测试性增长是通过逐步纠正测试性设计缺陷,不断提高装备测试性水平,从而达到预期测试性设计指标的过程。在研制阶段开展测试性增长试验是保证装备测试性指标达到设计要求的强有力手段。相对于可靠性增长试验已基本成熟应用的现状,尽管测试性设计与改进已存在大量研究成果,但测试性增长试验尚未引起足够重视,试验开展尚未上升至系统工程和科学的高度。究其原因主要是承制方缺乏科学有效的理论与技术用于指导测试性增长试验。论文针对装备测试性增长试验中存在的理论和实际问题,系统的研究了测试性增长试验理论框架、技术方法与模型以及试验管理方法,并有针对性的开展了测试性设计与改进方法研究。研究内容对提高装备测试性增长试验的科学性具有很好的实用价值。论文的主要研究成果如下:(1)针对测试性增长试验相关概念模糊的现状,理清和提出了测试性增长试验的理论框架、基本概念、实施流程与工程管理实施等。首先分析了装备设计、生产与使用全过程各阶段实现测试性增长的方法,以及各阶段实施测试性增长的时效性,指出测试性增长试验在测试性增长中的地位;然后根据测试性设计改进实施的时机对测试性增长试验进行了分类,详细分析了测试性增长试验的实施流程,对试验过程中用到的相关术语进行了定义和解释;最后对测试性增长试验管理的理论框架做了详细阐述,指出了试验规划、跟踪与预计的工作内容,及其对测试性增长试验有序开展的作用,为后文理论与实践研究奠定了基础。(2)针对目前测试性增长试验方案规划方法缺乏的问题,在分析影响测试性增长能力因素、测试性增长试验成本组成以及研制阶段装备测试性指标变化规律的基础上,研究了测试性增长试验规划模型与方法。首先对采用及时纠正策略的试验,提出了以允许失败的故障检测/隔离试验次数为优化变量的试验动态规划方法;然后对采用延缓纠正策略的试验,建立了试验资源优化配置模型,并给出了基于拉格朗日松弛与局部搜索的模型求解办法;最后对分阶段开展的测试性增长系列试验,建立了以总试验成本最优为目标,以测试性指标合同要求值为约束的多阶段测试性增长目标确定模型。案例应用和仿真对比研究证明了所提模型与方法的有效性。(3)针对测试性增长试验管理对测试性增长跟踪与预计方法的需求,在分析测试性增长试验数据特点的基础上,研究了用于测试性增长试验跟踪的测试性指标评估方法,建立了测试性增长概率模型,并利用该模型绘制了测试性增长试验跟踪与预计曲线。首先对采用及时纠正策略的试验,研究了分别考虑试验规划信息和考虑指标序化增长约束的两种不同的Bayes测试性指标评估方法,并利用数值仿真讨论了两种方法的优缺点和应用范围;其次对采用延缓纠正的试验,在总结前人研究成果的基础上,给出了基于多源先验数据的测试性增长试验评估总体技术方案;再次,考虑增长模型对刻画和绘制测试性增长试验跟踪与预计曲线的重要作用,建立了考虑测试性设计改进非理想条件的测试性增长马尔科夫链模型,将测试性指标评估结果作为模型输入,利用混合粒子群和遗传算法的参数估计方法得到了测试性增长模型的参数估计值,绘制了测试性增长跟踪与预计曲线;最后讨论了所提测试性增长模型与参数估计方法的稳健性。仿真结果表明,利用本文所提出的测试性增长模型可以方便的绘制测试性增长跟踪与预计曲线,减小了基于Bayes的测试性增长指标评估误差,并实现了对测试性增长试验的有效预计。(4)针对测试性增长过程中测试性设计改进具体实施问题,在总结已有研究成果的基础上,研究了基于试验数据的测试性设计改进方法初选规则,并重点对基于试验数据的故障诊断决策方法更新问题开展了研究。首先为能够较全面的对测试性设计缺陷进行统一描述,扩展了非完美测试的概念,给出了基于试验数据的测试性设计缺陷定量衡量方法,并根据缺陷的恶劣程度,指出了可能采取的测试性设计改进措施;然后提出了一种由基于人工免疫的数据扩充、基于密度的数据压缩,以及基于代表样本点混合学习等三部分组成的故障诊断决策算法更新方法,解决了基于数据更新的一类故障诊断决策方法存在的的分类器迭代学习、数据量不平衡,以及装备硬件支持限制等问题。研究表明,测试性增长试验数据为测试性诊断决策改进提供了有效的数据支持,本文所提方法能够较好的支持基于数据更新的诊断算法改进与更新,有效提高诊断准确度。