面向路径的测试数据自动生成工具设计与实现

面向路径的测试数据生成问题是软件测试中一个基本问题.采用遗传算法作为数据优化搜索策略,设计并实现了一个而向路径的测试数据自动生成工具PTDAG,同时对实现过程中的程序插装及驱动程序的编写规则等关键技术进行了分析.实验结果表明,PTDAG在源代码进行捕装后,通过模拟对方法的实际调用产生了一组测试数据,完成一组目标路径的测试数据的自动生成,还可以针对某一条具体的日标路径,得到一个相虚的优化测试数据.     

并行路网结构下的浮动车信息处理模型

受GPS定位精度的限制,浮动车在主辅路并行路网结构下进行地图匹配和路径推测存在困难,直接影响路况信息获取的准确性.在现有浮动车信息处理框架基础上,运用统计学方法提升地图匹配的精度,并将主辅路径同时作为车辆的行驶轨迹输出,有效降低了路径推测错误的可能性.最后,引入证据推理框架以解决路径选择策略调整所带来的信息不可信和信息冲突问题.对比实验表明,改进系统在主路和辅路上的路况准确性分别有14.26%和9.46%的提升.     

基于iMPA的伪码快速捕获算法的性能分析和改进

针对迭代消息传递算法（iterative Message Passing Algorithm,iMPA）,通过证明m 序列是一种特殊的线性分组码,给出了该算法应用到伪码捕获的理论依据;分析了采用iMPA 进行伪码快速捕获的性能,包括捕获概率和算法复杂度;用马尔科夫链分析了基于iMPA的捕 获及判决流程,给出了平均捕获时间的解析表示。针对iMPA进行伪码捕获时收敛速度慢,检 测性能较低的缺点,通过增加因子图的约束,提出了冗余iMPA算法,即R\|iMPA（redundanc y iMPA）。仿真结果表明,R\|iMPA能有效的提高算法的收敛速度,检测性能平均提高约 2 dB 。     

深空通信中提示否定确认型CFDP协议延时估算

为确定空间数据咨询委员会（CCSDS）建议高级在轨系统中CCSDS文件传输协议（CFDP）在深空通信环境中的适应性,研究了CFDP中提示否定确认型文件传输协议（Prompt NAK CFDP）的传输机理。给出了此传输方式的文件传输时延估算方法。分析了误码率、传输速率、协议数据单元的大小与数量,以及提示信息数等对传输时延的影响,获得了深空通信对误码率的要求。研究表明：CFDP可用于深空通信,为其进一步应用和改进提供了参考。     

一种基于DEA方法的反潜巡逻机综合效能评估研究

介绍了武器系统效能分析的相关方法和DEA方法的基本原理,将DEA方法引入固定翼反潜巡逻机效能评价中,针对四种型号的固定翼反潜巡逻机进行了分析评估。还讨论了有效性的含义、效能因素的选择以及评价结果的意义。     

基于Agent模型的机场网络延误预测

准确可靠的机场网络航班延误预测是科学认知空中交通运行态势,动态精准实施国家空域系统容流协同调配策略的重要依据。提出了基于Agent的机场网络延误模型,表征机场网络系统中各元素及子系统间的交互作用下的延误特征涌现。针对机场节点动态容量、预计起飞时间、最小飞行与周转时间等Agent模型中的关键参数,适应性选用了贝叶斯估计、模糊k近邻等数据挖掘方法建立参数模型,并采用2015—2017年全美历史航班和气象数据进行训练学习。为综合评价模型性能及泛化能力,选取全美2018年3个不同延误程度的典型日进行测试。实验结果表明,在全美34个核心机场组成的网络中,各节点在4小时预测区间内延误最大误差不过27.9 min,其中约80%的节点误差小于5 min,验证了所提延误预测模型在时空范围内的准确性和稳健性特征。另外,通过与其他模型对比,展示了本模型优良的延误预测性能。     

基于数据挖掘的飞行器气动布局设计知识提取

为了更深入地理解飞行器气动布局设计优化中多目标/多设计变量间的影响关系,提高优化模型的科学性及优化效率,对基于数据挖掘技术的飞行器气动布局隐含设计知识提取问题开展了探索研究。以高升阻比滑翔飞行器布局设计优化问题为例,基于当前比较有代表性的方差分析、等度量映射、决策树、自组织映射4类机器学习算法对气动布局优化设计中产生的中间数据进行了挖掘分析。对不同方法得到的升阻比、横/侧向稳定性及容积率4种目标性能间的权衡关系,目标性能与设计变量间的敏感性关系及产生较优布局外形的设计变量取值规则进行了综合对比分析,凝练形成了适用于该类飞行器的设计知识,同时对4种方法的特点及适用性进行了总结分析,给出了相关结论。     

基于离散伴随的流场反演在湍流模拟中的应用

精确模拟湍流流动是学术界和工业界均普遍关注的问题。采用数据驱动湍流建模的思路,建立了基于离散伴随方法的流场反演框架。通过为SA模型涡黏性输运方程的生成项乘以非均匀分布的系数,并利用有限的观测数据对该系数进行推断,实现对SA模型的修正。为了提高带有物理约束的离散伴随优化的效率,发展了约束增广的伴随方法,其高效性在本文得到了验证。选取了结冰翼型和周期山2个分离算例进行分析,所得结果在2个算例中均能以很高的精度拟合观测数据,并能借助湍流模型的修正将有限的观测信息泛化到整个流场。分析表明,流场反演所推断出的修正区域具有较为明确的物理意义,能够指导湍流模型的进一步改进。     

一种非规则采样航空时序数据异常检测方法

航天器遥测数据的实时异常检测对于航天任务具有重要意义。以往方法大都考虑规则采样且缺失率较低的时序数据,然而航空时序数据具有维度大、噪声多、缺失率高、采样间隔不规则等特点,因此异常检测任务较为困难。针对非规则采样且具有缺失值的多维航空时序数据提出非规则采样多维时序数据异常检测（IMAD）算法。首先,采用带有可训练迟滞项的门控循环单元（GRU-D）对缺失值和非规则采样的时序数据进行建模;然后,采用变分自编码器建立随机性模型,学习正常时序数据的分布,从而对噪声数据具有鲁棒性;最后,利用基于极值理论的自适应阈值确定法确定合适阈值进行异常检测。结果显示,在两个真实航空时序数据集上,IMAD具有超出当前最新异常检测算法的性能;多个实验表明,IMAD在缺失率、参数以及数据集变化时,能够维持较好的异常检测效果,具有较强的鲁棒性。     

基于脑电和眼动信号的人机交互意图识别

意图识别在人机交互（HCI）领域受到广泛关注,传统人机交互意图识别方法单纯依靠脑电（EEG）或眼动数据,不能很好地利用2种方法优点。为此,提出了一种融合脑电和眼动数据的人机交互意图识别方法,通过采集脑电和眼动信号,进行特征提取,输入机器学习模式识别网络进行意图识别,并基于Dempster-Shafer （D-S）证据理论进行决策层融合得出最终识别结果。招募了20名有效受试者进行交互意图识别实验,结果表明,基于脑电和眼动信号的人机交互意图识别方法识别准确率高于单纯依靠脑电和眼动数据的方法,可为下一步飞行器和武器系统人机交互系统自适应设计提供理论依据和技术支持。