故障诊断能力和测试性水平是衡量航空装备整体性能的重要指标,为装备的采办、验收、科学决策、健康管理提供了重要依据。本文针对目前航空装备故障诊断性能不佳,测试性验证与评价结论置信度较低的问题,研究了容差模拟电路软故障智能诊断技术、故障样本优化分配技术、测试性水平综合评价技术。主要研究内容如下:针对目前机载电子设备故障诊断正确率较低的问题,本文提出了基于AdaBoost算法的组合分类器智能诊断方法。首先,利用波形有效点提取法提取电路故障特征;其次,利用遗传算法(Genetic Algorithm,GA)优化误差反向传播神经网络(Back Propagation,BP)构建GABP单分类器;最后,利用AdaBoost算法对GABP单分类器进行提升,得到组合分类器,在此基础上进行故障诊断。实例表明,该方法可以有效地提高容差模拟电路软故障的诊断精度。针对测试性验证中故障样本分配结果不合理的问题,提出了故障样本的多指标集成加权分配方法。首先,综合分析故障属性和环境因子对分配结果的影响;其次,引入神经网络预测模型计算故障率,引入模糊模式识别方法确定严酷度等级和故障危害度,引入灰色关联分析法计算故障—环境关联度;最后,利用集成加权模型计算影响指标的权重。实例表明,该方法提高了指标计算精度,降低了分层抽样的方差,提高了分配结果的置信度。针对“小子样、多阶段、异总体”情况下先验信息融合困难、测试性水平评价结果置信度较低的问题,提出了一种基于动态Bayes理论的测试性综合评价方法。首先,利用新Dirichlet分布建立测试性水平的动态增长模型;其次,利用D-S证据推理理论对多个专家经验信息进行融合,在此基础上,利用非线性优化算法拟合先验信息求解模型中的超参数;最后,利用Bayes信息融合理论得到测试性水平的后验分布,并利用Gibbs抽样求解后验分布中的复杂高维积分。实例表明,该方法可以有效地融合专家信息,评价结果的后验误差更低、置信度更高。