基于搜寻者算法的测试性优化分配方法

张钊旭, 王志杰, 李建辰, 王贵奇, 许 军, 杨进候



基于搜寻者算法的测试性优化分配方法

张钊旭1,2, 王志杰1, 李建辰1,2, 王贵奇1, 许 军1, 杨进候1

(1. 中国船舶重工集团公司 第705研究所, 陕西 西安, 710077; 2 .水下信息与控制国家重点实验室,陕西 西安, 710077)

测试性分配是测试性设计中的重要环节。现有的分配方法存在权值计算复杂、权重确定主观性强、分配结果需根据经验调整等不足, 不能准确反映产品的实际情况。为此, 文中利用搜寻者优化算法(SOA)全局搜索能力强, 收敛速度快、鲁棒性好的优势, 将产品的全寿命周期费用作为目标函数, 同时考虑多种相关影响因素, 提出基于SOA算法的测试优化分配方法。最后, 通过对鱼雷控制系统中41组件的故障检测率(FDR)指标进行分配, 验证了该方法的可行性, 该方法可为测试性优化设计提供参考。

鱼雷; 测试性优化分配; 全寿命周期费用; 搜寻者优化算法(SOA)

0 引言

测试性分配是将系统的测试性指标逐级分配到规定的较低的功能层次——可更换单元或部件, 从而明确系统各功能层次的测试性指标要求, 作为各功能层次测试性设计的要求, 用于指导设计师对测试资源进行优化配置, 便于开展测试性设计[1]。

传统的测试性分配方法如经验分配法完全依赖分配者的经验, 主观性强; 等值分配法未考虑相关影响因素, 直接使各组成单元的分配额等于系统的测试性指标; 故障率分配法仅以系统各组成单元的故障率为分配权重进行比例分配, 所需数据较少, 但是当各组成单元的故障率差别较大时, 分配结果不合理, 需要人工进行调整。田仲[2]从工程实用角度出发, 分别提出了按复杂度、重要度、加权和有部分老产品时的4种用于不同情况下的测试性分配方法。张延生等[3]则在考虑测试资源约束条件下, 利用遗传算法(genetic algorithm, GA)对测试性指标进行优化分配, 但对GA算法并未进行深入分析。

文中利用搜寻者算法[4](seeker optimization algorithm, SOA)全局搜索能力强, 收敛速度快、鲁棒性好的优势, 将全寿命周期费用作为目标函数, 同时考虑多种影响因素, 提出基于SOA算法的测试优化分配方法, 并对鱼雷控制系统中的41组件进行故障检测率(fault detection rate, FDR)指标分配, 验证了该方法的可行性。

1 测试性优化分配的数学描述

1.1 测试性分配数学模型

测试性分配是从整体到局部、从上到下的指标分解过程, 且需要随着产品的设计研制进程逐步深入不断修正, 以使指标分配结果更加合理。测试性分配问题在数学上可描述为[5]

1.2 测试性优化分配模型

测试性优化分配可以描述为在给定系统测试性指标及相关约束条件下, 使得全部费用最小[6]。

2 基于SOA算法的测试性优化分配

2.1 SOA算法

SOA算法是进化算法研究领域的一种新型群体智能算法, 以搜索队伍为种群, 搜寻者位置为候选解, 通过模拟人的智能搜索行为(包括“利己行为”、“利他行为”及“预动行为”)和不确定推理, 确定搜索步长和方向, 完成搜索者位置的更新, 进而实现对优化问题的求解[7]。

2.2 适应度函数构造

根据式(2)中测试性优化分配的数学模型构建目标函数, 并采用罚函数方法描述约束条件, 得到适应度函数

2.3 SOA算法实现流程

3 案例验证

1) 目标函数

表1 各分组件的故障率li、任务失败率Ri、风险指数hi和平均故障修复时间Mi取值

因此, 41组件的全寿命周期费用

通过以上分析, 得到目标函数

表2 全寿命周期各部分费用取值

2) 约束条件

3) 计算分析

将SOA与GA的计算结果对比, 如表3所示。

表3 SOA与遗传算法(GA)计算结果对比

分析可得, 采用SOA算法对鱼雷控制系统41组件进行FDR指标分配, 在满足约束条件下, 与GA算法的计算结果相比, 其收敛速度更快, 且全寿命周期费用更小。

4 结束语

文中对测试性优化分配问题进行了数学描述并给出了优化分配的数学模型。在介绍SOA算法基础上, 基于罚函数方法构建了适应度函数, 并给出了SOA算法求解优化分配问题的流程。最后, 以LCC为目标函数, 综合考虑故障率、任务失败率、风险指数、MTTR的影响约束, 对鱼雷控制系统的41组件进行FDR指标分配, 并与GA算法的计算结果进行对比分析, 验证了该方法的可行性。

文中所建立的LCC函数和约束条件中相关参数的取值以经验值为主。后续应采集更加丰富的数据(如费用、故障检测时间及隔离时间等), 对LCC函数和约束条件进行完善, 使得测试性指标的分配结果更加符合产品的实际情况。

[1] 石君友. 测试性设计分析与验证[M]. 北京: 国防工业出版社, 2011.

[2] 田仲. 测试性分配方法研究[J]. 北京航空航天大学学报, 1999, 25(5): 607-610.

Tian Zhong. Research on Testability Allocation Method [J]. Journal of Beijing University of Aeronautics and Astronautics, 1999, 25(5): 607-610.

[3] 张延生, 黄考利, 陈建辉. 基于遗传算法的测试性优化分配方法[J]. 测试技术学报, 2011, 25(2): 153-157.

Zhang Yan-sheng, Huang Kao-li, Chen Jian-hui. Testability Optimization Allocation Method Based on Genetic Algorithm[J]. Journal of Test and Measurement Technology, 2011, 25(2): 153-157.

[4] 余胜威. MATLAB优化算法案例分析与应用[M]. 北京: 清华大学出版社, 2014.

[5] 邱静, 刘冠军, 杨鹏, 等. 装备测试性建模与设计技术[M]. 北京: 科学出版社, 2012.

[6] 刘刚, 黎放, 胡斌. 基于改进遗传算法的测试性优化分配算法[J]. 火力与指挥控制, 2014, 39(1): 44-47.

Liu Gang, Li Fang, Hu Bin. Research on Testability Optimization Allocation Method Based on Improved Genetic Algorithm[J]. Fire Control & Command Control, 2014, 39(1): 44-47.

[7] 李奇, 陈维荣, 戴朝华, 等. 基于搜寻者优化算法的质子交换膜燃料电池模型优化[J]. 中国电机工程学报, 2008, 18(17): 119-124.

Li Qi, Chen Wei-rong, Dai Chao-hua, et al. Proton Exchange Membrane Fuel Cell Model Optimization Based on Seeker Optimization Algorithm[J]. Proceedings of the CSEE, 2008, 18(17): 119-124.

[8] 尹韶平, 刘瑞生. 鱼雷总体技术[M]. 北京: 国防工业出版社, 2011.

[9] 曾天翔. 电子设备测试性及诊断技术[M]. 北京: 航空工业出版社, 1996.

[10] 田仲, 石君友. 系统测试性设计分析与验证[M]. 北京: 国防工业出版社, 2003.

(责任编辑: 许 妍)

Optimal Allocation Method of Testability Based on Seeker Optimization Algorithm

ZHANG Zhao-xu1,2, WANG Zhi-jie1, LI Jian-chen1,2, WANG Gui-qi1, XU Jun1, YANG Jin-hou1

(1. The 705 Research Institute, China Shipbuilding Industry Corporation, Xi′an 710077, China; 2. Science and Technology on Underwater Information and Control Laboratory, Xi′an 710077, China)

Testability allocation is an essential part in the design of testability. The existing testability allocation methods have such disadvantages as complicated weight calculation, subjective determination of weight, and allocation results needing adjustment according to experience, which cannot reflect actual status of product accurately. In this paper, the seeker optimization algorithm(SOA), which has the advantages of good global searching capability, fast convergence and strong robustness, is employed to propose an SOA-based optimal allocation method of testability by taking the life cycle cost as an objective function and weighing the related influencing factors. The effectiveness and feasibility of the proposed method is verified by allocating the fault detection rate(FDR) among forty-one components in a torpedo control system. This research may provide a reference for optimization design of testability.

torpedo; optimal allocation of testability; life cycle cost; seeker optimization algorithm(SOA)

TJ630.6; TP301.6

A

2096-3920(2018)01-0053-04

10.11993/j.issn.2096-3920.2018.01.009

张钊旭, 王志杰, 李建辰, 等. 基于搜寻者算法的测试性优化分配方法[J]. 水下无人系统学报, 2018, 26(1): 53-56.

2017-07-17;

2017-08-26.

张钊旭(1993-), 男, 在读硕士, 主要研究方向为鱼雷总体技术.