[发明专利]一种基于多目标优化的复杂系统序贯测试序列生成方法

说明书

本发明公开了一种基于多目标优化的复杂系统序贯测试序列生成方法，通过蒙特卡洛模拟获取各目标的正态分布参数，然后按照节点包含故障概率最大的方式开展蚁群迭代算法，在迭代的过程中根据各目标的收敛程度动态的调整相关参数，并更新各蚂蚁在不同阶段选择拓展节点的概率，使算法产生的解集不断地逼近多目标优化的非劣解，作为最终生成的序贯测试序列用于后续的故障诊断，进而提升故障诊断的效率。

技术领域

本发明属于故障诊断技术领域，更为具体地讲，涉及一种基于多目标优化的复杂系统序贯测试序列生成方法。

背景技术

测试性作为装备的一种设计特性，具有与可靠性、维修性、保障性、安全性同等重要的地位，是构成武器装备质量特性的一个重要组成部分。外部序贯测试作为测试性设计与优化技术的重要组成部分，其首要任务就是构建满足目标要求的测试序列。

由于多信号流图具有建模方便、便于描述电路元件之间关系等优点，因而吸引了大量科研人员的关注，成为序贯测试研究中最常用的相关性模型。传统的测试序列生成方法多是基于单目标进行优化，然而，随着系统和设备性能的提高和复杂性的增加，模型的复杂度急剧提升，对算法的准确度和效率提出了更高的要求；此外，系统设计需要考虑的目标数量更多，增加了设计难度，快速的生成满足多目标指标的最优测试序列变的愈发困难，从而影响故障诊断工作的开展。

目前，基于多目标优化的测试序列生成算法主要有两种：一种是将多个目标通过某个加权函数整合为一个综合目标，再对该综合目标进行单目标优化，该方法十分依赖加权函数的设计，需要对各个目标开展复杂的数学分析；另一种是采用群体智能进化算法，进化算法可在没有充足的先验知识的情况下，通过迭代循环搜索黑盒问题的解集。其它领域的进化算法种类繁多，但由于存在线性模型与二叉树模型不兼容，决策变量相互影响等原因，这些算法大部分都不适用于多目标序贯测试序列生成。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多目标优化的复杂系统序贯测试序列生成方法，通过蒙特卡洛模拟获取正态分布的相关参数，使用节点概率最大的决策树拓展方式的蚁群算法进行迭代，将树形决策参量转化为线性决策参量，从而生成超体积较小的多目标测试序列集，能够快速实现故障隔离，提升故障诊断的效率。

为实现上述发明目的，本发明一种基于多目标优化的复杂系统序贯测试序列生成方法，其特征在于，包括以下步骤：

(1)、构建故障测试模型H；

H＝{S,T,D,P,TC,MC,VC,IC}