this thesis are as follows: 1. The

10、 architecture of the software is designed. The software is divided into four functional modules i.e. system-level visual modeling, testability index analysis, optimal fault diagnosis tree generation, testability indicator distribution. Using VC+ 6.0 as the development platform, we designed the archi

11、tecture of the software. In addition, we designed a multi-node model tree and some dependence-matrix data structures that play a key role when data transmission between modules. 2. A false alarm rate evaluation approach based on multi-test information from a dependence-matrix is proposed. Based on d

12、ependence-matrix, this method can verify the false alarm rate only use existing test methods. Thus this method provides a new way for evaluating false alarm rate. In addition, the calculation methods for common testability index (fault detection rate, fault isolation rate, undetected fault sets, fau

13、lt ambiguity sets, hidden fault sets, masking fault sets, redundant test sets) and for dynamic testability index (weighted fault detection rate, the weighted fault isolation rate, the mean ambiguity degree) are implemented and optimized. 3. Based on AO* heuristic search algorithm, the optimal method

14、 for fault diagnosis tree generation is implemented. AO* heuristic search algorithm is the basis of testability ABSTRACT IV analysis and design optimization, but its algorithm description is complexity and it has complexity computation. In order to reduce resource overhead when the program runs, the

15、 program identify all the fault sets and usable the tests by the sequence of ID numbers on the time dependence-matrix. This method avoids redundant information in processing meaningless during the operation. Moreover, the method reduces the unnecessary requirement for memory and CPU overhead to some

16、 extent. In addition, we also design and implement an interactive graphical display interface for the results of the diagnostic tree. 4. Because of a shortage of index distribution in TEAMS software, the paper proposes to integrate a testability index distribution module into our testability softwar

17、e. First, an index distribution is briefly reviewed. Then, two distribution methodsan experience method and a linear interpolation method, are implemented. Finally, based on the characteristics of a distribution index, a specific data structure and an interactive display window are designed, 5. Our

18、DFT software has been tested and verified. An instance of the “anti-tank missile engine system“ is tested using our software and TEAMS 6.0. The test results show that the two testability softwares have nearly consistent performance. In addition, our software also has other special features, such as

19、dependence-matrix direct view, false alarm rate analysis and distribution of testability indicators. Morover, our software passed the acceptance test from expert assembly in 2010, and the software has been verified by CASIC (China Aerospace Science /結點類型 intid;/結點 ID，在整棵樹中是唯一的 CStringname;/結點名稱 /將結點

20、數(shù)據(jù)寫入 XML 文件 virtual BOOL DumpNode(CMarkup* markup); /從 XML 文件讀取結點數(shù)據(jù) virtual BOOL InitNode(CMarkup* markup, CBaseNode* pParentNode = NULL); virtual const CBaseNode /結點賦值函數(shù) ; （2）CModNode 類，模塊結點類。繼承于 CBaseNode 類，除了包含基結點 的屬性，還包含了模塊名稱、故障概率、故障模式、層次包含關系等模塊的可測 性屬性信息。 模塊可以是一個系統(tǒng)的抽象，也可以是一個子系統(tǒng)的抽象，同理也可以是某 個的功能模塊

21、或元件的抽象。一個模塊也可以表征為多個子模塊連接而成的組合 體，即模塊具有層次包含嵌套特性。 （3）CModNodeEx 類，擴展模塊結點類。繼承于 CModNode，其除了具有 模塊結點的屬性，還包含了可測性指標分配的屬性（如已分配或預期的 FDR、FIR 指標值等數(shù)據(jù)） 。此類在工程文件讀寫和指標分配模塊操作時會用到。 （4）CTestPointNode 類，是測點結點類。其包含了測試數(shù)、測試等信息。其 中還包含了測試的修改、添加、插入、刪除操作過程函數(shù)。 測點是可測性模型的關鍵結點，測點的放置位置對項目的可測性指標取到?jīng)Q 定性的作用，并且依據(jù)實際模型一個測點位置往往會包含多個不同的測試。

22、這里 的測試是一系列測試活動的抽象，而不是指某一個具體的測試操作。 （5）CAndNode、COrNode 類，分別是與結點（也稱表決結點） 、或結點 （也稱開關結點）的數(shù)據(jù)類型。 其中，只有“模塊”結點、 “擴展模塊”結點具有包含子級的層次特性，這 電子科技大學碩士學位論文 16 也是由實際系統(tǒng)中系統(tǒng)間、模塊間的相互包含特性決定的。 2樹形結構設計及類封裝 將多類型結點的模型樹（模型層次圖）數(shù)據(jù)結構定義為 CModelTree 類，將 樹結構的讀寫、查找查找等常用操作封裝在該類中。并使該類繼承于樹形數(shù)據(jù)結 構 CRGTreeT 類，利用 CRGTreeT 類簡潔高效的樹形結構關系，將各個樹結

23、點連 接成一棵邏輯樹。 如圖 2-10 所示，CRGTreeT 樹結點數(shù)據(jù)的數(shù)據(jù)結構，其成員數(shù)據(jù)大致可以分 為指針域和數(shù)據(jù)域。指針域用于存儲表征樹形結構數(shù)據(jù)結點間依賴關系，包含指 向父結點、直接兄結點、直接弟結點、長子結點、小子結點的指針；數(shù)據(jù)域用于 存儲實際數(shù)據(jù)，包含直接子結點數(shù)、結點數(shù)據(jù)。除此，CRGTreeT 類還是一個模 板類，它的每個結點的數(shù)據(jù)域可以用于存放一個具體的數(shù)據(jù)或通用指向數(shù)據(jù)的指 針。 pTIParent pTIPrev pTINext pTIChildFirst pTIChildLast nChildCount ItemData CRGTreeT 樹結點 數(shù)據(jù) 結構 依賴

24、 關系 子數(shù) 統(tǒng)計 結點 數(shù)據(jù) 指針域數(shù)據(jù)域 圖 2-10 CRGTreeT 樹結點數(shù)據(jù)結構圖 然后，以結點基類指針 CBaseNode*作為樹結點的數(shù)據(jù)，每個結點在樹形結 構中都只存儲指向結點數(shù)據(jù)空間的指針。當要訪問每個結點的數(shù)據(jù)時，通過樹結 點中存儲的指針指向的數(shù)據(jù)前幾個字節(jié)的結點類型標識變量type，進一步去區(qū)分 所指向的結點對應的是上述幾種結點類型中那一種結點類型，即可得到結點的數(shù) 據(jù)。 多類型結點模型樹數(shù)據(jù)結構 CModelTree 類的定義如下： class CModelTree : public CRGTreeT/多類型結點模型樹 public: BOOL DumpXmlFile

25、(LPCTSTR lpFileName);/將模型樹數(shù)據(jù)寫入 XML 文 件 BOOL InitByXmlFile(LPCTSTR lpFileName);/從 XML 文件讀出模型樹數(shù) 第二章 軟件結構總體設計 17 據(jù) /遍歷 posParent 的所有子結點，查找結點 Id 或頁面 Id 與 id 對應的結點 POSITION FindAfter(int id, POSITION posParent = NULL, LPARAM lFlag = FIND_BY_ID); /遍歷 posParent 的直接子結點，查找結點 Id 或頁面 Id 與 id 對應的結點 POSITION Fin

26、d(int id, POSITION posParent = NULL, LPARAM lFlag = FIND- _BY_ID); /根據(jù)樹結點 id 返回樹結點指針 CBaseNode* GetNode(int id, POSITION posParent = NULL); private: /導出指定結點及子集的數(shù)據(jù)，被 DumpXmlFile()調用 void DumpTree(CMarkup* markup, POSITION posItem); /從 XML 文件初始化整個模型樹 void InitTree(CMarkup* markup, POSITION posParent);

27、 /根據(jù)結點類型 type 構建不同類型的結點 POSITION InitNode(CMarkup* markup, POSITION posParent); ; 從 CModelTree 類的定義可以看出，模型的讀寫文件操作子函數(shù)DumpTree()、 InitTree()、InitNode()的形式參數(shù)中都包含有 CMarkup*用于讀寫 XML 數(shù)據(jù)文件。 3模型樹的交互顯示實現(xiàn) 模型樹的交互顯示，是基于 MFC 的 CTreeCtrl 樹形顯示控件來實現(xiàn)，以方便 用戶能夠直接的查看建模過程中生成的模型層次結構。當用戶每次編輯模型時， 都更新模型樹 CModelTree 的數(shù)據(jù)，且同時更

28、新模型顯示樹控件 CTreeCtrl 的數(shù)據(jù)， 使 CTreeCtrl 控件顯示的數(shù)據(jù)和 CModelTree 實際的數(shù)據(jù)同步。某模型的模型樹在 軟件中的顯示效果如圖 2-11 所示。 圖 2-11 模型樹顯示控件 CTreeCtrl 的顯示效果截圖 電子科技大學碩士學位論文 18 2.3.2.2 故障-測試依賴矩陣的數(shù)據(jù)結構 故障-測試依賴矩陣（也稱 D 矩陣）是可測性模型的數(shù)據(jù)抽象，是可視化建 模模塊的數(shù)據(jù)輸出，是指標分析、診斷樹生成模塊的數(shù)據(jù)輸入，在整個軟件數(shù)據(jù) 傳輸過程中起著相當關鍵的作用。在編程過程中，依賴矩陣所使用的數(shù)據(jù)結構設 計也顯得至關重要。 根據(jù)故障-測試依賴矩陣的抽象定義1

29、6，將依賴矩陣表征為五元組S, P, T, C, D之間的關系。其中： S=,是系統(tǒng)故障狀態(tài)的有限集合。其中，表示系統(tǒng)的無故障 0 s 1 s 2 s m s 0 s 狀態(tài)，(1im)分別表示系統(tǒng)的 m 個不同故障狀態(tài)； i s P=p(), p(), , p()T是系統(tǒng)各狀態(tài)的先驗概率（也稱故障概率）集合； 0 s 1 s m s T=, , , 是 n 個可用的測試集； 1 t 2 t n t C=, , , T是測試代價向量集，由測試時間及其他經(jīng)濟因素決定； 1 c 2 c n c D=是由故障集和測試集的二元依賴關系得到0,1矩陣，其元素的值由 ij d ij d 故障模式傳播有向圖中

30、故障-測試間的可達性決定，1 代表故障能夠被測試檢 i s j t 測到，0 則代表不能被檢測到。其中，系統(tǒng)無故障狀態(tài)對應的行(1jn)值 i s j t 0 s ij d 始終為 0。 根據(jù)依賴矩陣的數(shù)學模型，將其對應在程序中的數(shù)據(jù)結構定義部分如下： class CDMData/依賴矩陣數(shù)據(jù)結構 public: intfaultCnt;/故障數(shù)，行數(shù) inttestCnt;/測試數(shù)，列數(shù) int*pDMatrix;/依賴矩陣 CModNode*pFaults;/故障集 CFaultTest*pTest;/測試集 ; 其中，faultCnt、testCnt 分別表示依賴矩陣的故障數(shù) m、測試數(shù)

31、 n，pDMatrix 表示依賴矩陣 D，pFaults、pTest 分別表示故障集 S、測試集 T。CModNode 是模 塊結點類，對應故障，包含有模塊名稱、故障模式、故障概率等模塊屬性。 CFaultTest 是測試類，是測點結點類的成員類，包含有測試名稱、測試成本等測 試屬性。 依賴矩陣的交互顯示，是基于第三方組件 CGridCtrl 類數(shù)據(jù)表格顯示控件實 第二章 軟件結構總體設計 19 現(xiàn)的，以方便用戶能夠即時的了解模型中的故障-測試依賴關系。數(shù)據(jù)表格元素值 由0,1二值組成，對于 0、1 分別以紅綠兩種顏色加以區(qū)分，還對值為 1 的單元格 的字體加粗處理，以直觀的將矩陣的依賴關系呈

32、現(xiàn)給用戶。其中表格中橫向表示 故障，縱向代表測試，表格的最后一列和最后一行分別為故障概率、測試成本。 某模型的依賴矩陣顯示窗口效果如圖 2-12 所示。 圖 2-12 故障-測試依賴矩陣顯示窗口 2.4 本章小結 本章先介紹了軟件開發(fā)平臺，再從軟件整體結構設計的角度出發(fā)，將軟件劃 分為系統(tǒng)級可視化建模、可測性指標分析、最優(yōu)故障診斷樹生成、可測性指標分 配四個大功能模塊。接著闡述了將各功能模塊聯(lián)合在一起的軟件集成方案設計， 及模型樹、依賴矩陣等負責模塊間數(shù)據(jù)傳遞的關鍵數(shù)據(jù)結構的設計。 在軟件集成方式上，采用 C+類數(shù)據(jù)抽象的方式來封裝各功能模塊，然后將 各模塊的數(shù)據(jù)對象添加到框架類 CMainF

33、rame 類中，實現(xiàn)軟件的集成和模塊調用。 該方法使得在模塊的編程開發(fā)過程中，對語言的要求比較單一，模塊間的調用和 集成，也不需要其他平臺或媒介的支持。從一定程度上降低了開發(fā)環(huán)境和集成環(huán) 境的復雜度。 本章根據(jù)可測性模型數(shù)據(jù)對象的實際需求，設計了一種多類型結點的樹形數(shù) 據(jù)結構。多類型結點的樹形數(shù)據(jù)結構是在傳統(tǒng)單結點類型樹的基礎上，在樹結點 電子科技大學碩士學位論文 20 類型方面作了擴展設計的樹形結構，使得在一顆樹中允許存在多種類型的樹結點。 第三章 可測性指標分析模塊設計與實現(xiàn) 21 第三章 可測性指標分析模塊設計與實現(xiàn) 可測性指標分析模塊是本軟件重要的研究內容之一，可測性參數(shù)是對可測性 特

34、性的描述，可測性指標是可測性參數(shù)的量值。在用戶建立完模型后，先通過建 模模塊對被測項目模型進行分析生成故障-測試依賴矩陣，再進一步將依賴矩陣 作為指標分析模塊的數(shù)據(jù)輸入，生成可測性指標報告，以便用戶直觀的查看被測 項目的可測性指標。 3.1 可測性性能指標介紹 可測性參數(shù)是對可測性特性的描述，可測性指標是可測性參數(shù)的量值。本文 依據(jù)不同指標的要素及方法差異性，將可測性性能指標分成靜態(tài)、動態(tài)兩部分。 3.1.1 靜態(tài)可測性指標 靜態(tài)可測性指標是在被測系統(tǒng)的故障-測試0,1依賴矩陣中作統(tǒng)計分析或進行 “或”運算產(chǎn)生的結果，由系統(tǒng)的故障測試依賴關系決定，不受故障概率等因素 影響。其中包括故障檢測率、

35、故障隔離率、未檢測故障集、故障模糊集、隱藏故 障、掩蓋故障、冗余測試17。各指標的具體定義及計算公式如下： （1）故障檢測率(FDR)，是指在規(guī)定時間內，被測系統(tǒng)的故障能夠由測試設 備檢測到的故障數(shù)與所有可能的故障總數(shù)的百分比。其數(shù)學模型為 (3-1)FDR m 100% n 式中m故障-測試依賴矩陣的非零行數(shù)； n故障-測試依賴矩陣的總行數(shù)。 注：式(3-1)中的故障-測試依賴矩陣是不包含系統(tǒng)無故障狀態(tài)全零行的矩陣。 （2）故障隔離率(FIR)，是指在規(guī)定時間內，被測系統(tǒng)檢測到的故障能夠由 測試設備正確地隔離到規(guī)定等級和個數(shù)的故障數(shù)與檢測到的故障總數(shù)的百分比。 其數(shù)學模型為 電子科技大學碩士

36、學位論文 22 (3-2) M FIR100% N 式中M故障-測試依賴矩陣中，所有無重復行的行數(shù)； N故障-測試依賴矩陣的總行數(shù)。 注：式(3-2)中的故障-測試依賴矩陣是含系統(tǒng)無故障狀態(tài)全零行在內的矩陣。 （3）未檢測故障集(Undetected Faults)，是指整個系統(tǒng)的測點均不能檢測出的 故障。即被測系統(tǒng)的故障-測試依賴矩陣中，全 0 行所對應的故障集合。 （4）故障模糊集(Ambiguity Sets)，是指系統(tǒng)現(xiàn)有的測試點不能將故障隔離到 規(guī)定等級的故障集合。即被測系統(tǒng)的故障-測試依賴矩陣中，對應元素相同的所 有行對應的故障集合。 （5）隱藏故障(Hidden Sets)，當某

37、個故障 S1 的故障特征全部被另一個故障 S2 的特征所隱藏則稱 S1 為 S2 的隱藏故障。即找出某個故障的隱藏故障，也就是 找出被測系統(tǒng)的故障-測試依賴矩陣中，該行與其他任意行“或”運算后的結果 與該行相同的所有故障集合。 （6）掩蓋故障(Masking Sets)，當兩個或多個故障的征兆的疊加與一個不相 關元件的故障征兆相同時，就產(chǎn)生掩蓋的虛警故障。找出某個故障的掩蓋故障， 就是找出被測系統(tǒng)的故障-測試依賴矩陣中，其他任意行“或”運算后的結果與 該行相同的所有故障集合。 （7）冗余測試(Redundant Tests)，故障檢測能力相同的測試集合。即被測系 統(tǒng)的故障-測試依賴矩陣中，對應

38、元素相同的所有列對應的測試集合。 3.1.2 動態(tài)可測性指標 動態(tài)可測性指標的計算除了考慮被測系統(tǒng)的故障-測試0,1依賴矩陣，還要考 慮故障概率、測試成本/時間等用戶評估性輔助加權因素，所以這些指標具有一 定的動態(tài)性。包含加權故障檢測率、加權故障隔離率、平均模糊度（也稱平均模 糊組尺寸） ，最優(yōu)測試代價等指標。其中，最優(yōu)測試代價是最優(yōu)故障測試序列的 關鍵指標，將在下一章作重點介紹，本章不作討論。 （1）加權故障檢測率(Weighted FDR)的計算公式為 第三章 可測性指標分析模塊設計與實現(xiàn) 23 (3-3) D j 1 w m j n i i 1 FDR100% 式中系統(tǒng)中可檢測故障的故障

39、率之和； D 可能發(fā)生故障的所有故障的故障率之和； 故障-測試依賴矩陣中，第 i 個非零行的故障率； i m故障-測試依賴矩陣的非零行數(shù)； n故障-測試依賴矩陣的總行數(shù)。 注：式(3-3)中的故障-測試依賴矩陣是不包含系統(tǒng)無故障狀態(tài)全零行的矩陣。 （2）加權故障隔離率(Weighted FIR)的計算公式一： (3-4) 00 k 1 0 w k 1 FDR FDR M k N i i 1 M k N i i 1 100% 100% FIR (1)100% (1)100% 時 時 式中系統(tǒng) OK 系數(shù)（系統(tǒng)無故障狀態(tài)的概率） ； 0 故障-測試依賴矩陣中，第 i 個無重復行對應的故障率； i

40、M故障-測試依賴矩陣中，無重復行的行數(shù)； N故障-測試依賴矩陣的總行數(shù)。 注：式(3-4)中的故障-測試依賴矩陣是不包含系統(tǒng)無故障狀態(tài)全零行的矩陣。 當將所有故障的故障概率歸一化后，加權故障隔離率即為所有無重復行的概 率和，其計算過程可以簡化為公式二： (3-5) M i i 1 w FIR 式中故障-測試依賴矩陣中，第 i 個無重復行對應的故障率； i M故障-測試依賴矩陣中，無重復行的總行數(shù)。 注：式(3-5)中的故障-測試依賴矩陣是含系統(tǒng)無故障狀態(tài)全零行在內的矩陣。 電子科技大學碩士學位論文 24 （3）平均模糊度(Mean Ambiguity Size) 模糊度，也稱模糊組尺寸，是反應

41、故障模糊組模糊程度的一個指標。和 FIR 一樣都是反應被測項目隔離能力的指標。但不同之處在于，模糊度只關注局部的 隔離能力，而 FIR 反應的是整個系統(tǒng)的隔離能力，是全局性的指標。 當某模糊組的模糊度為 1，則說明該模糊組包含只包含了一個故障，該故障 是能夠被唯一隔離出的，對于被測項目該故障是 100%可隔離的，即該模糊組的 隔離能力強。反之如果模糊組的模糊度很高，則說明其中包含了多個故障測試特 征相同的故障，當其中某一故障發(fā)生故障時，無法再隔離定位到發(fā)生故障的故障， 即該模糊組的隔離能力弱。 平均模糊度，是被測項目所有模糊組模糊度的綜合值，且和故障的故障概率 值有關。其數(shù)學模型為 (3-6)

42、 S mkk k 1 ALP 式中第 k 個模糊組的模糊度； k L 模糊度為的所有模糊組的故障概率和； k P k L S模糊組數(shù)（含模糊度為 1 的模糊組） 其中，上述提到的故障概率為歸一化后的概率值，且歸一化時是預先將系統(tǒng) OK 系數(shù)排出在外后，再對剩余的故障率進行歸一，最后使歸一化后的概率值加 上系統(tǒng) OK 系數(shù)的和等于 1。在引用公式(3-6)時，所使用的故障-測試依賴矩陣是 包含系統(tǒng)完好狀態(tài)全 0 行的矩陣。 3.2 虛警率評估方法研究 3.2.1 虛警率基本概述 虛警率(False Alarm Rate，簡稱 FAR)，是指在規(guī)定時間內，發(fā)生的虛警次數(shù) 與在同一時間內發(fā)生的虛警次

43、數(shù)與真實故障顯示次數(shù)總和的百分比。其中，虛警 是指機內測試和外部測試設備檢測顯示出一個單元有故障，而實際上該單元沒有 故障的情況4。虛警率也屬于一種可測性指標。 產(chǎn)生虛警的原因是多方面的，如 BIT（Built in test，機內測試、內建測試） 第三章 可測性指標分析模塊設計與實現(xiàn) 25 失效、設計缺陷、瞬變狀態(tài)和間歇故障等。虛警將影響使用和維修，降低基本可 靠性。減少虛警的措施有：延時報警、多次測試判定故障、 “濾波”與表決方法 以及人工智能的應用等。 “假報” ，即 BIT 或其他監(jiān)控電路指示某單元有故障，而實際上系統(tǒng)及設備 內無任何故障。 “錯報” ，即系統(tǒng)中 A 單元發(fā)生了故障，卻

44、指示 B 有故障。 以上兩種情況都屬于虛警情況。而“應報不報” （即有故障而 BIT 或其他監(jiān) 控電路沒有故障指示）不屬于虛警范疇，它實際屬于 FDR 的范疇。 虛警率的數(shù)學模型4可表示為 (3-7) FAFA FFA NN FAR100% NNN 式中虛警次數(shù)； FA N 真實故障指示次數(shù)； F N 指示（報警）總次數(shù)。N 用于某些系統(tǒng)及設備的 FAR 分析及預計數(shù)學模型也可以表示為 (3-8) FA DFA FAR100% 式中 虛警發(fā)生的頻率，包括會導致虛警的 BITE（內建測試裝置） FA 的故障率和未防止的虛警事件的頻率之和； 被檢測到的故障的故障率總和。 D 國內研究虛警問題較晚，

45、研究現(xiàn)狀可以歸納如下： （1）在可測性 BIT 技術要求中，只有故障檢測率、隔離率和虛警率要求， 沒有錯誤隔離率要求。如何確認虛警，是否包括錯報情況還尚待討論和研究。 （2）在設計過程中，由于各種因素影響，設計者主要考慮的往往是產(chǎn)品的 功能特性和進度，對虛警問題分析研究不夠。 （3）尚未見到國內發(fā)表的關于 BIT 虛警問題的文章和研究報告，原因可能 是國內還沒有大量設計、使用 BIT 的經(jīng)驗，系統(tǒng)分析研究不夠。有的產(chǎn)品雖然采 取了一些減少虛警的措施，但也未見發(fā)表相關的技術資料。 電子科技大學碩士學位論文 26 3.2.2 基于依賴矩陣多測試信息的虛警率評估方法研究 虛警率太高不但直接影響 BI

46、T 有效性，而且會對系統(tǒng)任務的完成以及對系統(tǒng) 的可用性、維修和備件等產(chǎn)生不利影響。但在實際的評估驗證中，都是通過對實 驗測試統(tǒng)計的方法來確定虛警率，具有指標后驗性，這樣對測試設備的精確度和 測試人員熟練程度的要求很高，使得獲取虛警率指標的成本太高，且可能會出現(xiàn) 遺漏等不準確現(xiàn)象。 在此背景下，本文提出了“基于依賴矩陣多測試信息的虛警率評估方法” ， 該方法在依賴矩陣基礎上，只需采用現(xiàn)有測試方法就能評估被測項目的虛警率， 希望能為虛警率的評估提供一種新的思路。 1 “基于依賴矩陣多測試信息的虛警率評估方法” 依據(jù)虛警（顯示某單元有故障，而實際上又沒有出現(xiàn)故障的情況）的定義， 可以將發(fā)生虛警的情況

47、理解為“故障判定矛盾” （簡稱故障沖突，即測試檢測故 i t 障源 S 發(fā)生了故障，而同時測試卻排出了故障源 S 發(fā)生故障） ，而判定故障是 j t 否真的存在，往往需要使用更加準確的測試來做實驗統(tǒng)計。 “基于依賴矩陣多測試信息的虛警率評估方法”是基于被測項目的故障-測 試依賴矩陣（可測性模型生成的故障-測試依賴矩陣）和現(xiàn)有測試條件，根據(jù)多 個故障測試的通過或不通過狀態(tài)判斷發(fā)生故障沖突的個數(shù)，再用發(fā)生的故障沖突 數(shù)除以可能發(fā)生的故障總數(shù)，進而評估被測項目的虛警率。 2數(shù)學模型 “基于依賴矩陣多測試信息的虛警率評估方法”的數(shù)據(jù)模型可以抽象為四元 組S, T, D, TS模型。該模型在傳統(tǒng)故障-測

48、試依賴矩陣五元組S, P, T, C, D模型 基礎上，去除故障概率和測試成本P, C因素，然后增加故障測試狀態(tài)（未檢測、 未通過、通過）信息 TS。 依據(jù)上述模型，假設依賴矩陣中，第 i 個測試“通過” ，則假定矩陣中對應的 列向量為；而第 j 個測試“未通過” ，則假定矩陣中對應的列向量為。我們 Pi V Fj V 將向量和進行對應元素“與”運算后得到一個維數(shù)不變的向量 V，元素值 Pi V Fj V 仍是由0,1值構成。向量 V 中值為 1 的元素個數(shù)就是由 i 和 j 兩個測試推導 v1 N 出的故障沖突數(shù)。則虛警率的評估值的數(shù)學模型可表示為 e FAR (3-9) v1 e N FA

49、R100% N 第三章 可測性指標分析模塊設計與實現(xiàn) 27 式中根據(jù)測試通過狀態(tài)得的故障沖突數(shù)，即向量 V 中 1 的個數(shù)； v1 N 所有可能發(fā)生故障的故障數(shù)。N 當?shù)闹禐?1 時，表示系統(tǒng)中只存在一個沖突的故障，即比較常見的單故 v1 N 障情況，所得的虛警率評估值也就是一個確定值。當?shù)闹荡笥?1 時，表 e FAR v1 N 示系統(tǒng)中可能出現(xiàn)多個故障（含單故障模式） ，但是具體發(fā)生的故障數(shù)是未知的， 所以得到的是一個范圍值估計值。 e FAR 當依賴矩陣中存在有多個測試“通過”或“未通過”狀態(tài)時，先將所有“通 過”的列向量進行對應元素“或”運算得到，將所有“未通過”的列向量進行 P V

50、對應元素“與”運算得到。再將向量和進行“與”運算后得到向量 V。 F V P V F V 最后再通過式(3-9)來估算虛警率值。 3實例分析 下面以某被測項目為例，對上述模型進行講解分析，依賴矩陣數(shù)據(jù)見表 3- 1。表中中的依賴矩陣，包含了 1 和 2 兩個測試狀態(tài)，測試狀態(tài)分為三個狀態(tài)， 值為-1 表示該測試“未檢測” ，為 0 表示測試“未通過” ，為 1 表示測試“通過” 。 表 3-1 某被測項目含測試狀態(tài)的依賴矩陣 故障測試t1t2t3t4t5 s110011 s201001 s311011 s401010 測試狀態(tài) 100-11-1 測試狀態(tài) 20-1-110 對于測試狀態(tài) 1，其

51、中包含了一個“通過”的測試t4和兩個“未通過”的測 試t1, t2，對應的矩陣列向量為、, ，其虛警率的評估步驟如下： P1 V F1 V F2 V 首先將同狀態(tài)向量合并，得“通過”的=1, 0, 1, 1；將和 P V P1 V F1 V “與”運算得“未通過”的=0, 0, 1, 0； F2 V F V 其次將不同狀態(tài)向量“與”運算得=0, 0, 1, 0； PF VVV 統(tǒng)計向量 V 中 1 的個數(shù)得 1，故障總數(shù)得 4，所以該測試狀態(tài)下虛警率的 評估值等于確定值 25%。 同理，對于測試狀態(tài) 2，=1, 0, 1, 1，=1, 0, 1, 0；=1, 0, P V F V PF VVV

52、 電子科技大學碩士學位論文 28 1, 0；由于向量 V 中包含了兩個 1，當系統(tǒng)發(fā)生故障時其故障原因可能是由單個 故障源引起的，也可能是由兩個故障源引起的，所以最終的虛警率評估值 應該是一個范圍值 25%50%。 e FAR 3.3 軟件設計與實現(xiàn) 3.3.1 依賴矩陣預處理子模塊設計與實現(xiàn) 計算可測性指標主要是考慮矩陣中的全 0 行或者無重復行，如果計算每個指 標的時候都重復去分析遍歷整個矩陣，會使得程序的運行效率很低。 所以本軟件設計了一個依賴矩陣預處理子模塊，在計算分析可測性指標之前， 先對依賴矩陣進行預處理，產(chǎn)生動態(tài)模糊組、全 0 行（數(shù)） ，并按模糊度大小對 這些模糊組進行排序，以

53、方便后續(xù)的指標運算，提高軟件效率。 依據(jù) C+類的數(shù)據(jù)抽象和封裝特性，將矩陣預處理模塊封裝在 CAmbList 類 中，主要由數(shù)據(jù)關系、數(shù)據(jù)操作兩部分組成。 從數(shù)據(jù)關系的角度看，CAmbList 是一個單向二維鏈表結構。在鏈式存儲中， 每個存儲結點不僅包含有元素本身的信息（稱之為數(shù)據(jù)域） ，而且包含有元素之 間邏輯關系的信息，即一個結點中包含有直接后續(xù)結點的地址信息（稱之為指針 域） ，這樣可以通過一個結點的指針域方便地找到后續(xù)結點的位置29。一般地， 每個結點有一個或多個這樣的指針域。若一個結點中的某個指針域不需要指向其 他任何結點，則將它的值置為空，用常量 NULL 表示。 如圖 3-1

54、所示，圖中的 AmbNode、AmbHead、CAmbList，分別表示動態(tài)模 糊組結點、頭結點、鏈表結點，均是本子模塊中使用到的結點關鍵數(shù)據(jù)結構。 rowIndexnext*AmbNode rowIndexnextRow*nextAmb*AmbHead firstAmb*CAmbList 數(shù)據(jù)域指針域 sizecnt1 rowCntcntSize1 cntSizeX 圖 3-1 CAmbList 中的結點數(shù)據(jù)結構 在單鏈表中，由于每個結點只包含有一個指向直接后續(xù)結點的指針，所以當 訪問過一個結點后，只能接著訪問它的直接后續(xù)結點，而無法訪問它的直接前驅 第三章 可測性指標分析模塊設計與實現(xiàn) 2

55、9 結點。為了便于插入和刪除算法的實現(xiàn)，每個鏈表帶有一個頭結點，并通過頭結 點的指針唯一標識鏈表。通過該指針所指的頭結點出發(fā)，沿著結點的鏈（即指針 域的值）可以訪問到每個結點。邏輯上相鄰的元素，其對應的存儲位置是通過指 針來鏈接的，因而每個結點的存儲位置可以任意安排，不必要求相鄰，所以當進 行插入或刪除操作時，只需修改相關結點的指針域即可，這樣既方便又省時。 由于鏈表的每個結點帶有指針域，從存儲密度來講，是不經(jīng)濟。存儲密度是 指結點數(shù)據(jù)本身所占的存儲量和整個結點結構中所占的存儲量之比。此特性也可 以理解為鏈表的不利因素，但考慮到其帶來的有利因素，其在本模塊中這個缺點 是可以忽略不計的。 如圖

56、3-2 所示，將模糊組“重復行”結點鏈接，形成一個單鏈結構，用于存 放依賴矩陣模糊組中重復行的行索引號。 Node1next*HeadnRow*nAmb*Node2next*Noden0 . 模糊組頭重復行結點1重復行結點2重復行結點n 圖 3-2 模糊組單鏈表示意圖 如圖 3-3 所示，將上述 3 種類型的結點鏈接成一個單向二維鏈表結構，可以 完成對依賴矩陣預處理所需的數(shù)據(jù)結構要求。本子模塊采用的鏈表式結構，在對 模糊組進行排序時，可以大大的提高排序效率。 Node1next*Head1nRow*nAmb* ListfAmb* Node1next*Head2nRow*nAmb* Node1n

57、ext*HeadinRow*nAmb* Node10Headi1nRow*0 Node2next* Node20 Node20 Node30 鏈表 頭 模糊 組1 模糊 組2 模糊 組i 模糊 組i+1 圖 3-3 CAmbList 單向二維鏈表結構示意圖 CAmbList 類相較前述的兩個結構體，除了包含描述數(shù)據(jù)關系的成員數(shù)據(jù)變 量，還包含了對依賴矩陣進行預處理的過程函數(shù)，CAmbList 類的具體聲明如下： class CAmbList public: introwCnt;/矩陣的行數(shù) intcntSize1;/模糊組尺寸=1 的行數(shù) 電子科技大學碩士學位論文 30 intcntSizeX

58、;/模糊組尺寸2 的模糊組數(shù) AmbHead*firstAmb;/動態(tài)模糊組鏈表頭，指向第一個模糊組 AmbHead*pFullZeroAmb; /指向全零行的模糊組（沒有占用新的空間） /傳入依賴矩陣，生成動態(tài)模糊組鏈表，并生成隱藏故障集、掩蓋故障集 BOOL AmbList(int* pData,int row,int col); /排序函數(shù)。bInc 表示升序(默認)或降序,bByAmbSize 表示是通過模糊組尺寸 或對應行含 1 的個數(shù) cnt1 排序。默認對動態(tài)模糊組鏈表按模糊組度進行升序 排序 void Sort(BOOL bInc = TRUE,BOOL bByAmbSize

59、= TRUE); /顯示 AmbList()計算生成的動態(tài)模糊組結果，常在開發(fā)調試過程中使用 void DisplayAmbList(); ; 從數(shù)據(jù)操作的角度看，CAmbList 類的矩陣預處理函數(shù) AmbList()的輸入為故 障-測試依賴矩陣，通過矩陣預處理函數(shù)產(chǎn)生動態(tài)模糊組鏈表，及模糊組尺寸為 1、大于 1 的模糊組數(shù)等用于靜態(tài)、可測性指標分析的關鍵數(shù)據(jù)，避免反復遍歷 矩陣。 除此，還提供了 Sort()排序函數(shù)對動態(tài)模糊組進行排序，可以通過模糊度或 對應行中含 1 的個數(shù)，分別進行升序或降序排序，方便后續(xù)的指標計算及結果顯 示。DisplayAmbList()函數(shù)是用來顯示 AmbL

60、ist()生成的動態(tài)模糊組結果的調試用 函數(shù)，以提高本軟件子模塊的可觀性。 3.3.2 可測性性能指標分析實現(xiàn) 1可測性性能指標分析（下簡稱指標分析）實現(xiàn) 在對原始的故障測試依賴矩陣通過矩陣預處理模塊進行處理后，得到一個 CAmbList 類型的故障動態(tài)模糊組鏈表 FaultAmblist，其中就包含了矩陣的全 0 行 數(shù)、無重復行等信息，進而使用這些信息計算故障檢測率、故障隔離率、未檢測 故障、平均模糊度、隱藏故障集、掩蓋故障集等可測性性能指標。 接著對原始的故障測試依賴矩陣轉置，然后再通過矩陣預處理模塊進行處理， 得到一個 CAmbList 類型的測試動態(tài)模糊組鏈表 TestAmblist

61、，通過該鏈表就可以 直接得到依賴矩陣中所有重復的冗余測試。 如圖 3-4 所示，為可測性性能指標的分析流程圖，圖中黑色框體突出的部分 為最終求得的可測性性能指標。 第三章 可測性指標分析模塊設計與實現(xiàn) 31 依賴矩陣 開始 矩陣預處理 矩陣轉置 矩陣預處理 故障動態(tài)模糊組 鏈表FaultAmblist 測試動態(tài)模糊組 鏈表TestAmblist 冗余測試 全0行、重復行 故障檢測率 故障隔離率 平均模糊度 未檢測故障 掩蓋故障集 隱藏故障集 結束 圖 3-4 可測性性能指標分析流程圖 2指標分析模塊在軟件框架下的運行 從軟件框架下運行指標分析模塊時，會先調用建模模塊，最后才分析、顯示 指標。軟

62、件框架下，用戶通過點擊菜單項“分析-指標分析” ，彈出指標分析設 置窗口設置隔離層次、系統(tǒng) OK 系數(shù)、成本/時間加權值等指標分析參數(shù)。接著 調用建模模塊，根據(jù)隔離層次的參數(shù)設置分析可測性模型，生成依賴矩陣。然后， 才進行矩陣預處理、分析指標、顯示指標，完成指標分析模塊的調用，如圖 3-5 所示。 電子科技大學碩士學位論文 32 設置指標 分析參數(shù) 開始 結束 分析可測 性模型 依賴矩陣 依賴矩陣 預處理 顯示可測 性指標 計算靜態(tài)、動 態(tài)可測性指標 圖 3-5 指標分析的軟件框架下的運行流程圖 其中，根據(jù)可測性模型的需要，分析可測性指標時需要預先設置一些分析參 數(shù)，這些參數(shù)主要由隔離層次、系

63、統(tǒng) OK 系數(shù)、成本/時間加權值三部分組成。所 以將指標分析參數(shù)設置窗口設計成對話框的形式，如圖 3-6 所示。 圖 3-6 指標分析參數(shù)設置窗口 3.3.3 指標結果圖形化顯示設計與實現(xiàn) 為了以簡潔、直觀的方式顯示結果，設計了指標顯示組框、直方圖組件，并 最終生成完整的可測性指標報告。 從編程實現(xiàn)的角度看，這兩個組件都采用了直接調用 GDI(Graphics Device Interface)圖形設備接口的繪圖函數(shù)方式，一線、一框或一字符串獨立繪制完成的。 這樣可以提高軟件的獨立性，減少對其它第三方組件的依賴；也可以降低程序和 第三章 可測性指標分析模塊設計與實現(xiàn) 33 軟件的體積；同時還方

64、便后續(xù)開發(fā)的維護和升級。 1指標顯示組框 顯示指標結果時，將不同類型的可測性指標分別置于不同的指標顯示組框中， 通過標題加以說明，并可以根據(jù)需要選擇加方框以突出。在程序中定義部分如下： class CReportDCNode/指標結果圖形化顯示組框 public: CStringm_Head;/指標子模塊名稱 CStringArraym_Body;/指標項內容 intm_HeadFontHeight;/名稱字體尺寸 /構造函數(shù)。輸入要顯示的指標子模塊名稱、指標項內容 CReportDCNode(LPCTSTR head,CStringArray* body=NULL) /繪圖函數(shù)。輸入顯示位置

65、的左上角坐標，并指定 bFrm 選擇邊框類型 CRect Draw(CDC* dc, int left, int top, FRM_STYLE frmStyle = FS_NULL); ; 如圖 3-7 所示，圖中顯示了無邊框無內容、無邊框、帶內框、帶外框的四種 不同樣式的指標顯示組框。這些樣式都是在調用繪圖函數(shù)的時候，根據(jù)傳入的邊 框類型決定的。 (a)無邊框無內容的大標題 (b)無邊框 (c)帶內邊框 (d)帶外邊框 圖 3-7 四種不同樣式的指標顯示組框的效果截圖 2直方圖組件 為了更好的以圖形的方式顯示較復雜的指標，還設計了直方圖組件，用于顯 示故障動態(tài)模糊組尺寸組成，和顯示故障診斷樹的測試使用數(shù)比例構成。直方圖 組件在程序中定義如下： class CHistogramCtrl public: 電子科技大學碩士學位論文 34 struct CHistogramNode /直方條