利用整帧翻转的SRAM型FPGA故障注入加速算法

不可恢复异常比特位(unrecoverable-sensitive bits, UR-SB)不能通过定时刷新修复,会造成卫星载荷在轨服务的长时间中断,是地面故障注入试验需要着重评估和改善的。但UR-SB占比极低,若采用传统逐位翻转故障注入方法,其测试耗时太长,效率极低。提出了一种基于整帧翻转的静态随机存取存储器型现场可编程门阵列的故障注入加速算法,其通过整帧翻转能够快速筛除不存在UR-SB的配置帧,并进一步用二分法对存在UR-SB的配置帧进行快速搜索,有效加速了UR-SB的精确定位过程。以在轨常用XQR2V3000器件为例,理论分析在较差情况下测试效率可提升207倍,信号生成载荷实测结果最高可提升949倍,理论分析和实测结果均验证了所提加速算法的有效性。     

Two novel critical shock models based on Markov renewal processes

In this paper, we investigate systems subject to random shocks that are classified into critical and noncritical categories, and develop two novel critical shock models. Classical extreme shock models and run shock models are special cases of our developed models. The system fails when the total number of critical shocks reaches a predetermined threshold, or when the system stays in an environment that induces critical shocks for a preset threshold time, corresponding to failure mechanisms of the developed two critical shock models respectively. Markov renewal processes are employed to capture the magnitude and interarrival time dependency of environment-induced shocks. Explicit formulas for systems under the two critical shock models are derived, including the reliability function, the mean time to failure and so on. Furthermore, the two critical shock models are extended to the random threshold case and the integrated case where formulas of the reliability indexes of the systems are provided. Finally, a case study of a lithium-ion battery system is conducted to illustrate the proposed models and the obtained results.     

基于假设检验的软件可靠性模型预测精度比较

提出一种基于假设检验的软件可靠性模型预测精度比较方法,该方法将模型预测值与真实值的RE(相对误差)看作随机变量,利用假设检验思想度量模型预测精度,并给出多个模型之间预测精度的比较标准.     

基于预测命中点的机动目标最优制导方法

针对导弹攻击机动目标的情况,提出了一种基于"当前"统计模型的预测命中点方法。首先对目标进行实时机动检测,并预测了拦截时刻目标的位置。基于预测命中点的结果,推导得到导弹攻击机动目标最优制导方法的解析解。该方法无需提前假设目标机动模式,适用性好。在多个假想的攻击场景下对制导方法进行了仿真,仿真结果验证了该方法是有效的。     

基于维纳过程金属化膜电容器的可靠性评估

金属化膜电容器作为惯性约束聚变(ICF)激光装置的重要元器件,其可靠性直接影响着系统的性能。为此,很多研究者对电容器的可靠性进行了评估,然而这些评估方法得到的只是电容器的总体特性,无法给出单个电容器的可靠性水平。鉴于此,提出了融合单个电容器性能退化数据与先验性能退化数据信息的可靠性分析方法,首先采用W inner过程对其性能退化过程进行建模;其次基于B ayes方法对单个电容器的可靠性进行实时评估;最后通过一个实例表明了其研究意义和实用价值。     

基于遗传神经网络的装备抢修性预测模型

装备的抢修性是装备设计时赋予装备的一种固有属性,直接影响到战场抢修工作。抢修性模型是抢修性研究的重要内容。针对抢修性量化模型难度大的特点,尝试采用具有自学习能力的神经网络对抢修性进行仿真预测,同时为提高神经网络的性能,运用遗传算法对其优化,从而得到基于遗传神经网络的装备抢修性预测模型。最后仿真结果表明该模型可较好地用于抢修性的仿真预测,能为新研制装备的抢修性设计提供有益参考。