基于组合设计的软件可靠性测试方法

提出了将实验设计中的组合设计方法应用于软件可靠性测试。分析了组合设计方法在软件可靠性测试用例设计中应用的理论基础和基于组合设计的软件可靠性测试的一般方法。同时指出了利用软件操作剖面信息和失效数据进行可靠性评估的方法。     

基于机器学习的固体火箭发动机无损检测

传统固体火箭发动机无损检测图像判读工作存在人工识别效率低、图像数据分散及数据利用率低等问题。本文借助机器学习算法与计算机视觉技术,利用大量发动机无损检测图像数据开展无损检测图像数据预处理、边缘检测以及数据模型训练和应用等技术研究,探索快速、准确获得发动机无损检测图像数据特征的方法,深入挖掘固体发动机无损检测数据的内在联系,找到潜在规律。本研究不仅为固体发动机无损检测图像判读提供了一种准确、高效的手段,同时,能够为发动机无损检测图像识别、测量、判读和发动机相关故障模式分析与故障诊断提供数据和决策支持,也能够为未来机器学习在固体发动机无损检测图像判读领域的深入应用提供实践探索和理论研究方面的参考。     

边界扫描测试中簇测试交迭置入方案研究

针对电路板边界扫描测试中簇测试时间较长、测试效率较低问题 ,以并行测试思想为基础 ,提出了一种簇测试置入方案———交迭置入方案 ,并对其进行了理论分析和实验验证。结果表明 ,该方案是最优的簇测试置入方案 ,可以显著减小簇测试时间 ,提高簇测试效率     

软件的测试性分析与设计

软件测试是提高软件可靠性的重要手段,但软件测试的代价是巨大的。软件的测试性分析与设计是分析软件测试的复杂性,提高软件测试性的基本方法。本文提出了软件测试性的基本概念、分析与计算方法、以及软件测试性设计的基本思路。这对于高可靠性软件,特别是武器装备软件的设计是有指导意义的。     

基于多子网语言决策图的空管体系绩效评估

为评估空管体系综合绩效水平,制定了关键绩效领域和指标,提出基于多子网语言决策图的群体评估模型。采用多子网策略分析领域及指标间的影响关系,应用语言尺度辅助群体专家建立了领域及指标间的初始判断矩阵和影响连接矩阵。给出了模型的求解方法,在求得各子网内准则的全局权重后,聚合即可得到体系的综合评估值。案例分析表明,相比于不考虑领域及指标间影响的情况,模型结果能更客观、全面地展示各领域及指标的权重,更显著地揭示空管体系间的差距。     

飞控系统风洞虚拟飞行试验评估指标与评估要求

为明确风洞虚拟飞行试验能够评估的飞控系统性能,并为风洞虚拟飞行试验评估方法设计做出铺垫,针对风洞虚拟飞行试验特点,提出了风洞虚拟飞行试验能够评估的飞行性能指标及飞行品质指标,比较了风洞虚拟飞行试验与半实物仿真和飞行试验的评估能力差异;仿真分析了风洞虚拟飞行试验特点会造成的风洞虚拟飞行试验与自由飞行的评估结果差异;从试验、数据处理、性能评定等方面,提出了评估这些指标对风洞虚拟飞行试验评估方法的具体要求,并比较了它与半实物仿真和飞行试验的评估要求差异。     

基于军民融合条件的装备性能维修保障合同执行情况

在军民融合背景下,部分新获得承制资格企业在首批装备制造或维修保障任务中时有违约问题发生。为解决该问题,提出了以基于性能的采办理论为基础的合同违约预测方法研究。以陆军通用武器装备维修保障承制单位为案例,运用SPSS软件进行数据整理和因子分析,构建合同履行预测评价模型。然后利用新入民营企业试生产实验数据在量产前建立费用和可用度模型,通过费效比最优的方式预测各新入企业的首批装备可用度及花费等关键指标,进行综合评估。结论表明该方法能够对装备合同履行情况和违约风险进行预判。     

测试点的选取问题

在故障检测的过程中 ,每个测试点检测需要的时间可能不同。本文研究了如何选取一些测试点 ,使得这些测试点可以检测所有故障 ,而所需时间最少的问题。我们将其转化成整数规划问题 ,并给出一个求解算法 .最后给出一个实例对算法加以说明。     

一种性能驱动的时序规划方法

在超级计算机体系结构设计阶段 ,有必要进行时序规划 ,以尽早判断设计方案和性能指标的物理可实现性。提出一种性能驱动的时序规划方法 ,采用适于组件性能描述的时序性能模型 ,并按照线网权重分配路径延时余量 ,算法具有效率高、延时分配合理的优点     

Bayesian testing strategies for software with an operational profile

We consider a software reliability model where the failure rate of each fault depends on the specific operation performed. The software is tested in a given sequence of test cases for fixed durations of time to collect data on failure times. We present a Bayesian analysis of software failure data by treating the initial number of faults as a random variable. Our analysis relies on the Markov Chain Monte Carlo methods and is used for developing optimal testing strategies in an adaptive manner. Two different models involving individual and common faults are analyzed. We illustrate an implementation of our approach by using some simulated failure data. © 2001 John Wiley & Sons, Inc. Naval Research Logistics 48:747–763, 2001