随着计算机技术、电子技术等现代科学技术的飞快发展,人们对测试系统提出了越来越高的要求,传统的手动测试已经不能满足需要,取而代之的是一系列能实现自动测试的专用或通用自动测试系统(ATS,automatic test system)。而ATS作为应用广泛的测试系统,它自身的计量特性必须通过校准来保证。能对ATS进行校准的前提是其具有可计量性,这意味着在产品的设计和研制阶段,就有计量的介入,保证其良好的计量特性。从目前的文献来看,人们对于可计量性的研究仅仅停留在初步的概念阶段。为了研究可计量性内在的理论体系,本文以ATS为例对可计量性的概念、内涵和指标都做了较深入的探讨,并从计量和测试的关系出发,借鉴可测试性建模思路,建立了ATS可计量性的信息流模型,分析了相应的指标,为ATS的可计量性评价提供了有效的方法,并依照各仪器设备计量贡献率,优化了ATS的原位校准周期。此外,由于ATS中待校参数和仪器众多,本文还针对多种信号和参数的校准,建立了某型ATS模拟子系统的可计量性多信号流图模型,并根据模型得到了相关矩阵和计量校准树,为ATS的校准策略提供了指导和帮助。在得到了ATS校准数据之后,需要采用科学的方法对其进行分析处理,其中包括剔除粗大误差、评定测量不确定度、判断仪器设备误差是否超出最大允许误差范围等。鉴于不确定性理论(灰色理论、云模型、模糊理论、粗糙集理论等)的不断创新和发展,本文着重研究不确定性新理论在ATS校准数据处理中的应用,包括以下几个方面:(1)传统的粗大误差判别原则得到的结果是绝对的,并且同一个数据在不同的准则下得到的结论也不同,为了解决这个矛盾,本文提出了对校准数据赋予离群率的方法来衡量校准数据是否含有粗大误差。本文建立了粗大误差判定的推理规则,分别应用了Mamdani模糊控制和云模型推理法对某型ATS的校准数据进行了粗大误差判别,并提出了一种新的实现云模型推理中的“软与”的蒙特卡罗方法。(2)ATS测量不确定度是评价校准质量的一个重要指标,传统的GUM法从随机性的角度出发,只能针对随机效应引起的不确定度。本文提出了新的测量不确定度随机模糊变量法(RFV,random fuzzy variable),将概率论和模糊理论统一到证据理论中,能同时处理随机效应和非随机效应引起的测量不确定度。本文分析了RFV法的理论基础,提出了概率密度函数与隶属函数之间的新的转换方法,并以ATS中的数字万用表直流电压校准为例实现了测量数据的RFV表示,结果表明该方法得到的随机效应引起的测量不确定度分量与GUM是一致的,而不同点在于非随机效应的处理方式。(3)ATS校准时往往需要判断其是否超出允许误差范围,实际上,由于标准设备并不是完全理想的,导致校准结论存在一定的风险,也就是有相应的误收率和误拒率。本文首先分析了单次校准结果误收率和误拒率的表达式,并观察了测试不确定度比(TUR,test uncertainty rate)对两者的影响,针对ATS中数字万用表的总体校准结论风险,本文采用蒙特卡罗仿真法,分析了影响因素,为减小整体的误收率和误拒率提供了方法。(4)当用RFV表示ATS校准数据时,面临着将一个模糊数与清晰数甚至是另一个模糊数的比较问题,简而言之就是模糊数排序问题,本文针对校准数据RFV表示法的特点,提出了新的适合测量数据的模糊数排序方法,通过将校准数据RFV与最大允许误差相比较,判定被校仪器的量值准确性。该方法可以同时得到校准结论的置信程度,与校准结论风险分析的随机方法相比,它的计算量更小,更直观。