摘要：SpaceWire是应用于航空航天领域的高速通信总线标准,保证其设计的可靠性和正确性至关重要.本文通过概率模型检测的方法对SpaceWire的交换层设计进行形式化建模与量化分析.基于马尔科夫决策过程(MDP)对交换层的链路初始化及正常运行过程建立形式化概率模型,模型包括发送方、接收方和信道,提取SpaceWire交换层的4个关键属性,用概率计算树逻辑(PCTL)进行描述,运用PRISM平台对SpaceWire交换层设计进行验证和分析;并获得信道丢包概率不同情况下,链路初始化成功以及正常运行时数据包正确传输的概率,这种定量形式化分析结果可为SpaceWire的设计和实现提供参考依据.

摘要：在DC-DC电源中,滤波网络中铝电解电容的劣化是影响电源寿命的主要因素,因此可以通过监测电容的劣化来评估DC-DC的健康状况。基于前期对电容的主要劣化模式及其对DC-DC影响的研究工作建立了电容劣化对DC-DC寿命影响仿真系统。该系统以LabView为主设计完成,通过劣化注入的方式模拟电容劣化。系统测试结果:电容劣化引起DC-DC输出纹波电压变大,DC-DC寿命缩短,这与理论分析一致。该系统可以仿真电容劣化的过程并可研究电容劣化对DC-DC寿命的影响。

摘要：SpaceWire是一种面向航天应用的高速、全双工的串行总线标准,对其功能正确性的实现具有极高需求。运用模型检验的方法对SST项目中SpaceWire总线链路接口的设计实现与标准规范的一致性进行形式化的验证。在对SpaceWire总线链路接口进行形式建模时,运用假设保证推理,通过抽象环境状态机,建立层次化的组合验证模型,实现了关键功能属性的验证,并有效地解决了状态爆炸问题,缩短验证时间。该方法克服了模拟和测试等传统验证方法的不完备性,为验证SpaceWire总线链路接口设计与实现的功能正确性提供了有效的验证手段。

摘要：介绍研制的超级电容不间断电源(UPS)智能监测系统,阐述该系统的工作原理、流程以及软硬件设计。以STM32为核心处理器,实现超级电容UPS在线故障检测、超级电容关键参数电容量(C)和等效串联电阻(ESR)测量及劣化状态评估等功能,提高UPS可靠性。实际运行结果表明,该系统能快速检测出故障信号,准确测得超级电容C和ESR。

摘要：我国空间太阳望远镜(SST)项目采用了SpaceWire作为传输总线,目前针对SpaceWire总线的验证主要采用测试和模拟等传统的方法,这类验证方法是不完备的.本文旨在对SST项目中SpaceWire总线的DS编码电路是否如实地实现标准中的规范要求进行验证,运用定理证明的形式化方法,在HOL4工具上对该电路的设计实现与规范要求的一致性进行验证,克服了传统验证方法的局限性.

摘要：为了深入研究超级电容的容量与端电压、充放电电流的关系,设计并实现了基于LabVIEW的超级电容容量动态测试系统。对超级电容容量的测试方法、信号调理电路的设计、传感器及数据采集卡的选型进行了介绍,详细阐述了基于LabVIEW的软件设计,着重分析了超级电容端电压随时间的变化情况,并在此基础上研究了超级电容容量随端电压及充放电电流的变化情况。系统测试结果表明,该系统可以准确、同步地采集超级电容特征数据,确定端电压、充放电电流对超级电容容量的影响。

摘要：SpaceWire是在苛刻环境下的高速通信总线协议,译码电路是其接收端的关键电路,对该电路进行形式化验证具有重要的现实意义.形式化验证方法中的定理证明将需要分析的电路进行形式化建模,结合定理证明器,对模型的性质进行严格推理从而完成验证.本文运用定理证明的方法,在高阶逻辑证明工具HOL4中对SpaceWire总线的译码电路进行形式化验证.首先根据SpaceWire标准规范抽取相关性质,用高阶逻辑语言形式化描述;然后分析电路设计中的VHDL代码,依据代码实现的功能用相应的逻辑谓词建模;最后在HOL4中证明了译码电路设计的模型能满足所提取的性质.本文同时给出了形式化建模的方法和验证过程.

摘要：为更好地处理不完备决策信息系统的缺失值,提出一种基于属性重要度的增量式数据补齐算法。基于同类数据分布的内聚性和异类数据的耦合性定义属性的重要度,优先填补重要属性;提出一种属性重要度定义;采取加权欧氏距离和余弦相似从距离和角度两方面同时衡量样本的相似度;为避免不同类别数据的相互干扰,将相似样本的搜索范围限定为同类别的完备样本集。实验采用7个UCI标准数据集比较该算法和其它算法,实验结果表明,该算法能有效提高补齐后的分类识别率。

摘要：结合属性重要度和灰色关联度,提出了一种新的数据补齐方法,可使补齐后的数据具有更高的识别率和分类性能。按照属性重要度确定各个条件属性的补齐顺序;对于当前要补齐的缺失样本,将所有完备样本分别与其进行比较,并选择灰色关联度最大的完备样本对该样本的缺失数据进行补齐。并提出了一种新的判断数据补齐性能的评价标准,即补齐后的数据不能影响原有数据的识别率。实验结果表明,即使在很高的数据缺失比率下,该方法仍能很好地进行补齐,并能取得较高的识别率。