电子装备层次化模型研究进展及发展趋势

李 哲，沈 强，张 瑾，李 淘，代峰燕，曹建树

(北京石油化工学院机械工程学院，北京 102617)

随着装备系统在功能先进性和结构复杂性方面的显著提升，使其向着高度集成化和结构微型化的趋势发展，随之出现装备系统功能愈加复杂和结构尺寸不断缩小，使装备系统测试分析和故障诊断的难度与日俱增等问题[1-3]。然而在航天军事等重要领域中，对于系统测试时间和测试效率等方面的要求越来越高，传统的依靠工程师经验完成对系统故障诊断和维修维护，不仅耗费大量时间、人力和财力等资源，而且效率较低，达不到预期效果。经过大量实践总结，人们逐渐意识到盲目追求测试系统优化不能从根本上解决装备系统的测试维修问题；若要有效快捷地实现对装备系统的测试维修，就必须在装备系统设计阶段将测试性设计作为设计目标之一，使装备系统具有良好的测试性[4-8]。如何描述装备测试性知识，并让计算机辅助软件进行测试性水平验证成为如今面临的一大难题，另外随着装备系统结构复杂性的提高，一般模型无法满足要求，因此层次化模型应运而生。

经过数十年探索总结，国外在层次化建模与分析方法方面取得了丰富的成果，提出了逻辑模型、信息流模型、多信号流图模型、混合诊断模型等层次化模型，并以层次化模型为基础开发了相应计算机软件来应用于装备测试性设计[9-11]。国内在测试性设计方面虽起步较晚，但对层次化模型进行了大量的改进和应用研究。笔者针对层次化模型进行了详细阐述，并指出在层次化模型基础上叠加装备运行信息进行故障预测及健康保障的发展趋势。

1 层次化模型国内外研究进展

1.1 逻辑模型

逻辑模型(logic model)是在20世纪60年代由美国De Paul提出[12]，其主要由以下几部分组成：①单元模块集M={m1，m2，…，ma}，指所在层次所有组成单元的集合；②测试点集P={p1，p2，…，pb}，指所在层次所有测试位置的集合；③有向边集E={eij}，其中eij表示由顶点i指向顶点j的有向边。

逻辑模型中使用有向图来表示系统中功能模块和测试之间的依赖关系，进而进行诊断推理和测试性分析。以逻辑模型为基础，美国DSI International公司设计了一款用于装备测试性分析的软件LODMOD，该软件主要用来建立装备的逻辑模型，测试目标为小规模电子系统，后来DSI International公司又在此基础上开发了一款较为通用的软件“系统测试性分析工具”(STAT)[13]。

逻辑模型对于故障模式和测试方法具体情况不做描述，不能够反映故障模式与测试之间的相关信息，因此该模型只适用于装备研制初级阶段。在设备研制初级阶段，只是完成了各功能模块功能初步设计和测试点位置的初步确定，然后借助逻辑模型对装备测试性设计进行初步改进，由于逻辑模型自身缺陷，很快便被其他模型所替代。

1.2 信息流模型

信息流模型(Information Flow Model)是在20世纪80年代由美国W. R. Simpson等提出[14]，主要完成了信息流模型结果的基本定义，确定了模型数学描述过程，其主要由以下几部分组成：①单元模块集M={m1，m2，…，ma}，指所在层次所有组成单元的集合；②故障模式集F={f1，f2，…，fb}，指该层级中模块的所有故障模式集合；③每个模块mi包含的故障模式集FM(mi)，FM(mi)⊆F；④测试点集P={p1，p2，…，pc}，指该层级测试位置集合；⑤测试集T={t1，t2，…，td}，指该层级中所有测试集合；⑥每个测试点Pi包含的一组测试集TP(Pi)，TP(Pi)⊆T；⑦可测试输入集INT={int1，int2，…，inte}，指该层级所有可测试的输入信号集合；⑧有向边集E={eij}，其中eij表示由顶点i指向顶点j的有向边。

信息流模型与逻辑模型相比，优势在于其包含了故障模式，可以用有向图来表示故障模式与测试点间的信息，使测试与故障模式之间的依存关系更清楚，容易获得故障-测试相关矩阵。

在国外，与信息流模型相关的计算机辅助软件被逐步开发出来，其中具有代表性的软件为美国航空无线电公司开发的系统测试性与维修软件工具STAMP，其以信息流模型为基础，可以对装备进行测试性建模与分析，并根据分析结果对装备进行改进，大大提高了美军装备测试性设计效率[15]。

国内从20世纪末开始对信息流模型进行应用研究，李艾华等[16]对光驱电路板原理图进行了分析，建立了电路板诊断信息流模型，反映了故障结论与测试之间的关系，讨论了电路板故障诊断问题。陈圣俭等[17]提出了一种基于信息流的故障隔离方法，最大化地缩短了测试时间。薛凯旋等[18]基于信息流模型对测试选择问题进行了研究，在此基础上，给出了运用改进的列表寻优算法进行测试选择求解方法，并通过具体实例对算法进行了验证。宋振宇等[19]建立了信息流模型，并通过实例详细分析了如何应用信息流模型对电子设备测试进行最优化选择。邵俊宇等[20]对导弹自动驾驶仪建立了信息流模型，得到了故障与测试间的相关性矩阵，并在矩阵的基础上进行多故障分析，提出了多故障下诊断完备性分析方法，构建了自动驾驶仪的诊断流程。杨鹏等[21]在故障-测试相关矩阵的基础上，构建了故障之间的关联矩阵和测试之间的关联矩阵，得到了扩展关联矩阵模型，并基于该模型开展了测试性分析。

信息流模型致力于系统诊断结论和测试之间的对应关系，往往考虑被测试检测的故障，而忽视了系统功能。所以当装备系统比较复杂时，模型结构与实际装备系统结构会存在较大的误差，阻碍了信息流模型的推广和应用。

1.3 多信号流图模型

多信号流图模型(Multi-signal Flow Graphs Model)是20世纪90年代由美国Pattipati教授和Deb教授提出[22]。多信号流图模型主要由以下几部分组成：①单元模块集M={m1，m2，…，ma}，指所在层次所有组成单元的集合；②系统信号集S={S，S2，…，Sb}，指该层级中模块的所有信号集合；③每个模块mi包含的信号集合SM(mi)，SM(mi)⊆S；④测试点集TP={tp1，tp2，…，tpc}，指该层级测试位置集合；⑤测试集T={t1，t2，…，td}，指该层级中所有测试集合；⑥每个测试点TPi包含的一组测试集SP(TPi)，SP(TPi)⊆TP；⑦每个测试ti能够检测到的信号集合ST(ti)，ST(ti)⊆S；⑧有向图DC={M，TP，E}，其中E表示系统结构之间的有向边集合。

多信号流图模型以逻辑模型和信号流模型为基础，详细分析了这些模型的优缺点，对层次化模型进行改进，多信号流图模型结合了之前模型的优点，将测试、信号和故障结合起来，同时考虑装备系统的功能和结构来提高测试性水平。以多信号流图模型为基础的测试性辅助设计分析软件中，具有代表性的主要是DSI公司的eXpress和QSI公司的TEAMS软件。

从近几年国外关于多信号流图模型的研究来看，国外很多机构都比较注重于装备整体系统的测试性设计与分析和系统级别的故障诊断问题。主要研究了在多故障情况下的最优测试序列生成与故障诊断、依赖矩阵求取算法、测试序列优化、多值测试条件下的诊断策略优化生成、故障状态识别、分布式故障诊断等，以及多信号流图模型在多种情况下的应用[23-26]。

由于多信号流图模型综合了系统逻辑模型和信息流模型的优点，重点关注信号的多维属性，各信号之间独立，最能真实反映系统结构和元器件之间的联系。所以国内主要对多信号流图模型展开应用研究。高旭[27]以多信号流图模型为基础构建了层次化的图形建模环境，对各个子系统进行了分批建模和集成，并提出了一种求取模型依赖矩阵的算法，实现了有向图到依赖矩阵的转换。丁昊[28]主要利用Visio控件的图元开发了测试性分析软件工具，完成了相关性矩阵生成和测试性分析，实现的结果基本与TEAMS软件分析结果一致。匡翠婷[29]以多信号流图模型建模方法为基础，分别对二值测试和多值测试下的诊断策略优化技术进行了研究，提出了有限搜索AO*诊断策略优化算法和与或树启发式搜索算法。童陈敏[30]提出了基于FSFTC建模方法与层次化建模思想的测试性虚拟验证建模方法，该模型综合考虑了装备系统的功能、结构、故障、测试和环境等因素，使模型的建立更加贴合实际、置信度高。顾晨轩[31]提出了一种支持故障预测的测试诊断建模方法，在建模过程中添加故障诊断预测信息，使模型可以评估装备系统的故障预测能力，另外，还研究了基于多值测试的诊断策略优化方法，简化了测试环节。姜婕[32]提出了一种针对复杂系统的时序故障进行状态监测及故障诊断方法，建立单轴惯导测试转台的多信号流图模型，通过对采集信号的处理，验证了对复杂系统时序故障实时状态监测及故障诊断方法的可行性。张钊旭等[33]开展了多信号流模型的应用研究，通过对鱼雷武器功能结构的划分，建立了鱼雷武器的多信号流图模型，并开展了测试性分析和测试性指标计算，验证了鱼雷武器模型的可行性。文佳[34]分析了现代航电系统的故障模型，总结了故障诊断算法的设计要求，综合考虑了航电系统层次繁多和结构复杂的特点，在不同层次给出相应的快速诊断和精确诊断2种方式的算法，既满足了快速诊断的需求，又满足了故障诊断的精度要求，解决了航电系统长期存在的虚警问题，满足了不同BIT工作模式下故障诊断的要求。

1.4 混合诊断模型

混合诊断模型(Hybrid Diagnostic Model)是故障-测试相关性模型的一个扩展，是美国DSI公司为了与QSI公司竞争而提出的测试性模型，该模型将功能模型和故障模型统一到同一个系统模型中，并将其应用于eXpress软件中[35]。在运用混合诊断模型进行故障推理过程中有其独特的推力规则，一般将规则分为两类：一种是根据故障模式进行诊断推理；另一种是根据功能进行诊断推理[36]。

相比多信号流图模型，混合诊断模型可以将后期分析的故障模式加在系统的下层，之后依据故障模式设计相应的测试。但是功能模型与故障模型缺乏溯源性，一旦设计发生变化，功能模型与故障模型都需要进行更新，但从建立层次化模型的原理上讲，混合诊断模型与多信号流图模型并无太大的区别。

国内众多学者对混合诊断模型也做了一些研究。蒋俊荣等[37]主要进行了混合诊断模型的应用研究，结合某示波器电路建立层次化模型，得出相应的相关性矩阵，并进行了测试性分析，获到了模型的诊断策略，对混合诊断模型进行了有效的验证。杨智勇等[38]针对混合诊断模型中故障和功能在可靠性数据冲突的情况下如何计算故障隔离率和故障检测率的问题研究了一种处理方法，通过扩展故障-测试关联矩阵的定义，将故障与功能之间的不确定性转化为确定性，得出了故障和功能可靠性数据冲突的处理公式，提出了不同优先级的故障检测率和故障隔离率的算法，并给出算例。王宝龙等[39]基于混合诊断模型中故障的不确定性进行了建模与分析，将混合诊断模型与贝叶斯网络测试性模型相融合，得出了基于混合诊断贝叶斯网络模型的测试性指标预计方法，使预计的结果可信度明显提高。秦玉峰等[40]针对模型建立过程中无具体方法指导测试配置的问题进行了相关研究，通过建立某型装备发动机模型，以测试性分析指标为约束，以最少测试点数量为目标，提出了一种基于混合离散二进制粒子群-遗传算法的测试配置优化方法，得到了不同要求下的最优测试配置方案，最后通过仿真对该方法进行验证，得出的测试配置方案可以有效解决测试性设计与分析方面的问题，可以有效提高测试性分析与设计效率，降低测试性模型建立的难度。

2 层次化模型应用范围

装备测试性设计一般是从设计阶段开始就考虑装备系统测试诊断问题，通过提高装备测试性设计水平使装备系统的行为变得易于控制和检测。由于现代装备系统集多种功能于一体，功能结构愈加复杂，所以需要利用层次化模型对其进行分解描述，通过描述系统中功能与测试之间的关系，为提高装备系统测试性水平提供信息描述基础。层次化模型描述实际系统行为能力有效地决定了装备测试性水平预计的准确度和诊断测试策略的有效性。但不同的层次化模型因其功能的特点和本身存在的缺陷，使其在装备系统设计周期中适合的阶段有所不同。

在装备设计初期，只是完成了功能模块的初步设计，测试点所在位置也只是初步确定，在后续还可能对其进行调整，同时在设计初期也不会涉及到装备所存在的故障模式。逻辑模型是用有向图来表示系统中功能模块和测试之间的依赖关系，但对于故障模式和测试方法具体情况不做描述，所以逻辑模型平常应用于装备设计初期，对装备测试性设计水平进行初步分析，找出其中的设计薄弱环节并对其进行改进。信息流模式与逻辑模型相比，优势在于其包含了故障模式，可以用有向图来表示故障模式与测试点间的信息，使得测试与故障模式之间的依存关系更清楚，容易获得故障-测试相关矩阵，但是在信息流模型中测试与测试、测试与诊断结论之间的相关关系都是布尔值的，在装备系统比较复杂时，模型结构与实际装备系统结构会存在较大的误差，所以信息流模型只适合于装备设计阶段的后期对系统的测试性设计水平进行评估。根据前文可知，多信号流图模型和混合诊断模型建立原理基本一致，皆是由有向图和矩阵来描述装备系统中功能、故障与测试三者间的相关关系，并且根据装备系统结构建立的模型与装备实际结构基本一致，所以多信号流图模型与混合诊断模型适用于装备系统设计的整个周期，在装备系统设计的前期、中期、后期都可以对装备测试性分析水平进行分析，得到故障检测率、故障隔离率、测试点优化、诊断策略生成以及模型反馈等优化内容，来提高装备测试性设计水平。

3 层次化模型发展趋势

目前，用于装备描述的层次化模型都是通过图形描述来建立装备系统功能与测试之间的关联关系，然后通过相关算法将图形化模型转化为功能与测试的相关性矩阵，之后对相关性矩阵进行分析，得出装备系统测试性指标，然后对装备测试性设计进行优化更改，对提高装备测试性设计水平起着很大的作用。

但是在建模过程中也存在着一些缺陷。层次化模型在建立的过程中，是根据设计人员对故障和测试的定性关系进行建立的，最终生成元素为0或1的相关性矩阵，然后进行测试性分析；在整个过程中，不可避免地丢失了一些定量的信息，往往会与实际情况存在一些误差。所以之后层次化模型在故障模式建立的基础上需另行加载一些额外条件，如环境及工作时间等相关影响信息等，将会使分析的结果与实际情况更加吻合。

大数据和人工智能化技术的迅速发展，为传统故障诊断向故障预测与健康管理(Prognostics and Health Management，PHM)转化提供技术支持。PHM是在原有数据采集、信号处理、状态监测以及故障诊断基础上增加故障预测和健康保障内容，形成了一套完整的确保实现自主保障体系，是对复杂装备传统使用的机内测试和状态监控能力的进一步扩展，主要是为了降低使用和保障费用，从而以较少的维修投入实现维修状态的改变，最终达成装备自主式保障。电子装备系统主要由各种元器件和集成电路组成，其功能失效形式主要体现在元器件老化和性能退化上，通过对电子装备在不同环境下运行信息的大量收集与分析，可以得出电子装备剩余寿命和容易失效的部位。针对电子装备容易失效的薄弱区域进行智能化监控和监测，即可实现电子装备的故障预测和健康保障，避免出现因装备突然失效导致的安全问题和经济损失。然而不论是故障诊断还是故障及剩余寿命预测，都离不开装备系统模型的建立，所以将已经研制并运行装备的工作及其故障信息叠加到层次化模型中，寻求同种装备运行规律和故障发生的频率，对装备系统进行故障预测和健康保障是未来的一大发展趋势。

4 结束语

层次化模型可以将装备系统功能结构等测试性知识准确、清晰的抽象出来，辅助测试性设计人员对装备进行优化设计。国外在数十年的研究中，先后提出了逻辑模型、信息流模型、多信号流图模型和混合诊断模型等，并依据模型开发了相应计算机辅助工具。笔者对这些典型层次化模型的研究进展做了详细阐述，得出模型一般都通过图形化建模方式来求出故障与测试的相关性矩阵，然后对装备系统进行测试性分析，根据分析结果对装备系统进行更改来提高测试性水平，以便于对装备进行功能测试和故障诊断。另外，分析了不同层次化模型在装备设计周期中所适用的阶段，为测试性领域的研究者提供一些参考，并对层次化模型在故障诊断领域未来发展趋势进行了总结与分析。