首页> 中文学位 >基于任务流模型的测试性设计与优化
【6h】

基于任务流模型的测试性设计与优化

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 论文的选题依据和研究意义

1.2 国外建模技术和软件工具

1.3 国内建模技术和软件工具

1.4 本文主要研究内容

第二章 任务流模型建模方法

2.1 任务流模型体系结构

2.2 任务剖面的概念

2.3 任务流建模方法

2.4 本章小结

第三章 任务流模型测试性指标计算

3.1 多信号模型简介

3.2 任务流模型测试性指标计算公式

3.3 任务流到多信号流模型的关联方法

3.4 任务流模型测试性指标计算实现

3.5 本章小结

第四章 任务流模型可测性指标分配方法研究

4.1 任务流模型可测性指标分配简介

4.2 测试性指标分配方法介绍

4.3 基于粒子群算法的任务流模型测试性指标分配方法

4.4 基于BP网络的任务流模型测试性指标分配方法

4.5 本章小结

第五章 软件开发

5.1 软件总体设计及开发背景

5.2 软件主要模块

5.3 本章小结

第六章 总结与展望

致谢

参考文献

攻硕期间取得的研究成果

展开▼

摘要

测试性是产品设计的关键因素之一,在提高武器装备的可维护性和减少测试费用中,已经越来越成为武器装备设计中的一个重要组成部分。但是目前的故障诊断软件大都是从底层硬件电路开始建立多信号模型,这种传统的建模分析方法与硬件设备结合的更加紧密。而对于大型的复杂的系统级电路,这种方法将会非常的麻烦和低效。因此,在某些政府部门的项目支持下,对基于任务流模型的建模方法及测试性分析方法做了较为深入的研究,同时进行了基于任务流模型的测试性软件的总体结构与关键模块的设计与实现。本文主要研究工作如下:
  1、首先通过对任务剖面定义的阐明给出任务流模型的概念及其理论基础,然后在此基础上给出任务剖面的生成方法及过程。然后由于之前的建模方法大多基于多信号流模型,而任务流模型具有自己特有的属性,多信号流的建模方法不适用于任务流模型,故有必要针对任务流模型的系统属性,从层次性、时序性和逻辑性出发研究任务模型的建模方法。
  2、由于测试性指标的计算离不开多信号流模型的数据支持,只有在任务流模型的基础上,同时将任务流与多信号流关联起来,才能设置合适的测点从而获得需要的可测性数据指标,本文采用矩阵变换的方法关联二者。
  3、在任务流模型与多信号流模型二者关联起来之后,可以借助多信号流模型计算任务流模型的测试性指标。同时,任务流模型也有其特有的测试性指标,本文会给出任务流模型的测试性指标的计算方法。
  4、本文对基于任务流模型的测试性指标的分配方法做了较深入的研究。测试性指标的分配一直都是测试性设计的重要组成部分,本文提出的两种方法:基于粒子群算法的测试性指标分配方法和基于BP神经网络的测试性指标分配方法,从智能算法的角度入手,可以给后续的更加深入的研究提供思路和借鉴。
  5、本文介绍了软件工具开发的情况。首先介绍了软件的总体设计和系统的整体流程,使得读者对软件整体平台和功能有初步了解;同时还介绍了软件的开发背景,即主要的开发工具和主要的技术路线。然后对软件主要的功能模块给出介绍,主要的功能模块即任务剖面建模模块和测试性建模模块。任务剖面建模模块主要用于任务流模型的图形化建模,生成任务流模型;测试性建模模块则主要实现任务流模型与多信号流模型的的关联,使得二者能够对应起来,从而实现测试性指标的计算功能。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号