基于Markov链的软件任务剖面建模方法研究与实现

针对航空航天等安全关键领域里嵌入式软件测试中存在的困难,引入并研究了用户需求模型和任务剖面模型的概念及表示方法,设计并实现了基于用户需求模型的任务剖面模型自动建模算法,进而结合Markov链模型与任务剖面模型,为任务流提取和测试用例生成工作提供依据,基于Rose可扩展接口(REI)开发了任务剖面模型自动建模工具.通过验证,肯定了上述方法与工具在嵌入式软件测试过程中的效果和价值.     

机械系统仿真RPA原型研究

针对目前在机械仿真软件中许多操作是重复且枯燥的这一问题,研究提出了一种基于图像文字识别,通过模拟外设交互动作,来执行既定的仿真流程的机器人流程化（RPA）的解决方案。主要对该解决方案中的软件架构、各模块流程以及软件界面这些核心内容进行了设计。为了验证该解决方案的有效性,以Solidworks为例,对该RPA系统进行了测试,测试结果表明,对于Solidworks这类机械仿真软件,可以自动化地执行用户既定的任务目标,自动化地完成三维模型的创建。因此,使用了该解决方案后,可以极大地减少业务人员的操作时间和操作失误,从而带来更好的用户体验。     

基于多版本较准的软件可靠性评估

软件可靠性模型都要求测试时的操作剖面与实际运行时的操作剖面一致,但这往往很难达到,造成测试完成之后的可靠性预计与发布之后实际运行中达到的可靠性有较大差距.为了提高软件可靠性评估的准确性,提出了剖面差异性的概念,认为同一软件各个版本的测试操作剖面与实际操作剖面之间的差异性是相同的.在此前提下,提出了一个多版本校准方法,利用软件以前版本的剖面差异性来改进软件当前版本的可靠性评估.     

基于 MR 的机电装备智能检测维修

研究 Faster R-CNN 目标检测网络的基本结构与训练方法;建立了机电装备状态数据集,训练了 目标检测网络,一步实现了指针式仪表区域的提取、数字式仪表读数的识别以及开关、插头状态的识别;在不 同视角和光照强度下对目标检测网络进行了测试,结果表明模型在不同的环境中均能保持 90%以上的准确度。 并以此为依据推理故障的原因,最后根据推理结果,使用基于 Unity 3D 软件与 Hololens 2 硬件开发的机电装备 智能维修辅助系统来调取混合现实(MR)全息诱导维修信息,以指导保障人员进行操作。实验验证了系统的可用 性,实验结果显示使用 MR 可以快速、高效地完成维修任务。并依据操作耗时和问卷调查进行测试与评价,对 系统的优越性进行了定性分析。     

SAR变体目标识别的卷积神经网络法

目的 深度学习已经大量应用于合成孔径宽达（SAR）图像目标识别领域,但大多数工作是基于MSTAR数据集的标准操作条件展开研究。当将深度学习应用于同类含变体目标时,例如T72子类,由于目标间差异小,所以仍存在着较大的挑战。本文从极大限度地保留SAR图像输入特征出发,设计一种适用于SAR变体目标识别的深度卷积神经网络结构。方法 设计网络主要由多尺度空间特征提取模块和DenseNet中的稠密块、转移层构成。多尺度特征提取模块置于网络底层,通过使用尺寸分别为1×1、3×3、5×5、7×7、9×9的卷积核,提取丰富空间特征的同时保留输入图像信息。为使输入图像信息更加有效地向后传递,基于DenseNet中的稠密块和转移层进行后续网络层设计。在对训练样本进行样本扩充基础上,分析了输入图像分辨率及目标存在平移和不同噪声水平等情况对模型识别精度的影响,与用于SAR图像目标识别的深度模型识别精度在标准操作条件下进行了对比分析。结果 实验结果表明,对T72 8类变体目标进行分类,设计的模型能够取得95.48%的识别精度,在存在目标平移和不同噪声水平情况下,平均识别精度分别达到了94.61%和86.36%。对10类目标（包括不含变体和含变体情况）在进行数据增强的情况下进行模型训练与测试,分别达到了99.38%和98.81%的识别精度,略优于其他对比模型结构识别精度。结论 提出的模型可以充分利用输入图像以及各卷积层输出的特征,学习目标图像的细节差异,不仅适用于SAR图像变体目标的识别任务,同时在标准操作条件下的识别任务也取得了较高的识别结果。     

电网多源故障用电信息采集智能融合技术研究

为了更好地解决电网多源故障时的用电信息采集和处理问题,针对基于数据驱动的电网多源故障用电信息采集智能融合技术展开研究。该技术的在线运行机制基于先验知识和深度玻尔兹曼机(DBM)模型实现。在分类处理多源用电信息后,获取其中的动态数据和静态数据。通过数据驱动提取不同类别用电数据的特征集,利用卡尔曼滤波算法去除特征集中的冗余特征,完成对用电信息的一致性特征描述,从而获得用电信息融合结果。测试结果表明：该技术具有较好的应用性能;戴维森堡丁指数(DBI)的测试结果均在0.017以下,能够有效分类动态数据和静态数据,并处理数据中的异常数据;变异系数结果均在0.02以下。利用该技术所得的用电信息融合结果,能够可靠地预测用电需求、识别异常用电行为。该技术应用效果良好。     

面向服务架构软件实现前的可靠性评价方法

为了在软件实现前评估其可靠性,针对基于面向服务架构(SOA)设计的软件提出了一种可靠性评价方法：用OWL-S描述软件的需求和设计信息,利用Maude为OWL-S过程模型的控制结构定义形式化语义,使用分布函数构建软件的操作剖面,在Maude中增加软件的操作剖面信息和体系结构信息如何参与可靠度计算的描述,在Maude系统的支持下,通过重写得到软件的可靠度,并基于此方法设计开发了一个软件可靠性预计工具——SRPT。所提出的软件可靠性评价方法综合考虑了数据流、控制流、构件和软件操作剖面信息以及体系结构信息对软件可靠性的影响,能够在软件实现前根据软件设计预测其可靠度,为软件的开发设计提供了工程指导。     

指控软件可靠性评估方法研究

以指控软件为对象,讨论了研究指控软件在操作剖面不确定性时可靠性评估的必要性。并针对分域测试情况,建立了指控软件在不确定操作剖面下的可靠性评估模型。在典型剖面下,当测试结果无失效时,利用序法求解软件可靠度的精确置信限。最后通过实例将本文方法得到的结果与使用文献[7]中方法得到的结果进行比较,本文方法得到可靠度评估值要高。     

面向PLC产品的自动化测试系统平台设计与实现

为了提高可编程逻辑控制器(PLC)产品的测试效率以及降低维护成本,设计、开发了一套自动化测试系统平台,实现了PLC产品的自动化测试。测试对象根据PLC系统构成划分为3个部分：PLC编程软件、PLC嵌入式软件和PLC硬件。PLC编程软件的自动化测试通过Python语言编程,实现对UI控件的识别和操作。PLC嵌入式软件的自动化测试通过使用PLC编程软件组态自动化测试工程+Python语言编程,实现对自动化测试工程的操作。PLC硬件测试通过LabVIEW实现的界面+NI板卡硬件完成。系统整体测试流程的自动化通过Jenkins实现,将自动安装升级、自动化测试、发送测试报告等流程串接起来,过程中完全不需要人工介入。该自动化测试系统平台的应用覆盖了测试工作中的每日构建测试、单元测试和集成测试的应用场景。该自动化测试系统平台成功探索了在工控行业中自动化测试实现的可能性。经过此自动化测试系统平台测试的产品会更加稳定、可靠。     

基于信息流和状态流融合的工控系统异常检测算法

由于工业控制系统(industrial control system, ICS)与物理环境紧密联系,其特有的序列攻击可通过将合法的操作注入到操作序列中的不合理位置上,迫使ICS进入异常状态,损毁设备,甚至破坏生态环境.目前,针对序列攻击检测的研究基本上是从信息流中提取操作序列进行检测,易受错误、虚假数据等情况的影响,导致检测精度受到限制.针对该问题,充分考虑ICS的操作与物理环境的相互依赖性,提出一种双流融合的工业控制异常检测机制,从物理环境中实时提取工业控制设备的状态信息组成设备状态流,并将其与信息流相融合,从操作次序和时序2个维度检测操作序列是否正常.同时利用设备状态流信息识别操作间隔中的工业控制设备的异常状态,提升异常检测范围和对操作时序异常的检测精度.实验结果表明：该方法能有效地识别序列攻击和部分工业控制设备的异常状态.     

基于困难样本三元组损失的多任务行人再识别

针对现有行人再识别算法中采用单一外观特征所存在的特征判别力的不足问题,在深度学习框架下提出一种基于困难样本三元组损失的多任务行人再识别网络,以同时学习身份和属性标签的方式获得更多的行人判别信息.首先将预处理后的图片输入预训练的ResNet-50模型中提取行人特征信息;然后将其特征输入所设计的多任务网络,通过最小化身份和属性联合三元组损失调整网络模型参数,共同完成行人身份和属性判别双分支网络的训练;最后用训练好的模型提取行人特征,用于行人再识别任务,同时实现行人属性的判断.在Market-1501和DukeMTMC-reID这2个数据集上的实验证明,文中网络在行人再识别任务中所提取的特征更具有表征力,识别精度优于现有方法,并且能完成属性识别任务.     

基于字词融合与对抗训练的行业人物实体识别

行业人物命名实体识别旨在从行业人物语料中抽取出有效的实体信息,是深度挖掘行业人物信息资源的基础性和关键性任务。由于主流的命名实体识别模型未充分利用词信息特征,导致在对具有特色的行业人物实体进行识别时语义、实体边界识别不准确。提出一种基于字词融合与对抗训练的行业人物实体识别模型。利用RoBERTa-wwm-ext预训练模型提取句子的字特征,并融合词典构造出句子的词特征。在字词融合的向量表示上添加扰动生成对抗样本,将融合向量表示与对抗样本作为训练数据输入双向长短期记忆神经网络(BiLSTM)学习上下文信息,并通过条件随机场(CRF)推理最优的序列标注结果。根据行业人物文本特点设计命名实体标注方案,构建数据集进行实验验证。实验结果表明,该模型在测试集上的精确率、召回率、F1值分别达到92.94%、94.35%、93.64%,相较于BERT-BiLSTM-CRF模型分别提升3.68、1.24、2.39个百分点。     

基于AOP的操作剖面估算方法的研究与应用

操作剖面是软件可靠性工程的基础,不仅用来分配测试用例,还用于提供可靠性评估数据、验证系统可靠性模型等.在传统的操作剖面构建方法中,操作出现概率计算多是由经验估算得出,误差较大.提出了基于AOP的操作剖面估算方法Operational Profile Estimation Base On AOP (OPE-AOP):使用AOP横切计数切面统计函数执行次数,计算操作出现概率;并且实现了一个支持OPE-AOP构建过程的自动化工具.实验结果表明,OPE-AOP方法构建的操作剖面更为准确.     

基于深度相机的移动机器人自主跟随技术

为解决移动机器人在复杂环境下进行自主跟随的问题,提出一种基于深度相机的自主跟随方法。搭建一个载有深度相机的全向移动平台;通过提取图像中的方向梯度直方图来检测行人,利用社会力模型预测行人的运动状态,结合分段颜色直方图信息提出一种行人模型来识别行人;利用人工势场法进行路径规划,完成自主跟随任务。实验结果表明,应用该方法移动机器人,在有行人干扰或距离行人较近的复杂环境下能够顺利的完成跟随任务。     

深度学习的双人交互行为识别与预测算法研究

基于卷积神经网络的双人交互行为识别算法存在提取的深度特征无法有效表征交互行为序列特性的问题,本文将长短期记忆网络与卷积神经网络模型相结合,提出了一种基于深度学习的双人交互行为识别与预测一体化方法。该方法在训练过程中,完成对卷积神经网络和长短期记忆网络模型的参数训练。在识别与预测过程中,将不同时间比例长度的未知动作类别的视频图像分别送入已经训练好的卷积神经网络模型提取深度特征,再将卷积神经网络提取的深度特征送入长短期记忆网络模型完成对双人交互行为的识别与预测。在国际公开的UT-interaction双人交互行为数据库进行测试的结果表明,该方法在保证计算量适当的同时对交互行为的正确识别率达到了92.31%,并且也可完成对未知动作的初步预测。     

电熔镁炉熔炼过程异常工况识别及自愈控制方法

本文提出了基于多源信息融合的电熔镁炉异常工况识别及自愈控制方法.通过分析与三种异常相关的专家知识及操作经验, 本文提取了与异常工况相关的多源信息.通过融合多源信息, 建立了用于异常工况识别的贝叶斯网络模型.根据异常工况的识别结果, 利用剩余生命时间与控制变量调整量间的关系获得自愈控制措施.仿真结果表明提出的方法能够实现异常工况识别, 并且能够区分严重程度, 制定相应的自愈控制方案, 获得比现有方法更好的性能.     

一个支持持续集成的移动应用功能测试框架*

为了更加有效地检测移动应用缺陷,论文提出了一个自动化测试框架;该框架包含了常见GUI控件识别、测试用例生成,排序以及事件流模型的API。框架根据应用程序GUI运行时状态信息生成可执行的测试用例;这些测试用例可以组织成测试套件。一个实际案例证明了该框架如何贯穿整个测试流程,降低测试自动化工作的复杂性。     

基于EXT3系统的文件内容操作痕迹提取软件设计

EXT3文件系统是大多数Linux主机的默认硬盘分区格式,EXT3格式的硬盘中可能存储了大量涉案文件,识别出嫌疑人对这些涉案文件内容执行的增、删、改操作行为,提取出被修改的相关数据对公安机关的调查、取证工作有重要意义。文章对不同类型文件的操作痕迹进行了分析;介绍了EXT3日志文件的基本结构;研究了从日志中提取出文件名称和inode结点信息的方法;提出了基于inode编号链表的操作痕迹提取方法;设计了用于痕迹提取的状态转换机。设计的操作痕迹提取软件可以直接运行在Linux主机上,通过扫描日志文件完成痕迹提取,经过大量实际测试,软件可以有效提取EXT3文件系统中未被覆盖的操作痕迹。     

基于运动矢量交点密集度的人群恐慌行为检测

为了更准确有效的识别人群恐慌行为,本文提出了一种利用视频中人群运动矢量的交点密集度来判断人群恐慌异常的新算法.该算法以LK光流法为基础来提取运动人群的运动矢量信息,接着通过获得的信息求取运动矢量间的两两交叉点,然后运用分块法求得区域交叉点密集度,并以此来识别人群异常.对多个视频进行测试,测试结果表明:该算法能够以较高正确率识别视频中人群的恐慌行为.     

智能送药小车的设计与实现

在传染性疾病的治疗过程中，为降低医护人员的感染风险，需要减少医患间的直接接触，2021年全国电子设计大赛中就有一道以此命题的设计项目（F题），针对该题的设计要求和任务，设计并制作了一款智能送药小车。该智能小车采用由K210、OpenMV和STM32共同协作实现相关功能，其中，由K210通过调用深度学习模型来识别房号；OpenMV摄像头通过颜色识别、图像去噪去畸变等算法识别线路；主控芯片STM32根据K210、OpenMV等交互的信息控制小车，完成送药任务。经测试，该设计中的小车在复杂的光照条件下均能准确地识别数字以及线路，最终能很好地完成相关送药任务，完全满足F题的设计要求。