基于智能优化算法的软件测试数据生成模型及其应用研究

本文首先总结了基于智能优化算法生成软件测试数据的研究现状。然后提出了一种通用的基于智能优化算法的软件测试数据生成模型,并将该模型应用在了基于遗传算法的测试数据生成上。实验表明,该模型具有很强的实用性,能够提高软件测试的覆盖率,奠定了软件测试数据生成的理论基础。最后总结全文并对未来的研究方向做出展望。     

基于无人机载图像的局部精细拼接算法

近年来随着机载光电载荷功能的不断完善,航空侦察监视任务对图像情报采集效率、质量均提出了更高要求。针对飞行场景干扰因素较多导致图像拼接质量较差的问题,提出了一种适应性较好的局部精细拼接算法。首先,综合点特征与线特征建立射影不变特征子进行精确局部预配准;然后,基于准单应变换与共线性评价准则建立网格优化目标函数,提出了一种透视关系改善方法以减小扭曲失真;最后,检索图像最优缝合线并优化融合效果。基于实际无人机载图像的实验结果表明：所提算法比当前先进算法均方根误差平均降低了0.2290,直线斜率保留能力平均提升了13.95%,一定程度上优化图像质量并改善扭曲失真,适用于无人机载成像领域。     

基于天牛群优化算法的转台控制系统研究

人为依据经验确定转台调节过程中的PID参数不仅效率低,而且参数的精度低,难以达到满意的效果。为解决该问题,提出了一种基于天牛群算法的PID参数寻优方法。首先建立了转台的数学模型,其次介绍了天牛群算法的算法流程、目标函数和寻优过程,最后使用IAE准则通过该算法对参数寻优得到一组最优解。通过与依据经验确定的PID参数对比,采用天牛群优化算法得到的PID参数更有依据,而且转台控制系统的阶跃响应稳定时间为1.1s,超调量为7.4%。     

一类递归序列的稳定性和振动性

研究了递归序列x_(n 1)α-β_(n-1)/1-g(x_n),n=0,1,的持久性、振动性、稳定性和全局吸引性。其中α、β为正实数,g(x)是非负连续函数。     

基于Optistruct的结构静动力拓扑优化设计

基于Optistruct平台,研究了二维平面薄板及三维结构的静力、动力以及静动力联合的拓扑优化,给出了典型结构的算例,对比了优化参数取值不同时所对应的优化结果,探讨了优化过程中的网格依赖性以及拓扑优化的效率等问题.     

基于Flink复杂事件处理的空间站实验柜排废气安全监测

空间站实验柜密封箱体在通过抽真空、充氮气进行排废气时一旦失控,将产生箱体失压或过压的风险,对排废气过程进行安全监控和故障识别,将面临多参数耦合以及时序逻辑等复杂事件处理问题。将大数据流处理技术Flink及其复杂事件处理(CEP)库应用在排废气安全监测上,设计出相应异常模式序列对排废气过程监测的数据流进行匹配,从数据流中实时检测出复杂事件序列。在仿真测试条件下,基于Flink CEP的监测程序故障检测率和隔离率均达100%,能有效剔除传感器瞬态异常导致的虚警。     

ORB-SLAM系统优化框架分析概述

首先阐述了ORB-SLAM系统的核心思想和基本框架,介绍了SLAM系统中光束平差法的应用实现,然后针对视觉里程计部分不同的关键帧位姿优化过程分别进行了详细阐述,并利用KITTI数据集的不同序列的实验结果进行比较研究,给出了核心的光束平差法在ORB-SLAM中的具体工作方式及性能分析,最后讨论和分析了ORB-SLAM的优势和不足。     

智能方法在惯性系统误差参数辨识中的应用

总结了目前我国提高惯性系统导航精度的技术途径,阐述了国内外惯性系统误差参数辨识方法的研究现状,介绍了当前滤波算法、智能优化算法和人工神经网络方法在惯性系统导航领域的应用情况以及存在的不足。最后,分析了空间飞行器惯性系统误差参数辨识技术的未来研究方向,即智能优化算法和人工神经网络方法等智能方法将在惯性系统误差参数辨识中发挥越来越重要的作用,通过将误差系数标定问题转换为参数辨识问题,采用智能方法在庞大的解空间内实现对惯性系统误差参数的快速辨识。     

复杂动态环境下无人飞行器动态避障近似最优轨迹规划

针对复杂动态环境下无人飞行器的动态障碍规避问题,基于合理假设建立了无人飞行器和动态障碍的运动学模型,并综合考虑无人飞行器飞行过程中的终端约束、控制输入约束、安全避障约束等,以能量最少为性能指标构建动态避障问题数学描述。之后,针对终端约束和控制输入约束,依据优化模型预测静态规划算法(OMPSP)生成初始轨迹;针对动态避障问题的不等式约束,引入松弛变量并结合滑模变结构控制方法设计松弛变量动力学,实现对一个、多个或同时多个动态障碍的安全规避;最后,依据有限时间微分动态规划(RHDDP)算法进行轨迹优化,获得满足上述各种约束并能规避动态障碍的近似最优轨迹。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。