面向诊断驱动测试模式的故障字典推理算法研究

J4 ›› 2012, Vol. 34 ›› Issue (6): 70-73.

面向诊断驱动测试模式的故障字典推理算法研究

赵秀丽1，牛双诚2，王子玲3，刘晓东4

（1.海军航空工程学院兵器科学与技术系,山东烟台 264001；
2.海军航空工程学院科研部,山东烟台 264001;
3.海军航空工程学院电子工程系,山东烟台 264001;4.91980部队，山东烟台 264001）

收稿日期:2011-03-26 修回日期:2011-06-28 出版日期:2012-06-25 发布日期:2012-06-25

Research on a Fault Dictionary Reasoning Algorithm of the DiagnoseDrive Test Mode

ZHAO Xiuli1,NIU Shuangcheng2,WANG Ziling3,LIU Xiaodong4

(1.Department of Weapon Science and Technology,
Naval Aeronautical and Astronautical University,Yantai 264001;
2.Department of Scientific Research,Naval Aeronautical and Astronautical University,Yantai 264001;
3.Department of Electronic Engineering,Naval Aeronautical and Astronautical University,Yantai 264001;
4.Corps 91980,Yantai 264001,China)

Received:2011-03-26 Revised:2011-06-28 Online:2012-06-25 Published:2012-06-25

摘要/Abstract

摘要：

诊断驱动测试是一种智能测试模式，可以有效缩短测试时间，提高维护效率。故障字典是一种传统的故障诊断方法，大量地应用于生产生活中。本文根据诊断驱动测试模式的需求，设计了故障字典的新推理算法，并提出了测试项目的优选原则。本文提出的方法已经在自动测试设备的软件平台上得到了实现和验证。

关键词: 测试模式, 诊断驱动测试, 故障诊断, 故障字典, 交互式诊断, 测试项目

Abstract:

Diagnosisdriven test is an intelligent test mode, which shortens the testing time, and advances maintenance efficiency. Fault dictionary is a traditional, widely applied faultdiagnostic method. A new reasoning algorithm of fault dictionary is put forth in this paper, which meets the demand of diagnosisdriven test. How to select the test items are also described. The proposed algorithm is realized and verified in the automatic test equipment.

Key words: test mode;diagnosisdriven test;fault diagnosis;fault dictionary;interactive diagnosis;test item

赵秀丽1，牛双诚2，王子玲3，刘晓东4. 面向诊断驱动测试模式的故障字典推理算法研究[J]. J4, 2012, 34(6): 70-73.

ZHAO Xiuli1,NIU Shuangcheng2,WANG Ziling3,LIU Xiaodong4. Research on a Fault Dictionary Reasoning Algorithm of the DiagnoseDrive Test Mode[J]. J4, 2012, 34(6): 70-73.

[1]	吴玉虹, 王建. 基于Patches-CNN的模拟电路故障诊断[J]. 计算机工程与科学, 2025, 47(01): 35-44.
[2]	周成江, 贾云华, 张雨宽, 禄俊. 基于FCEEMD复合筛选的故障特征提取方法[J]. 计算机工程与科学, 2023, 45(11): 2070-2077.
[3]	陈财森, 胡海荣, 程志炜, 房璐璐. 基于BA-RVM算法的发动机故障诊断技术研究[J]. 计算机工程与科学, 2023, 45(02): 332-337.
[4]	谈恩民, 王晨. 基于表征学习的模拟电路故障诊断[J]. 计算机工程与科学, 2022, 44(01): 27-35.
[5]	谢祥颖, 刘虎, 王栋, 冷彪. 基于深度残差网络的光伏故障诊断模型研究[J]. 计算机工程与科学, 2021, 43(12): 2223-2230.
[6]	孙庞博, 符琦, 陈安华, 蒋云霞. 基于组合预测模型的小样本轴承故障分类诊断 [J]. 计算机工程与科学, 2021, 43(09): 1684-1691.
[7]	张玲. MEDA芯片菊花链的自动容错设计[J]. 计算机工程与科学, 2021, 43(07): 1192-1199.
[8]	林涛, 张达, 王建君. 改进LSTM-RF算法的传感器故障诊断与数据重构研究[J]. 计算机工程与科学, 2021, 43(05): 845-852.
[9]	曾广福,何浩辰,周书林. #br# 一种面向枚举类型的配置约束提取方法[J]. 计算机工程与科学, 2020, 42(04): 634-640.
[10]	颜学龙,马润平. 基于深度极限学习机的模拟电路故障诊断[J]. 计算机工程与科学, 2019, 41(11): 1911-1918.
[11]	颜学龙,汪斌斌. 自适应狼群算法优化ELM的模拟电路故障诊断[J]. 计算机工程与科学, 2019, 41(02): 246-252.
[12]	颜学龙，龚流青，汪斌斌. 基于DCQGA-SMKL-SVM的模拟电路故障诊断方法[J]. 计算机工程与科学, 2018, 40(11): 1944-1950.
[13]	王印松，商丹丹，王艳飞，张婉君. 改进的模糊聚类在控制系统故障诊断中的应用[J]. 计算机工程与科学, 2018, 40(02): 236-330.
[14]	宣恒农，苗春玲，赵冬. 基于蝙蝠算法的系统级故障诊断研究[J]. J4, 2016, 38(04): 640-647.
[15]	宣恒农1,张润驰1,何涛2,刘凌波1. PMC模型下的一个贪婪诊断算法[J]. J4, 2015, 37(08): 1430-1435.