9基于聚类分析的软件多故障定位技术

故障定位的思想一般是通过对程序语句及其执行结果的分析，从而定位到存在缺陷的程序语句的位置.目前，软件单故障定位技术研究较多，多故障相关研究较少.本文根据程序语句覆盖执行信息构造程序谱，提出基于聚类分析的软件多故障定位技术方法，在Siemens测试程序集的基础上，和现有的一些基于程序谱的定位方法进行对比，在大部分的情形下，验证了本文提出的基于聚类分析的软件多故障定位技术在软件多故障定位方面的定位效率要优于这些方法，减少测试人员的工作开销.     

一种软件脆弱性自动分析定位的方法

摘要： 为了更好地满足航空航天领域中使用的多种嵌入式软件的高可靠性要求，设计一种软件脆弱性自动分析定位的方法.该方法基于程序切片技术，改进现有的前向计算动态切片算法，利用动态程序切片收集程序运行时的动态信息，构造程序切片谱，设定相关统计量统计程序语句的脆弱性可疑度，生成脆弱性定位报告.在发现软件中存在的脆弱性后，该方法对导致此脆弱性的程序代码根源实现了自动分析定位.基于此方法设计开发了软件脆弱性自动定位工具并进行了实例验证分析，实验证明了该方法的有效性.     

基于程序行为累积分析的软件故障定位方法

软件出现失效后,如何根据软件运行时的输入以及运行行为来快速定位引发失效的故障是一个非常有价值的研究问题.提出了故障定位的锥状框架,并基于其将故障定位问题表示为一个分层细化的过程.在软件输入层,利用程序行为累积分析技术对软件的行为进行建模分析,得到了统计故障定位模型,从而解决了软件输入层的故障定位问题.为了检验故障定位模型的效果,选择了5个软件进行实验,对其中4个设计并植入故障,另外1个为真实软件,实验获得了平均0.803的定准率和平均0.697的定全率.在此基础上,如何应用程序行为累积分析技术在软件设计模块层解决故障定位问题得到了进一步的分析.      

一种控制系统故障处理中的互斥设计方法

航天器控制系统中多种故障处理均进行推力器切换操作,而推力器切换操作需要多个控制周期来完成,一旦开始执行应不被打断,否则会导致推力器切换错误.针对在短期内先后触发两种及以上故障时可能导致推力器切换时序冲突和推力器切换错误的情况进行了充分分析.提出了一种软件互斥设计方法,解决多种故障短期内交叉耦合触发引起的推力器切换错误问题.测试结果表明,该方法能使单故障和多故障触发的推力器切换操作正确有效.     

利用改进遗传算法的软件故障定位辅助测试用例生成方法

在软件故障自动化定位过程中，如果在给定的测试用例集合情况下故障在故障疑似度列表种排名不高，比较有效的方法为补充新的测试用例。如何在较小的代价下提升故障的可疑度排名是一项具有挑战的工作。提出一种基于改进遗传算法(IGA)的测试用例生成方法，利用软件故障定位的疑似故障排名，来辅助生成软件故障定位过程中的测试用例。依次对所提方法进行阐述和分析，在6个C程序和2个Python程序上开展实验，实验结果表明：所提方法自动生成的测试用例能够有效地帮助提高故障定位的效率。     

基于测试性D矩阵的多故障诊断与维修策略

针对复杂的多故障诊断问题以及多故障直接处理方法实现的难点,在测试性D矩阵基础上,提出了一种基于单故障化的多故障诊断与维修策略（MFDMSTS）。首先,在多故障假设下引入析取运算,定义了可隔离单故障和可隔离多故障,据此定义将多故障转化为单故障,并将转化的单故障与测试集组成新的D矩阵;然后,运用单故障诊断算法处理新的D矩阵,得到最优诊断树;最后,针对诊断树的不同叶子节点,提出了多故障诊断与维修策略。实例验算表明：MFDMSTS能降低平均诊断费用和平均诊断步数,并大幅降低误修率。     

基于非参数假设检验的程序缺陷定位方法

调查了西门子测试集中的程序失败用例的规模和谓词评估偏差的分布.结果表明,中心极限定理的前提和参数假设检验的假设条件无法得到普遍满足.所以,已有的基于参数假设检验的方法存在潜在的问题.针对这一现象,提出了基于非参数假设检验定位程序缺陷的方法.实验结果表明,该方法在非正态分布的样本集上仍具有较好的适用性,且在缺陷定位效率上优于已有的基于程序谓词的缺陷定位技术.同时比较了基于2种常用的非参数假设检验模型的缺陷定位方法的效率.一种方法基于Kolmogorov-Smirnov检验,另一种方法基于Cramér-von-Mises准则.比较结果表明,在西门子测试集上,基于Kolmogorov-Smirnov检验的方法在缺陷定位效率上优于基于Cramér-von-Mises准则的方法.     

动态系统的容错技术

所讨论的动态系统的容错技术包括故障检测、故障定位和系统重构技术。文中研究了基于数学模型的容错技术，讨论了因数学模型不准而引起的故障检测和定位不鲁棒的问题，提出了若干增强鲁棒性的方法，对故障后的系统重构问题也作了简要介绍。     

基于编译优化和反汇编的程序相似性检测方法

提出了基于编译优化和反汇编的程序相似性检测方法,能够检测出标识符重命名、增加冗余语句、等价的控制结构替换等12种学生常用的抄袭手段.基于该方法,设计和实现了一个程序相似性检测系统BuaaSim,采用编译优化和反汇编技术将源程序转化为汇编指令集合,删除和替换汇编指令中对程序本质特征影响不大的易变元素,使用一个与指令顺序无关的决策函数计算程序相似度;还给出一个简单有效的聚类算法,从程序集合中聚类出相似的程序子集.通过与著名的JPlag系统针对两份典型的抄袭样本集进行评测对比,表明本文方法的检测效果具有明显的优势.      

基于RBF神经网络的控制电器元件故障诊断

针对控制电器元件故障征兆与故障类型之间的非线性映射关系,提出了基于径向基函数神经网络RBFNN(Radial Basis Function Neural Network)的控制电器元件故障诊断方法.在分析控制电器元件故障机理和失效形式的基础上,提取出描述故障类型的典型故障特征矢量.给出在获得足够多故障信息的情况下,运用RBFNN进行故障诊断的模型及整个故障诊断算法的实现过程.为了验证故障诊断模型的有效性和合理性,利用训练好的RBFNN对故障特征矢量进行识别.仿真结果表明,RBFNN能克服诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求.      

航空发动机传感器故障与部件故障诊断技术

结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性.     

基于程序建模的网络程序漏洞检测技术

研究和分析了网络程序漏洞检测方法,针对C/S结构下网络程序存在的二进制漏洞提出了一种基于程序建模的漏洞检测方法。该方法针对网络程序架构进行分析,通过抽取不同类型网络程序中的关键性系统函数,进行程序建模和检测系统执行模块开发。采用选择符号执行技术进行检测,通过函数挂钩的方式定制挂钩函数语义和函数执行触发的操作,引入符号化数据和引导符号执行过程。研究过程中基于该技术实现了一套网络程序漏洞检测系统,系统能够识别目标网络程序采用的I/O模型,根据目标网络程序的不同类型调取相应的系统执行模块,利用选择符号执行技术进行自动化漏洞检测过程。实验结果表明,相比于已有的检测工具,该系统在网络程序的漏洞检测方面针对性更强,程序代码的覆盖率更高,同时具有很好的可扩展性。      

软件流水中的循环展开优化

在软件流水中应用循环展开可以实现分数值的启动间距,提高资源的利用率,同时基于展开的优化技术可以降低程序的资源需求和关键路径的长度.提出了基于程序特性的展开因子算法UTBPC(Unrolling Times Based Program Characteristics),解决了循环展开的核心问题——展开因子的确定,同时提出了基于展开的软件数据预取优化技术,提高了软件数据预取的效率.所有这些都在ORC(Open Research Compiler)中实现,并对SPEC 2000中的程序进行了测试,平均性能提高了2.6%.实验结果表明新提出的算法和基于展开的数据预取优化技术提高了编译器的整体性能.      

考虑多故障的测试性建模改进方法

分析了测试性建模的现有方法及在工程应用中存在的不足.在信号流图方法的基础上,提出了一种测试性建模的改进方法.该方法支持单元的多故障模式设置,能够区分全局故障和局部故障,并允许设置全局故障沿单元特定信号流方向传递.给出了测试性模型的图形定义、隐含属性定义、相关性矩阵定义和相应的测试性分析推理方法.在此基础上,提出了基于高阶相关性分析的相关性矩阵生成改进算法.以某惯导系统为例进行了应用,建立了测试性图形模型并生成改进的相关性矩阵,与现有方法建立的相关性矩阵进行对比,结果验证了测试性建模改进方法的可行性和有效性.     

基于最小偏差LS-SVR的模电系统多故障诊断

为解决支持向量分类机多分类存在的样本重复训练、训练模型过多的问题,保证模拟电子系统在整体和局部多故障模式上的诊断正确率,提出基于最小偏差的最小二乘支持向量回归机多故障诊断方法.通过引进样本各维度拟合误差相对于平均拟合误差的偏差平方项,最小化维度间的拟合误差间距,得到能够输出多维变量及具有高分辨率的最小二乘支持向量回归机模型.将模型多维输出值与预设的各个多故障模式值相乘,所得结果集中最大值所对应的多故障模式即为最终诊断结果.仿真结果表明:提出的方法在简化训练过程的同时,能够保持良好的整体和局部多故障诊断正确率.     

液压泵故障诊断的神经网络方法

利用神经网络方法解决液压泵多故障诊断的问题。文中通过对液压泵故障机理的分析，针对液压泵多故障模式提出了利用集成ＢＰ网络进行多故障诊断的策略。理论和实验结果分析表明，利用神经网络方法可以有效地诊断知识别液压泵多故障模式，其识别率随着学习样本量的增大而提高。     

基于深度残差收缩网络的滚动轴承故障诊断

滚动轴承的准确故障诊断是确保机械设备安全可靠运行的必要手段。针对多故障、长时间序列的滚动轴承振动信号,提出了一种基于深度残差收缩网络(DRSN)模型的故障诊断方法。首先,根据采集到的滚动轴承数据构造故障样本,针对多种故障类型下的长时间序列的振动信号,按照一定尺寸将长时间序列矩阵化,构成多故障类型的灰度图故障样本。从正常到故障的滚动轴承性能退化过程,通过多个采样点的随机采样,构造全寿命周期的故障样本用于故障诊断。其次,在多层深度学习模型基础上,将残差收缩网络模块加入到卷积神经网络(CNN)中构建深度残差收缩网络模型用于故障诊断,其中通过将残差项加入到网络中训练解决了多层网络模型的模型退化问题,利用软阈值化实现了样本降噪。最后,为了验证所提方法的有效性,采集了滚动轴承的多故障时间序列样本和全寿命周期故障样本用于故障诊断。实例验证的结果表明:所提深度残差收缩网络模型在处理含噪声样本时仍具有良好的鲁棒性,多层网络模型下没有明显的网络退化,能够保持较高的故障诊断正确率。在处理2种轴承故障数据集时,与其他模型相比,所提方法训练误差更低,平均故障诊断正确率提高1%~6%。      

基于比例积分强跟踪滤波器的故障估计

研究了线性系统执行机构和敏感器的故障估计方法．基于比例积分观测器具有同时估计系统状态和故障大小的能力,将比例积分观测器和强跟踪滤波器相结合,组成比例积分强跟踪滤波器来估计执行机构和敏感器故障,这种方法增强了对突变故障的快速跟踪能力．在系统发生故障时,比例积分强跟踪滤波器不仅能够快速检测、定位故障,而且还能估计出故障的大小．以某卫星为例,将此方法应用于推力器和陀螺的故障估计,并通过仿真验证了这种方法的有效性．     

最优故障检测滤波器设计

针对执行机构故障研究检测滤波器对噪声的鲁棒性问题。首先利用特征结构配置方法研究多故障情况下检测滤波器的设计问题,并给出其增益矩阵的基本结构,然后针对过程噪声和测量噪声研究最优故障检测滤波器的设计问题,提出求解最优增益矩阵的一种算法,最后采用某型号飞机方程进行仿真验证。仿真结果表明,最优故障检测滤波器可以有效的抑制噪声对系统的影响。