对象驱动的软件测试性度量

为了使用统一的方式度量各种软件的测试性,降低测试性度量的难度和费用,提出一种对象驱动的软件测试性度量方法. 方法基于一个由测试性度量、易测试特性度量、测试性因素度量及其关系构成的软件测试性度量框架,首先分析度量的对象,确定对象的类型、对象所属软件的类型和测试情况;然后根据软件的类型和测试情况,从度量框架中选取匹配的元素,构造一个专用的软件测试性度量框架;最后根据度量对象的类型,使用专用软件测试性度量框架中的元素计算测试性因素、易测试特性或测试性. 应用表明方法能够得到软件测试性的定量结果,预计测试资源,为软件测试提供帮助.      

基于GSPN的飞机前轮转弯系统安全性评估

为解决在缺乏统计数据时无法对系统安全性进行评估的问题,提出将系统广义随机Petri网(GSPN,Generalized Stochastic Petri Nets)与经典评估相结合的方法.以某型尚处于设计阶段的飞机前轮转弯系统为研究对象,通过分析该系统结构功能图,建立出系统故障类型和影响分析(FMEA,Failure Modes and Effects Analysis)表;依照经典公式,求出系统各单元及其故障类型的故障率、维修度、平均无故障时间和平均维修时间等数据;将求得的数据与前轮转弯系统的GSPN模型相结合,利用TimeNET软件求得系统各故障类型的稳态失效概率;联立经验公式及危险度矩阵图对系统的安全性进行评估.经测评,该型飞机前轮转弯系统安全性符合设计要求.      

基于神经网络与果蝇优化算法的涡轮叶片低循环疲劳寿命健壮性设计

在对涡轮叶片低循环疲劳寿命概率分析的基础上,将广义回归型神经网络(generalized regression neural network,GRNN)与果蝇优化算法(fruit fly optimization algorithm,FFOA)结合,利用果蝇优化算法的多点全局的快速搜索能力来优化影响疲劳寿命的随机变量,进行涡轮叶片低循环疲劳寿命健壮性优化设计.优化结果表明:疲劳寿命的概率区间减小17.9%,对随机变量的敏感度降低,从而可以更精确地对疲劳寿命进行估计.计算结果验证了该方法在工程应用中的可行性.      

基于分层神经网络的航天器故障诊断技术

为了提高卫星、飞船等复杂系统的故障诊断速度和精度,文章提出了一种基于分层神经网络的整星故障诊断模型。模型中的上层神经网络采用自组织特征映射网络,完成整星故障的初步定位与辨识;下层神经网络采用广义回归神经网络,实现整星各分系统故障的精确定位和定因。引入主元分析法实现原始状态变量的降维,减少神经网络神经元数量。该模型已成功应用于某卫星各分系统的故障诊断,提高了诊断效率,并能精确给出诊断结果。     

基于广义S变换进行雷达信号时频滤波去噪

S变换自问世以来,凭借其优越性已经被广泛地应用于数字信号处理中。针对深空目标雷达回波信号的复杂性,为了得到较好的雷达回波信号,将基于广义S变换的时频滤波应用于雷达回波信号去噪中,并利用低通滤波器设计了时频滤波算子,克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷。通过理论分析与仿真波形对比表明,滤波后能有效地去除噪声,很好地保留了原始雷达回波信号的信号特征,展示了基于广义S变换的时频滤波的可行性,为雷达回波信号去噪提供提供了一种很好的方法。     

央企所属研究所经济增加值管理探讨

介绍了经济增加值(EVA)相关理论,重点探讨了央企所属研究所EVA的增长途径。     

基于功势的燃气轮机广义效率研究

基于广义的物理内涵,推导出了燃气轮机的各部件的广义效率的表达式.根据各种效率具有"同时归一"的特性,从理论分析和数值计算上进行了验证.分析了各种参数对广义效率的影响.结果表明:燃气广义不仅和部件效率有紧密的自然关系,还和其他热力参数(例如压比)有内在的逻辑关联.并从燃料燃烧的广义效率的角度优化了压气机压比.      

基于滑模干扰观测器的近空间飞行器非线性广义预测控制

近空间飞行器(NSV)的飞行包络很大,特别在高超声速飞行过程中,系统将具有强烈非线性 、耦合性和快速时变性,同时将受到较大的外干扰及不确定性影响,这对控制系统提出了很 大的挑战。为此,提出了基于滑模干扰观测器(SMDO)的非线性广义预测控制(NGPC)策略,将 滑模控制的强鲁棒性和预测控制良好的动态性能相结合,设计了高超声速条件下NSV的姿态 制导控制律,进一步仿真实验,结果表明该飞控系统具有良好的控制性能和抗干扰能力。
     

基于函数型数据的广义线性回归模型

函数型数据的回归分析研究主要集中在函数型线性模型。不要求因变量为连续型随机变量,可以为离散型或属性数据(对应于泊松或Logistic回归),对同时含有数值型多元变量和函数型变量的广义线性模型的估计问题进行分析,采用非参数方法得到了参数部分和非参数部分的估计量,并给出了一种重加权算法进行参数求解,解决了含数值型和函数型混合数据类型自变量的回归问题,同时扩展了函数型线性模型的应用范围。估计过程中,分别采用了函数型主成分和B样条基函数,并给出了基函数个数选择的准则。数值模拟结果表明,所提出方法具有良好的可行性与正确性。      

基于Kalman滤波的GPS/INS接收机自适应干扰抑制方法

 考虑到惯导信息辅助GPS(GPS/INS)接收机对干扰抑制实时性的要求,提出一种基于Kalman滤波的GPS/INS接收机自适应干扰抑制方法。自适应广义旁瓣相消(GSC)多采用低复杂度最小均方(LMS)算法更新权矢量,收敛速率较低,严重时会导致接收机定位中断。首先利用Householder变换构建GSC下支路的阻塞矩阵,用于阻塞任意二维阵型阵列接收的期望信号;再用Kalman滤波自适应更新下支路权矢量,从而有效提高阵列输出信干噪比(SINR)。理论分析和仿真结果说明本文方法可有效抑制干扰对接收机的影响,且具有实时性高的特点。