[發(fā)明專利]一種基于多維卡爾曼濾波修正的故障主動預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201811209130.0
• 申請日: 2018-10-17
• 公開（公告）號: CN109508475A
• 公開（公告）日: 2019-03-22
• 發(fā)明（設(shè)計）人: 楊順昆;茍曉冬;李紅曼;黃婷婷;林歐雅;李大慶;陶飛;佘志坤
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 北京慧泉知識產(chǎn)權(quán)代理有限公司 11232
• 代理人: 王順榮;唐愛華

本發(fā)明提供一種基于多維卡爾曼濾波修正的故障主動預(yù)測方法，步驟包括：獲取度量的歷史版本數(shù)據(jù)；進行相關(guān)性分析，篩選出至少三個度量；建立多種模型，估計歷史版本數(shù)據(jù)變量中的缺失數(shù)據(jù)；對當(dāng)前版本的故障數(shù)據(jù)進行估計分別建立卡爾曼濾波狀態(tài)更新方程，計算卡爾曼增益以及估計誤差；估計下一版本的故障數(shù)據(jù)，進行遞歸重復(fù)；基于最后一次卡爾曼濾波狀態(tài)更新方程，預(yù)測未知版本的故障數(shù)據(jù)。通過上述步驟，能實現(xiàn)未知版本的軟件故障數(shù)據(jù)的預(yù)測，并且能夠計算出模型的估計誤差，進而自適應(yīng)的調(diào)整系統(tǒng)模型的相關(guān)參數(shù)，實時適應(yīng)故障數(shù)據(jù)預(yù)測模型的變化情況，從而實現(xiàn)高精度的估計。

技術(shù)領(lǐng)域

本發(fā)明提供了一種基于多維卡爾曼濾波修正的故障主動預(yù)測方法，屬于軟件預(yù)測技術(shù)領(lǐng)域。

技術(shù)背景

隨著軟件技術(shù)的不斷發(fā)展，軟件版本在不斷的更新。版本的增多導(dǎo)致軟件測試的任務(wù)量增大，在下一版本軟件發(fā)行之前，技術(shù)人員熱衷于依據(jù)可能對軟件缺陷造成影響的度量元對缺陷數(shù)據(jù)進行預(yù)測，通常，技術(shù)人員通過建立數(shù)學(xué)模型作為估計和預(yù)測的關(guān)鍵技術(shù)，也即是，當(dāng)缺陷數(shù)據(jù)呈現(xiàn)出很強的時間性與周期規(guī)律性時，采用相關(guān)分析，提取出相關(guān)的度量數(shù)據(jù)作為建模和估計方法的輸入，進行缺陷預(yù)測。

但是常規(guī)的預(yù)測方法能大致描述數(shù)據(jù)的走勢，但因為數(shù)據(jù)的波動較大，導(dǎo)致預(yù)測的結(jié)果誤差較大,偏離真實值，于是本發(fā)明考慮到采用卡爾曼濾波的線性遞推濾波方法，對所建立的多個模型進行不斷的修整，基于多維卡爾曼濾波修正進行軟件的故障預(yù)測，以預(yù)測-實測-修正的順序遞推，根據(jù)系統(tǒng)的量測值消除隨機干擾，進而實現(xiàn)有效的預(yù)測。

發(fā)明內(nèi)容

(一)目的

為了解決常規(guī)的預(yù)測方法能大致描述數(shù)據(jù)的走勢，但因為數(shù)據(jù)的波動較大，導(dǎo)致預(yù)測的結(jié)果誤差較大,偏離真實值，本發(fā)明提供了一種基于多維卡爾曼濾波修正的故障主動預(yù)測方法。

(二)技術(shù)方案

本發(fā)明提供了一種基于多維卡爾曼濾波修正的故障主動預(yù)測方法，其具體實施步驟如下：

步驟1：獲取復(fù)數(shù)個用于軟件預(yù)測的度量的歷史版本數(shù)據(jù)；

步驟2：將所述復(fù)數(shù)個度量的歷史版本數(shù)據(jù)進行相關(guān)性分析，篩選出至少三個度量；

步驟3：基于篩選出的度量建立多種模型，分別基于該多種模型估計歷史版本數(shù)據(jù)變量中的缺失數(shù)據(jù)；

步驟4：選取至少三個歷史版本的數(shù)據(jù)對當(dāng)前版本的故障數(shù)據(jù)進行估計，記為第一故障數(shù)據(jù)；

步驟5：基于多種估計模型，分別建立卡爾曼濾波狀態(tài)更新方程，計算卡爾曼增益以及估計誤差；

步驟6：估計下一版本的故障數(shù)據(jù)，記為第二故障數(shù)據(jù)；

步驟7：當(dāng)?shù)诙收蠑?shù)據(jù)較第一故障的數(shù)據(jù)更趨近于真實故障數(shù)據(jù)時，將所述步驟5的過程進行遞歸重復(fù)；

步驟8：基于最后一次卡爾曼濾波狀態(tài)更新方程，預(yù)測未知版本的故障數(shù)據(jù)；

通過上述步驟，可以實現(xiàn)未知版本的軟件故障數(shù)據(jù)的預(yù)測，并且能夠根據(jù)卡爾曼濾波所提供的狀態(tài)更新方程以及卡爾曼增益，計算出模型的估計誤差，進而自適應(yīng)的調(diào)整系統(tǒng)模型的相關(guān)參數(shù)，實時適應(yīng)故障數(shù)據(jù)預(yù)測模型的變化情況，從而實現(xiàn)高精度的估計。

其中，在步驟1中所述的“獲取復(fù)數(shù)個用于軟件預(yù)測的度量的歷史版本數(shù)據(jù)”，其具體作法如下：在故障主動預(yù)測技術(shù)中，根據(jù)給定的軟件，以函數(shù)為節(jié)點，以調(diào)用關(guān)系為邊，建立函數(shù)調(diào)用關(guān)系網(wǎng)絡(luò)，基于該復(fù)雜網(wǎng)絡(luò)，獲取多個度量元，該度量元可以是靜態(tài)的拓?fù)浣Y(jié)構(gòu)指標(biāo)，如：節(jié)點數(shù)量、邊、平均度、聚集系數(shù)、平均路徑和社團數(shù)量，也可以是動態(tài)的拓?fù)浣Y(jié)構(gòu)指標(biāo)，如：滲流值；所述度量元為軟件的多個歷史版本中獲取得到。