并行测试发火测试系统可靠性评估及优化方法

1.本发明涉及航天火工品发火测试领域，具体是并行测试发火测试系统可靠性评估及优化方法。


背景技术：

2.发火测试系统是一种专门应用于测试火工品等爆炸类产品质量的测试系统。它通过对产品进行发火测试，来确定产品的性能指标。军用或航天火工品由于其应用场景的特殊性，对产品可靠性的要求非常高，因此需要通过严格的测试来确保产品的质量和安全，力求其可靠性达到100％。
3.对于规模较小的测试任务，单个测点就能满足测试任务要求，因此传统的方式大多集中在单个测试点的测试，导致没有考虑到测试任务规模和测试任务的效率。但是，对于规模较大和紧急的测试任务，如果继续采用单测点进行测试，则会降低测试效率并大大增加时间成本。因此，一般采用并行测试来解决大规模的紧急测试任务需求。二并行测试的测试产品结果的可靠性由并行测试系统的可靠性决定，因此并行测试系统的可靠性极为重要。
4.并行测试系统虽然能够在同一时间内对多个产品进行发火测试，大大提高了测试效率。但是，并行测试系统的可靠性也是一个非常重要的问题，如果并行测试系统出现故障，则可能会影响整个测试过程，并可能导致错误的测试结果。


技术实现要素：

5.本发明的目的在于解决现有技术中存在的问题，提供并行测试发火测试系统可靠性评估及优化方法，能解决传统方法用于大规模测试任务时，单测试点效率低下的问题，更快更精确地完成大规模的测试任务。
6.本发明为实现上述目的，通过以下技术方案实现：
7.并行测试发火测试系统可靠性评估及优化方法，包括步骤：
8.s1、对每个测试点的发火测试系统视为多阶段任务系统，对发火测试系统并行测试冗余化分析，进行模块备份；
9.s2、根据步骤s1中分析获得的各阶段的各模块的备份参数，采用动态贝叶斯网络搭建并行测试系统可靠性模型；
10.s3、构建发火测试系统并行测试优化问题，对并行测试任务建立求效率最高与可靠性最优的数学模型，然后通过基于蚁群算法的并行测试可靠性优化方法获得最优解。
11.优选的，步骤s3中，并行测试的任务调度优化目标函数如下所示：
[0012][0013]
[0014][0015][0016][0017][0018][0019][0020][0021][0022]
ξ+ψ＝1
[0023]
其中：j＝maxf为在优化时域内并行测试任务优化目标函数；为在优化时域内测试点j的优化目标函数；bl为均衡度指标函数，fj为不考虑均衡度的目标优化函数；i,z∈n，i,z分别为测试任务的批次序号和测试点数量。
[0024]
优选的，步骤s3中，测试任务总时间t由每个批次任务中的测量器件所需要时间的最大值和各个测试点所需测试时间的最大值决定，其数学模型如下所示：
[0025]
t＝max(t
mes
)*max(t
site
)+t
switch
；
[0026]
其中，t
mes
为每个批次任务中测量器件所需要的最长时间，t
site
为测试点所需要的最长测试时间，t
switch
为该批次任务所对应的发火测试系统器件切换所需要的时间。
[0027]
优选的，步骤s3中，基于蚁群算法改进的并行测试任务调度算法如下：
[0028]
1)启发函数η
ij
，该函数表示测试批次任务tj被测试点mi选择的期望程度：
[0029]rj
∈mi测试任务集；
[0030]
其中，q表示测试任务被测试点选择的期望程度的强度；f
ji
表示被测试批次任务rj在测试点mi的目标优化函数；
[0031]
2)状态转移概率该函数表示蚂蚁k在完成当前测试任务i的情况下选择下一任务j的概率：
[0032][0033]
其中：α为信息启发因子，表示τ
ij
的重要程度，其值越大，表示蚂蚁越倾向于选择其他蚂蚁所走过的路线，所有蚂蚁得到的可行解汇聚到一起的概率就越高；τ
ij
为测试点选择
测试批次任务的信息素浓度；β＝1-α为η
ij
的重要程度，其值越大，表明状态转移概率受先验客观因素的影响程度越大；ruk(i)为蚂蚁k在测试点mi的禁忌表，即表示测试点已经完成的测试批次任务，s为不属于禁忌表的批次任务号；
[0034]
3)信息素更新规则τ
ij
：在完成一次完整的迭代后，考虑所有蚂蚁的路径选择为任意一个测试点的测试任务选择进行计算：
[0035]
τ
ij
＝(1-ρ)τ
ij
+τ
′
ij
[0036][0037]
其中：(1-ρ)为信息素残留因子；n为蚂蚁的数量；为蚂蚁k由测试批次任务i到测试批次任务j的信息素增量，其计算方式如下所示：
[0038][0039]
其中：τ0为信息素浓度的初始值；fs是蚂蚁k经过路径所产生目标函数的值大小，为其平均值；l为蚂蚁选择测试批次任务的最小目标函数值；k∈i
→
j表示蚂蚁k基于当前测试任务i后选择测试任务j。
[0040]
优选的，步骤s3中，在已存在的多个测试点最优解中选取多个测试点的测试时间接近的解，使用以下式表示：
[0041]
f＝min(fs)
[0042][0043]
其中，fs为测试点参数s所对应的目标函数，z为测试点的数量，tv为测试点v的测试时间，为z个测试点的平均时间。
[0044]
优选的，步骤s2中，所述并行测试系统由多个测试点的发火测试系统串联而成，测试系统整体的可靠性由各个测试点的可靠性组合而成。
[0045]
优选的，步骤s1中，仅对发火测试系统中动态模块进行冗余备份。
[0046]
对比现有技术，本发明的有益效果在于：
[0047]
本发明采用动态贝叶斯网络搭建多阶段任务系统的可靠性模型，然后，通过基于蚁群算法的并行测试可靠性优化方法，根据发火测试系统的结构特点设计了启发函数、状态转移概率和全局信息素更新规则，使系统能够得到测试时间和可靠性的最优方案。与常见方法相比，本发明能解决传统方法用于大规模测试任务时，单测试点效率低下的问题，更快更精确地完成大规模的测试任务。
附图说明
[0048]
图1为本发明的流程图；
[0049]
图2为本发明并行测试系统可靠性框图和贝叶斯网络的示意图；
[0050]
图3为本发明并行测试任务调度优化算法的流程图。
具体实施方式
[0051]
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所限定的范围。
[0052]
实施例：如附图1-3所示，本发明所述是并行测试发火测试系统可靠性评估及优化方法，构建了并行测试发火测试系统可靠性模型，然后，通过基于蚁群算法的并行测试可靠性优化方法，根据发火测试系统的结构特点设计了启发函数、状态转移概率和全局信息素更新规则，使系统能够得到测试时间和可靠性的最优方案。
[0053]
包括步骤：
[0054]
s1、发火测试系统并行测试冗余化分析：
[0055]
由于并行测试是多个测试点分担了整个测试任务，各个发火测试系统的器件磨损比单测试点要低。因此，在并行测试中，考虑发火测试系统的静态模块(整个测试过程均在工作状态的测量器件)和特殊模块(工作状态涉及人为操作以及矩阵开关的通道配置受动态模块的影响因素的测量器件)中器件的损耗很低，故不对其进行冗余化备份，仅仅对发火测试系统中动态模块(在每个阶段任务的器件配置因其测试目标的种类和数量变化而变化的测量器件)进行冗余备份。
[0056]
s2、动态贝叶斯网络搭建并行测试系统可靠性模型。
[0057]
并行测试系统由多个测试点的发火测试系统串联而成，测试系统整体的可靠性由各个测试点的可靠性组合而成，其可靠性框图和贝叶斯网络如图2所示。
[0058]
s3、发火测试系统并行测试优化问题构建并求解，具体包括步骤：
[0059]
s31、构建发火测试系统并行测试优化问题；
[0060]
针对发火测试任务的生产驱动问题，对并行测试任务进行了滚动时域优化，即在任务生产的同时可以进行测试，并在一定时间区间内进行并行测试优化，并且该时间区间是处于滚动变化的，假设滚动时域优化时间区间长度为h，初始测试任务批次序号为t，当前测试任务的序号为i。
[0061]
并行测试的优化问题构建包括发火测试系统可靠性最优、测试系统的切换频率最低、测试时间最小化和考虑测试任务的优先级问题，其目标函数的数学模型如下式所示：
[0062][0063]
其中fj为测试点j的目标优化函数，i,j∈n，j≤z；为在优化时域内测试点j的i+1批次发火测试系统可靠性；为在优化时域内发火测试系统在测试批次i和i+1之间的测量器件切换次数；为在优化时域内测试点j的i+1批次任务测试所需要的时间；p
t,h+t
为在优化时域内i+1批次相对于i批次的任务优先级；ξ为可靠性权重系数，ψ为测试时间权重系数，满足ξ+ψ＝1。
[0064]
在进行并行测试时，每个测试批次任务只能选择一个测试点进行测试。因此，该约束数学模型如下所示：
[0065]
[0066]
其中，bj为测试批次任务在测试点j的标志位，表示测试任务是否在该测试点进行测试，z为测试点数量。
[0067]
在发火测试过程中，测试点测试时间由两部分组成，主要包括器件使用时间和器件切换时间，其数学模型如下所示：
[0068][0069]
其中，为在优化时域内i+1批次任务中测量器件所需要的时间，为在优化时域内测试批次i+1的切换器件时间，分别为测试批次任务在测试点的切换标志位，表示测试批次任务是否进行了切换操作，
[0070]
针对发火测试系统的测量器件切换问题，为减少测量器件的切换率，构建了测试系统器件切换优化问题。在发火测试系统中，测量器件的切换会导致矩阵开关测量通道的切换。因此，该问题可以转换为矩阵开关测量通道的切换问题。
[0071]
本实施例中的发火测试系统中的矩阵开关采用的是m
×
n结构的，其数学模型可采用二维矩阵用二维矩阵表示i批次时测试系统的矩阵开关测量通道的配置情况，表示i+1批次时测试系统的矩阵开关测量通道的配置情况，二维矩阵数学模型如下所示：
[0072][0073][0074]
其中，w
t,h+t
∈{0,1}，w＝0表明矩阵开关中继电器处于断开状态，w
t,h+t
＝1表明矩阵开关中继电器处于闭合状态。为计算两个测试批次任务之间发火测试系统测量器件的切换情况，本发明使用二维矩阵中-1的个数来衡量两个测试任务之间的测量器件的切换情况；-1的个数越少，切换程度越低，用如下公式表示：
[0075][0076]
为解决各个测试任务优先级的问题，本实施例对所有的测试任务进行了优先级分类，总共分为四个优先级(p0,p1,p2,p3)，其下标越小，优先级越大，其中p0为紧急任务设置的，其优先级最高。
[0077]
为防止优先级低的批次测试任务一直得不到测试，本发明对每个测试任务设置了任务等待时间阈值t
max
，若测试任务的等待时间大于等于t
max
则直接最先安排测试。
[0078]
if ti≥t
max then pi＝p0[0079]
其中，ti为批次任务i的等待测试时间，pi为批次任务i的测试优先级。
[0080]
为达到并行测试系统可靠性最优和测试时间最小化等条件的同时使各个测试点能够进行均衡的测试，本发明提出了测试点之间的均衡度指标，其数学模型如下式所示：
[0081][0082]
其中，bl为均衡度指标函数。
[0083]
并行测试的任务调度优化目标函数如下所示：
[0084][0085][0086][0087][0088][0089][0090][0091][0092][0093][0094]
ξ+ψ＝1
[0095]
其中：j＝maxf为在优化时域内并行测试任务优化目标函数；为在优化时域内测试点j的优化目标函数；bl为均衡度指标函数，fj为不考虑均衡度的目标优化函数；i,z∈n，i,z分别为测试任务的批次序号和测试点数量。
[0096]
测试任务总时间t由每个批次任务中的测量器件所需要时间的最大值和各个测试点所需测试时间的最大值决定，其数学模型如下所示：
[0097]
t＝max(t
mes
)*max(t
site
)+t
switch
[0098]
其中，t
mes
为每个批次任务中测量器件所需要的最长时间，t
site
为测试点所需要的最长测试时间，t
switch
为该批次任务所对应的发火测试系统器件切换所需要的时间。
[0099]
s32、求解发火测试系统并行测试优化问题；
[0100]
为在约束条件下提高并行测试发火测试系统的可靠性和整个测试过程的测试效率，本实施例提出了一种基于蚁群算法的并行测试可靠性优化方法，根据发火测试系统的结构特点设计了启发函数、状态转移概率和全局信息素更新规则。但通过该算法得到的解
可能不是唯一的。因此本实施例考虑了测试点均衡的评价标准，可以根据此标准得到最优的解。
[0101]
发火测试系统的并行测试任务调度优化算法是基于蚁群算法改进的，本发明将蚁群算法的原理和发火测试系统测试过程的特点相结合，得到测试时间最短和发火测试系统可靠性最优的矩阵f，矩阵中的行表示测试点，列表示测试点对测试任务的测试顺序，矩阵内部的元素表示测试批次任务序号：
[0102][0103]
其中：中的mi(i＝1,2,
…
,x)为测试点序号，若则表示此时测试点闲置，测试批次任务可以到该测试点进行测试；j(j＝1,2,3,
…
,y)为测试批次任务序号。
[0104]
结合发火测试系统测试过程的特点，基于蚁群算法改进的并行测试任务调度算法设计如下：
[0105]
1)启发函数η
ij
。该函数表示测试批次任务tj被测试点mi选择的期望程度：
[0106]rj
∈mi测试任务集；
[0107]
其中，q表示测试任务被测试点选择的期望程度的强度；f
ji
表示被测试批次任务rj在测试点mi的目标优化函数。
[0108]
启发函数的数值大小表示先验客观因素的影响程度，其以贪心思想为原理，目标函数的值越大的测试点，其启发函数的数值越小，转移概率越低，反之亦然。但在这个过程中可能会发生早熟的现象。因此为避免陷入局部最优解的情况，在任务的选择时加入了信息素参数。
[0109]
2)状态转移概率该函数表示蚂蚁k在完成当前测试任务i的情况下选择下一任务j的概率：
[0110][0111]
其中：α为信息启发因子，表示τ
ij
的重要程度，其值越大，表示蚂蚁越倾向于选择其他蚂蚁所走过的路线，所有蚂蚁得到的可行解汇聚到一起的概率就越高；τ
ij
为测试点选择测试批次任务的信息素浓度；β＝1-α为η
ij
的重要程度，其值越大，表明状态转移概率受先验客观因素的影响程度越大；ruk(i)为蚂蚁k在测试点mi的禁忌表，即表示测试点已经完成的测试批次任务，s为不属于禁忌表的批次任务号。状态转移概率主要由α和β决定。因此，为了使并行测试的调度优化算法具有良好的性能，合理地设置α和β显得至关重要。
[0112]
3)信息素更新规则τ
ij
：在完成一次完整的迭代后，考虑所有蚂蚁的路径选择为任意一个测试点的测试任务选择进行计算：
[0113]
τ
ij
＝(1-ρ)τ
ij
+τ
′
ij
[0114][0115]
其中：(1-ρ)为信息素残留因子；n为蚂蚁的数量；为蚂蚁k由测试批次任务i到测试批次任务j的信息素增量，其计算方式如下所示：
[0116][0117]
其中：τ0为信息素浓度的初始值；fs是蚂蚁k经过路径所产生目标函数的值大小，为其平均值；l为蚂蚁选择测试批次任务的最小目标函数值；k∈i
→
j表示蚂蚁k基于当前测试任务i后选择测试任务j。
[0118]
通过上述步骤可以得到并行测试的任务调度优化矩阵。但其中可能会存在多个解的情况，这是因为测试点的测试顺序不一样，而且每个测试点承担的阶段任务数量不一样，这就导致总的目标函数值是一样的情况下各个测试点的工作强度不一样。因此，为在总目标函数值相同的情况下尽量减小各个测试点之间发火测试系统的工作强度，还需要根据具体测试点工作情况选取最优解。在优化算法的优化结果同时存在多个最优解的情况下，本发明以各个测试点的测试时间均衡为目标，在多个最优解中选取唯一一个最佳最优解。
[0119]
考虑多个测试点进行的并行测试，理想的优化任务序列是挑选多个测试点均衡的测试任务方案，即均衡度最大的测试任务优化方案。因此，在已存在的多个测试点最优解中选取多个测试点的测试时间接近的解，使用以下式表示：
[0120]
f＝min(fs)
[0121][0122]
其中，fs为测试点参数s所对应的目标函数，z为测试点的数量，tv为测试点v的测试时间，为z个测试点的平均时间。

技术特征：
1.并行测试发火测试系统可靠性评估及优化方法，其特征在于，包括步骤：s1、对每个测试点的发火测试系统视为多阶段任务系统，对发火测试系统并行测试冗余化分析，进行模块备份；s2、根据步骤s1中分析获得的各阶段的各模块的备份参数，采用动态贝叶斯网络搭建并行测试系统可靠性模型；s3、构建发火测试系统并行测试优化问题，对并行测试任务建立求效率最高与可靠性最优的数学模型，然后通过基于蚁群算法的并行测试可靠性优化方法获得最优解。2.如权利要求1所述的并行测试发火测试系统可靠性评估及优化方法，其特征在于：步骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：骤s3中，并行测试的任务调度优化目标函数如下所示：ξ+ψ＝1其中：j＝maxf为在优化时域内并行测试任务优化目标函数；为在优化时域内测试点j的优化目标函数；bl为均衡度指标函数，f
j
为不考虑均衡度的目标优化函数；i,z∈n，i,z分别为测试任务的批次序号和测试点数量。3.如权利要求2所述的并行测试发火测试系统可靠性评估及优化方法，其特征在于：步骤s3中，测试任务总时间t由每个批次任务中的测量器件所需要时间的最大值和各个测试点所需测试时间的最大值决定，其数学模型如下所示：t＝max(t
mes
)*max(t
site
)+t
switch
；其中，t
mes
为每个批次任务中测量器件所需要的最长时间，t
site
为测试点所需要的最长测试时间，t
switch
为该批次任务所对应的发火测试系统器件切换所需要的时间。
4.如权利要求3所述的并行测试发火测试系统可靠性评估及优化方法，其特征在于：步骤s3中，基于蚁群算法改进的并行测试任务调度算法如下：1)启发函数η
ij
，该函数表示测试批次任务t
j
被测试点m
i
选择的期望程度：r
j
∈m
i
测试任务集；其中，q表示测试任务被测试点选择的期望程度的强度；f
ji
表示被测试批次任务r
j
在测试点m
i
的目标优化函数；2)状态转移概率该函数表示蚂蚁k在完成当前测试任务i的情况下选择下一任务j的概率：其中：α为信息启发因子，表示τ
ij
的重要程度，其值越大，表示蚂蚁越倾向于选择其他蚂蚁所走过的路线，所有蚂蚁得到的可行解汇聚到一起的概率就越高；τ
ij
为测试点选择测试批次任务的信息素浓度；β＝1-α为η
ij
的重要程度，其值越大，表明状态转移概率受先验客观因素的影响程度越大；ru
k
(i)为蚂蚁k在测试点m
i
的禁忌表，即表示测试点已经完成的测试批次任务，s为不属于禁忌表的批次任务号；3)信息素更新规则τ
ij
：在完成一次完整的迭代后，考虑所有蚂蚁的路径选择为任意一个测试点的测试任务选择进行计算：τ
ij
＝(1-ρ)τ
ij
+τ
′
ij
其中：(1-ρ)为信息素残留因子；n为蚂蚁的数量；为蚂蚁k由测试批次任务i到测试批次任务j的信息素增量，其计算方式如下所示：其中：τ0为信息素浓度的初始值；f
s
是蚂蚁k经过路径所产生目标函数的值大小，为其平均值；l为蚂蚁选择测试批次任务的最小目标函数值；k∈i
→
j表示蚂蚁k基于当前测试任务i后选择测试任务j。5.如权利要求4所述的并行测试发火测试系统可靠性评估及优化方法，其特征在于：步骤s3中，在已存在的多个测试点最优解中选取多个测试点的测试时间接近的解，使用以下式表示：f＝min(f
s
)
其中，f
s
为测试点参数s所对应的目标函数，z为测试点的数量，t
v
为测试点v的测试时间，为z个测试点的平均时间。6.如权利要求1所述的并行测试发火测试系统可靠性评估及优化方法，其特征在于：步骤s2中，所述并行测试系统由多个测试点的发火测试系统串联而成，测试系统整体的可靠性由各个测试点的可靠性组合而成。7.如权利要求1所述的并行测试发火测试系统可靠性评估及优化方法，其特征在于：步骤s1中，仅对发火测试系统中动态模块进行冗余备份。

技术总结
本发明公开了并行测试发火测试系统可靠性评估及优化方法，主要涉及航天火工品发火测试领域；包括步骤：S1、对每个测试点的发火测试系统视为多阶段任务系统，对发火测试系统并行测试冗余化分析，进行模块备份；S2、根据步骤S1中分析获得的各阶段的各模块的备份参数，采用动态贝叶斯网络搭建并行测试系统可靠性模型；S3、构建发火测试系统并行测试优化问题，对并行测试任务建立求效率最高与可靠性最优的数学模型，然后通过基于蚁群算法的并行测试可靠性优化方法获得最优解；本发明能解决传统方法用于大规模测试任务时，单测试点效率低下的问题，更快更精确地完成大规模的测试任务。更快更精确地完成大规模的测试任务。更快更精确地完成大规模的测试任务。


技术研发人员：魏善碧 熊世辉 肖勇 陈行 钟晓雨 贾康强
受保护的技术使用者：重庆大学
技术研发日：2023.06.06
技术公布日：2023/9/12