-
公开(公告)号：CN112783772B
公开(公告)日：2023-09-15
申请号：CN202110089560.9
申请日：2021-01-22
Applicant: 哈尔滨工业大学(威海)
IPC: G06F11/36
Abstract: 本发明属于软件分析技术领域，公开了一种软件可靠性分析方法、系统、介质、设备、终端及应用，所述软件可靠性分析方法包括：对故障总数进行分类分析，建立覆盖故障检测与修复的一般化的不完美排错模型；向排错中引入新故障现象，从故障总数增加性变化的角度建立具体化的不完美排错模型；利用4组失效数据集，验证构建的具体化不完美排错模型的性能；并利用验证后的不完美排错模型对故障总数进行分析。系统包括：分析模块；一般模型构建模块；具体模型构建模块；验证模块；软件分析模块。本发明提供了一种不完美排错下故障总数相关的软件可靠性增长模型。本发明提供的模型具有较好的性能，在拟合与预测上较为优秀，能够准确地描述软件测试过程。
-
公开(公告)号：CN115048310A
公开(公告)日：2022-09-13
申请号：CN202210746895.8
申请日：2022-06-28
Applicant: 哈尔滨工业大学(威海)
IPC: G06F11/36
Abstract: 本发明属于软件故障数据识别技术领域，公开了一种软件故障个数检测方法、检测系统、存储介质及应用。所述软件故障个数检测方法在建立的软件故障检测或修复模型中，把故障总数作为累积检测到的故障数量m(t)的一个参数，将m(t)与真实的失效数据集中的累积检测到的故障数量进行比较(拟合与预测)，从而间接的表明故障总数的准确性。本发明在前期大量分析的基础上，本发明主要关注a(t)对SRGM模型的影响，重点剖析a(t)的建模与评估，通过建立统一的不完美排错模型观测不同a(t)对可靠性带来的变化，进而衡量各种a(t)的性能差异。本发明具备描述新故障引入能力的a(t)的不同形式对SRGM模型的扰动影响。
-
公开(公告)号：CN111538654A
公开(公告)日：2020-08-14
申请号：CN202010275488.4
申请日：2020-04-09
Applicant: 哈尔滨工业大学(威海)
IPC: G06F11/36
Abstract: 本发明属于软件测试技术领域，公开了一种软件可靠性测试方法、系统、存储介质、计算机程序，建立了基于故障检测率函数、故障修复函数和新故障引入函数的故障检测、修复与引入模型，对模型进行求解；求解得到统一的测试覆盖函数下考虑故障不完全修复与引入新故障的不完美测试模型；求得软件中总故障数量和累积修复的故障数量；完成了测试覆盖函数下考虑故障不完全修复与引入新故障的不完美测试框架模型的构建，得到了表示截止时刻累积检测到和修复的故障数量，软件中总的故障数量。本发明提出一种全面考虑不完美排错的软件可靠性过程分析方法，并明确考虑到测试覆盖，所提出的模型能够更加准确地描述软件测试过程。
-
公开(公告)号：CN109450904A
公开(公告)日：2019-03-08
申请号：CN201811365940.5
申请日：2018-11-16
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种健康监测物联网网关装置，其解决了现有物联网网关缺乏对健康监测专门支持的技术问题；设有健康监测物联网网关，健康监测物联网网关是感知设备层和应用层的中间层；感知设备层，用于识别健康主体、采集健康信息，实现健康信息由物理信号集W到数字信号集D的转换；健康监测物联网网关，用于实现数字信号集D到健康属性集P的转换，将健康属性集P与健康监测物联网网关的其他数据集O的合并生成健康监测物理信息集T；然后将健康监测物理信息集T转换为逻辑信息集L。本发明广泛应用于信息技术领域。
-
公开(公告)号：CN103761172B
公开(公告)日：2016-08-31
申请号：CN201310738215.9
申请日：2013-12-29
Applicant: 哈尔滨工业大学
Abstract: 基于神经网络的硬件故障诊断系统，属于硬件故障诊断领域。解决了现有在线硬件故障诊断系统的诊断准确率低的问题，本发明所述的症状收集单元内设有计数器，该症状收集单元用于收集故障传播过程中外显的高层级症状，通过计数器在症状线程重新执行的过程中，持续对症状触发次数进行累加，并计算到达率，之后，将到达率送至神经网络诊断单元进行诊断，到达率为症状信息；神经网络诊断单元用于对症状收集单元送来的症状信息进行分类，并输出诊断结果至仲裁单元，仲裁单元用于对诊断结果进行汇总，且仲裁单元用于对非法结果进行筛查，故障恢复单元用于在接收到诊断结果后，根据所述诊断结果对故障部件的处理，实现故障恢复。本发明应用在硬件故障诊断领域。
-
Patent Agency Ranking
公开(公告)号：CN104064029B
公开(公告)日：2016-03-02
申请号：CN201410318558.4
申请日：2014-07-07
Applicant: 哈尔滨工业大学
Abstract: 一种VANETs中V2V链路延迟的动态预测方法，本发明涉及一种VANETs中V2V链路延迟的动态预测方法。本发明是要解决不能精确地实际预测链路延迟；基于MANETs的方法不满足车载网络环境和应用的需求以及驾驶员很难发现汽车节点速度变化的一般规律，进而给预测链路延迟带来了很大的困难的问题，而提出的一种VANETs中V2V链路延迟的动态预测方法。该方法是通过1、计算两车的相对速度值△v；2、计算两车车头的相对位移值△S；3、计算出的速度差平均值u、方差σ2，4、计算相对距离为L；5、计算链路延迟的数学期望值ET；等步骤实现的。本发明应用于VANETs中V2V链路延迟的动态预测领域。
-
公开(公告)号：CN103744780A
公开(公告)日：2014-04-23
申请号：CN201310738214.4
申请日：2013-12-29
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 考虑排错等待延迟的基于FSQ的软件可靠性增长模型的建立方法，涉及一种考虑排错等待延迟的基于FSQ的软件可靠性增长模型。为为了解决现有的基于FSQ的软件可靠性增长模型没有考虑排错等待延迟和故障不完美排除对软件可靠性的影响。所述模型包括故障检测过程中的均值函数模型和故障修正过程中的均值函数模型，所述方法包括：一：确定建立该模型的条件；二：根据所述条件，建立微分方程，并根据微分方程，求取FSQ-RWD模型的故障检测过程中的均值函数模型；三：根据故障修正时间、故障排错等待时间和获得的故障检测过程中的均值函数模型，求取FSQ-RWD模型的故障修正过程中的均值函数模型。它用于测试软件的可靠性。
-
公开(公告)号：CN102306123B
公开(公告)日：2014-01-22
申请号：CN201110312104.2
申请日：2011-10-14
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 基于CSTM模型测试数据转换的构件软件可靠性分析方法，本发明涉及一种软件可靠性分析方法。它为了解决现有黑盒方法的忽略了组成系统的构件的测试以及可靠性信息，没有考虑软件的体系结构的缺点，本发明是测试数据转换的方法来实现黑盒方法和白盒方法的结合。它首先采用白盒方法实现构件软件测试剖面到运行剖面的映射，建立NHPP模型需要的可靠性数据集，然后采用黑盒方法建立构件软件应用的NHPP模型。测试数据转换的目的是将分阶段实现的、异构的构件软件灰盒测试过程转换成满足NHPP模型假设的单调统一的黑盒测试过程，把所有构件的单元测试数据和集成测试中构件之间的接口失效数据转换成整个应用基础上的黑盒测试数据，建立满足NHPP模型假设的可靠性数据集。
-
公开(公告)号：CN111538654B
公开(公告)日：2024-02-13
申请号：CN202010275488.4
申请日：2020-04-09
Applicant: 哈尔滨工业大学(威海)
IPC: G06F11/36
Abstract: 本发明属于软件测试技术领域，公开了一种软件可靠性测试方法、系统、存储介质、计算机程序，建立了基于故障检测率函数、故障修复函数和新故障引入函数的故障检测、修复与引入模型，对模型进行求解；求解得到统一的测试覆盖函数下考虑故障不完全修复与引入新故障的不完美测试模型；求得软件中总故障数量和累积修复的故障数量；完成了测试覆盖函数下考虑故障不完全修复与引入新故障的不完美测试框架模型的构建，得到了表示截止时刻累积检测到和修复的故障数量，软件中总的故障数量。本发明提出一种全面考虑不完美排错的软件可靠性过程分析方法，并明确考虑到测试覆盖，所提出的模型能够更加准确地描述软件测试过程。
-
公开(公告)号：CN112817842B
公开(公告)日：2023-09-15
申请号：CN202110090910.3
申请日：2021-01-22
Applicant: 哈尔滨工业大学(威海)
IPC: G06F11/36 , G06F18/241
Abstract: 本发明属于软件测试技术领域，公开了一种不完美排错SRGM决策方法、系统、介质、设备及应用，包括：对实际测试过程与SRGM的研究本质一致性进行分析，建立分类视角下的SRGM归类集合；从矩阵分析的角度形式化描述SRGM评价与选择问题，获得加权标准化决策矩阵；建立基于明考斯基距离的双最优化排序方法，对模型的性能进行综合评价，给出SRGMs间的性能偏序关系；验证和阐释模型性能之间的排序，并进行参数敏感性分析。本发明通过在真实的失效数据集上进行实验和分析，检验所提出方法的有效性，为定量决策模型提供了有力支持。实验表明，本发明提出的双最优化排序方法MMIMMD可以较好地对模型进行多维度评估。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.03 seconds)
