考虑环境因素的分布式系统可靠性建模及其分析

为建立可变工作环境下分布式系统可靠性模型，提出受控混合随机Petri网，即用连续库所中的托肯控制离散变迁的变迁率．以此反映工作环境对部件可靠性的影响，从而推理出环境对系统可靠性的影响．在此模型的基础上，采用蒙特卡罗方法进行不同环境下系统可靠性仿真求解，解决了可变工作环境下分布式系统的可靠性建模及其分析问题．最后，以一个C^4ISR系统为例说明了该方法是一种考虑可变工作环境影响的分布式系统可靠性分析的可行方法．     

基于Kohonen网络的软件可靠性模型选择

软件可靠性模型是软件可靠性工程的一个重要方面。现在还没有一个通用的模型，模型选择问题已成为模型研究的重点。运用聚类思想对软件可靠性模型的选择进行研究。在对软件失效数据进行编码的基础上，采用Kohonen神经网络对其进行聚类分析，从而实现了可靠性模型的选择。最后通过仿真测试，证明了此方法的有效性和可行性。     

嵌入式计算机在机器人直流伺服控制中的应用

介绍了一种基于嵌入式计算机PC/104的机器人直流伺服控制的设计,给出了控制的整体结构,并在PC/104的板卡选择、集成芯片的选择、控制程序设计、硬件电路的设计及实现上作了详细的说明,解决了传统运动控制系统中存在的问题.实践证明,该直流伺服控制结构合理,性能可靠.     

基于包含度理论的软件可靠性多模型综合动态预计

针对软件可靠性工程领域中存在的不同模型预计相同软件可靠性结果不一致、同一软件的失效过程本身不能用单个模型描述的问题，提出了基于包含度理论的软件可靠性多模型综合动态预计方法。首先定义了基于包含度理论的属性重要度，并给出了一种选择包含度函数的方法，然后给出了软件可靠性多模型综合动态预计的步骤。该方法综合了各种可靠性模型的特点(优点)，动态地改变各分模型的权重，使不同类型和特性的模型互相补偿，较好地解决了软件工程中的实际问题。最后通过实例分析验证了该方法的有效性。     

基于模糊多属性决策的目标威胁估计方法

针对目标威胁估计的功能及特点，提出一种属性为区间数且属性权重完全未知，决策者对方案有偏好的多属性决策（MADM）方法．首先给出方案偏好度的计算公式，在综合考虑客观优化排序和决策者对方案有主观偏好的基础上，建立了一种主客观综合属性权重获取模型，使得属性权重信息更加合理地反映实际情况，模型具有较强的泛化能力．最后，通过防空目标威胁估计实例说明了该方法的实用性和有效性．     

基于补充变量的非马尔可夫随机Petri网及其应用

针对非马尔可夫随机Petri网提出了一种补充变量引入方法，使其适合于系统共享维修资源情况下的可靠性分析。研究了基于补充变量的非马尔可夫随机Petri网的分析方法，以一并行系统为例说明该方法的建模过程、求解方法以及可靠性指标表达式，并以指数分布为例进行了方法验证，验证表明该方法是可行性的。     

复杂系统可靠性估计的模糊神经Petri网方法

针对复杂系统可靠性建模难问题,提出了一种新的适用于复杂系统可靠性估计的模糊神经Petri网(简称为FNPN)．文中首先给出了模糊神经Petri网的定义及其引发规则,然后给出了一种学习算法．该FNPN结合了模糊Petri网和神经网络各自的优点,既可以表示和处理模糊产生式规则的知识库系统又具有学习能力,可通过对样本数据学习调整模型中的参数以获得系统内部的等效结构,从而计算出非样本数据的系统的可靠度．最后以一无向网络为例说明该方法是可行的．     

软件可靠性多模型综合的预测方法

针对软件可靠性工程领域中存在的不同可靠性模型预测相同软件结果不一致的问题，提出了一种用神经网络实现的软件可靠性多模型综合预测方法，能够有效地解决软件工程中的实际问题，通过实例分析验证了该方法的有效性。     

基于进化策略改进的D-S证据识别算法

提出了处理多传感器证据冲突的新方法，建立了获取传感器权重的优化模型，运用粒子群优化算法（PSO）求解传感器的权重分配，对Dempster—Shafter（D-S）证据理论进行改进。通过与其它改进算法的比较以及目标识别实例的仿真，验证了新方法的有效性和优越性。