基于有限状态机的交会对接飞行任务规划方法

为实现多约束条件下载人航天器交会对接（RVD）飞行任务的快速、准确规划,提出了一种基于有限状态机（FSM）的飞行任务规划方法。通过飞行过程与有限状态机的映射关系建立图形化任务规划模型,以飞行事件为状态,以测控、光照等约束条件为输入信号,驱动有限状态机的状态转移,进行模型求解,实现交会对接飞行任务的自动规划。以中国神舟十号飞行任务中航天员手控交会对接试验为例,进行了规划验证。经对比,规划计算结果与任务实施结果一致,表明所提方法可以实现交会对接飞行任务的快速、准确规划。      

基于GA-SVM的GNSS-IR土壤湿度反演方法

针对提高大范围土壤湿度测量精度的问题,研究了土壤湿度的全球卫星导航系统干涉测量法（GNSS-IR）,提出了一种基于支持向量机（SVM）的土壤湿度反演模型,利用遗传算法（GA）的自动寻优功能寻找SVM的最佳参数。结果表明,GA-SVM模型在测试集上得到的土壤湿度反演值与实测值的平均绝对百分比误差（MAPE）仅为0.69%,最大相对误差（MRE）为1.22%,线性回归方程决定系数达到了0.956 9。进一步与统计回归、粒子群优化的SVM模型（PSO-SVM）及反向传播（BP）神经网络方法进行对比,结果说明:在样本数目有限的情况下,GA-SVM方法更适用于土壤湿度的GNSS-IR技术反演,且反演精度较高,泛化性能良好。      

基于UML模型的嵌入式软件测试用例生成方法

软件测试是保证嵌入式软件质量的重要手段之一,测试用例集的完备性是软件测试的关键因素.研究一种基于统一建模语言(UML)状态图生成测试用例集的方法,根据状态、迁移不变性原则以及动作映射,将UML状态图转换为扩展有限状态机(EFSM),采用广度优先搜索满足状态、迁移覆盖准则,由测试序列建立查找表生成测试用例集.最后给出实例说明该方法的可行性和有效性.     

符号执行和测试数据辅助生成的实验系统

本文提出了一个以符号执行方法辅助生成测试数据的实验系统。对于一个给定的源程序,它在对该程序进行静态分析的基础上,自动选择一组逻辑路径使其满足语句覆盖准则、或分支覆盖准则、或逻辑路径覆盖准则。然后,逐条地符号执行这组逻辑路径。对每条路径,它都产生一组以程序输入变量表示的路径限制条件。本系统还产生定义在输入变量上的输出变量(及中间变量)的符号表达式,用户可据此分析路径的计算过程、输入变量与输出变量的关系等。因此,它为验证程序断言、静态分析程序、分析动态测试结果提供了有价值的信息。     

基于EDT的扫描测试压缩电路优化方法

为了在集成电路可测试性设计（DFT）中实现更有效的测试向量压缩，减少测试数据容量和测试时间，采用嵌入式确定性测试（EDT）的扫描测试压缩方案分别对S13207、S15850、S38417和S38584基准电路进行了优化分析，通过研究测试向量和移位周期等影响测试压缩的因素，提出了固定测试端口和固定压缩率的扫描测试压缩电路优化方法。结果表明，在测试端口数量都为2，压缩率分别为12、14、16和24时具有较好的压缩效果，与传统自动测试向量生成（ATPG）相比，固定故障的测试数据容量减小了3.9~6.4倍，测试时间减少了3.8~6.2倍，跳变延时故障的测试数据容量减少了4.1~5.4倍，测试时间减少了3.8~5.2倍。所提方法通过改变测试端口数和压缩率的方式讨论了多种影响测试压缩的因素，给出扫描测试压缩电路的优化设计方案，提高了压缩效率，并对一个较大规模电路进行了仿真验证，可适用于集成电路的扫描测试压缩设计。      

UML在软件可靠性测试数据自动生成中的运用

为了自动生成实时嵌入式软件的可靠性测试数据,利用UML(统一建模语言)提供的建模机 制,从软件可靠性测试的角度建立use-case剖面、接口模型和测试数据实现模型,然后根 据 这些模型的描述进行随机抽样,自动生成可靠性测试数据.利用该方法能够开发出相应的测 试数据自动生成工具,在软件可靠性测试领域有着较大的实用价值.     

通用ATE开关资源测试路径模型及应用

针对自动测试设备(ATE)测试程序开发中的开关资源测试路径搜索复杂、冲突判断困难、管理难度大等问题,提出了通用ATE开关资源测试路径模型,给出了模型的构造方法和多开关资源级联的级联算法,介绍了模型的具体应用.模型实现了ATE测试过程中开关资源测试路径冲突判断、最佳测试路径自动搜索、测试路径故障隔离、测试程序与具体测试路径硬件资源无关.提高了测试程序(TP)的通用性和可移植性,降低了TP开发的工作量.      

基于自适应遗传算法的MEMS加速度计 快速标定方法

微惯性测量单元（MIMU）的标定技术是低精度惯性导航领域中的重要研究方向,传统标定方法操作复杂,标定精度严重依赖转台精度。为解决大批量MIMU快速标定的问题,提出了一种基于自适应遗传算法（GA）的微机电系统（MEMS）加速度计快速标定方法,将加速度计标定问题转化为参数优化问题。首先,利用模观测原理构造目标优化函数;然后,分析系统可观测度确定最优标定编排方案;最后,采用全局搜索的自适应遗传算法优化标定参数。实验结果表明:与牛顿迭代法相比,标定精度提升1~3个数量级,运算速度提高61%。标定后解算的水平姿态角误差小于0.1°,可实现与传统标定方法相同量级的姿态精度,验证了所提方法的优越性和实用性。      

基于生成对抗网络的航天异常事件检测方法

航天环境复杂,技术难度大,风险高,安全可靠性要求苛刻。航天异常事件样本少,且难以获取,有针对性地开展异常事件检测（AED）很有必要。为预防航天事故,尽早发现可能导致故障的异常事件,深入研究了最新人工智能和生成对抗网络（GAN）技术,提出了一种基于生成对抗网络的航天异常事件检测方法。使用正生成对抗网络模拟生成正常事件样本,训练反生成对抗网络模拟生成异常事件样本,设计合理算法训练测试,计算输入事件与正生成对抗网络生成的模拟正常事件欧氏距离,以及输入事件与反生成对抗网络生成的模拟异常事件的欧氏距离差,实现对异常事件的精确检测。通过在美国国家标准与技术研究所数据库（MNIST）数据集全部使用正常数据训练,并对异常事件检测性能进行了试验验证,试验结果表明:在MNIST数据集下,精确率和召回率综合评价指标（F1）及精确率和召回率曲线下面积（PRC）等关键技术指标比变分自动编码器（VAE）方法相应指标性能至少分别提升了31%和11%。在真实环境下采集的模拟航天音频数据试验,异常事件检测性能良好,进一步证实了所提方法真实可用。      

基于改进遗传算法的移动机器人路径规划

路径规划是实现移动机器人自主导航的关键技术。针对常规路径规划算法求解的路径长度非最短以及在前后两次规划过程中规划路径不连贯的问题,提出一种基于改进遗传算法的帧间关联平稳路径规划方法。首先,结合随机和定向两种搜索方式生成候选路径;然后,在常规遗传操作算子中引入插入算子和删除算子,并将规划路径的连贯性考虑进适应度函数中来计算每条候选路径的适应度值;最后,输出适应度值最高的路径作为当前最优路径。仿真结果表明了所提方法的正确性和可行性。实验结果表明,所提方法与A*算法和常规遗传算法相比,移动机器人行驶路径长度分别减少了3.05%和1.85%;行驶过程中的最大偏航角变化量分别减少了38.02%和32.43%,转角绝对值之和分别减少了23.97%和19.94%,所提方法能规划出更优的路径,并显著提高移动机器人的行驶效率和平稳性。      

基于遗传编程的航天器有限推力逼近轨迹规划

通过引入基函数的概念,提出了采用遗传编程求解有限推力航天器逼近非合作目标最终逼近段轨迹规划问题的方法。该方法将推力器开关状态定义为基函数,以多个基函数分别乘以开关状态持续时间再求和作为推力器开关的历程函数;将历程函数转换为遗传编程的树型结构,将消耗燃料的质量作为适应度函数,并将规避障碍物和终端逼近精度等约束条件以罚函数的形式添加到适应度函数中;利用遗传编程的模拟自然进化理论的全局寻优机制求解,最终得到最优逼近轨迹方案。某航天器在有限推力下逼近非合作目标的轨迹规划结果表明:整个逼近过程推力器仅开关5次,大大降低了对开关频率的要求,同时,规划结果比采用高斯伪谱法时逼近时间降低了30.09%,燃料消耗降低了4.18%。      

基于启发式遗传算法的模糊测试样本集优化方案

模糊测试作为当前最有效的漏洞挖掘方法,不仅比其他漏洞挖掘技术更能应对复杂的程序,而且可扩展性很强。在数据量相对较大的测试中,模糊测试输入样本集存在质量低、冗余性高和可用性弱等问题。因此,对模糊测试输入样本集进行研究,提出了启发式遗传算法,借助0-1矩阵,通过启发式遗传算法对样本的执行路径进行选取和压缩,从而获得优化后兼顾样本质量的样本集最小样本集合,进而加快模糊测试的效率。实验结果表明:在没有损失的情况下,样本集精简后模糊测试的时间比精简前降低了22%,压缩率相比传统方案提升约40%。      

基于知识图谱和自动机器学习的软件缺陷预测

不稳定和召回率低效的软件缺陷预测模型难以在行业领域应用,为解决稳定和高效各项性能评价指标的软件缺陷预测模型在工程实践应用的问题,提出了一种基于知识图谱和自动化机器学习的软件缺陷预测方法AutoKGGAS,首先获取软件缺陷预测模型数据,对知识建模、知识获取、知识融合、知识储存与知识计算等知识图谱构建技术研究,实现知识图谱...     

机翼低速风洞试验颤振模型优化设计方法

对于机翼的低速风洞颤振试验模型设计中涉及学科多、难度高、工作量大、周期长等问题,把具有很好的全局和局部寻优能力且收敛速度很快的遗传/敏度混合优化算法应用于模型设计过程;详细说明了遗传/敏度混合优化算法的优化设计原理、设计过程,以及应用范围;论述了机翼颤振模型设计的基础理论和设计思路;根据实际问题的物理模型,并通过对机翼颤振模型设计原理的分析,建立了优化设计的数学模型;通过优化设计方法的实际应用,完成了设计工作,提高了设计效率,保证了设计精度,该设计方法所得到的设计结果与计算得到的设计要求之间的误差在5%以内;在此基础上建立了完整的机翼颤振模型工程优化设计方法,使该方法能够应用在模型设计的很多方面,为工程设计提供了一种有效的手段.      

基于空域划分的超视距空战态势威胁评估

编队超视距空战(BVR,Beyond Visual Range)已成为现代空战的主要模式.在空战优势区域与劣势区域判断的基础上对整个空域进行划分,并给出4种特定空域态势.从空中态势和编队作战能力两方面对空战态势进行分析.使用主成分分析法选取输入变量分析编队作战能力,降低评估过程中收集数据的复杂度.应用遗传神经网络对影响BVR各因素进行效能评估,将遗传算法(GA,Genetic Algorithms)与多层前馈(BP,Back Propagation)网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题.结果表明:该模型能在综合分析空战各指标后给出红蓝双发的态势评估指标,该模型可有效减少评估中的人为因素,使评估结果更为客观可信.     

基于量子万有引力搜索的SVM自驾故障诊断

针对自动驾驶仪在实际测试过程中故障样本较少的情况,提出一种基于量子万有引力搜索算法(QGSA)的支持向量机(SVM)故障诊断模型。SVM能较好地解决小样本、非线性问题,适用于自动驾驶仪的故障诊断。为进一步提高万有引力搜索算法(GSA)对参数寻优的收敛速度和收敛精度,将基于GSA的QGSA应用于SVM的参数寻优中,以解决SVM由于参数选取不当导致过学习或欠学习的问题,从而获得最优的分类模型。通过模拟实验分析,当训练样本数量为50时,基于QGSA的SVM故障诊断模型分类准确率便能达到96.530 6%,而基于遗传算法(GA)的SVM故障诊断模型分类准确率为92.040 8%,基于GSA的SVM故障诊断模型分类准确率为91.632 7%。仿真实验结果表明,基于QGSA的SVM故障诊断模型具有更好的故障诊断能力。      

设计敏度在气动弹性遗传优化中的应用

利用遗传算法和遗传/敏度混合优化算法对某复合材料机翼进行气动弹性优化设计研究,并提出在使用这两种算法时根据设计敏度信息计算设计变量的重要性指标、从而确定主要和次要设计变量、进而调整设计变量变化域的方法,以提高算法的寻优效率.研究表明:设计变量变化域的定义直接影响遗传算法和遗传/敏度混合优化算法的寻优效率,特别是单独使用遗传算法时影响程度更大;定义时应该在确保设计空间包含足够的优秀可行解的前提下,尽可能地缩减搜索空间.所提出的基于设计敏度调整设计变量变化域的方法在实际应用中能取得较好的效果:该方法既能明显提高遗传算法和遗传/敏度混合优化算法的搜索效率,又能显著增强两种算法辨识可行域的能力.      

基于相关向量机的MEMS加速度计零偏温漂补偿

应用相关向量机（RVM,Relevance Vector Machine）回归预测方法建立了基于RVM的零偏温漂预测补偿模型,利用温度值和温升速率作为输入可预测不同温变过程下的加速度计零偏温漂,探讨了不同训练样本数量、核函数类型和不同的核函数宽度对预测补偿效果的影响,最后应用环境温度试验数据对模型进行检验和验证.结果表明：基于RVM的零偏温漂预测补偿模型能够有效的预测微机械（MEMS,Micro Electro Mechanical Systems）加速度计零偏温漂,模型预测的均方根误差小于1%,补偿后滞环误差最大由0.06g缩减为0.015g.     

An improved cyclic multi model-eXtreme gradient boosting (CMM-XGBoost) forecasting algorithm on the GNSS vertical time series

The study of GNSS vertical coordinate time series forecasting is helpful for monitoring the crustal plate movement, dam or bridge deformation monitoring, and global or regional coordinate system maintenance. The eXtreme Gradient Boosting (XGBoost) algorithm is a machine learning algorithm that can evaluate features, and it has a great potential and stability for long-span time series forecasting. This study proposes a multi-model combined forecasting method based on the XGBoost algorithm. The method constitutes a new time series as features through the fitting and forecasting results of the forecasting model. The XGBoost model is then used for forecasting. In addition, this method can obtain higher precision forecasting results through circulation. To verify the performance of the forecasting method, 1095 epochs of data in the Up coordinate of 16 GNSS stations are selected for the forecasting test. Compared with the CNN-LSTM model, the experimental results of our forecasting method show that the mean absolute error (MAE) values are reduced by 30.23 %～52.50 % and the root mean square error (RMSE) values are reduced by 31.92 %～54.33 %. The forecasting results have higher accuracy and are highly correlated to the original time series, which can better forecast the vertical movement of the GNSS stations. Therefore, the forecasting method can be applied to the up component of the GNSS coordinate time series.