一种基于边界扫描测试链路的故障注入方法

    公开(公告)号:CN111289886A

    公开(公告)日:2020-06-16

    申请号:CN202010181745.8

    申请日:2020-03-16

    Abstract: 本发明公开了一种基于边界扫描测试链路的故障注入方法,提取待测试电路的网表文件信息、边界扫描描述语言文件信息,然后根据网表文件信息以及边界扫描描述语言文件中的Port信息、Constant信息生成边界扫描测试链路,对边界扫描测试链路上的边界扫描器件输入输出管脚所在网络修改,根据修改的网络生成网表文件,实现短路故障注入。

    基于多目标粒子群算法的测试优选方法

    公开(公告)号:CN107657311B

    公开(公告)日:2019-10-29

    申请号:CN201711071086.7

    申请日:2017-11-03

    Abstract: 本发明公开了一种基于多目标粒子群算法的测试优选方法,根据需要确定电子系统测试优选的若干个优化目标和约束条件,在粒子群算法运行过程中,每当有一个新的种群,即搜索得到帕累托最优集,计算出帕累托最优集中每个粒子的分布密度值,采用轮盘赌选择算法选择得到一个粒子作为全局最优粒子,在粒子更新后,根据当前位置是否支配其最优位置来判断是否对粒子位置进行更新;将粒子群运行结束后帕累托最优集中的每个粒子的位置作为一个测试优选方案。本发明在现有粒子群算法的基础上改进得到多目标粒子群算法,从而获得满足多个目标的多种测试优选方案。

    基于切比雪夫的系统级测试性设计多目标优化方法

    公开(公告)号:CN110221931A

    公开(公告)日:2019-09-10

    申请号:CN201910418904.9

    申请日:2019-05-20

    Inventor: 杨成林 姬志周

    Abstract: 本发明公开了一种基于切比雪夫的系统级测试性设计多目标优化方法,首先确定影响因素和优化目标函数,然后设置权重向量,基于切比雪夫方法使用权重向量对一个多目标优化问题分解为N个子问题,使用子问题的G个邻居,通过交叉、变异产生新的子代个体,利用K个最小的垂直距离的策略,对种群中的个体进行更新,在终代种群中删除被支配解,即得到影响因素向量的帕累托最优解集。采用本发明,可以在保证得到影响因素向量的帕累托最优解集的同时,提高收敛效果以及影响因素向量的帕累托最优解的均匀性。

    一种基于序贯测试的模拟电路故障测试方法

    公开(公告)号:CN110109005A

    公开(公告)日:2019-08-09

    申请号:CN201910439946.0

    申请日:2019-05-24

    Abstract: 本发明公开了一种基于序贯测试的模拟电路故障测试方法,通过条件熵评估测点的有效性,选择故障识别能力强的测点的特征值作为极限学习机输入层信息,产生表达故障状态识别结果的证据矢量;再基于D-S理论生成信任函数,根据相似性传播将故障状态集合分离成若干故障子集,并进一步生成故障子集的诊断模型,直至故障状态全部分离或者分离到最优状态,具有故障识别精度高、故障识别效率高等特点。

    基于锯齿波和遗传算法的模拟电路测点优选方法

    公开(公告)号:CN109307835A

    公开(公告)日:2019-02-05

    申请号:CN201810201795.0

    申请日:2018-03-12

    Inventor: 赖丹 杨成林

    CPC classification number: G01R31/316

    Abstract: 本发明公开了一种基于锯齿波和遗传算法的模拟电路测点优选方法,对模拟电路的每个元件模糊组代表元件进行多次故障模拟,在模拟时以锯齿波作为模拟电路输入,得到不同频率下各个测点对应的故障电压,从而得到模拟电路数据;初始化遗传算法中的个体,对每个个体进行处理,然后根据个体对应的测点选择方案从模拟电路数据中筛选出对应测点的特征向量,对预设的分类器进行交叉验证,将得到的分类准确率作为个体的适应度值,然后生成下一代种群继续进行处理,直到达到迭代结束条件,从当前种群中适应度最大的个体作为最优个体,其对应的测点选择方案即为测点优选方案。本发明可在基于多频进行模拟电路故障诊断时有效实现测点优选,提高故障诊断的精度。

    一种高速AD/DA混合芯片的故障测试装置及方法

    公开(公告)号:CN109164377A

    公开(公告)日:2019-01-08

    申请号:CN201811242553.2

    申请日:2018-10-24

    CPC classification number: G01R31/2851

    Abstract: 本发明公开了一种高速AD/DA混合芯片的故障测试装置及方法,用于诊断电路板上的高速ADC和DAC器件;对于ADC的诊断,将给定电压值输入PC上位机,PC上位机通过AD/DA一体模块产生模拟电压,并加载至被测ADC,产生测试指令和测试向量,在通过IEEE1149.1控制器作用于AD测试模块,AD测试模块快将采集到的电压量化值串行移出至IEEE1149.1控制器,继而IEEE1149.1控制器将数据发送给PC上位机,并与预期响应作比较,可以判断ADC故障情况;对于DAC的诊断,将给定电压值输入PC上位机,PC上位机将电压值转化为测试向量并产生测试指令,经IEEE1149.1控制器译码后,测试向量通过TDI移入DA测试模块,进而加载至被测DAC,再接收由AD/DA一体模块采集到的被测DAC输出的模拟电压,与预期响应作比较,可以判断DAC故障情况。

    多任务测试性指标分配方法

    公开(公告)号:CN105243021B

    公开(公告)日:2017-10-31

    申请号:CN201510738658.7

    申请日:2015-11-03

    Abstract: 本发明公开了一种多任务测试性指标分配方法,首先获取相关数据,包括任务数量、模块数量、任务与模块的关联标识,各任务和模块对测试性指标的最低要求,各个模块的平均无故障时间、测试性代价因子,以及各种测试性代价因子的权重,根据以上数据计算得到每个模块的综合测试代价,然后建立测试性指标分配的数学模型,采用粒子群算法对模块进行求解,从而得到各模块的测试性指标分配结果。本发明针对多任务模型中任务与模块存在多对多映射的情况,建立相应的测试性指标分配数据模型,使得分配后的测试性指标不仅满足各模块的要求,也可以满足各任务对测试性指标的要求,并使测试代价最小,从而降低系统的研制成本和维护成本。

    基于故障传播概率模型的故障模式优选方法

    公开(公告)号:CN104898039B

    公开(公告)日:2017-09-12

    申请号:CN201510280067.X

    申请日:2015-05-27

    Abstract: 本发明公开了一种基于故障传播概率模型的故障模式优选方法,首先对系统各模块的故障样本量进行分配,然后对于各个模块建立模块的故障传播概率模型,得到各故障模式之间的故障传播概率,然后根据故障传播概率和故障模式所在元件节点的出度计算得到故障模式间的故障扩散强度,根据故障扩散强度搜索出每个故障模式作为原发故障时的故障扩散概率最大路径,将该路径中包括的后继故障模式数量作为故障扩散数量,筛选出故障扩散数量大于预定阈值的故障模式,优先进行选择;最后将各个模块的选定故障模式集合得到系统的选定故障模式集合。本发明基于故障扩散数量进行故障模式的优选,对传播型故障进行重点抽样,提高测试性验证方案可靠性。

    一种模拟电路故障诊断方法

    公开(公告)号:CN104237770B

    公开(公告)日:2016-11-23

    申请号:CN201410404031.3

    申请日:2014-08-15

    Abstract: 本发明公开了一种模拟电路故障诊断方法,首先对于各个元件进行无故障和两个故障条件下的仿真得到测点的无故障电压值和两个故障电压值,根据三个电压值得到元件对应的特征圆,求取特征圆的交点得到混叠电压,并得到元件的等效激励;当电路发生故障,计算故障电压到各特征圆的最短距离,如果小于等于1个最短距离小于预设阈值,最小最短距离对应的元件即为故障元件,否则从所有混叠电压中找出与故障电压最接近的混叠电压,分别采用对应元件的等效激励来激励故障电路,将得到的响应电压相量序列平移后与对应元件的特征圆比较,最大相似度对应的元件即为故障元件。本发明采用将“点”诊断变成“线”诊断,提高了故障诊断的精确性、稳定性和鲁棒性。

    一种基于阿伦尼斯模型的环境因子点估计方法

    公开(公告)号:CN103559414B

    公开(公告)日:2016-08-17

    申请号:CN201310576335.3

    申请日:2013-11-18

    Abstract: 本发明公开了一种基于阿伦尼斯模型的环境因子点估计方法,通过性能退化数据,画出退化轨迹,设定失效阀值,再根据退化模型得到伪失效寿命数据,验证伪失效寿命数据的分布后,把得到的伪失效寿命数据作为非完全样本,来获取到截尾样本。根据环境因子针对具体分布的定义式,给出基于阿伦尼斯模型的环境因子的表达式,并用最佳线性估计法估计环境因子表达式中的参数,最后验证计算得到的环境因子,这样使产品的可靠性估算更加准确,同时具有高效率、低成本的性能。

Patent Agency Ranking