【技术实现步骤摘要】
本专利技术提供一种基于自适应共振拓扑网络的多目标测试数据生成方法，属于多模态多目标优化算法与黑盒优化测试。
技术介绍
1、当飞行器在飞行过程中遭受外界干扰或自身系统故障时，由于飞行器自身具有稳定性且搭载自动驾驶系统，能够抵抗一定程度的干扰或故障，故飞行过程中遭受干扰或系统故障后的状态往往难以估计，因此需要对飞行器在不同程度的干扰或系统故障下的飞行响应进行测试。考虑到不同飞行器的结构多样、控制律不同、软硬件耦合密切，可将在飞行过程中的飞行器视为黑盒，不关注飞行器内部的控制逻辑及飞行动力学原理，输入给定强度的外界干扰或一定程度的系统故障，根据某些特定指标判断飞行状态。用于判断飞行器飞行状态的指标往往不是单一的，如高度、速度、迎角等指标，需要同时参考多个指标对飞行状态进行评判，因此同时找到使得各个指标达到不可靠或不安全状态阈值的干扰条件显得尤为重要，对于不同指标，使其达到不可靠或不安全状态阈值的干扰条件往往是不同的，有的目标之间甚至相互冲突，若要同时实现这样的目标，则需要将此类问题视为多目标优化问题。此外，对于同一飞行状态指标，使其达到的异常...
【技术保护点】
1.一种基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于：在步骤1中，根据飞行器实际运行环境或获取能够影响飞行器运行状态的D个干扰变量；其中，，,…,；而后获取能够反映飞行状态变化的M个相关指标；当其中某一指标达到其阈值时，飞行状态由可靠或安全状态转变成不可靠或不安全状态，各指标阈值由飞行器可靠安全运行的相关要求确定。
3.根据权利要求1所述的基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于：在步骤2中，构建多模态多目标黑盒优...
【技术特征摘要】
1.一种基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于：在步骤1中，根据飞行器实际运行环境或获取能够影响飞行器运行状态的d个干扰变量；其中，，,…,；而后获取能够反映飞行状态变化的m个相关指标；当其中某一指标达到其阈值时，飞行状态由可靠或安全状态转变成不可靠或不安全状态，各指标阈值由飞行器可靠安全运行的相关要求确定。
3.根据权利要求1所述的基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于：在步骤2中，构建多模态多目标黑盒优化问题，不失一般性的问题表示为：；；其中，f表示飞行状态与不可靠状态边界的接近程度函数，f的值越小，飞行状态越接近不可靠状态，处于即将异常的边缘，而飞行状态是由各个飞行状态指标f（var）来决定的，m表示待优化的目标个数，即飞行状态指标个数；var表示决策空间中d维向量，即由d个干扰变量或系统故障因素所组成的向量。
4.根据权利要求1或3所述的基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于：在步骤2中，测试控制模块负责获取通过优化算法生成的测试数据，测试执行模块将测试数据输入到系统中执行测试，测试结果采集模块采集各测试数据对应的测试结果，将结果反馈给优化算法。
5.根据权利要求1所述的基于自适应共振拓扑网络的多目标测试数据生成方法，其特征在于：在步骤3中，在d维的决策空间随机取值生成n个粒子，初始化第i个粒子的速度和位置，其中，，粒子的位置即对应飞行过程中的干扰变量组合的取值。
【专利技术属性】
技术研发人员：杨顺昆，姚琪，段峙宇，邵麒，
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。