【技术实现步骤摘要】
一种基于多维卡尔曼滤波修正的故障主动预测方法
本专利技术提供了一种基于多维卡尔曼滤波修正的故障主动预测方法,属于软件预测
技术背景随着软件技术的不断发展,软件版本在不断的更新。版本的增多导致软件测试的任务量增大,在下一版本软件发行之前,技术人员热衷于依据可能对软件缺陷造成影响的度量元对缺陷数据进行预测,通常,技术人员通过建立数学模型作为估计和预测的关键技术,也即是,当缺陷数据呈现出很强的时间性与周期规律性时,采用相关分析,提取出相关的度量数据作为建模和估计方法的输入,进行缺陷预测。但是常规的预测方法能大致描述数据的走势,但因为数据的波动较大,导致预测的结果误差较大,偏离真实值,于是本专利技术考虑到采用卡尔曼滤波的线性递推滤波方法,对所建立的多个模型进行不断的修整,基于多维卡尔曼滤波修正进行软件的故障预测,以预测-实测-修正的顺序递推,根据系统的量测值消除随机干扰,进而实现有效的预测。
技术实现思路
(一)目的为了解决常规的预测方法能大致描述数据的走势,但因为数据的波动较大,导致预测的结果误差较大,偏离真实值,本专利技术提供了一种基于多维卡尔曼滤波修正的故障主动预测方法。(二)技术方案本专利技术提供了一种基于多维卡尔曼滤波修正的故障主动预测方法,其具体实施步骤如下:步骤1:获取复数个用于软件预测的度量的历史版本数据;步骤2:将所述复数个度量的历史版本数据进行相关性分析,筛选出至少三个度量;步骤3:基于筛选出的度量建立多种模型,分别基于该多种模型估计历史版本数据变量中的缺失数据;步骤4:选取至少三个历史版本的数据对当前版本的故障数据进行估计,记为第一故 ...
【技术保护点】
1.一种基于多维卡尔曼滤波修正的故障主动预测方法,其特征在于:其具体实施步骤如下:步骤1:获取复数个用于软件预测的度量的历史版本数据;步骤2:将所述复数个度量的历史版本数据进行相关性分析,筛选出至少三个度量;步骤3:基于筛选出的度量建立复数种模型,分别基于该复数种模型估计历史版本数据变量中的缺失数据;步骤4:选取至少三个历史版本的数据对当前版本的故障数据进行估计,记为第一故障数据;步骤5:基于复数种估计模型,分别建立卡尔曼滤波状态更新方程,计算卡尔曼增益以及估计误差;步骤6:估计下一版本的故障数据,记为第二故障数据;步骤7:当第二故障数据比第一故障的数据更趋近于真实故障数据时,将所述步骤5的过程进行递归重复;步骤8:基于最后一次卡尔曼滤波状态更新方程,预测未知版本的故障数据;通过上述步骤,能实现未知版本的软件故障数据的预测,并且能够根据卡尔曼滤波所提供的状态更新方程以及卡尔曼增益,计算出模型的估计误差,进而自适应的调整系统模型的相关参数,实时适应故障数据预测模型的变化情况,从而实现高精度的估计。
【技术特征摘要】
1.一种基于多维卡尔曼滤波修正的故障主动预测方法,其特征在于:其具体实施步骤如下:步骤1:获取复数个用于软件预测的度量的历史版本数据;步骤2:将所述复数个度量的历史版本数据进行相关性分析,筛选出至少三个度量;步骤3:基于筛选出的度量建立复数种模型,分别基于该复数种模型估计历史版本数据变量中的缺失数据;步骤4:选取至少三个历史版本的数据对当前版本的故障数据进行估计,记为第一故障数据;步骤5:基于复数种估计模型,分别建立卡尔曼滤波状态更新方程,计算卡尔曼增益以及估计误差;步骤6:估计下一版本的故障数据,记为第二故障数据;步骤7:当第二故障数据比第一故障的数据更趋近于真实故障数据时,将所述步骤5的过程进行递归重复;步骤8:基于最后一次卡尔曼滤波状态更新方程,预测未知版本的故障数据;通过上述步骤,能实现未知版本的软件故障数据的预测,并且能够根据卡尔曼滤波所提供的状态更新方程以及卡尔曼增益,计算出模型的估计误差,进而自适应的调整系统模型的相关参数,实时适应故障数据预测模型的变化情况,从而实现高精度的估计。2.根据权利要求1所述的一种基于多维卡尔曼滤波修正的故障主动预测方法,其特征在于:在步骤1中所述的“获取复数个用于软件预测的度量的历史版本数据”,其具体作法如下:在故障主动预测技术中,根据给定的软件,以函数为节点,以调用关系为边,建立函数调用关系网络,基于该复杂网络,获取多个度量元,该度量元可以是静态的拓扑结构指标,如:节点数量、边、平均度、聚集系数、平均路径和社团数量,也可以是动态的拓扑结构指标,如:渗流值;所述度量元为软件的多个历史版本中获取得到。3.根据权利要求1所述的一种基于多维卡尔曼滤波修正的故障主动预测方法,其特征在于:在步骤2中所述的“将所述复数个度量的历史版本数据进行相关性分析,筛选出至少三个度量”,其具体作法如下:在一种实施方式中,分别计算任何度量与故障数据之间的相关系数,进而选取相关的度量元,或将所述复数个度量数据的多个历史版本数据进行归一化处理后,置于同一时序图中,选取与所述故障数据折线趋势接近的折线所对应的度量元。4.根据权利要求1所述的一种基于多维卡尔曼滤波修正的故障主动预测方法,其特征在于:在步骤3中所述的“基于筛选出的度量建立多种模型,分别基于该多种模型估计历史版本数据变量中的缺失数据”,其具体作法如下:将所述筛选出的度量元进行平稳性分析,分别建立与所述故障数据间的回归模型,基于该模型,估计多个度量的历史版本数据中的缺失数据,或基于所述筛选出的多个度量元建立面板数据模型,得到所述故障数据与多个度量分布之间的方程关系,进而估计缺陷数据的历史版本数据中的缺失数据,或基于差分小波神经网络的软件故障预测方法,构建差分还原...
【专利技术属性】
技术研发人员:杨顺昆,苟晓冬,李红曼,黄婷婷,林欧雅,李大庆,陶飞,佘志坤,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。