基于覆盖率信息的软件可靠性增长测试实践

软件可靠性增长测试是公认的实现软件可靠性增长以满足软件可靠性定量要求的重要手段,但数量庞大的测试用例往往成为其在实践中进行大规模推广和应用的瓶颈。通过在传统软件可靠性增长测试中引入覆盖率信息的方法来降低可靠性增长测试中需要执行的测试用例数量,从而加快可靠性测试进程,并解决其在实际中不能应用的弊端。通过实践的尝试,希望架起软件可靠性理论研究与工程实践之间的桥梁,以推动软件可靠性工程活动在工程实际中的开展和应用。     

一种时序型总线硬件木马的植入与检测

RS总线集成电路在航空航天及工业控制领域具有广泛的应用,随着集成电路硬件木马的检测成为研究热点,作为总线硬件木马研究领域的分支,其设计越来越受关注。在常规时序型硬件木马的基础上,针对RS232总线集成电路,设计一种基于可逆计数器的时序型总线硬件木马。采用Xillix公司的ISE软件在RTL层设计相应的RS232总线Verilog代码,并在常规和可逆时序型硬件木马触发阈值呈等差递增的条件下进行Modelsim仿真分析,结果表明,在总线功能需求复杂和传输数据较多的情况下,可逆时序型木马比常规时序型硬件木马具有灵活性和较低的触发率,隐蔽性更强。     

测试性与性能一体化设计方法研究

现代武器装备的复杂化的发展趋势使武器系统的设计逐渐由单一的性能设计向全面考虑武器系统的性能与测试性等特性扩展;根据现代复杂武器系统的设计需求,结合工程实际,基于一体化理论建立了复杂武器系统的测试性与性能一体化设计体系;详细论述了复杂武器系统一体化体系的组成和各部分具体内容,并给出了测试性与性能一体化设计方法的通用流程与设计步骤;文章的工作对现代复杂武器系统的设计有较好的参考价值,可用于武器系统测试性与性能的一体化设计。     

机电系统故障预测技术的现状与分析

故障预测技术作为智能维护系统(IMS)和故障预测与健康管理(PHM)系统的重要技术基础,近些年来受到越来越广泛的重视.首先综合机电系统故障预测方法,并从对象和方法两个堆度展现机电系统故障预测技术的发展状况,同时对各类方法的优缺点进行分析.最后,给出当前机电系统故障预测领域存在的机遇与挑战,为进一步研究明确方向.     

基于失效分析的软件可靠性评估方法研究

基于用户运行剖面的软件可靠性测试理论广泛地应用在软件测试领域.然而,这种软件可靠性测试既耗时又昂贵.在国内,现在进行的软件黑盒测试主要是系统测试,对于高可靠性要求的软件,系统测试后也需要评估它的可靠性水平.介绍了一种基于失效分析的软件可靠性评估方法,这种方法利用了软件系统测试后得到的缺陷数据,对每一个缺陷导致失效的内外...     

基于可靠性的机动雷达升降机构优化设计

可靠性设计与优化设计在机械设计领域产生巨大的作用,但单方面进行可靠性设计或优化设计,都无法发挥各自的全部潜力.针对这一问题,将二者进行有机结合,开展机械产品的可靠性优化设计成为必然.案例中,以某型机动雷达的升降机构为研究对象,基于Adams对其进行参数化建模,在此基础上,对其开展可靠性优化设计.通过与传统优化设计的对比分析,显示该方法的优越性.     

测试性验证技术与应用现状分析

阐述了测试性验证技术在新型装备PHM设计中的重要性,分析了测试性验证相关的国内外军用标准,归纳了相关军用标准在适用性方面存在的不足之处,指出应该建立测试性验证专用标准指导测试性验证工作。调研了国内测试性验证技术的应用情况,从测试性试验和测试性评估验证两个方面分析了测试性验证技术在实际应用中遇到的问题,并进一步确定了测试性验证标准中应该提供的内容,为测试性验证技术研究和标准的制定奠定了良好的基础。     

核能电路模块可靠性仿真物理参数测量方法研究

为了得到完整、准确的故障物理模型,以便用于可靠性建模仿真,需分别利用相应的参数测试设备对这些参数进行试验测试.研究了利用显微力学测试系统进行材料弹性模量和泊松比的测试,利用高温热膨胀仪进行材料热膨胀系数的测试,利用导热系数测试仪进行材料导热系数的测试.通过某型核电SiP控制模块的可靠性仿真过程应用说明了所述物理参数测量方法的应用意义.     

基于AHP与AdaBoosting的软件可靠性组合模型

目前的各类软件可靠性模型的评估效果依赖于对失效行为的假设,导致模型适用性较差。为此,借助层次分析法选择合适的软件可靠性模型,依据AdaBoosting算法,对合适的可靠性模型进行组合建模。在失效数据集上对多个参与组合的模型进行学习训练,从而建立AMCM模型。在AMCM模型与4个经典软件可靠性模型上的应用结果表明,该组合建模方法是有效的,可明显提升模型的评估性能。     

某型导弹自驾仪的故障诊断研究

模拟电路的故障诊断存在着信号非线性、样本初期获取困难等问题,支持向量机技术具有小样本、非线性、全局最优和建立的模型能更好泛化等诸多优点,为解决这些问题提供了一条有效途径。以某型导弹自驾仪中电路为典型例子,在C-SVM基础上构建模糊支持向量机,并采用粒子群算法与遗传算法进行向量机的参数优化。首先采用小波包分解提取故障信息的特征向量并归一化,然后将训练集送入改进后的向量机中完成训练,最后将测试集送入训练好的向量机中完成不同故障模式的识别,故障检测率达到93.3333%。结果表明在样本量较少的情况下,改进后的支持向量机可以很好地完成故障诊断任务。