基于领域建模的数控系统代码生成技术

为提高数控软件系统开发效率,提出基于领域建模的代码自动生成开发方法。该方法在数控领域元模型的基础上建立了数控系统的建模环境,以模型数据到源代码的映射规则库为基础,开发了面向目标环境的模型解释器。根据数控产品不同的需求,能够从模型层次对系统功能进行重配置,并通过模型解释器自动生成源代码或相关配置文件。以二轴和三轴运动控制系统为开发对象进行验证,结果证明该方法能有效缩短数控系统开发周期,提高开发效率。     

嵌入式数控系统模型驱动开发新方法

为了解决传统嵌入式数控系统开发中出现的各种问题,提出并实现了一种嵌入式数控系统模型驱动开发方法,该方法以模型为中心,主要包括领域建模语言构建、模型转换、代码自动生成3个部分.为了实现对数控系统全面而真实的描述,采用了基于多视角的数控系统元模型的构建方法.在模型转换部分详细描述了转换的四点要求及相应的处理策略.最后详述了基于领域类库的代码生成器技术,保证了系统开发效率的提高.     

RTW嵌入式代码自动生成机制与代码结构分析

随着代码自动生成技术的发展,基于文本规范的传统嵌入式软件开发模式逐渐被基于模型的设计方法所取代,代码自动生成技术是基于模型的开发方法中一项核心技术,而MATLAB中RTW工具箱是代码自动生成最优秀的工具,首先对基于RTW的代码自动生成机制进行了分析,研究了VxWorks目标代码的结构及变量命名规则,并从程序实时运行机制方面进行了分析,方便用户对自动生成的代码进行二次开发;采用该技术进行VxWorks嵌入式软件开发,可大大提高开发效率。     

面向MDA的业务逻辑模型到代码的转换方法研究

业务逻辑自动生成是代码自动生成领域中一个匾待解决的问题。为了解决这个问题,分析了业务逻辑难于生成的原因,在MDA的基础上引入产生式规则的思想,研究PSM模型到代码的转换过程。提出一种基于产生式规则的建模方法对逻辑中业务规则及业务流程进行建横,并基于产生式系统原理,对代码生成器进行设计与实现。基于本方法实现的代码生成器,实现了业务规则及业务流程模型到代码的转换,使目标代码业务逻辑与数据分离,一定程吱上解决了业务逻辑代码自动生成问题。     

模型驱动开发方法的应用研究

为了研究最先进的模型驱动开发方法，并将之应用于工程，以提高工程的质量和效率，该文采用了Telelogic公司的UML2.0工具Tau Developer，利用其最强大的两个功能——模型验证和代码自动生成，进行了某空间实验设备的热控系统建模设计，实现了模型验证和代码自动生成。     

基于模型的驾驶辅助系统设计与实现

介绍了基于模型的软件开发和SCADE高安全嵌入式系统开发工具的特点,研究了其主要工作流程和工程化方法.针对快速发展的汽车电子领域,使用基于模型开发的思想和SCADE工具设计并实现了一种汽车自动驾驶辅助系统,进行了该系统的架构设计、功能模型设计、用户界面设计,然后对系统进行联合功能仿真和验证测试,结果表明功能需求全部实现,测试覆盖率达到100％,并生成了相应的软件文档和代码及可执行文件,探索了完整的基于模型的开发方法和过程.     

Matlab/RTW EC面向MC9S12D64的自动代码生成

传统的电控软件开发模式已无法满足日益庞大、复杂的汽车电控系统的开发要求,基于模型的开发方法以及自动代码生成技术在汽车嵌入式软件开发中得到越来越广泛的应用。本文介绍使用Matlab/Real-Time Workshop Embedded Coder(Matlab/RTW EC)将Simulink控制模型生成C代码以及生成代码与Freescale MC9S12D64单片机底层代码的集成方法,通过测试验证了生成代码的有效性。     

自动生成GEF图形编辑器的研究与实现

针对当前GEF编辑器开发难度大、开发周期长的问题，设计了一个能够自动生成GEF图形编辑器的MDA工具GEG的体系结构。它利用EMF的代码自动生成方法JET和JMerge，以及EMF.edit提供的适配器机制，生成了一个完整的基于Eclipse平台的图形编辑器插件。在系统设计和实现过程中，引入了配置元模型和视图元模型。     

基于AADL的航天嵌入式软件Ada代码自动生成方法

模型驱动开发方法逐渐应用于航空航天等领域的安全关键软件设计与实现中。体系结构分析设计语言(Architecture Analysis and Design Language, AADL)是一种标准化的嵌入式软件体系结构描述语言,通过建模、验证以及代码自动生成为安全关键软件的设计与实现提供完整支持。然而,工业界实际代码是运行在具有不同特性的目标平台上的,例如不同的软硬件体系结构和编程接口,而现有AADL代码生成研究主要是通过手工将自动生成的代码集成到平台当中,存在工作繁琐且易出错的问题。为此,本文提出一种基于AADL的航天嵌入式软件Ada代码自动生成方法。首先,给出卫星姿轨控系统的AADL建模;其次,给出AADL到平台相关的Ada代码自动转化规则;最后,给出代码生成原型工具,并对卫星姿轨控系统AADL模型所生成的代码进行航天编码规范检查,并运行在相关仿真环境中,验证了本文所提方法的有效性。     

基于Web界面设计模式的复杂行为建模及其代码生成方法

目前基于模型的Web用户界面(UI)研究中缺乏对复杂行为的模型设计和开发方法,极大地限制了此类方法的工程化应用。针对此问题,提出了一种形式化的Web界面行为描述语言,对基于Web的用户界面中的复杂行为建模,实现了行为模型的代码自动生成。实验表明,本方法在Web用户界面设计的开发过程中具有极大的灵活性,提高了界面设计模式的复用性。     

基于混合粒子群优化算法的旅行商问题求解

针对旅行商问题提出一种混合粒子群优化算法。为了增强算法的局部搜索能力,在粒子群优化算法中加入倒置、对换等局部搜索算法。利用遗传算法全局搜索能力强的特点对用粒子群优化算法求到的解进行优化,对全局最优路径通过消除交叉路径进行优化,以进一步提高混合算法的性能。仿真结果表明,中小规模旅行商问题能够在较少的代数内收敛到较满意解。     

混合算法求解旅行商问题

该文分析了改进粒子群优化算法和回溯法各自的优缺点,将改进后的粒子群优化算法和回溯法相结合求解旅行商问题．保证了算法的快速收敛和全局收敛能力,仿真实验表明两种算法结合弥补了粒子群算法全局搜优能力不足问题。     

基于二阶振荡及自然选择的随机权重混合粒子群算法

针对粒子群算法“早熟收敛”的缺点,提出一种混合粒子群算法.该算法采用最大速度线性递减的方法平衡全局寻优能力与算法收敛精度的矛盾,并用随机权重平衡算法的全局和局部搜索能力.学习因子二阶振荡使种群在粒子数目不变的情况下维持多样性,是提高全局搜索能力的主要方法.自然选择原理使算法改善了因二阶振荡和随机权重的加入而造成收敛速度降低的情况.测试实验表明,所提出的算法能避免早熟问题,有效地提高寻优能力.     

机载雷达组网多站测角被动跟踪轨迹优化研究

研究多观测器轨迹优化控制问题,由于多站测角被动跟踪系统运行存在误差,用机载雷达组网的可移动传感器采集信息,可对雷达载体轨迹优化进行研究,利用控制雷达载体的飞行轨迹可有效解决跟踪目标的弱观测性及估计器的稳定性。为了改善传统轨迹优化算法容易陷入早熟收敛和局部最小的问题,提出一种模拟退火(Simulated Annealing,SA)和粒子群优化(Particle Swarm Optimization,PSO)算法的混合优化方法(SA-PSO)。在给出了角度信息的适应度函数表达式基础上,结合模拟退火算法的局部搜索能力和粒子群优化算法的全局搜索能力,提高优化算法的收敛速度、精度以及全局搜索能力。实验证明,改进的混合算法对雷达载体轨迹优化有效,并减小对机动目标的被动跟踪误差。     

利用免疫克隆粒子群混合算法实现自适应PMD补偿

提出了一种免疫克隆算法与粒子群优化（PSO）算法相结合的混和算法来进行函数优化,克服了PSO算法容易陷入局部极值的不足,通过免疫克隆算法的应用,提高了种群的多样性,增强了算法全局搜索的能力,提高了收敛速度和精度。仿真结果表明,该算法在搜索多维函数最优解中具有优良的性能。将该混和算法应用到光纤偏振模色散（PMD）补偿系统中,补偿后,眼图恢复效果很好,补偿系统的搜索时间最短可达71 ms,响应恢复小于20 ms,实现了对光纤通信系统的实时自适应PMD补偿。     

一种新的混合粒子群算法求解置换流水车间调度问题

针对粒子群算法易早熟的缺点,提出了一种结合迭代贪婪(IG)算法的混合粒子群算法。算法通过连续几代粒子个体极值和全局极值的变化判断粒子的状态,在发现粒子出现停滞或者粒子群出现早熟后,及时利用IG算法的毁坏操作和构造操作对停滞粒子和全局最优粒子进行变异,变异后利用模拟退火思想概率接收新值。全局最优粒子的改变会引导粒子跳出局部极值的约束,增加粒子的多样性,从而克服粒子群的早熟现象。同时,为了使算法能更快找到或逼近最优解,采用了循环迭代策略,在阶段优化结果的基础上,周而复始循环迭代进行求解。将提出的混合粒子群算法应用于置换流水车间调度问题,并在问题求解时与几个具有代表性的算法进行了比较。结果表明,提出的算法能够克服粒子群早熟,在求解质量方面优于其他算法。     

基于灰狼优化的反向学习粒子群算法

针对粒子群算法（PSO）易早熟收敛、逃离局部最优能力差、精度低等缺点,提出一种基于灰狼优化的反向学习粒子群算法。该算法对最优粒子采用反向学习策略产生反向解,扩大种群的搜索范围,增强了算法的全局搜索能力;对其非最优粒子采用新型社会学习方式,提高其搜索效率和开采性能;同时,针对PSO收敛精度较低的问题,引入灰狼优化算法,并对其收敛因子产生扰动,平衡算法全局和局部搜索性能并提高其精度。在CEC2017测试函数上进行仿真实验,结果表明,在相同的实验条件下,改进后的粒子群算法在收敛精度和收敛速度上有显著提升,且其性能明显优于标准粒子群算法。     

一类0/1优化问题融合神经网络的粒子群算法

将局部寻优能力极强的人工Hopfield神经网络算法融合到粒子群优化算法的搜索过程中,提出解决一类0/1优化问题融合神经网络的混合粒子群优化算法。在该算法中依粒子群当前全局最优个体为初始态激活神经网络,生成一个局部最优态,用这个局部最优态代替粒子群当前全局最优个体,增强了算法的局部寻优能力,通过数值试验证明该算法是有效的。     

求解TSP问题的多级归约算法

TSP(traveling salesman problem)问题是最经典的NP-hard组合优化问题之一.长期以来,人们一直在寻求快速、高效的近似算法,以便在合理的计算时间内解决大规模问题.由于对较大规模的问题,目前的近似算法尚不能在较短的时间内给出高质量的解,因此提出了多重归约算法.该算法的基本原理是通过对TSP问题的局部最优解与全局最优解之间关系的分析,发现对局部最优解的简单的相交操作能以很高的概率得到全局最优解的部分解.利用这些部分解可以大大缩小原问题的搜索空间,同时也不会降低搜索的性能.这就是所谓的归约原理.再通过多次归约使问题的规模降到足够小,然后对这个较小规模的实例直接用已有的算法求解,最后通过相反的次序拼接部分解,最终得到一个合法的解.在TSPLIB(traveling salesman problem library)中,典型实例上的实验结果表明,此算法在求解质量和求解速度上与目前已知的算法相比有较大的改进.     

基于改进粒子群算法的资源受限项目进度研究

资源受限的项目进度问题是经典的NP-hard问题,在研究以往求解方法的基础上,应用一种新的群智能算法——粒子群算法,对粒子群优化算法的搜索能力进行改进,结合Gbest模型与Pbest模型的优点,提出使粒子在搜索的前期有较强的全局搜索能力,尽可能多地发现可能全局最优的种子,而在搜索的后期则具有较强的局部搜索能力,用提高算法的收敛速度和精度的复合最优模型粒子群算法对RCPSP问题进行了求解,最后用文献[8]中的算例进行了仿真实验,实验结果验证了此算法的可行性与优越性。