[發(fā)明專利]一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法

在審

• 申請?zhí)枺?/td>: 202211005362.0
• 申請日: 2022-08-22
• 公開（公告）號: CN115525540A
• 公開（公告）日: 2022-12-27
• 發(fā)明（設(shè)計）人: 邵麒;楊順昆;邊沖;段峙宇;茍曉冬
• 申請（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號: G06F11/36
• 分類號: G06F11/36;G06F30/25;G06F30/27;G06N3/00;G06N3/04;G06N3/08;G06N7/00;G06F119/02
• 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

1.一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法，其特征在于，具體步驟如下：

S1、建立單粒子輻射效應(yīng)仿真模型，進行軌道參數(shù)設(shè)置、航天器屏蔽層設(shè)置、輻射環(huán)境設(shè)置和經(jīng)地磁和航天器屏蔽層后的粒子能譜計算，最后仿真得到單粒子翻轉(zhuǎn)速率；

S2、建立采用不同設(shè)計模式的軟件系統(tǒng)可靠性分析模型，結(jié)合S1計算得到的單粒子翻轉(zhuǎn)速率，基于概率模型檢測仿真得到給定設(shè)計模式和單粒子翻轉(zhuǎn)速率下的可靠度值；

S3、對單粒子輻射效應(yīng)仿真模型和軟件系統(tǒng)可靠性分析模型中涉及的參數(shù)進行數(shù)據(jù)預(yù)處理；

S4、搭建卷積神經(jīng)網(wǎng)絡(luò)，利用預(yù)處理后的空間輻射數(shù)據(jù)和可靠度仿真數(shù)據(jù)進行訓(xùn)練和測試，得到預(yù)訓(xùn)練模型；

S5、利用S4中預(yù)訓(xùn)練模型的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)初始化目標(biāo)網(wǎng)絡(luò)；用少量真實可靠度數(shù)據(jù)繼續(xù)訓(xùn)練目標(biāo)網(wǎng)絡(luò)，采用基于花授粉優(yōu)化算法的凍結(jié)機制指導(dǎo)微調(diào)，完成遷移學(xué)習(xí)，實現(xiàn)仿真模型特征與真實數(shù)據(jù)的融合。

2.根據(jù)權(quán)利要求1所述的一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法，其特征在于：S1中所述的建立單粒子效應(yīng)輻射仿真模型包括：

S1.1軌道參數(shù)設(shè)置：包括軌道類型、軌道高度及軌道傾角；

S1.2航天器屏蔽層設(shè)置：設(shè)置航天器屏蔽材料種類和材料厚度；

S1.3輻射環(huán)境設(shè)置：根據(jù)環(huán)境中輻射粒子種類選擇相應(yīng)環(huán)境模型；

S1.4計算經(jīng)地磁和航天器屏蔽層后的粒子能譜；

S1.5基于S1.4結(jié)果和經(jīng)地面加速器模擬獲取得到的器件翻轉(zhuǎn)截面數(shù)據(jù)計算單粒子翻轉(zhuǎn)速率。

3.根據(jù)權(quán)利要求2所述的一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法，其特征在于：S2中具體為：

S2.1對采用不同設(shè)計的軟件系統(tǒng)建立相應(yīng)的連續(xù)時間馬爾可夫模型，確定軟件系統(tǒng)在運行過程涉及的所有狀態(tài)、初始狀態(tài)和轉(zhuǎn)移速率矩陣，其中，S1.5中的單粒子翻轉(zhuǎn)速率輸入至轉(zhuǎn)移速率矩陣；

S2.2利用連續(xù)隨機邏輯定義與系統(tǒng)可靠度相關(guān)的指標(biāo)；

S2.3利用概率模型檢測技術(shù)對以上連續(xù)時間馬爾可夫模型和連續(xù)隨機邏輯進行仿真，生成可靠度指標(biāo)值。

4.根據(jù)權(quán)利要求1或3所述的一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法，其特征在于：S3中具體為：對S1中涉及的軌道參數(shù)、航天器屏蔽層、輻射環(huán)境、器件翻轉(zhuǎn)截面相關(guān)參數(shù)，和S2中涉及的設(shè)計模式相關(guān)參數(shù)進行數(shù)據(jù)預(yù)處理，包括歸一化和one-hot編碼；由于各類數(shù)值型參數(shù)取值范圍差異大，因此采用歸一化處理；對于文本型數(shù)據(jù)，采用one-hot編碼方式。

5.根據(jù)權(quán)利要求1或3所述的一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法，其特征在于：S4中具體為：

S4.1搭建具有四層成對出現(xiàn)的卷積層和最大池化層的CNN，設(shè)置一維卷積核，建立全連接層和回歸層；

S4.2經(jīng)S3預(yù)處理后的數(shù)據(jù)作為模型輸入，S2.3得到的可靠度值作為模型輸出，共同構(gòu)成基礎(chǔ)數(shù)據(jù)集；選取該基礎(chǔ)數(shù)據(jù)集的70％作為訓(xùn)練集，30％作為測試集；利用訓(xùn)練集對該網(wǎng)絡(luò)進行訓(xùn)練，在訓(xùn)練過程中的全部輪數(shù)采用Adam優(yōu)化器執(zhí)行，實現(xiàn)自動的參數(shù)學(xué)習(xí)速率調(diào)節(jié)；然后利用測試集對訓(xùn)練好的CNN進行測試，使用均方根誤差RMSE和平均絕對誤差MAE兩個指標(biāo)對該網(wǎng)絡(luò)測試性能和結(jié)果進行評估，得到最終的預(yù)訓(xùn)練模型。

6.根據(jù)權(quán)利要求1所述的一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法，其特征在于：S5中具體為：

S5.1利用預(yù)訓(xùn)練模型的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)初始化目標(biāo)網(wǎng)絡(luò)；

S5.2啟動基于FPA算法的凍結(jié)機制：

S5.3選擇最優(yōu)解對應(yīng)的目標(biāo)網(wǎng)絡(luò)模型，利用全部真實數(shù)據(jù)集進行微調(diào)，確定全連接層和回歸層參數(shù)，實現(xiàn)仿真數(shù)據(jù)與真實數(shù)據(jù)的最佳遷移融合效果。

7.根據(jù)權(quán)利要求6所述的一種抗空間輻射效應(yīng)的軟件可靠性遷移融合分析方法，其特征在于：S5.2中具體為：

(1)隨機初始化種群數(shù)量N*，并對每個花粉個體進行二進制編碼t表示迭代次數(shù)，i表示花粉編號，l表示CNN架構(gòu)中網(wǎng)絡(luò)層數(shù)，“1”表示CNN第j層網(wǎng)絡(luò)參數(shù)凍結(jié)，“0”表示更新；設(shè)置切換概率P∈[0，1]，最大迭代次數(shù)T_max；

(2)尋找初始種群的最優(yōu)花粉g*，計算該花粉的適應(yīng)度值F，F(xiàn)值越小越好:

F＝α₁·RMSE+α₂·MAE (1)

式中α₁+α₂＝1，α₁、α₂分別表示RMSE和MAE所占的比例；

(3)針對當(dāng)前種群中每個花粉，產(chǎn)生隨機數(shù)r，若rP，則進行全局授粉，執(zhí)行步驟(4)；若rP，則進行局部授粉，執(zhí)行步驟(5)；當(dāng)一次迭代過程中全部花粉完成授粉操作后，執(zhí)行步驟(6)；

(4)全局授粉時，尋找當(dāng)前種群中最優(yōu)花粉，生成授粉強度向量L，按照公式(3)進行全局授粉，對當(dāng)前解進行更新；

公式(2)中，L(σ)是D維授粉強度向量，其每一維均是服從levy分布，Γ(σ)是標(biāo)準(zhǔn)伽瑪函數(shù)，σ表示分布因子，取值范圍為[1,2]，S是步長，表示迭代t+1輪后的花粉個體；

(5)局部授粉時，隨機選擇相鄰花粉進行局部授粉，按照公式(4)進行局部授粉，對當(dāng)前解進行更新；

其中，是異于的花粉個體，∈是在[0,1]之間呈均勻分布的隨機數(shù)；

(6)計算花粉的適應(yīng)度值F，即根據(jù)新花粉二進制編碼確定的凍結(jié)規(guī)則，使用少量真實數(shù)據(jù)對目標(biāo)網(wǎng)絡(luò)進行微調(diào)，凍結(jié)層權(quán)重和偏置項不變，非凍結(jié)層更新參數(shù)，計算F值；

(7)選擇最小F值的花粉作為當(dāng)前迭代次數(shù)中最優(yōu)花粉，迭代次數(shù)加1；

(8)重復(fù)(3)的步驟，直到達到最大迭代次數(shù)，輸出最優(yōu)花粉，即對應(yīng)最小F值的解。