【摘 要】
：
为了提高IR46智能电表软件白盒测试的效率,提出一种新的基路径集生成方法。对程序进行分析识别,得到节点连接关系、语句类型等信息;对常用程序结构进行错误源分析,并给出错误倾向权重用以表示该路径在测试中的重要性;优化二进制蝙蝠算法,并将其用于基路径集搜索。算例仿真表明:优化二进制蝙蝠算法有更好的路径生成效率,该方法能够估量程序的错误倾向并产生带优先级的基路径集,有助于促进智能电表软件测试的精细化和高效
【机 构】
：
国网宁夏电力有限公司电力科学研究院,四川大学电气工程学院,河南许继仪表有限公司
【基金项目】
：
国家电网有限公司科技项目(5229DK18003G)。樊博,工程师,主研领域:电能表质检技术。
论文部分内容阅读
为了提高IR46智能电表软件白盒测试的效率,提出一种新的基路径集生成方法。对程序进行分析识别,得到节点连接关系、语句类型等信息;对常用程序结构进行错误源分析,并给出错误倾向权重用以表示该路径在测试中的重要性;优化二进制蝙蝠算法,并将其用于基路径集搜索。算例仿真表明:优化二进制蝙蝠算法有更好的路径生成效率,该方法能够估量程序的错误倾向并产生带优先级的基路径集,有助于促进智能电表软件测试的精细化和高效化。
其他文献
针对机载屏蔽双绞线与相邻线缆之间存在串扰的问题,提出基于链路参数的屏蔽双绞线串扰预测模型。在考虑屏蔽层转移阻抗的基础上推导出屏蔽双平行线的多导体传输线方程;将非均匀的屏蔽双绞线等效为多个扭绞级联,每个扭绞进一步简化为多段均匀传输线级联;使用级联传输线理论求得总的链路参数矩阵,进而得到单根线缆对屏蔽双绞线串扰模型。该模型求解结果与CST仿真结果对比表明,两者串扰随频率变化趋势一致,对串扰最大值的预测
针对中国航空运输网络的空域拥挤和航班延误问题,基于复杂网络理论对航空运输网络加权分析。通过节点度值对网络中的边赋予权值,分析加权方式对于衡量重要程度的准确性和可用性,同时考虑两节点对边的支撑作用,提出一种基于边权重和集聚系数的航线重要性评估方法。采取不同的攻击方式,验证该方法的有效性,结果表明该方法能准确地判断航线的重要程度,为突发情况下的流量调配提供了新的策略和支持。
针对连续搅拌釜式反应器的多变量、非线性、带约束等特点,设计一种基于滚动优化原理的滚动时域估计方法。对比扩展卡尔曼滤波和滚动时域估计两种方法,在滚动时域估计中采用扩展卡尔曼滤波近似代替到达代价函数,并通过改变滚动时域窗口的大小有效地减小估计过程中的误差。仿真结果表明:滚动时域估计优于扩展卡尔曼滤波,能够有效地处理带约束化工过程中非线性系统状态估计问题。
车辆事故预测是避免道路车辆事故发生的重要研究课题.以往的研究使用的事故数据集只包含地理情况、环境情况、交通情况等宏观因素,或者只包含车辆行为和驾驶员行为等微观因素.因为很难收集到同时包含2类因素的事故数据集,很少有研究将这2类因素结合起来,然而车辆事故往往是两者共同作用的结果.此外,在收集到的数据中没有可以用于预测的事故发生概率标签,所以目前多数的研究关注点只是在于事故是否发生而不能得到准确的概率值.然而在实际应用场景下,驾驶员需要的是不同级别的危险预警信号,而这种信号正是应该由事故概率值决定的.2019
量子程序在量子计算机上执行时可能由于噪声产生错误.先前的量子程序映射策略将量子程序映射至量子计算机中的最健壮的区域上,以获得更高的保真度.在量子计算机上同时映射多个量子程序可以提升量子计算机的通量和资源利用率.但由于健壮资源稀缺、资源分配冲突,并发量子程序映射会导致整体可靠性下降.介绍了量子程序映射,对相关研究进行分类,并深入分析了其特点与区别.此外,针对并发量子程序映射问题提出了一种新的映射策略,包括3个关键设计:1)提出了社区发现辅助量子位划分算法.结合拓扑结构和错误率数据为并发量子程序进行物理量子位
在智能制造环境下,针对滚动轴承在变负载驱动环境下特征提取难、故障诊断准确率低的问题,提出基于Teager能量谱和卷积神经网络的滚动轴承故障诊断方法。将不同负载驱动下的多种故障振动信号,通过计算Teager能量算子之后进行快速傅里叶变换,绘图得到Teager能量谱图,形成数据集。使用数据集训练改进的卷积神经网络,得到滚动轴承的故障诊断模型,并通过该模型进行故障诊断。经过实验验证,在变负载驱动环境下,
针对智能电网用电数据存储系统中用电数据的安全问题,结合区块链共识机制、加密机制、对等网络和云存储技术,提出一种基于区块链的用电数据云存储方案,以确保用电数据的安全存储和共享。通过实用拜占庭协议,实现网络节点的共识,访问控制机制实现用电数据信息的共享,区块链存储用电数据的公共信息,并将用电数据的真实数据加密存储在数据库或云存储中,方便有效地实现敏感用户用电数据的存储和系统间的信息共享。在联盟链的环境
银行间债券市场作为金融市场重要组成部分,发挥着传导货币政策、提升资本流动性的作用。对市场异常交易行为的检测是保障银行间债券市场健康平稳运行、提升防范金融风险水平的有效手段。因此,提出一种基于网络嵌入和深度学习的异常交易行为检测方法,能有效检测出规则未知的异常交易行为。该方法结合交易网络的特点,采用一种面向时序属性网络的嵌入表示方法,并使用LSTM模型来检测异常交易行为。实验结果显示该模型F1指标值
传统网络舆情演化研究中,网络结构平均聚类系数较小,平均路径长度较大,且个体之间的相对权威性相等。针对这种情况,提出一种基于个体相对权威性的改进HK(Hegsekmann-Krause)模型来对个体间的权威性进行量化,同时构建更符合实际社交网络性质的网络拓扑结构。实验结果表明:该模型随着有限信任阈值增大,演化后的最终观点数量减少;随着平均节点度增大,观点以更快的速度趋于一致;该模型能够有效提高网络平
YOLO算法对小目标检测的精度不佳,且狗脸存在部分遮挡及肤色与背景颜色较为相似等问题,识别难度较大。为此在YOLOv3框架基础上,利用深度残差网络在特征提取方面的优势改进YOLOv3的网络,提出基于YOLO和深度残差混合网络的狗脸识别方法(YOLO-resnet)。实验结果表明,YOLO-resnet在ImageNet数据集上的检测准确率高达99.2%,明显高于其他深度学习目标检测算法,特别在小目