适用于航天软件开发的可靠性度量

介绍了软件可靠性和软件度量的概念 ,阐述了航天控制软件的特点 ,提出了可靠性度量的选择准则 ,推荐了 14种适用于航天控制软件的可靠性度量     

一类混合动态系统的稳定性

混合动态系统是一类同时含有连续时间变量和离散事件变量的系统，在这类系统中，两类变量耦合在一起，具有复杂的动力学特性和时钟关系。本文在一般度量空间上刻画了混合动态系统，并给出了混合动态系统在Ｌｙａｐｕｎｏｖ意义下稳定和渐近稳定的定义及其充分必要条件，同时研究了一类混合动态系统稳定与其连续和离散事件子系统的稳定性之间的关系。     

基于相关性度量的伪主成分分析

采用数据样本间的相关性作为相似性度量,并引入样本的类信息,提出一种新的降维方法,即伪主成分分析(Pseudo-PCA),该方法尽可能地保持原样本的变化信息,同时又使得降维后的同类数据样本尽可能保持相似。此外,将这种思想方法成功推广到近年来提出的2DPCA,MatPCA和(2D)2PCA。在ORL,Yale和AR等人脸数据集上的实验表明,该类方法的识别率高于相应的基于欧氏距离的PCA,2DPCA,M atPCA和(2D)2PCA等方法。     

基于软件过程对象模型的度量定义方法

CQM(Goal-Question-Metric)模型是一种面向目标的定义度量的方法，在软件过程度量中被广泛采用，同时也渐渐显露出它的不足。通过对软件过程对象模型和GQM模型的分析，提出了一种结合软件过程对象模型和GQM模型的度量定义方法，使度量的定义更具体。     

带有误差的广义压缩映射迭代序列的收敛阶

Liu Qihou提出了度量空间中带有误差的迭代序列的定义，并研究了迭代序列的收敛性。严格分析了完备度量空间中带有误差的两类广义压缩映射迭代序列的收敛速度，得到了迭代序列收敛阶的最佳估计，这些结果在近似计算中可用于估计不动点的大致范围以及根据精度要求确定迭代次数。     

基于卷积神经网络和多项式混沌方法的翼型鲁棒性优化

在常规的翼型优化设计方法中,设计点处最优翼型的气动性能会在非设计点处有所恶化,因此有必要对翼型鲁棒性优化方法进行研究。提出一种基于卷积神经网络和多项式混沌方法的翼型鲁棒性设计方法,首先搭建基于卷积神经网络的气动力预测模型;其次采用多项式混沌方法对马赫数和攻角进行不确定度量化,构建翼型鲁棒性气动优化设计系统;最后对以 RAE2822 翼型为基准翼型的气动优化设计问题进行优化设计验证。结果表明：本文提出的翼型鲁棒性设计方法可行,优化后翼型的气动性能和鲁棒性气动优化设计效率在较宽的设计范围内都有所提升。     

软件行为的一种静态可信度量模型

根据用户必需的软件中可能隐藏的缺陷或者破坏行为在整个软件中所占比例极低、而当前一般的恶意代码分析技术不适合此类软件的可信度量分析这种情况,提出了理想化的主体行为静态可信的强约束条件,然后结合软件业务流程的确定性、软件代码的可见性以及信息资产风险可评估性,提出了适合工程应用的主体行为静态可信的弱约束条件,并基于主体行为静态可信的弱约束条件构建了模型的实现框架,对用户必需的软件是否将如实地按照用户需求运行进行可信度量,提前确定软件中是否含有对信息系统或信息资产的潜在威胁,以便采取必要的防护措施。     

基于相似电子产品信息的可靠性评估方法

对于需综合考虑新产品与历史产品多种相似性与相异性的电子产品可靠性评估问题,提出了一种适用于多批次电子产品的可靠性评估方法。基于产品的多种相似信息,通过引入非平权系数法,提出了一种基于特征属性方差检验的继承因子确定方法,解决信息融合问题。算例验证表明,此方法能够实现对具有多相似性和相异性信息的电子产品进行有效的可靠性评估,确定的继承因子更加科学合理。     

基于间隙度量的鲁棒LPV控制律设计

针对高超声速飞行器飞行包线范围广和模型参数不确定性大的问题,提出了基于间隙度量的鲁棒线性变参数(LPV,Linear Parameter-Varying)控制律设计方法.该方法将间隙度量引入LPV控制器设计中,提出了基于最优间隙度量的凸分解策略,并将其应用于多胞顶点的分解和鲁棒LPV控制器的自增益调参,以降低控制器的保守性;考虑模型的参数不确定性求取多胞LPV系统的顶点模型并设计顶点控制器,以提高顶点边界附近LPV控制器的鲁棒性;以某型高超声速飞行器为对象设计了鲁棒LPV控制器.仿真结果表明:该方法能降低大包线内控制器的保守性,实现高超声速飞行器在整个设计包线内精确的指令跟踪,并且在模型参数存在大的不确定性情况下仍保证系统的鲁棒性能和稳定性.     

一种基于证据距离的多分类器差异性度量

 多分类器系统因其能够显著提升分类精度而引发了广泛关注。多分类器系统中各子分类器间的差异性是提升融合分类精度的先决条件。提出了一种基于证据距离的分类器系统差异性度量,同时基于该度量提出一种多分类器系统构造方法。综合了既有差异性度量、所提新差异性度量以及在训练样本集上的分类性能等多个指标,实现了多分类器系统的有效构造。实验结果表明,所提差异性度量及多分类器系统构造方法是合理的,能有效提升融合分类精度。