测试性是装备通用质量特性六性之一,是产品能及时、准确地确定其状态（可工作、不可工作或性能下降）并隔离其内部故障的一种设计特性。随着电子信息系统的飞速发展,电子信息系统功能的先进性、技术和结构的复杂性给测试性验证与评估带来了巨大挑战。开展电子信息系统的测试性验证试验的研究和关于其“小子样”现场试验数据的测试性综合评估技术来得到可靠的置信度评估结果是理论和工程实践中亟待解决的问题,具有重要的理论参考价值和工程应用价值。论文主要的研究内容如下:（1）系统的测试性指标参数分析和确定针对测试性评估定量指标主要包含故障检测率（Fault detection rate,FDR）、故障隔离率（Fault isolation rate,FIR）、虚警率（False alarm rate,FAR）、故障检测时间（Fault detection time FDT）、故障隔离时间（Fault isolation time FIT）、不能复现率,论文主要给出前三个重要的测试性指标的分析和确定方法。（2）基于混合智能算法解决考虑故障模式故障等级的传感器布局优化针对测试性验证中传感器布局的成本与系统故障检测指标要求之间的平衡问题,论文考虑系统故障模式所属故障等级的情况,以传感器布局成本为目标函数,系统故障模式重要度分级情况的故障检测漏检率指标要求为约束函数,展开传感器布局的研究。采取离散粒子群算法求解传感器布局模型,得到的布局结果可以实现对系统故障等级分级情况下的故障进行检测。为了使算法得到系统故障检测性能更优和布局花费的传感器成本更低的优化结果,论文在单一算法研究的基础上,结合粒子群算法与遗传算法各自的优点,提出新的精英个体保留策略的改进遗传算法与离散粒子群算法混合的混合算法实现传感器布局的优化,得到的布局结果既优化了系统高故障等级的漏检率检测指标,又降低了故障检测花费传感器的资源成本。（3）基于Bayes定理解决电子信息系统“小子样”问题的测试性评估针对电子信息系统在“小子样”现场数据情况下的测试性指标（FDR/FIR）评估结论置信度低、难以得到可靠的评估结果的问题,提出了基于Bayes理论的混合加权测试性综合评估模型。首先按照多源先验信息各来源确定先验信息的概率分布,收集系统“本体”的分系统测试性数据、虚拟仿真试验数据、专家经验数据和来自系统“异总体”的相似型号系统的现场测试性试验数据共同作为多源先验信息的来源,并给出了各先验分布超参数的确定方法,以及确定“本/异体”来源信息的可信度、可靠度、相似度和重要度。论文在相似度的确定方法上,提出基于改进杰卡德系数（Jaccard）的相似度确定方法,较传统杰卡德系数获得集合间的相似度而言更加合理和有效。融合电子信息系统的现场“小子样”试验数据后,基于Bayes定理确定后验分布,给出测试性定量参数指标FDR合理的置信下限的评估结果,为电子信息系统测试性综合评估研究提供了重要的理论依据和方法。（4）方法验证和工程应用论文根据以上研究,以某型鱼雷电子信息系统为对象展开测试性验证和评估的方法应用技术验证,为电子信息系统测试性验证试验优化与评估提供很好的工程参考和推广价值。