【摘 要】
：
针对采用当前方法分析嵌入式控制软件的可靠性时,没有对软件可靠性度量参数进行分析,存在分析错误率高、分析效率低和适应性差的问题,提出基于构件技术的嵌入式控制软件可靠性分析方法,在软件可靠度、失效概率、失效强度、失效率、平均失效时间、平均失效间隔时间六个软件可靠性度量参数的基础上,通过构件技术,结合融合容错技术和软件敏感度分析方法对嵌入式软件可靠性进行分析.实验结果表明,所提方法的分析错误率低、分析效率高、适应性好,解决了当前方法中存在的问题,为计算机的稳定运行提供了保障.
【机 构】
：
临沂大学费县校区,山东 费县273400
论文部分内容阅读
针对采用当前方法分析嵌入式控制软件的可靠性时,没有对软件可靠性度量参数进行分析,存在分析错误率高、分析效率低和适应性差的问题,提出基于构件技术的嵌入式控制软件可靠性分析方法,在软件可靠度、失效概率、失效强度、失效率、平均失效时间、平均失效间隔时间六个软件可靠性度量参数的基础上,通过构件技术,结合融合容错技术和软件敏感度分析方法对嵌入式软件可靠性进行分析.实验结果表明,所提方法的分析错误率低、分析效率高、适应性好,解决了当前方法中存在的问题,为计算机的稳定运行提供了保障.
其他文献
针对无线通信网络功率和速率系统建模困难的问题,提出一种基于数据的功率和速率控制算法.算法实现对无线通信网络功率和速率的跟踪.首先,利用由输入、输出和参考轨迹组成的历史数据推导出一个新的基于数据的状态方程.方程只依赖于输入和输出数据,不需要任何系统动力学方程;在此基础上,应用自适应动态规划解决无线通信网络功率和速率的跟踪问题.仿真结果表明,上述算法对于无线通信网络功率和速率跟踪控制具有很好的效果.
永磁同步电机(PMSM)传统的模型参考自适应系统(MRAS)存在负载扰动、响应速度慢、跟踪精度差等问题.针对上述问题,提出了一种双滑模变结构的MRAS方法.通过把传统MRAS观测器中的PI环节和PI速度调节器用滑模变结构控制器代替,提高了系统的抗干扰能力,采用Sigmoid连续函数代替滑模变结构控制中的符号函数,削弱了滑模控制引起的系统震荡.仿真结果表明,双滑模变结构MRAS方法可以改善PMSM控制系统的动静态性能,具有更强的鲁棒性.
针对神经网络处理参数更新的优化算法中出现的局部最优点振荡问题,改进带动量项的随机梯度下降算法,提出了一种动量项分离的优化算法.通过计算当前时刻目标函数的曲率半径,根据阈值适时分离动量项,从而缓解局部最优点振荡问题.实验表明,动量项分离的优化算法能够适用于不同的模型结构和不同数据集.相较于带动量项的随机梯度下降算法,具有更高的准确度,能够更快地稳定收敛.与同类一阶动量算法相比,其准确率上升明显,为深度神经网络的参数更新提供了一种新的有效的解决方案.
近年来,卷积神经网络在图像处理方面的良好性能得到了广泛关注.为了更好地提取图像内容信息,提高图像分类精度,提出了一种基于深度多特征融合的CNNs图像分类算法.算法有效深度融合了图像的多种特征,即使用k-means++聚类算法提取的主颜色特征和利用去噪卷积神经网络提取的空间位置特征.实验结果表明,提出的基于深度多特征融合的CNNs图像分类算法在图像分类方面提供了有竞争力的结果,分类精度比CNN提升了7个百分点.该算法通过深度融合图像的多种特征,可为后续图像处理提供更全面更显著的有用信息.
软件可靠性参数分布不规律,参数采样难度较大,导致软件的可靠性参数估计准确度较差.提出新的基于ARINC659总线的软件可靠性同步参数估计方法.根据ARINC659总线同步机制工作原理,构建实时同步系统,实现软件可靠性的实行初始同步和周期同步处理.采用周期性659中断出多个时间段,利用小帧计数获取可靠性参数分布规则.通过加权重采样方式,获取到相关变量分布函数,将先验参数与目标样本结合,实现对软件可靠性同步参数估计.实验结果表明,所提方法的运行时间更短、准确度更高,可有效降低计算误差,为软件领域相关研究提供可
针对现有图像序列弱小目标识别存在图像特征学习不全面、训练样本较大,导致对相似物体识别率及准确率较低的问题,提出基于多模态深度学习的图像序列弱小目标识别.利用弱小目标与背景之间的相关性对单帧图像进行背景抑制,得到目标和高频噪声,对图像做目标分割处理,剔除高频噪声.在此基础上,使用加入稀疏性约束的自编码器不断调节其自身参数,压缩输入信息,提取有用的输入特征,训练出最佳唯一向量,使用优化的CNN深度学习模型完成弱小目标识别.实验结果表明,所提方法能够在不依赖大量识别训练的情况下,始终保持较高的识别率,最大识别率
为帮助用户快速、准确地获取所需的网络资源为目的,提出基于深度学习的网络资源优先协同过滤推荐方法.首先分析推荐过程的组成架构,将其划分为信息处理、用户建模、推荐算法等多个功能模块.然后通过共现关系分别描述网络资源与用户之间的关联性,从而建立资源-用户特征矢量模型,获取表示全面特征的目标函数.将能够反映丰富物理量的张量引入到神经网络中,合并一阶张量与二阶张量,得出神经网络的输出信号,再采用反向传播算法对神经网络做深度学习,获得输出层、隐含层与输入层误差.计算整体损失函数的偏导数,直到损失函数收敛,结束学习过程
当前的网络多入侵行为识别方法无法计算入侵信任度,导致传统方法下网络流量数据振幅识别结果波动不大,识别结果存在失真问题.为解决上述问题,基于信任度计算设计多入侵识别数学建模仿真方法.通过构建动静结合的信任度模型,计算网络节点多入侵信任度,并输入至基于深度学习神经网络多入侵识别数学模型中.利用自适应特征映射和深度学习神经网络算法,通过确定各网络节点的权值实现网络多入侵特征匹配.并通过深度学习神经网络调整模型的误差,实现网络多入侵识别.实验结果表明,上述方法通过引入动态信任度反映节点的信任度变化,对网络多入侵识
深层碳酸盐岩本身具有的较强非均质性与位置深度,均使储存空间预测难度有所上升,为此,引入概率后缀树模型,面向深层碳酸盐岩提出一种储存空间预测方法.基于经典马尔科夫模型,采用概率后缀树描述模型参数、指代模型建模序列,建立条件概率存在差异时的约束条件.通过遍历概率后缀树,获取深层碳酸盐岩储存空间的匹配序列,结合与预测储存空间具有较高相似度的空间信息规律,构建融合预测模型,解得深度碳酸盐岩储存空间预测概率.实验阶段,选取塔河油田实际数据作为仿真依据,根据物性参数特征、波阻抗剖面特征以及波阻抗平面特征分析结果可知,
面对突发任务调度过程中存在卡顿、负载均衡分配效果不佳等情况,对基于Forth虚拟机技术的嵌入式突发任务调度展开仿真探索.利用Forth虚拟机构建嵌入式突发任务调度框架,其中任务控制块利用任务R/D堆栈形成任务映像后,利用RAM模块形成任务信息块并在FLASH任务字典内创建任务名词,利用静态分配方式经过创建、初始化等步骤建立突发任务;虚拟机通过判断突发任务调度优先级均衡分配负载,利用时间轮转调度算法实现突发任务调度.实验结果表明:删除突发任务后,任务占用空间数值大且内存占用率下降幅度较大,调度流畅性较好;任