[1]丁善婷1,2,蔡胜玲1,等.基于粒子群-差分进化算法的测试优化选择方法[J].湖北工业大学学报,2024,39(4):12-17.
 DING Shanting,CAI Shengling,et al.Test Optimization Selection Method Based on Particle SwarmOptimizationdifferential Evolution Algorithm[J].,2024,39(4):12-17.
点击复制

基于粒子群-差分进化算法的测试优化选择方法()
分享到:

《湖北工业大学学报》[ISSN:1003-4684/CN:42-1752/Z]

卷:
39
期数:
2024年第4期
页码:
12-17
栏目:
出版日期:
2024-08-28

文章信息/Info

Title:
Test Optimization Selection Method Based on Particle SwarmOptimizationdifferential Evolution Algorithm
文章编号:
1003-4684(2024)04-0012-06
作者:
丁善婷蔡胜玲谭梦颖董正琼蒋成昭
1 湖北工业大学机械工程学院,湖北 武汉 430068;2 湖北省现代制造质量工程重点实验室,湖北 武汉 43006
Author(s):
DING Shanting1 2 CAI Shengling12 TAN Mengying12 DONG Zhengqiong12 JIANG Chengzhao12
1 School of Mechanical Engineering, Hubei Univ. of Tech., Wuhan 430068,China;2 Hubei Key Laboratory of Modern Manufacturing Quality Engineering, Wuhan 430068,China
关键词:
测试性模型测试优化选择PSOGDE算法
Keywords:
testability model test optimization selection PSO-DE algorithm
分类号:
TP206
文献标志码:
A
摘要:
测试优化选择是装备测试性设计中关键的一步.针对其易陷入局部最优的问题,提出一种添加信息交换 机制的粒子群 差分进化算法(PSOGDE)优化方法.通过融合多信号流图与贝叶斯网络,建立多维空间测试性模型 后,利用 PSOGDE算法实现快速精确求解.电源系统分析表明:该方法在满足测试性设计要求的前提下,搜索到的 测试集合使得系统各测试性指标综合最优且收敛速度最快.相较于其它优化算法,具有收敛速度快、能收敛到全 局最优等优点,由此验证了方法的可行性.
Abstract:
Test optimization selection is a key step in equipment testability design. To avoid falling into local optima, the particle swarm optimizationdifferential evolutionary algorithm (PSO-DE) optimization method with added information exchange mechanism is proposed. After establishing a multi-dimensional spatial testability model by fusing multi-signal flow graph with Bayesian network, the PSO DE algorithm is used to achieve a fast and accurate solution. The analysis of the power supply system shows that the method satisfies the testability design requirements, and the searched test set makes the system optimal in terms of testability indexes and the fastest convergence rate. Compared with other optimization algorithms, it has the advantages of fast convergence to the global optimum, thus verifying the feasibility of the method.

参考文献/References:

[1]邱静.装备测试性建模与设计技术 [M ].北京:科学出版社, 2012. [2 ]尹园威,尚朝轩,马彦恒,等.装备层次测试性建模分析方法 [J ].火力与指挥控制,2015,40(09):40 -44. [3 ]PENG D, YANG C, SUN P.Testability modelling and optimization technology of ship electrical equipment based on multisignal flow diagram [J ] . IOP Conferen -ce Series Materials Science and Engineering, 2021, 1043(02):022057. [4 ]XU X, LIAO Z, REN Z. Hierarchical hybrid testability modeling and evaluation based on bayesian network for tactical missiles [J ].Tactical Missile Technology, 2019,201(06):1 -8. [5 ]王晓伟,孙波,吕英军.基于贝叶斯网络的系统测试性建模与分析 [J ].中国测试,2011,37(05): 90 -93. [6 ]杨鹏. 基于相关性模型的诊断策略优化设计技术 [D ].长沙:国防科学技术大学, 2008. [7 ]翟禹尧,史贤俊,杨帅.不可靠测试条件下基于NSGA -Ⅱ的多目标测试优化选择 [J ].北京航空航天大学学报,2021,47(04): 792 -801. [8 ]韩露,史贤俊,翟禹尧.基于NSGA -3与改进贝叶斯网络模型的测试优化选择方法 [J ].西北工业大学学报, 2021,39(02):414 -422. [9 ]韩露,史贤俊,秦玉峰,等.基于E占优NSGA -2的测试优化选择方法 [J ].兵工自动化,2021,40(09): 22 -26. [10 ] 雷华军,秦开宇.测试不可靠条件下基于量子进化算法的测试优化选择 [J ].电子学报,2017,45(10):2464 -2472. [11 ] 孙宏达,景博,黄以锋,等.基于人工免疫克隆选择算法的不可靠测试点优化 [J ].电子测量与仪器学报, 2021,35(02): 152 -160. [12 ] 李二超,高振磊.改进粒子速度和位置更新公式的粒子群优化算法 [J ].南京师大学报(自然科学版), 2022,45(01): 118 -126. [13 ] 陈长倩,慕晓冬,牛犇,等.结合高斯分布的改进二进制灰狼优化算法 [J ].计算机工程与应用, 2019,55(13):145 -150. [14 ] 万贺. 某型信息处理设备的可测试分析与测试策略设计 [D ].北京:北京交通大学,2018. [15 ] YANG L, YU P, TANG H. Real -time failure diagnosistechnology for satellites based on multi -signal model [C ].Seventh International Symposium on Computational Intelligence and Design.2014. [16 ] GUANG Y L,KAO L H,JIAN H C,et al.Study of testability measurement method for equipment based on Bayesian network model [J ]. Systems Engineering and Electro - nics, Journal of, 2009, 20(5): 1017 - 1023. [17 ] LEONG C K. Credit risk scoring with bayesian network models [J ]. Computational Economics, 2016, 47(03): 423 -446. [18 ] YANG S M,QIU J,LIU G J.Hierarchical model based approach to testability modeling and analysis for PHM of aerospace systems [J ]. Journal of Aerospace Engineering, 2017,42(08):183-185. [19 ] SUN J,WU X,PALADE V,Random drift particle swarm optimization algorithm: convergence analysis and parameter selection [J ]. Machine Learning, 2015, 101(1 -3) : 345 -376. [20 ] 肖鹏,邹德旋,张强.一种高效动态自适应差分进化算法 [J ].计算机科学,2019,46(S1):124 -132. [21 ] 胡堂清,张旭秀,曹晓月.一种动态调整惯性权重的混合粒子群算法 [J ].电光与控制,2020,27(06):16 -21. [22 ] 张蓉.民用飞机系统故障诊断测试性分析与评估技术研究 [D ].南京:南京航空航天大学,2012. [23 ] 金晶,苏勇.一种改进的自适应遗传算法 [J ].计算机工程与应用,2005(18):64 -69.

备注/Memo

备注/Memo:
[收稿日期]2023 03 10 [基金项目]湖北工业大学博士科研启动基金(BSQD2020006);现代制造质量工程湖北省重点实验室开放基金(KFJJG2021015) [第一作者]丁善婷(1970-),女,湖北武汉人,湖北工业大学教授,研究方向为可靠性与质量管理. [通信作者]谭梦颖(1992-),女,湖北荆门人,工学博士,湖北工业大学讲师,研究方向为故障诊断.
更新日期/Last Update: 2024-08-23