基于虚拟时序机的隐式软故障精确定位

虚拟时序机中的不完全封闭顺序时序机的工作模式识别,特别地隐式软故障精确定位是重大难题.在虚拟状态表、虚拟状态差表、虚拟自状态差表的基础上,提出了一系列定义,导出了一系列重要定理、性质及规律,建立了状态差理论及自状态差法.可简单、直观地识别虚拟时序机的全部工作模式,精确定位隐式软故障.     

同步时序机快速状态加全模拟算法研究

同步时序机状态加全模拟是同步时序机反设计的关键步骤。因时序机状态出现的频率不同,模拟分析的时间不等,有的太长,难以满足要求。本文在长期实践基础上提出了一种同步时序状态加全模拟的路径驱动算法,可以使状态驱动路径长度尽可能短,路径查找或搜索次数尽可能少,从而达到同步时序机快速状态加全模拟的目的。     

金库保险门安全记录系统的设计

介绍了系统的基本组成，指出了PC机与下位机传送指令过程中可能出现指令接收错误而导致的死机现象，分析了其中的原因，提出了基于状态转换图／表的指令接收算法，给出了完整的通信协议与相应的软硬件实现。     

同步时序机快速状态加全模拟算法研究

同步时序机状态加全模拟是同步时序机反设计的步骤.因时序机状态出现的频率不同,模拟分析的时间不等,有的太长,难以满足要求.本文在长期实践基础上提出了一种同步时序状态加全模拟的路径驱动算法,可以使状态驱动路径长度尽可能短,路径查找或搜索次数尽可能少,从而达到同步时序机快速状态加全模拟的目的关键.     

基于SNMP的交换机接续表管理

电话交换机中，需要对各路各时序信号进行重新分配管理。本文介绍了一种32路、每路32时序的交换机接续表管理方案——通过单片机与上位机进行串口通信来管理FPGA内部的接续表，实现时序分配；为实现通信的简单性、安全性，通信机制采用SNMP协议。利用JAVA的跨平台优势，编写的管理程序可不受操作系统限制。     

基于时序关系的系统失效可达图生成方法

针对状态事件故障树生成系统可达图过程中存在的状态空间爆炸问题,提出了一种基于时序关系的系统失效可达图生成方法。通过分析触发和被触发类型事件的时序关系,对存在时序关系的事件进行排序,根据时序关系获得系统构件间的所有不可同时到达状态对,对构件间的可同时到达状态建立笛卡尔积,获得系统的所有可同时到达状态对,根据连接表和最小割集获得系统失效的状态可达图,从而有效解决系统失效可达图生成过程中存在的状态空间爆炸问题。应用基于时序关系的系统失效可达图方法生成鱼攻系统失效可达图,实验结果 验证了该方法的可行性与稳定性; 同时也为表明其能有效地缓解状态空间爆炸问题,为状态事件故障树生成系统可达图提供了一种新的方法。     

故障自检出的异步时序电路

本文探讨故障自诊断异步时序电路的设计问题。研究了异步时序电路次状态方程组的故障特性,提出故障自检出异步时序机的状态分配法。电路实现的单故障代码完全取决于它的次状态方程组,且单故障检出是实时的。     

未知同步时序机状态网络生成算法研究

获得未知时序电路的内部状态转移关系是逆向分析不明时序芯片的核心模块,对时序机的内部状态转移关系展开研究.在此基础上描述的压缩状态网络动态生成算法可以在数据采集的同时动态生成状态转移关系图.深入探讨了状态驱动策略,保证状态驱动路径尽可能短,搜索次数尽可能少,从而达到快速获取不明时序芯片内部状态网络的目的.最后通过实例模拟分析了状态网络的形成过程,通过阐述在实际工程中的应用情况,说明了算法的可行性.     

未知时序电路状态图生成算法及状态间路径的递归导出

运用数字系统自动化设计的基本理论和技术，可采用逻辑反向设计法分析未知逻辑电路．本文为分析未知时序逻辑提出一种适合多状态、复杂同步时序电路的数据采集方法，并引入状态网络和基于状态网络的路径导出算法，使时序机数据采集有较理想的时空开销．     

一种可以取消冲正机制的OLTP软件架构

指出了金融联机交易处理系统存在的单边账问题，认为目前普遍采用的冲正机制并非很好的设计方案。提出一套基于双向数据表同步的设计方案，把交易的状态摆到了足够的高度上，提出了状态优先级、状态同步、状态超时以及由状态变化触发的状态转换逻辑的概念，以及双向表同步协议和双向表同步进程组的概念，给出一套双向表同步协议和双向表同步进程组的设计构思，并举例说明该软件架构的实际应用方法。     

基于状态转换符的时序电路冗余状态变换设计

在分析了时序电路冗余状态基础上,提出了基于状态转换符的时序电路冗余状态变换设计,可以把时序电路在４ 变量以内产生的冗余状态故障自动变换为合法状态,从而避免了状态验证和测试生成等较为繁琐的步骤,可以方便地设计出各种给定状态的具有自启动能力的时序电路,简洁方便、设计效率高,尤为适应采用Ｍａｔｌａｂ 程序对各类同步时序电路进行分析、化简和设计,具有较为实际的应用价值     

顺序蕴含图的状态编码方法

控制器综合中状态编码这个课题,已经有过不少的研究。人们都试图设计出能够得到“最佳编码”的方法或者是算法,来达到节省门电路、触发器电路,或者是起到简化组合逻辑电路的目的。该文在原有基于蕴含图算法的基础上,提出了一种求解状态编码的方法“顺序蕴含图方法(SequentialImplicationGraph,简称SIG)”,利用相邻关系的顺序,改善分配结果。     

一种恢复状态模式的状态转换图的方法

现有研究不能从状态模式的代码中恢复状态转换图这一状态模式的核心语义信息。针对状态驱动的转换这种典型实现方式,通过分析类型传播图确定状态模式的状态变量在各次赋值前后所属的具体状态类,并由此恢复该模式的状态转换图。给出了具体算法,通过实例分析验证了方法的可行性。     

基于时空融合图网络学习的视频异常事件检测

视频中异常事件所体现的时空特征存在着较强的相关关系.针对视频异常事件发生的时空特征相关性而影响检测性能问题,提出了基于时空融合图网络学习的视频异常事件检测方法,该方法针对视频片段的特征分别构建空间相似图和时间连续图,将各片段对应为图中的节点,考虑各节点特征与其他节点特征的Top-k相似性动态形成边的权重,构成空间相似图;考虑各节点的m个时间段内的连续性形成边的权重,构成时间连续图．将空间相似图和时间连续图进行自适应加权融合形成时空融合图卷积网络,并学习生成视频特征.在排序损失中加入图的稀疏项约束降低图模型的过平滑效应并提升检测性能.在UCF-Crime和ShanghaiTech等视频异常事件数据集上进行了实验,以接收者操作曲线(receiver operating characteristic curve, ROC)以及曲线下面积(area under curve, AUC)值作为性能度量指标.在UCF-Crime数据集下,提出的方法在AUC上达到80.76%,比基准线高5.35%;在ShanghaiTech数据集中,AUC达到89.88%,比同类最好的方法高5.44%.实验结果表明:所提出的方法可有效提高视频异常事件检测的性能.     

Saving Space by Fully Exploiting Invisible Transitions

Checking that a given finite state program satisfies a linear temporal logic property suffers from the state explosion problem. Often the resulting lack of available memory is more significant than any time limitations. One way to cope with this is to reduce the state graph used for model checking. We present an algorithm for constructing a state graph that is a projection of the program's state graph. The algorithm maintains the transitions and states that affect the truth of the property to be checked. Especially in conjunction with known partial order reduction algorithms, we show a substantial reduction in memory over using partial order methods alone, both in the precomputation stage, and in the result presented to a model checker. The price of the space reduction is a single additional traversal of the graph obtained with partial order reduction. As part of our space-saving methods, we present a new way to exploit Holzmann's Bit Hash Table, which assists us in solving the revisiting problem.     

面向主动配电网实时优化调度的图强化学习方法

主动配电网的新能源、储能等能源形式可以有效提高运行的灵活性和可靠性, 同时新能源和负荷也给配电网带来了双重不确定性, 致使主动配电网的实时优化调度决策维度大、建模精度差. 针对这一问题, 本文提出结合图神经网络和强化学习的图强化学习方法, 避免对复杂系统的精准建模. 首先, 将实时优化调度问题表述为马尔可夫决策过程, 并将其表述为动态序贯决策问题. 其次, 提出了基于物理连接关系的图表示方法, 用以表达状态量的隐含相关性. 随后, 提出图强化学习来学习将系统状态图映射到决策输出的最优策略. 最后, 将图强化学习推广到分布式图强化学习. 算例结果表明, 图强化学习在最优性和效率方面都取得了更好的效果.     

基于图过滤框架对图卷积滤波器灵活性的研究

图卷积神经网络通过特征传播,学习卷积核,实现图卷积,它的核心在于卷积算子的构建。在应用具体的图数据时,卷积核的适用性往往因应用场景的不同而受到限制。本文从图过滤的角度看待卷积核,在图过滤框架下,视结点的数据特征为图信号,应用低通滤波器对其进行平滑处理,将提取的平滑图信号放在拓扑图上进行谱域中的卷积。在此过程中,局部的图结构信息将被整合进结点的相似度表征中以完成图嵌入学习。为了提高图形滤波器的灵活性,实现更精细的设计,在原有模型的基础上,本文引入新的平移参数,从而在不增加神经网络的可训练权重数量的情况下,也可以轻松控制滤波器的平滑力度以满足各种场景的滤波需求,其作用机理则是控制频率响应函数的水平位移。通过在3个引文网络和1个知识图谱上设置多种参数值执行图嵌入学习的任务,本文验证了引入平衡参数的有效性,并从图划分的角度对此提出了更为全面的见解。     

一种改进的最小二乘支持向量机及其应用

为了克服传统支持向量机训练速度慢、计算资源需求大等缺点,本文应用最小二乘支持向量机算法来解决分类问题。同时,本文指出了决策导向循环图算法的缺陷,采用自适应导向循环图思想来实现多类问题的分类。为了提高样本的学习速度,本文还将序贯最小优化算法与最小二乘支持向量机相结合,最终形成了ADAGLSSVM算法。考虑到最小二
乘支持向量机算法失去了支持向量的稀疏性,本文对支持向量作了修剪。实验结果表明,修剪后,分类器的识别精度和识别速度都得到了提高。     

Process specification generation from communications service specifications

This paper proposes an algorithm for generating process specifications from communications service specifications described by a graph grammar. In this work, it is assumed that a communications system consists of homogeneous processes and that there is no global database. Processes that share a relationship form a global state, and a communications service defines global state transitions caused by inputs to the processes. A global state is represented by a labeled directed graph and a global state transition is described by a graph replacement rule. A process specification is regarded as a distributed algorithm whose purpose is to achieve the global state transitions described by the graph replacement rules. The communication time complexity of the generated distributed algorithm does not depend on the number of graph replacement rules.