-
公开(公告)号：CN105243021B
公开(公告)日：2017-10-31
申请号：CN201510738658.7
申请日：2015-11-03
Applicant: 电子科技大学
IPC: G06F11/36
Abstract: 本发明公开了一种多任务测试性指标分配方法，首先获取相关数据，包括任务数量、模块数量、任务与模块的关联标识，各任务和模块对测试性指标的最低要求，各个模块的平均无故障时间、测试性代价因子，以及各种测试性代价因子的权重，根据以上数据计算得到每个模块的综合测试代价，然后建立测试性指标分配的数学模型，采用粒子群算法对模块进行求解，从而得到各模块的测试性指标分配结果。本发明针对多任务模型中任务与模块存在多对多映射的情况，建立相应的测试性指标分配数据模型，使得分配后的测试性指标不仅满足各模块的要求，也可以满足各任务对测试性指标的要求，并使测试代价最小，从而降低系统的研制成本和维护成本。
-
公开(公告)号：CN104898039B
公开(公告)日：2017-09-12
申请号：CN201510280067.X
申请日：2015-05-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于故障传播概率模型的故障模式优选方法，首先对系统各模块的故障样本量进行分配，然后对于各个模块建立模块的故障传播概率模型，得到各故障模式之间的故障传播概率，然后根据故障传播概率和故障模式所在元件节点的出度计算得到故障模式间的故障扩散强度，根据故障扩散强度搜索出每个故障模式作为原发故障时的故障扩散概率最大路径，将该路径中包括的后继故障模式数量作为故障扩散数量，筛选出故障扩散数量大于预定阈值的故障模式，优先进行选择；最后将各个模块的选定故障模式集合得到系统的选定故障模式集合。本发明基于故障扩散数量进行故障模式的优选，对传播型故障进行重点抽样，提高测试性验证方案可靠性。
-
公开(公告)号：CN105158679A
公开(公告)日：2015-12-16
申请号：CN201510579789.5
申请日：2015-09-14
Applicant: 电子科技大学
IPC: G01R31/316
Abstract: 本发明公开了一种基于传输函数的滤波电路故障诊断方法，首先根据滤波电路传输函数得到与元件参数相关的各项系数的表达式，以及无故障系数向量，根据各项系数的表达式得到用元件参数表达的传输函数系数关系矩阵，将矩阵转置并将各元素取绝对值得到故障字典矩阵；当滤波电路发生故障时，采用不同频率的激励信号输入电路得到输出电压，拟合得到滤波电路的传输函数表达式，得到被测滤波电路的故障系数向量，根据故障系数向量和无故障系数向量得到故障特征向量，从故障字典矩阵中查找与故障特征向量最接近的行向量，其对应的元件即为故障元件。本发明利用传输函数各项系数与故障元件的关系来进行故障诊断，可以快捷、准确地实现故障定位。
-
Patent Agency Ranking
公开(公告)号：CN105158679B
公开(公告)日：2017-12-05
申请号：CN201510579789.5
申请日：2015-09-14
Applicant: 电子科技大学
IPC: G01R31/316
Abstract: 本发明公开了一种基于传输函数的滤波电路故障诊断方法，首先根据滤波电路传输函数得到与元件参数相关的各项系数的表达式，以及无故障系数向量，根据各项系数的表达式得到用元件参数表达的传输函数系数关系矩阵，将矩阵转置并将各元素取绝对值得到故障字典矩阵；当滤波电路发生故障时，采用不同频率的激励信号输入电路得到输出电压，拟合得到滤波电路的传输函数表达式，得到被测滤波电路的故障系数向量，根据故障系数向量和无故障系数向量得到故障特征向量，从故障字典矩阵中查找与故障特征向量最接近的行向量，其对应的元件即为故障元件。本发明利用传输函数各项系数与故障元件的关系来进行故障诊断，可以快捷、准确地实现故障定位。
-
公开(公告)号：CN105243021A
公开(公告)日：2016-01-13
申请号：CN201510738658.7
申请日：2015-11-03
Applicant: 电子科技大学
IPC: G06F11/36
Abstract: 本发明公开了一种多任务测试性指标分配方法，首先获取相关数据，包括任务数量、模块数量、任务与模块的关联标识，各任务和模块对测试性指标的最低要求，各个模块的平均无故障时间、测试性代价因子，以及各种测试性代价因子的权重，根据以上数据计算得到每个模块的综合测试代价，然后建立测试性指标分配的数学模型，采用粒子群算法对模块进行求解，从而得到各模块的测试性指标分配结果。本发明针对多任务模型中任务与模块存在多对多映射的情况，建立相应的测试性指标分配数据模型，使得分配后的测试性指标不仅满足各模块的要求，也可以满足各任务对测试性指标的要求，并使测试代价最小，从而降低系统的研制成本和维护成本。
-
公开(公告)号：CN105677496B
公开(公告)日：2018-07-10
申请号：CN201610019278.2
申请日：2016-01-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于两层神经网络的测试性指标分配方法，根据系统结构获取下级模块与上级模块的映射矩阵，构建两层神经网络，其中输入层神经单元代表下级模块，输出层神经单元代表上级模块，权值代表测试性指标分配值，根据映射矩阵确定两层神经网络的输入并初始化两层神经网络的权值矩阵，得到当前权值矩阵对应的测试性指标输出，计算输出与期望输出的误差，如果大于等于预设阈值则整体调整权值矩阵，否则根据每个上级模块的测试性指标最低局部调整权值，使所有上级模块的测试性指标均达到最低要求。本发明利用两层神经网络的学习功能来得到各下级模块的测试性指标分配值，适用于上级模块对下级模块存在交叉覆盖、协同联合的系统模型。
-
公开(公告)号：CN105677496A
公开(公告)日：2016-06-15
申请号：CN201610019278.2
申请日：2016-01-12
Applicant: 电子科技大学
CPC classification number: G06F11/008 , G06N3/02
Abstract: 本发明公开了一种基于两层神经网络的测试性指标分配方法，根据系统结构获取下级模块与上级模块的映射矩阵，构建两层神经网络，其中输入层神经单元代表下级模块，输出层神经单元代表上级模块，权值代表测试性指标分配值，根据映射矩阵确定两层神经网络的输入并初始化两层神经网络的权值矩阵，得到当前权值矩阵对应的测试性指标输出，计算输出与期望输出的误差，如果大于等于预设阈值则整体调整权值矩阵，否则根据每个上级模块的测试性指标最低局部调整权值，使所有上级模块的测试性指标均达到最低要求。本发明利用两层神经网络的学习功能来得到各下级模块的测试性指标分配值，适用于上级模块对下级模块存在交叉覆盖、协同联合的系统模型。
-
公开(公告)号：CN104898039A
公开(公告)日：2015-09-09
申请号：CN201510280067.X
申请日：2015-05-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于故障传播概率模型的故障模式优选方法，首先对系统各模块的故障样本量进行分配，然后对于各个模块建立模块的故障传播概率模型，得到各故障模式之间的故障传播概率，然后根据故障传播概率和故障模式所在元件节点的出度计算得到故障模式间的故障扩散强度，根据故障扩散强度搜索出每个故障模式作为原发故障时的故障扩散概率最大路径，将该路径中包括的后继故障模式数量作为故障扩散数量，筛选出故障扩散数量大于预定阈值的故障模式，优先进行选择；最后将各个模块的选定故障模式集合得到系统的选定故障模式集合。本发明基于故障扩散数量进行故障模式的优选，对传播型故障进行重点抽样，提高测试性验证方案可靠性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
