CN106886620B - 航天器测试资源优化配置方法 - Google Patents
航天器测试资源优化配置方法 Download PDFInfo
- Publication number
- CN106886620B CN106886620B CN201510937156.7A CN201510937156A CN106886620B CN 106886620 B CN106886620 B CN 106886620B CN 201510937156 A CN201510937156 A CN 201510937156A CN 106886620 B CN106886620 B CN 106886620B
- Authority
- CN
- China
- Prior art keywords
- test
- product
- resources
- requirements
- resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种航天器测试资源优化配置方法,该方法包括以下步骤:1、采用加权分配法初步确定产品的测试集;2、设计产品的多信号流模型,并生成产品的测试相关性矩阵;3、验证测试集能否满足故障监测与诊断的需求,如果不满足,则调整加权分配法中影响因子的数值,调整测试集,然后重复步骤2、3,直至满足需求;4、制定测试资源优化目标;5、采用优化分配法对测试资源进行优化配置;6、验证优化后的测试资源能否满足故障监测与诊断的需求,如果满足,则最优测试集为产品的完备测试集,否则重复步骤5、6,直至得到完备测试集。本发明实现了工程经验与理论指导的统一,可避免在产品实现过程中出现设计反复,避免测试资源浪费。
Description
技术领域
本发明涉及一种航天器测试资源优化配置方法,用于航天器的测试性设计,属于航天器测试领域。
背景技术
随着航天器大型化及其结构和功能的复杂化,测试与诊断问题日益突出,测试手段也从早期的人工测试设备或简单的专用测试设备逐渐发展为大型自动测试设备(Automated Test Equipment,ATE),并可根据需求在航天器中设计机内测试(Built-inTest,BIT),实现航天器在线故障自测试与自诊断,有利于降低对测试人员技术水平的要求,对提高***可用性、降低使用和保障费用具有积极作用。但是BIT设备(Built-in TestEquipment,BITE)不但增加了***设计工作量,其可靠性也会为***带来虚警问题。这就需要在航天器设计之初就考虑测试、诊断与保障等问题,将各种测试与诊断要素综合起来,实现测试资源的合理应用和有效配置,使航天器具有良好的“易测试”特性,尽量做到使用最少的测试资源,实现最大的故障监测与诊断功能。目前大型航天器的测试方案虽然涉及到了理想情况下的测试选择问题,可为航天器确定测试集,一定程度上解决了“测什么”的问题,但是关于测试资源分配存在以下问题:
1)对于航天器的测试资源配置与优化,即“用什么测”和“怎么测”等问题,仅仅依靠经验进行设计,没有理论对测试资源的配置与优化进行指导;
2)由于测试资源配置仅靠以往设计经验,导致测试资源分配不合理,部分产品冗余测试,造成测试费效比过高,部分产品因为测试资源不足从而造成有些内容无法测试;
3)由于在设计阶段缺少有效的理论指导和仿真验证方法,测试资源配置无法进行优化,导致产品在设计过程中造成返工,从而严重影响产品的设计进度。
发明内容
本发明的目的是提供一种航天器测试资源优化配置方法,解决了航天器产品设计过程中测试资源配置与优化缺少有效的理论指导与验证的问题,实现了工程经验与理论指导的统一,避免在产品实现过程中出现设计反复,避免测试资源的浪费。
本发明所采取的技术方案如下:
一种航天器测试资源优化配置方法,包括以下步骤:
步骤1、采用加权分配法初步确定产品的测试集:对产品的测试需求进行分析,获得产品组成单元对测试资源的需求,综合考虑所述产品的影响因子,得出所述组成单元在所述产品的总加权值中的比例,然后根据所述比例计算出所述组成单元能够分配的测试资源,每一个所述组成单元的所述测试资源所构成的集合为测试集;
步骤2、设计所述产品的多信号流模型,确定所述产品不同级别所要达到的监测与诊断性能,并生成所述产品的测试相关性矩阵;
步骤3、向所述多信号流模型中的测点加载激励信号,对所述多信号流模型进行仿真,验证使用加权分配法得到的所述测试集能否满足故障监测与诊断的需求;如果不能满足需求,则调整加权分配法中所述影响因子的数值,调整所述产品的测试集,然后重复步骤2、3,直至能够满足故障监测与诊断的需求;
步骤4、制定测试资源优化目标:在获得所述产品的所述测试相关性矩阵和所述组成单元初步分配的所述测试资源的基础上,结合所述产品各组成单元的故障先验概率和各个所述测试资源的测试时间、测试费用,构建以所述测试费用和所述测试时间的目标函数;
步骤5、采用优化分配法对所述测试资源进行优化配置:根据具体的实际情况,选择一种算法进行所述目标函数的求解,最终得到一组最优解,所述最优解即为最优测试集;
步骤6、根据所述最优测试集,调整所述产品的多信号流模型,并通过仿真,验证优化后的测试资源能否满足故障监测与诊断的需求,如果能够满足需求,则所述最优测试集即为所述产品的完备测试集,否则重复步骤5、6,直至得到完备的测试集为止。
作为本发明上述航天器测试资源优化配置方法的改进,所述影响因子包括故障率因子、故障影响因子、MTTR(平均修复时间)影响因子、实现故障检测与隔离的难易因子、故障检测与隔离成本因子。
作为本发明上述航天器测试资源优化配置方法的改进,所述组成单元的加权系数由下式计算:
Ki=Ki1+Ki2+Ki3+Ki4+Ki5 (1)
式中:Ki为产品的第i个组成单元的加权系数;Ki1为故障率因子,故障率高的项目Ki1取较大的值;Ki2为故障影响因子,故障影响较大的项目Ki2取较大的值;Ki3为MTTR影响因子,对于要求的MTTR值小的项目Ki3取较大的值;Ki4为实现故障检测与隔离的难易因子,容易实现的,Ki4取较大值;Ki5为故障检测与隔离成本因子,实现故障检测与隔离成本低的,Ki5取较大值;
所述组成单元分配的测试资源由下式计算:
式中:Ri为第i个组成单元所分配的测试资源数量;R为总测试资源数量。
作为本发明上述航天器测试资源优化配置方法的改进,所述目标函数为:
式中,C为测试费用的目标函数,p为***状态的先验概率矢量,c为测试费用,A=(aij)是(m+1)乘n的二值矩阵,aij是测试-故障关系标志,如果在识别***状态过程中测试Tj能够测试到故障状态si,则aij=1,否则aij=0,P(si)为产品组成单元的故障先验概率,crj为测试资源rj的测试费用;T为测试时间的目标函数,t为测试时间;trj为测试资源rj的测试时间。
本发明的有益效果是:
1)本发明将设计师的设计经验与加权分配算法、优化分配算法相结合,实现了工程经验与理论指导的统一,解决了传统的设计方法中没有理论指导的问题,可以在设计阶段得到更加合理的测试集;
2)采用的建模工具与上述得到的测试集相结合,在产品设计阶段能够采取有效的手段对测试资源的配置与优化进行验证,避免在产品实现过程中出现设计反复,从而保证产品按照既定计划开展工作;
3)采用的优化分配法,既保证了测试资源的分配能够满足产品故障监测与诊断的需求,又能实现测试费效比的最优化,避免了测试资源的浪费。
附图说明
图1是基于多信号流的航天器测试资源配置及优化流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
针对目前航天器产品设计过程中,关于测试资源配置与优化缺少有效的理论指导与验证的问题,本发明针对该问题寻求解决方案,提出了在航天器产品设计阶段通过分析和专家经验,综合考虑各种因素的影响,引入影响因素和加权值,采用加权分配法对测试资源进行配置。同时采用优化分配法对测试资源配置进行优化,优化分配法将某一项目(如任务成功概率、完好率、费用最小)作为优化目标,在一定约束条件下求出其最优解,给出测试资源优化配置建议。同时本发明提出的基于多信号流模型的航天器测试资源配置方法,可以在航天器产品设计阶段,对测试资源的优化配置进行仿真与验证。
根据航天器测试性要求,测试资源配置与优化所需要解决的问题是:
·判断备选测试集的完备性,即利用该测试集是否可以检测和隔离所有需要检测、隔离的***故障。
·若备选测试集不完备,则对测试进行重新设计,利用历史数据及设计经验进行适当的增加,使其完备,保证测试集合能够满足***的测试性指标要求。
·从完备的备选测试集中选择子集,使得该子集可以以最小代价判断***是否存在故障并对其进行隔离,即最优完备集。
本发明采用的测试资源配置与优化的基本思想是,在航天器产品设计阶段,设计师根据以往产品设计经验,综合考虑各种因素影响,分别对每种影响因素赋予一定的权值,通过计测试性指标的加权分配法算给出该航天器产品的测试集。接着根据初步设计的测试集进行航天器产品的测试性模型设计,通过测试性模型来验证该测试集是否完备,能否满足航天器产品的故障监测与诊断需求。然后再根据测试性指标的优化分配法对该产品的测试集进行优化,从而得出最小代价的产品测试集,最后再根据优化后的测试资源配置,修改产品的测试性设计模型,并进行验证。以上过程可以迭代进行。
1)加权分配法
加权分配法是比较适用的方法,***测试性能参数受众多因素影响,如故障发生频率、故障影响、维修级别的划分、MTTR(平均修复时间)要求、以前类似产品测试性经验以及***的构成及特性等。将每个影响因素按一定规则量化,依据每个组成单元加权值占总加权值的比例为该组成单元分配测试资源。其中,第i个组成单元的加权系数:
Ki=Ki1+Ki2+Ki3+Ki4+Ki5 (1)
式中:
Ki1——故障率因子,故障率高的项目Ki1应取较大的值;
Ki2——故障影响因子,故障影响较大的项目Ki2应取较大的值;
Ki3——MTTR影响因子,一般来说,对于要求的MTTR值小的项目Ki3应取较大的值;
Ki4——实现故障检测与隔离的难易因子,容易实现的,Ki4取较大值;
Ki5——故障检测与隔离成本因子,实现故障检测与隔离成本低的,Ki5取较大值;
Ri——根据第i个组成单元的加权系数在总加权值中的比例,所分配的测试资源数量;
R——总测试资源数量。
2)优化分配方法
在获得各组成单元初步测试资源的基础上,结合产品各组成单元的故障先验概率和各个测试资源的测试时间、费用,构建以测试费用和时间的目标函数。
定义为四元组(S,p,T,c),式中S=(s0,s1,s2,...,sm)***状态相关的有限集,其中s0表示“无故障”状态,si(1≤i≤m)表示***不同的故障状态;p=[p(s0),p(s1),p(s2),...,p(sm)]是***状态的先验概率矢量;T={T1,T2,...,Tn}是n种可行测试点的测试;设每个测试Ti有n种备选的测试资源r={r1,r2,...,rn}来进行测试,而每个测试资源r={r1,r2,...,rn}相对应所需要的测试费用为c={cr1,cr2,...,cm},相对应要用的测试时间为t={tr1,tr2,...,trn}。***的相关矩阵是由(m+1)维的二值列矢量dij表示,如果测试Tj(1≤j≤m)可以检测到故障源si则测试矢量的i行的元素,则dij是1,若测试Tj(1≤j≤m)不能检测到故障状态si,则dij为0。假定只有一个***状态si(1≤i≤m)发生,而且给定二值依赖矩阵D=[dij]。对每个测试配置合适的测试资源使得测试T能够确定地识别出S中的某***状态,其测试资源配置的总费用和时间的目标函数公式为:
式中,C为测试费用的目标函数,p为***状态的先验概率矢量,c为测试费用,A=(aij)是(m+1)乘n的二值矩阵,aij是测试-故障关系标志,如果在识别***状态过程中测试Tj能够测试到故障状态si,则aij=1,否则aij=0,P(si)为产品组成单元的故障先验概率,crj为测试资源rj的测试费用;T为测试时间的目标函数,t为测试时间;trj为测试资源rj的测试时间。
3)基于多信号流模型的航天器测试资源配置与优化
在对***进行多信号建模后能分析出***的测试性指标,但是多型号模型中的测试是理想的,即给定了测试资源的费用和时间后,算出的最优诊断策略。而实际情况中,对一个测试执行的测试资源往往是有多种,这就存在如何对测试资源合理配置问题,结合航天飞行器的使用过程,其测试和故障诊断能力不仅由局部的、先进的测试诊断设备和技术决定,还需要把构成飞行器***诊断能力的所有因素进行综合集成,优化配置各种诊断资源,才能使***总体的检测与诊断能力达到最佳。
基于多信号流模型的航天器测试资源配置与优化方法,采用TEAMS工具,建立被测对象的多信号流模型,结合其***的测试相关性矩阵、被测试单元发生故障的先验概率以及测试的费用和时间,建立以测试费用和时间的目标函数,利用多目标优化理论实现测试资源的优化配置,其关键技术有以下几种:
图1是基于多信号流的航天器测试资源配置及优化流程图。如图1所示,本发明的航天器测试资源优化配置方法,包括以下步骤:
步骤1、采用加权分配法初步确定产品的测试集
对产品的测试需求进行分析,获得产品组成单元对测试资源的需求,根据公式(1)综合考虑产品的故障率因子、故障影响因子、MTTR(平均修复时间)影响因子、实现故障检测与隔离的难易因子、故障检测与隔离成本因子等,得出该组成单元在产品的总加权值中的比例,然后根据该比例,依据公式(2)计算出此组成单元能够分配的测试资源,每一个组成单元的测试资源所构成的集合称为测试集,设计师根据以往的设计经验,初步选定每个影响因子的值,从而计算出该组成单元的加权值在产品总加权值的比例,从而计算出该组成单元的测试资源,依次类推计算出每一个组成单元的测试资源,从而初步最终得到产品的测试集。
步骤2、设计产品的多信号流模型,确定产品不同级别所要达到的监测与诊断性能,并生成产品的测试相关性矩阵;
根据产品的故障模式与影响分析,结合加权分析法得到的产品初步测试集,使用TEAMS软件建立产品的多信号流模型,确定其***级、分***级、模块级等不同级别所要达到的监测与诊断性能,并生成产品的测试相关性矩阵。
步骤3、向多信号流模型中的测点加载激励信号,对步骤2中得到的多信号流模型进行仿真,验证使用加权分配法得到的测试集能否满足故障监测与诊断的需求。如果不能满足需求,则调整加权分配法中影响因子的数值,调整产品的测试集,然后重复步骤2、3,直至能够满足故障监测与诊断的需求。
步骤4、制定测试资源优化目标
在获得产品的测试相关性矩阵和各组成单元初步分配的测试资源的基础上,结合产品各组成单元的故障先验概率和各个测试资源的测试时间、测试费用,构建以测试费用和测试时间的目标函数,如式(3)、(4)所示的测试费用和测试时间的目标函数。
步骤5、采用优化分配法对测试资源进行优化配置
由于在给各组成单元分配测试资源的过程中,存在费用高而时间少或时间多而费用少的问题。使得在实现费用和时间两个目标函数都最小的过程中,目标之间存在冲突,根据具体的实际情况,选择一种合理的算法对式(3)、(4)进行多目标函数的求解,最终得到一组最优解,该最优解即为最优测试集。
步骤6、根据优化分配法得到的最优测试集,调整产品的多信号流模型,并通过仿真,验证优化后的测试资源能否满足故障监测与诊断的需求,如果能够满足需求,则该最优测试集即为产品的完备测试集,否则重复步骤5、6,直至得到完备的测试集为止。
本发明中未说明部分属于本领域的公知技术。
Claims (5)
1.一种航天器测试资源优化配置方法,其特征在于,包括以下步骤:
步骤1、采用加权分配法初步确定产品的测试集:对产品的测试需求进行分析,获得产品组成单元对测试资源的需求,综合考虑所述产品的影响因子,得出所述组成单元在所述产品的总加权值中的比例,然后根据所述比例计算出所述组成单元能够分配的测试资源,每一个所述组成单元的所述测试资源所构成的集合为测试集;
步骤2、设计所述产品的多信号流模型,确定所述产品不同级别所要达到的监测与诊断性能,并生成所述产品的测试相关性矩阵;
步骤3、向所述多信号流模型中的测点加载激励信号,对所述多信号流模型进行仿真,验证使用加权分配法得到的所述测试集能否满足故障监测与诊断的需求;如果不能满足需求,则调整加权分配法中所述影响因子的数值,调整所述产品的测试集,然后重复步骤2、3,直至能够满足故障监测与诊断的需求;
步骤4、制定测试资源优化目标:在获得所述产品的所述测试相关性矩阵和所述组成单元初步分配的所述测试资源的基础上,结合所述产品各组成单元的故障先验概率和各个所述测试资源的测试时间、测试费用,构建以所述测试费用和所述测试时间的目标函数;
步骤5、采用优化分配法对所述测试资源进行优化配置:根据具体的实际情况,选择一种算法进行所述目标函数的求解,最终得到一组最优解,所述最优解即为最优测试集;
步骤6、根据所述最优测试集,调整所述产品的多信号流模型,并通过仿真,验证优化后的测试资源能否满足故障监测与诊断的需求,如果能够满足需求,则所述最优测试集即为所述产品的完备测试集,否则重复步骤5、6,直至得到完备的测试集为止。
2.根据权利要求1所述的航天器测试资源优化配置方法,其特征在于,所述影响因子包括故障率因子、故障影响因子、MTTR(平均修复时间)影响因子、实现故障检测与隔离的难易因子、故障检测与隔离成本因子。
5.根据权利要求1所述的航天器测试资源优化配置方法,其特征在于,所述级别包括***级、分***级、模块级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510937156.7A CN106886620B (zh) | 2015-12-16 | 2015-12-16 | 航天器测试资源优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510937156.7A CN106886620B (zh) | 2015-12-16 | 2015-12-16 | 航天器测试资源优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106886620A CN106886620A (zh) | 2017-06-23 |
CN106886620B true CN106886620B (zh) | 2020-07-31 |
Family
ID=59175296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510937156.7A Active CN106886620B (zh) | 2015-12-16 | 2015-12-16 | 航天器测试资源优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106886620B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108268716A (zh) * | 2018-01-18 | 2018-07-10 | 中国民航大学 | 一种基于sqp的航电***故障检测率分配方法 |
CN112528483A (zh) * | 2020-12-04 | 2021-03-19 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞参数据诊断方法 |
CN113704124B (zh) * | 2021-09-01 | 2024-03-12 | 深圳市乐天堂科技有限公司 | 一种自动化测试方法、***、终端及存储介质 |
CN115184055B (zh) * | 2022-06-28 | 2023-05-12 | 中国人民解放军海军航空大学 | 一种分级测试性优化的测试集确定方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102331970A (zh) * | 2011-07-28 | 2012-01-25 | 北京航空航天大学 | 面向安全苛刻***的自动化测试资源管理方法及其平台 |
CN102426332A (zh) * | 2011-09-04 | 2012-04-25 | 成都强烽科技有限责任公司 | 一种多信号流图的故障排除方法 |
CN106342313B (zh) * | 2010-11-30 | 2013-08-28 | 中国人民解放军国防科学技术大学 | 一种基于层次分析法的测试性指标分配方法 |
CN104331083A (zh) * | 2014-11-21 | 2015-02-04 | 大连大学 | 一种航天器大角度姿态控制参数优化方法 |
CN104781682A (zh) * | 2012-10-20 | 2015-07-15 | 爱德万测试公司 | 在用于半导体测试的本地每引脚测试仪的自动测试设备上伪每站测试仪功能 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150123697A1 (en) * | 2013-11-07 | 2015-05-07 | Qualcomm Incorporated | Methods and apparatuses for ac/dc characterization |
-
2015
- 2015-12-16 CN CN201510937156.7A patent/CN106886620B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106342313B (zh) * | 2010-11-30 | 2013-08-28 | 中国人民解放军国防科学技术大学 | 一种基于层次分析法的测试性指标分配方法 |
CN102331970A (zh) * | 2011-07-28 | 2012-01-25 | 北京航空航天大学 | 面向安全苛刻***的自动化测试资源管理方法及其平台 |
CN102426332A (zh) * | 2011-09-04 | 2012-04-25 | 成都强烽科技有限责任公司 | 一种多信号流图的故障排除方法 |
CN104781682A (zh) * | 2012-10-20 | 2015-07-15 | 爱德万测试公司 | 在用于半导体测试的本地每引脚测试仪的自动测试设备上伪每站测试仪功能 |
CN104331083A (zh) * | 2014-11-21 | 2015-02-04 | 大连大学 | 一种航天器大角度姿态控制参数优化方法 |
Non-Patent Citations (1)
Title |
---|
基于多信号模型的航天器供电***测试性建模与分析;张强 等;《载人航天》;20121125;第39-46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106886620A (zh) | 2017-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102789543B (zh) | 基于多试验信息的可靠性综合评估方法 | |
CN108304661B (zh) | 基于tdp模型的诊断预测方法 | |
CN106886620B (zh) | 航天器测试资源优化配置方法 | |
CN104239687B (zh) | 一种基于航天产品信号传递路径的可靠性建模与评估方法 | |
US20180100894A1 (en) | Automatic Generation of Test Sequences | |
CN106529306B (zh) | ***安全性评估方法和装置 | |
CN108664690A (zh) | 基于深度信念网络的多应力下长寿命电子器件可靠性寿命评估方法 | |
CN104597892A (zh) | 一种用于电子信息装备层次化故障诊断方法 | |
CN111061293B (zh) | 多参数耦合的飞行器故障定位方法、飞行器及存储介质 | |
CN112487592B (zh) | 基于贝叶斯网络的任务可靠性建模分析方法 | |
CN104504248A (zh) | 一种基于设计数据分析的故障诊断建模方法 | |
CN105786678A (zh) | 一种基于相关性模型的测试性预计方法 | |
CN104484548A (zh) | 一种改进的序贯故障诊断策略优化方法 | |
CN113626267A (zh) | 复杂电子***不确定性故障诊断效能评估方法 | |
CN114266289A (zh) | 一种复杂装备健康状态评估方法 | |
CN106342313B (zh) | 一种基于层次分析法的测试性指标分配方法 | |
CN111176253B (zh) | 一种基于蒙特卡洛的飞行控制律自动评估方法 | |
CN109684713A (zh) | 基于贝叶斯的复杂***可靠性分析方法 | |
CN115165332B (zh) | 一种装备机内测试与综合测试一体化设计方法及*** | |
CN115616919B (zh) | 一种机电产品传感器优化配置方法 | |
CN116432442A (zh) | 航天发射场地面设施设备三性一体化评估方法 | |
Millwater et al. | Probabilistic damage tolerance analysis for general aviation | |
Zhang et al. | Predicting for MTBF failure data series of software reliability by genetic programming algorithm | |
Ma et al. | Modeling the impact of prognostic errors on CBM effectiveness using discrete-event simulation | |
CN111626622A (zh) | 一种考虑不确定性的电路***测试性指标预计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |