基于搜尋者算法的測試性優(yōu)化分配方法

張釗旭, 王志杰, 李建辰, 王貴奇, 許 軍, 楊進候

?

基于搜尋者算法的測試性優(yōu)化分配方法

張釗旭1,2, 王志杰1, 李建辰1,2, 王貴奇1, 許 軍1, 楊進候1

(1. 中國船舶重工集團公司 第705研究所, 陜西 西安, 710077; 2 .水下信息與控制國家重點實驗室,陜西 西安, 710077)

測試性分配是測試性設計中的重要環(huán)節(jié)?，F(xiàn)有的分配方法存在權值計算復雜、權重確定主觀性強、分配結果需根據(jù)經(jīng)驗調(diào)整等不足, 不能準確反映產(chǎn)品的實際情況。為此, 文中利用搜尋者優(yōu)化算法(SOA)全局搜索能力強, 收斂速度快、魯棒性好的優(yōu)勢, 將產(chǎn)品的全壽命周期費用作為目標函數(shù), 同時考慮多種相關影響因素, 提出基于SOA算法的測試優(yōu)化分配方法。最后, 通過對魚雷控制系統(tǒng)中41組件的故障檢測率(FDR)指標進行分配, 驗證了該方法的可行性, 該方法可為測試性優(yōu)化設計提供參考。

魚雷; 測試性優(yōu)化分配; 全壽命周期費用; 搜尋者優(yōu)化算法(SOA)

0 引言

測試性分配是將系統(tǒng)的測試性指標逐級分配到規(guī)定的較低的功能層次——可更換單元或部件, 從而明確系統(tǒng)各功能層次的測試性指標要求, 作為各功能層次測試性設計的要求, 用于指導設計師對測試資源進行優(yōu)化配置, 便于開展測試性設計[1]。

傳統(tǒng)的測試性分配方法如經(jīng)驗分配法完全依賴分配者的經(jīng)驗, 主觀性強; 等值分配法未考慮相關影響因素, 直接使各組成單元的分配額等于系統(tǒng)的測試性指標; 故障率分配法僅以系統(tǒng)各組成單元的故障率為分配權重進行比例分配, 所需數(shù)據(jù)較少, 但是當各組成單元的故障率差別較大時, 分配結果不合理, 需要人工進行調(diào)整。田仲[2]從工程實用角度出發(fā), 分別提出了按復雜度、重要度、加權和有部分老產(chǎn)品時的4種用于不同情況下的測試性分配方法。張延生等[3]則在考慮測試資源約束條件下, 利用遺傳算法(genetic algorithm, GA)對測試性指標進行優(yōu)化分配, 但對GA算法并未進行深入分析。

文中利用搜尋者算法[4](seeker optimization algorithm, SOA)全局搜索能力強, 收斂速度快、魯棒性好的優(yōu)勢, 將全壽命周期費用作為目標函數(shù), 同時考慮多種影響因素, 提出基于SOA算法的測試優(yōu)化分配方法, 并對魚雷控制系統(tǒng)中的41組件進行故障檢測率(fault detection rate, FDR)指標分配, 驗證了該方法的可行性。

1 測試性優(yōu)化分配的數(shù)學描述

1.1 測試性分配數(shù)學模型

測試性分配是從整體到局部、從上到下的指標分解過程, 且需要隨著產(chǎn)品的設計研制進程逐步深入不斷修正, 以使指標分配結果更加合理。測試性分配問題在數(shù)學上可描述為[5]

1.2 測試性優(yōu)化分配模型

測試性優(yōu)化分配可以描述為在給定系統(tǒng)測試性指標及相關約束條件下, 使得全部費用最小[6]。

2 基于SOA算法的測試性優(yōu)化分配

2.1 SOA算法

SOA算法是進化算法研究領域的一種新型群體智能算法, 以搜索隊伍為種群, 搜尋者位置為候選解, 通過模擬人的智能搜索行為(包括“利己行為”、“利他行為”及“預動行為”)和不確定推理, 確定搜索步長和方向, 完成搜索者位置的更新, 進而實現(xiàn)對優(yōu)化問題的求解[7]。

2.2 適應度函數(shù)構造

根據(jù)式(2)中測試性優(yōu)化分配的數(shù)學模型構建目標函數(shù), 并采用罰函數(shù)方法描述約束條件, 得到適應度函數(shù)

2.3 SOA算法實現(xiàn)流程

3 案例驗證

1) 目標函數(shù)

表1 各分組件的故障率li、任務失敗率Ri、風險指數(shù)hi和平均故障修復時間Mi取值

因此, 41組件的全壽命周期費用

通過以上分析, 得到目標函數(shù)

表2 全壽命周期各部分費用取值

2) 約束條件

3) 計算分析

將SOA與GA的計算結果對比, 如表3所示。

表3 SOA與遺傳算法(GA)計算結果對比

分析可得, 采用SOA算法對魚雷控制系統(tǒng)41組件進行FDR指標分配, 在滿足約束條件下, 與GA算法的計算結果相比, 其收斂速度更快, 且全壽命周期費用更小。

4 結束語

文中對測試性優(yōu)化分配問題進行了數(shù)學描述并給出了優(yōu)化分配的數(shù)學模型。在介紹SOA算法基礎上, 基于罰函數(shù)方法構建了適應度函數(shù), 并給出了SOA算法求解優(yōu)化分配問題的流程。最后, 以LCC為目標函數(shù), 綜合考慮故障率、任務失敗率、風險指數(shù)、MTTR的影響約束, 對魚雷控制系統(tǒng)的41組件進行FDR指標分配, 并與GA算法的計算結果進行對比分析, 驗證了該方法的可行性。

文中所建立的LCC函數(shù)和約束條件中相關參數(shù)的取值以經(jīng)驗值為主。后續(xù)應采集更加豐富的數(shù)據(jù)(如費用、故障檢測時間及隔離時間等), 對LCC函數(shù)和約束條件進行完善, 使得測試性指標的分配結果更加符合產(chǎn)品的實際情況。

[1] 石君友. 測試性設計分析與驗證[M]. 北京: 國防工業(yè)出版社, 2011.

[2] 田仲. 測試性分配方法研究[J]. 北京航空航天大學學報, 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] 張延生, 黃考利, 陳建輝. 基于遺傳算法的測試性優(yōu)化分配方法[J]. 測試技術學報, 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] 余勝威. MATLAB優(yōu)化算法案例分析與應用[M]. 北京: 清華大學出版社, 2014.

[5] 邱靜, 劉冠軍, 楊鵬, 等. 裝備測試性建模與設計技術[M]. 北京: 科學出版社, 2012.

[6] 劉剛, 黎放, 胡斌. 基于改進遺傳算法的測試性優(yōu)化分配算法[J]. 火力與指揮控制, 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, 陳維榮, 戴朝華, 等. 基于搜尋者優(yōu)化算法的質(zhì)子交換膜燃料電池模型優(yōu)化[J]. 中國電機工程學報, 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, 劉瑞生. 魚雷總體技術[M]. 北京: 國防工業(yè)出版社, 2011.

[9] 曾天翔. 電子設備測試性及診斷技術[M]. 北京: 航空工業(yè)出版社, 1996.

[10] 田仲, 石君友. 系統(tǒng)測試性設計分析與驗證[M]. 北京: 國防工業(yè)出版社, 2003.

(責任編輯: 許 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

張釗旭, 王志杰, 李建辰, 等. 基于搜尋者算法的測試性優(yōu)化分配方法[J]. 水下無人系統(tǒng)學報, 2018, 26(1): 53-56.

2017-07-17;

2017-08-26.

張釗旭(1993-), 男, 在讀碩士, 主要研究方向為魚雷總體技術.