有效载荷系统测试用例智能规划方法研究

发布时间：2020-04-13 08:06

【摘要】：空间科学卫星孕育着科学上的重大突破与发现,其对有效载荷系统的高可靠性和安全性指标的实现依赖于充分有效的地面测试验证和实验。有效载荷系统地面综合测试是验证有效载荷系统设计的重要环节,其测试用例的设计需要综合设备级/系统级设计,如功能设计、工作模式设计、遥控/遥测指令设计,以及测试要求等多方面因素,是一项复杂的综合性设计工作。随着航天技术的发展以及空间科学领域探索的深入,承担科学任务的有效载荷系统日益复杂化,为提高测试用例规划的效率和测试用例的有效性,对有效载荷系统测试用例智能规划方法进行深入研究,设计以知识为核心的有效载荷系统测试用例智能规划体系架构,提出本体知识模型与群智能算法相结合的测试用例智能规划方法。首先,基于对有效载荷系统知识特点及地面综合测试的测试需求的分析,构建有效载荷系统知识模型。深入研究有效载荷系统特征,提出有效载荷系统层次知识结构(Hierarchical Knowledge Structure Payload System,HKSPS),将其知识空间划分为系统级、元素级、行为级以及元级四个层次,分析各层次知识结构及其形式化模型,在此基础上构建有效载荷系统领域本体知识模型,充分描述有效载荷系统的宏观行为和微观结构知识,为测试用例规划提供知识基础。其次,依据有效载荷系统知识模型,设计功能序列智能规划方法。针对传统回溯算法在求解功能序列规划问题中搜索效率较低的问题,提出基于“择劣变异”(Worst Individual Mutation,WIM)策略的协同遗传算法(Co-evolution Genetic Algorithm,CGA)的改进算法WIM-CGA,充分利用原有CGA算法的“生存期适应度评估”思想的优势,并采用双路线的进化方案,即“择优实施标准遗传,择劣实施变异”,提高求解精度及搜索效率。仿真分析表明,不同问题规模下,所提WIM-CGA算法均比CGA算法具有更优的搜索性能。最后,为提升测试用例的有效性,研究有效载荷系统功能优先排序问题,实现对测试用例的优化。针对Ant-Q算法在求解多目标的优先排序问题时存在搜索效率较低、易陷入局部最优的问题,提出其改进算法MMAS-AQ算法,一方面,应用最大最小蚁群算法(Max-Min Ant System,MMAS)改进标准蚁群算法,并重新定义信息素的计算方法、边界设置、转移概率等;另一方面,提出自适应小批量更新规则改进信息素的更新策略。仿真分析表明,所提MMAS-AQ算法在不同问题规模下均可有效改善局部最优的不足,具有更高的求解效率。应用某型号科学卫星的有效载荷系统对所提方法进行实验验证,实验结果表明,有效载荷系统知识模型可以充分描述领域知识,为测试用例规划提供完备的知识,且测试用例规划效率高,实例中规划功能规模为25的测试用例耗时约为3.20 s,同时,其APFD指标相比未优化的测试用例提高了2.88个百分点,具有较高的故障检测效率。本文提出的测试用例智能规划方法满足有效载荷系统地面综合测试中测试用例的设计要求,可以提高测试用例规划效率和测试用例的有效性,为有效载荷系统地面综合测试技术的智能化发展提供理论依据及参考价值。
【学位授予单位】：中国科学院大学(中国科学院国家空间科学中心)
【学位级别】：博士
【学位授予年份】：2018
【分类号】：V474.1

【参考文献】