基于改进粒子群算法的雷达装备测试性设计优化技术

发布时间：2024-03-25 23:23

　　针对雷达装备测试性优化设计的实际技术需求,对雷达测试性优化设计过程进行了分析;以雷达装备各阶段数据为基础,综合考虑测试效能、测试代价、可靠性约束等要素,研究了基于测试代价和测试效能的测试性优化方法,并给出了基于最小测试代价的雷达系统测试性优化模型;针对模型多目标优化求解问题,给出了一种基于改进的粒子群优化算法;该算法引入混沌理论,使初始种群呈现多样性,避免了传统粒子群算法的早熟现象,同时提高了搜索的精度和速度;通过对案例的仿真与验证表明,利用这种改进的粒子群算法对基于最小测试代价的测试性优化模型进行求解时,能够在满足模型目标函数的约束条件下,获得全局最优解。

【文章页数】：5 页

【部分图文】：

图1测试性方案设计内容

1）从宏观角度来分析如图1所示。从宏观角度对雷达装备的各方面信息和数据进行综合评估和考虑，针对寿命周期、测试级别、系统任务、总线接口等方面的不同，综合权衡，制定出多种情况下适合雷达装备的全寿命周期测试优化方案。

图2测试性方案优化设计技术路线

2）从微观角度来分析如图2所示。要依据雷达装备的不同情况，明确不同状态、不同单元测试性方案的设计要求，然后确定装备测试与诊断具体实施过程，最后给出测试性方案优化设计技术路线。

图3基于测试效能、测试代价的BIT设计优化技术

所谓的测试性优化设计是一个综合考虑功能、性能和可靠性约束的过程，要从装备的测试性设计一开始就对各组成要素进行权衡，以得到最优的测试性优化方案。针对雷达系统进行基于测试性效能、测试代价等元素的测试性优化技术，其基本思路如图3所示。如图3所示，首先，根据雷达系统在生产、使用和验证阶段....

图4适应度计算流程

适应度计算流程如图4所示。当进化到第K代时，计算粒子所选测试集的故障检测率，当计算的故障检测率大于等于要求的故障检测率时，根据式（13）计算粒子的适应度，如不满足此约束条件，则从未被选择的测试集中挑选p/c较大者进行补充，直到符合约束条件。依此类推，直到所有的粒子完成计算。

本文编号：3939002