软件可靠性预计方法研究及实现

软件可靠性评估可以估计和预计软件可靠性水平.为了解决软件可靠性预计过程中存在的问题,提出了一种软件可靠性预计方法.该方法通过分析和改进模型的预计质量来选择模型进行预计,对模型预计质量的分析使用了U图、Y图和对数PLR图,再标定法和组合法被用于改进模型的预计质量.在该方法的基础上开发了软件可靠性分析工具,此工具可以进行多种软件可靠性模型的原始预计、预计质量分析和改进原始模型的预计质量.     

基于PNN与FNN模型神经网络控制器设计与分析

模糊神经网络和预测神经网络分别是基于经验和学习的新型神经网络控制系统,通过在卧式电液仿真转台中框控制器上分别采用这2种控制方法来研究它们的控制特性和应用范围.其中,模糊神经网络结合了模糊控制的经验和神经网络的学习能力,但控制精度取决于人为经验;所研究的预测神经网络采用了基于非线性自回归滑动平均模型建立预测模型,实现在线学习和在线控制,但初始阶段控制精度不高.仿真研究证明,根据具体的控制对象采用适当的控制方法或是将2种方法合理地结合起来将会达到较高的控制精度.      

改进BP算法在模糊神经网络中的应用

引入一种改进的BP算法——动量因子-自适应学习率算法.通过调节动量因子以及在学习过程中的学习率实现自适应,以提高学习速率和增强学习的平稳性.将该学习算法引入到串形结构的多层前向模糊神经网络中,通过学习确定了模糊映射关系,实现了对象的模糊故障诊断.在应用模糊神经网络进行故障诊断时,被监测的故障征兆信号与网络输入层相连,即将输入向量输入到网络中,经过模糊化处理,得到各故障征兆在所定义征兆的模糊子集上的隶属度向量,再利用神经网络的前向计算,得到故障原因的模糊隶属度向量,最后通过对向量的分析确定故障原因的类型.将上述模糊神经网络应用到空气静压轴承中,实现了设备的故障诊断,测试结果验证了该方法的有效性.      

模糊极大极小算子神经元网络的图灵等价性

将模糊Zadeh算子的定义域作了扩充,并重新定义为模糊极大极小算子,使其满足交换律、结合律和零元律.在此基础上提出一种模糊极大极小算子型神经元网络模型,符合一般模糊算子型神经元网络的定义.与传统的Zadeh算子型模糊神经网络相比具有较强的映射能力.详细证明了用该模糊极大极小算子神经元网络可以计算与图灵机等价的部分递归函数,从而表明模糊极大极小算子神经元网络的计算能力等价于图灵机.将传统神经元M-P模型神经网络的图灵等价性推广到模糊神经元网络.     

采用BP算法的模糊自适应控制

在对不熟悉的过程进行模糊控制时,由于对过程的不了解,很难得到合适的控制规则.基于模糊控制器的一种解析结构,提出了将模糊控制器与神经网络相结合的方法.由神经网络对系统进行辨识,并为学习系统提供必要的信息,将控制对象视为神经网络的输出部分,采用BP算法根据神经网络提供的信息对经验规则进行修改,从而改善模糊控制系统动态响应.仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入.     

模糊判别在软件可靠性加速测试中的应用

从软件可靠性测试的基本特点出发,分析软件可靠性测试用例之间存在的相似性;并利用模糊数学中的一系列原理,对软件可靠性测试用例特征进行处理;对测试用例相似性进行组合模糊判别,若相似性达到一定置信度,则对该测试用例进行不执行而累积测试时间的处理过程,从而加速软件可靠性测试.该方法只对软件可靠性测试用例特征进行分析处理,对软件可靠性评估模型没有影响,因此一定程度上减小了评估误差,同时在软件可靠性加速测试方面进行了新的尝试.     

无刷直流电动机的新型自适应模糊神经控制

 为无刷直流电动机提出了一种自适应模糊神经控制方法.这是一种建立在开关控制、模糊控制和自适应控制相结合基础上的控制方法,并用神经网络实现了模糊控制器和自适应机构.在无刷直流电动机的双闭环调速系统中,电流控制器是PI控制器;转速控制器是由1个开关控制器和1个包括自适应机构在内的模糊控制器相结合组成的,且用1个3层前向神经网络离线学习实现了模糊控制器,学习算法采用的是改进的BP算法.用1个单神经元通过在系统运行过程中的动态学习实现了自适应机构,学习算法选用了有监督的Hebb学习算法.由电机所处的运行阶段决定哪一个控制器工作.此控制算法的仿真结果说明,它使系统具有良好的动、静态特性和自适应性.     

模糊神经元及其计算能力研究

分析了模糊神经元模型,指出了这种神经元模型在计算能力上的缺陷.提出了对模糊神经元定义的两种改进方法,一是限制传递函数为非单调函数;二是修改定义域.对改进后的模糊神经元网络证明了计算能力与图灵机的等价性,从而对传统的神经网络作了进一步推广.还对混合模糊神经网络的特点做了简单的讨论.      

一种自适应观测器设计和故障检测方法

利用模糊系统和径向高斯函数网络,设计一种具有自适应能力的模糊神经网络.用高斯函数表示模糊规则前件的隶属度函数,然后,构造一种递阶自组织在线学习算法,从输入输出样本数据中,通过学习提取模糊IF-THEN规则;在此基础上,提出一种非线性时变系统的自适应状态观测器设计和故障检测方法,并对其结构及特征进行了讨论,仿真结果表明,这种自适应状态观测器能很好地观测系统的状态,并能有效地应用于系统的故障检测.     

TSK模糊神经网络及其约束优化学习算法

针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性.     

一个模糊软件可靠性模型的进一步确认

事实已经表明,概率方法在软件可靠性建模中遇到困难。本文介绍一个有效性业已初步确认的模糊软件可靠性模型。通过分析一个实际飞控软件的可靠性行为,进一步确认该模型的有效性。     

软件可靠性测试充分性问题的理论研究

在分析了软件可靠性测试充分性准则研究的重要意义的基础上,阐述了软件测试充分性准则的概念、分类以及软件可靠性测试充分性准则与整个软件测试充分性准则体系的关系,提出了其在软件可靠性测试中的一种实现方法,是借鉴已有的软件测试充分性方面的理论,对软件可靠性测试充分性问题进行的初步探索.      

变结构航天器模糊神经网络滑模控制器设计

变结构航天器是目前航天领域的重要发展方向，航天器结构的变化将导致质量分布发生明显变化，这对航天器动力学建模和控制器设计都提出新的问题。针对这种情况，采用混合坐标法和拉格朗日方程建立了航天器刚柔耦合动力学模型，利用几种典型工况的参数近似得到变结构过程中动力学参数的变化规律。设计滑模控制器对航天器变结构过程进行姿态控制，为提高滑模控制器的适应性，设计模糊神经网络（FNN）自适应调节滑模控制器参数，并利用径向基函数（RBF）神经网络逼近动力学模型，得到控制力矩与姿态变化之间的近似关系，用于FNN的优化。通过仿真得到航天器变结构期间无控、滑模控制和模糊神经网络滑模控制的姿态变化，仿真结果对比验证了模糊神经网络滑模控制对于滑模控制的优势，证明了其在变结构航天器姿态控制方面的有效性。     

模糊-随机混合参数的机构运动可靠度计算方法

在目前机构产品的参数当中普遍存在着模糊变量和随机变量混合的情况,而现有的模糊-随机可靠度求解方法一般针对静态问题进行分析,不能有效描述具有混合不确定性的机构运动时变问题。基于机构运动误差分析,同时考虑失效判据和变量的模糊性,提出了基于改进包络函数的模糊-随机时变机构可靠性建模及计算方法。首先,将模糊判据转化为极限状态方程中的随机变量;其次,利用模糊论中的截集法处理模糊-随机混合变量,建立机构产品的模糊-随机时变可靠性模型;再次,利用改进的包络函数计算机构的运动时变可靠度;最后,结合四连杆机构的运动误差问题,验证了本文方法的可行性,结果表明该方法具有较高的计算精度。      

软件可靠性参数研究

确定软件可靠性的定量要求是软件可靠性工程面临的首要工作内容.本文讨论了软件可靠性定量要求的意义、特点、描述,对一般的软件可靠性参数进行了分析,提出了结合武器装备特点的软件可靠性参数,并给出了软件可靠性参数的选取及其指标确定应考虑的因素.      

液压飞行仿真转台外框FNN控制器设计及仿真

以液压转台外框为控制对象,根据模糊控制理论,设计出直接自适应模糊控制器(DAFC,Direct Adaptive Fuzzy Controller)和同步模糊控制器(SFC,Synchronizing Fuzzy Controller)来解决外框负载干扰和双液压马达同步驱动这2个影响转台控制性能的主要问题;其中直接自适应模糊控制器还与PID控制器一起组成并行控制系统来抑制系统静态误差和动态干扰.针对模糊控制器自学习能力较差等缺陷,在模糊控制的基础上,根据模糊神经网络(FNN,Fuzzy Neural Net)模型设计出多输入多输出(MIMO,Multi-Input Multi-Output)的FNN控制器.软件仿真结果表明,当转台外框负载发生变化或外框两马达转速相差较大时,使用FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能.