本发明专利技术提出一种抗空间辐射效应的软件可靠性迁移融合分析方法，步骤如下：1、建立单粒子辐射效应仿真模型，计算粒子能谱，仿真得到单粒子翻转速率；2、建立采用不同设计模式的软件系统可靠性分析模型，得到给定设计模式和单粒子翻转速率下的可靠度值；3、对单粒子辐射效应仿真模型和软件系统可靠性分析模型中涉及的参数进行数据预处理；4、搭建卷积神经网络，利用预处理后的空间辐射数据和可靠度仿真数据进行训练和测试，得到预训练模型；5、利用S4中预训练模型的网络结构和参数初始化目标网络；用少量真实可靠度数据继续训练目标网络，采用基于花授粉优化算法的冻结机制指导微调，完成迁移学习，实现仿真模型特征与真实数据的融合。融合。融合。
【技术实现步骤摘要】
一种抗空间辐射效应的软件可靠性迁移融合分析方法
[0001]本专利技术提供一种抗空间辐射效应的软件可靠性迁移融合分析方法，它涉及软件可靠性领域和迁移学习。
技术介绍
[0002]空间辐射不可避免的会对在轨软件系统产生影响，特别是单粒子效应。单粒子效应会造成随机存储器或内存中的一个/多个比特发生翻转，引发软件的控制流和数据流错误，进而影响软件系统的正常运行。因此，针对空间辐射环境下的软件系统进行可靠性分析对于保障任务正常进行十分必要。由于在实际工程中很难获取充足的真实故障数据以供分析评估，因此当前的可靠性分析技术主要聚焦于模型仿真，即通过构建物理辐射模型、故障注入模型和系统可靠性模型，来获取大量不同辐射条件下的故障仿真数据以进行可靠性分析。尽管模型仿真数据和真实统计数据之间具有相同的内在特征，共享相似的可靠性信息，但是它们之间不可避免的存在偏差，这使得仿真模型的可靠性分析评估知识不能直接应用于真实环境中。
[0003]鉴于此，本专利技术提出一种抗空间辐射效应的软件可靠性迁移融合分析方法，具体内容是：构建单粒子辐射效应仿真模型，计算单粒子翻转速率；建立软件系统可靠性模型，针对不同单粒子速率，基于概率模型检测技术仿真得到大量可靠度数据；对单粒子辐射效应仿真模型和软件系统可靠性分析模型中涉及的参数进行数据预处理；搭建卷积神经网络，利用预处理后的空间辐射数据和可靠度仿真数据进行训练和测试，得到预训练模型；利用预训练的网络结构和参数初始化目标网络，用少量真实可靠度数据继续训练目标网络，采用基于花授粉优化算法的冻结机制指导微调，完成迁移学习。从而形成一种抗空间辐射效应的软件可靠性迁移融合分析方法，该方法既保留模型机理方面的特征信息，又能充分利用真实数据的价值，实现机理模型特征与真实数据的迁移融合。
技术实现思路
[0004](一)本专利技术目的：针对空间辐射背景下模型仿真数据与真实数据存在误差或者漂移问题，本专利技术提出一种抗空间辐射效应的软件可靠性迁移融合分析方法，其目的保留模型机理方面的特征信息，充分利用真实数据的价值。
[0005](二)技术方案
[0006]本专利技术技术方案：一种抗空间辐射效应的软件可靠性迁移融合分析方法，其步骤如下：见图1所示；
[0007]S1、建立单粒子辐射效应仿真模型，进行轨道参数设置、航天器屏蔽层设置、辐射环境设置和经地磁和航天器屏蔽层后的粒子能谱计算，最后仿真得到单粒子翻转速率；
[0008]S2、建立采用不同设计模式的软件系统可靠性分析模型，结合S1计算得到的单粒子翻转速率，基于概率模型检测技术仿真得到给定设计模式和单粒子翻转速率下的可靠度值；
[0009]S3、对单粒子辐射效应仿真模型和软件系统可靠性分析模型中涉及的参数进行数据预处理；
[0010]S4、搭建卷积神经网络，利用预处理后的空间辐射数据和可靠度仿真数据进行训练和测试，得到预训练模型；
[0011]S5、利用S4中预训练模型的网络结构和参数初始化目标网络。用少量真实可靠度数据继续训练目标网络，采用基于花授粉优化算法的冻结机制指导微调，完成迁移学习，实现仿真模型特征与真实数据的融合。
[0012]进一步的，S1中所述的建立单粒子效应辐射仿真模型包括：
[0013]S1.1轨道参数设置：包括轨道类型、轨道高度、轨道倾角等具体参数；
[0014]S1.2航天器屏蔽层设置：设置航天器屏蔽材料种类和材料厚度；
[0015]S1.3辐射环境设置：根据环境中主要辐射粒子种类选择相应环境模型；
[0016]S1.4计算经地磁和航天器屏蔽层后的粒子能谱；
[0017]S1.5基于S1.4结果和经地面加速器模拟获取得到的器件翻转截面数据计算单粒子翻转速率。
[0018]进一步的，S2中基于概率模型检测技术仿真得到给定设计模式和单粒子翻转速率下的可靠度值，具体为：
[0019]S2.1对采用不同设计的软件系统建立相应的连续时间马尔可夫模型，确定软件系统在运行过程涉及的所有状态、初始状态和转移速率矩阵，其中，S1.5中的单粒子翻转速率输入至转移速率矩阵；
[0020]S2.2利用连续随机逻辑定义与系统可靠度相关的指标；
[0021]S2.3利用概率模型检测技术对以上连续时间马尔可夫模型和连续随机逻辑进行仿真，生成可靠度指标值。
[0022]进一步的，S3中对单粒子辐射效应仿真模型和软件系统可靠性分析模型中涉及的参数进行数据预处理，具体为：对S1中涉及的轨道参数、航天器屏蔽层、辐射环境、器件翻转截面相关参数，和S2中涉及的设计模式相关参数进行数据预处理，包括归一化和one
‑
hot编码。由于各类数值型参数取值范围差异较大，因此采用归一化处理；对于文本型数据，采用one
‑
hot编码方式。
[0023]进一步的，S4中搭建卷积神经网络CNN，利用预处理后的数据进行训练和预测，具体为：
[0024]S4.1搭建具有四层成对出现的卷积层和最大池化层的CNN，设置一维卷积核，建立全连接层和回归层；
[0025]S4.2经S3预处理后的数据作为模型输入，S2.3得到的可靠度值作为模型输出，共同构成基础数据集。选取该基础数据集的70％作为训练集，30％作为测试集。利用训练集对该网络进行训练，在训练过程中的全部轮数采用Adam优化器执行，实现自动的参数学习速率调节。然后利用测试集对训练好的CNN进行测试，使用均方根误差(RMSE)和平均绝对误差(MAE)两个指标对该网络测试性能和结果进行评估，得到最终的预训练模型。
[0026]进一步的，S5中利用预训练模型的网络结构和参数初始化目标网络。用少量真实可靠度数据继续训练目标网络，采用基于花授粉(FPA)优化算法的冻结机制指导微调，具体为：
[0027]S5.1利用预训练模型的网络结构和参数初始化目标网络；
[0028]S5.2启动基于FPA算法的冻结机制：
[0029](1)随机初始化种群数量N*，并对每个花粉个体进行二进制编码t表示迭代次数，i表示花粉编号，l表示CNN架构中网络层数，“1”表示CNN第j层网络参数冻结，“0”表示更新；设置切换概率P∈[0，1]，最大迭代次数T
max
；
[0030](2)寻找初始种群的最优花粉g*，计算该花粉的适应度值F，F值越小越好:
[0031]F＝α1·
RMSE+α2·
MAE
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(公式1)
[0032]式中α1+α2＝1，α1、α2分别表示RMSE和MAE所占的比例。
[0033](3)针对当前种群中每个花粉，产生随机数r，若r>P，则进行全局授粉，执行步骤(4)；若r<P，则进行局部授粉，执行步骤(5)；当一次迭代过程中全部花粉完成授粉操作后，执行步骤(6)；
[0034](4)全局授粉时，寻找当前种群中最优花粉，生成授粉强度向本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种抗空间辐射效应的软件可靠性迁移融合分析方法，其特征在于，具体步骤如下：S1、建立单粒子辐射效应仿真模型，进行轨道参数设置、航天器屏蔽层设置、辐射环境设置和经地磁和航天器屏蔽层后的粒子能谱计算，最后仿真得到单粒子翻转速率；S2、建立采用不同设计模式的软件系统可靠性分析模型，结合S1计算得到的单粒子翻转速率，基于概率模型检测仿真得到给定设计模式和单粒子翻转速率下的可靠度值；S3、对单粒子辐射效应仿真模型和软件系统可靠性分析模型中涉及的参数进行数据预处理；S4、搭建卷积神经网络，利用预处理后的空间辐射数据和可靠度仿真数据进行训练和测试，得到预训练模型；S5、利用S4中预训练模型的网络结构和参数初始化目标网络；用少量真实可靠度数据继续训练目标网络，采用基于花授粉优化算法的冻结机制指导微调，完成迁移学习，实现仿真模型特征与真实数据的融合。2.根据权利要求1所述的一种抗空间辐射效应的软件可靠性迁移融合分析方法，其特征在于：S1中所述的建立单粒子效应辐射仿真模型包括：S1.1轨道参数设置：包括轨道类型、轨道高度及轨道倾角；S1.2航天器屏蔽层设置：设置航天器屏蔽材料种类和材料厚度；S1.3辐射环境设置：根据环境中辐射粒子种类选择相应环境模型；S1.4计算经地磁和航天器屏蔽层后的粒子能谱；S1.5基于S1.4结果和经地面加速器模拟获取得到的器件翻转截面数据计算单粒子翻转速率。3.根据权利要求2所述的一种抗空间辐射效应的软件可靠性迁移融合分析方法，其特征在于：S2中具体为：S2.1对采用不同设计的软件系统建立相应的连续时间马尔可夫模型，确定软件系统在运行过程涉及的所有状态、初始状态和转移速率矩阵，其中，S1.5中的单粒子翻转速率输入至转移速率矩阵；S2.2利用连续随机逻辑定义与系统可靠度相关的指标；S2.3利用概率模型检测技术对以上连续时间马尔可夫模型和连续随机逻辑进行仿真，生成可靠度指标值。4.根据权利要求1或3所述的一种抗空间辐射效应的软件可靠性迁移融合分析方法，其特征在于：S3中具体为：对S1中涉及的轨道参数、航天器屏蔽层、辐射环境、器件翻转截面相关参数，和S2中涉及的设计模式相关参数进行数据预处理，包括归一化和one
‑
hot编码；由于各类数值型参数取值范围差异大，因此采用归一化处理；对于文本型数据，采用one
‑
hot编码方式。5.根据权利要求1或3所述的一种抗空间辐射效应的软件可靠性迁移融合分析方法，其特征在于：S4中具体为：S4.1搭建具有四层成对出现的卷积层和最大池化层的CNN，设置一维卷积核，建立全连接层和回归层；S4.2经S3预处理后的数据作为模型输入，S2.3得到...
【专利技术属性】
技术研发人员：邵麒，杨顺昆，边冲，段峙宇，苟晓冬，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
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。