CN110703725A

CN110703725A - 一种适用于航天姿态轨道控制系统的路径优化方法

Info

Publication number: CN110703725A
Application number: CN201910896583.3A
Authority: CN
Inventors: 王晶; 李经松; 于海心; 党纪红; 尚葳蕤; 杨俊春; 王振华; 李永祺; 李晓锋; 董晓刚; 张锦江
Original assignee: Beijing Institute of Control Engineering
Current assignee: Beijing Institute of Control Engineering
Priority date: 2019-09-23
Filing date: 2019-09-23
Publication date: 2020-01-17
Anticipated expiration: 2039-09-23
Also published as: CN110703725B

Abstract

本发明一种适用于航天姿态轨道控制系统的路径优化方法。所述路径优化方法将航天姿态轨道控制系统中的各种模式抽象成为有向图中的节点，模式转换条件抽象成为有向图中的节点间的连接路径，利用多项式原理筛选出所有模式转换条件的组合，保证这些条件连接所有模式，在该条件组合的基础上划分联通区域，然后增加最短的路径将所有子联通区域再进行联通，针对不同的转换条件组合形成不同的测试路径成本，最终从中选择成本最低的一条，方法简单，计算成本低，可在多项式时间内完成。运用得当将会节省大量的测试成本，同时针对所有需遍历类的测试路径规划中，无论其测试路径是有向还是无向，该方法均适用。

Description

一种适用于航天姿态轨道控制系统的路径优化方法

技术领域

本发明是一种适用于航天姿态轨道控制系统的路径优化方法，属航天姿态轨道控制软件测试领域

背景技术

在各类软件测试过程中，需针对各种模式进行覆盖和验证，由于模式间转换关系复杂多样，不同路径遍历成本不同，那么选择测试成本较低的路径完成对所有模式的遍历就成为测试人员关注的焦点。目前较为常用的方式如下：(1)采用一种基于可控马尔可夫链模型的软件自适应测试方法，包括：建立可控马尔可夫链模型，每一测试步骤的决策满足其计算所得的阈值，并根据其计算所得权值进行后续选择。该方法需要建立马尔可夫链模型，较为复杂，同时建立每一步计算所得为当前较优策略，但对于总体而言，不一定为更优策略(2)采用一种基于蚁群优化算法测试路径选择方法，包括：将测试路径转换成有向无环拓扑图的形式，并将该有向无环拓扑图存储为邻接矩阵，利用蚁群优化算法将所有蚂蚁均放置在目标网络的输入节点处；每只蚂蚁独立的根据概率公式选择下一步要到达的节点，该方法聚焦于每个节点的下一步选择，其计算均依据概率，存在不确定性，同时对于总体而言，其路径不一定为更优策略。

发明内容

本发明解决的技术问题是：克服现有技术的不足，采用一种适用于航天姿态轨道控制系统的路径优化方法，解决了软件测试路径遍历会出现大量的路径重复和测试成本浪费的问题。

本发明的技术方案是：一种适用于航天姿态轨道控制系统的路径优化方法，步骤如下：

步骤(一)将航天姿态轨道控制系统中的各种模式抽象成为有向图中的节点，模式转换条件抽象成为节点间有向路径,构造模式转换图，有向图中的节点使用M1,M2,…,Mk,…,Mi表示，i为节点数，将所有有向路径按照其测试成本确定权值,使用C1，C2，C3…Cj表示，j为有向路径数；

步骤(二)将步骤(一)中构造的模式转换图进行切割，切割方式为以模式Mk为中心附加转出路径，形成i个子图，每个子图含有1个节点以及若干条转出路径；

步骤(三)将步骤(二)中切割形成的各个子图抽象为多项式，每1个子图包含1个节点，每个节点Mk对应1个多项式，抽象方式为每个节点转出路径权值之和；

步骤(四)将步骤(三)中得到的i个多项式进行多项式乘法运算，即M1*M2*M3*…*Mi，多项式乘法展开后包含p个子项；

步骤(五)按照步骤(四)展开后，每个子项所包含的路径均能连接到所有节点，计算每个子项中路径权值之和，即针对该子项中包含的路径的权值进行求和计算，得到路径权值之和的结果集；

步骤(六)根据步骤(五)所得的结果集，将路径权值之和结果集中第u个子项所代表的有向路径连接起来，检查图中是否全部联通，如果全部联通，转步骤(八)，否则转步骤(七)；1≤u≤p；

步骤(七)根据步骤(六)所得结果，将各个子联通区域再次进行联通，使之完全联通；联通后得到一条将所有节点遍历的优化路径，计算该优化路径下总的路径遍历成本Cost1；

步骤(八)重复步骤(六)及步骤(七)，针对路径权值之和结果集中其余(p-1)个子项进行路径规划，最终获得Cost1、Cost2、…、Costp个路径遍历成本，在上述p个路径遍历成本中求得最小值Costmin，该Costmin对应的路径集合即为优化后的遍历路径。

所述航天姿态轨道控制系统由某个模式进入，并且不会再回到该模式。

所述航天姿态轨道控制系统任意两个模式间的通路≥1条，且所有通路均为有向路径。

所述航天姿态轨道控制系统除进入模式外，其他所有模式之间可以互相联通，即存在有向路径联通。

所述步骤(三)中的多项式为(Cn+…+Cm)形式，1≤n≤j；1≤m≤j，n≠m。

所述步骤(四)中每个子项的形式为：(Co*…*Cp*…*Cq)1≤o≤j；1≤p≤j，1≤q≤j，o≠p≠q。

所述步骤(七)中起点区域包含入轨消初偏模式对应的节点；目的区域包含无转入路径的节点。

所述步骤(七)中起点区域的节点选择方式为：选择无转出路径的节点；目的区域的节点选择方式为：选择无转入路径的节点。

所述步骤(七)中将各个子联通区域再次进行联通的具体方式为：起点区域的节点选择为该区域的终止节点；目的区域的节点选择为该区域的起始节点；将该两个节点进行连接后，完成两片区域的完全联通；如果存在多个目的区域，则将起点区域以及多个目地区域抽象为节点，转步骤(二)，进行迭代计算，直至所有区域完全联通。

所述将该两个节点进行连接时，采用最短路径方法，具体采用基于邻接矩阵的最短路径算法。

本发明与现有技术相比的优点在于：

(1)本方法简单易行，基于多项式乘法计算，较之背景技术中提及的两项技术在计算复杂度上大大降低；提出一种“NP完全性”问题的降阶求解方式，可在多项式时间内完成。

(2)本方法无论针对有向路径还是无向路径均适用，相较背景技术(2)中的蚁群算法,突破了该算法中的“无环”限制，实用性增强，更加适用于航天姿态轨道控制软件测试的路径优化

(3)本方法在计算过程中面向全局最优路径规划，而背景技术(1)中的马尔可夫链模型路径优化方法，其每一测试路径的决策满足计算所得阈值并根据其计算所得权值进行后续路径选择，路径选择针对的仅为当前步骤的最优策略，但对于总体而言，不一定为更优策略

(4)本方法在计算过程中的每1条路径的计算规划都基于最优策略的确定值，而背景技术(2)中蚁群优化算法则是根据概率公式选择下一步要到达的节点，其路径选择同样是当前的较优策略，并且该策略是基于概率计算而来，存在不确定性，仅是在概率轮基础上的优化路径，并非是确定性的优化路径。

附图说明

图1为模式转换图。

图2为模式转换切割图。

图3为模式联通区域图。

图4为本发明的实现流程图。

具体实施方式

本发明公开一种适用于航天姿态轨道控制系统的路径优化方法。所述方法将航天姿态轨道控制中的各种模式抽象成为有向图中的节点，模式转换条件抽象成为有向图中的节点间的连接路径，利用多项式原理筛选出所有模式转换路径的组合，保证这些路径连接所有模式，在该路径组合的基础上划分联通区域，然后增加最短的路径将所有子联通区域进行联通，针对不同的路径组合形成不同的测试路径成本，最终选择成本最低的一条。

下面结合附图和具体实施例对本发明作进一步详细的描述：

航天姿态轨道控制系统具有如下特征：由某个模式(入轨消初偏)进入，并且不会再回到该模式；两个模式间的通路≥1条；除进入模式外，其他所有模式直接或间接联通；所有模式转换条件均为有向路径。如图4所示，按照上述模式转换特点，提出如下优化路径构造方法：

步骤(一)构造模式转换图，将所有转换条件按照其遍历成本确定权值，以下以一个简化的模式转换图为例进行说明，见图1。图1中M1～M6表示模式1～6，C1～C13分别为各模式转换条件，其权值按照花费的遍历成本确定，为简便起见，C1～C13取值直接表示其权值。

步骤(二)将上述模式转换图切割，切割方式为以模式为中心附加转出条件(不包含转入条件)，由图1切割的结果如图2所示。节点M1包含C1、C13这2个转出条件，表示为M1～(C1,C13)，同理其余节点可表示为M2～(C2,C3,C4)，M3～(C5,C6,C7,C10)，M4～(C8)，M5～(C11,C12)，M6～(C9)。

步骤(三)将各个模式的转出条件的权值作为多项式的子项，如模式M1表示为M1～(C1+C13),按照该方式表示，则有:

M1	(C1+C13)
		M2	(C2+C3+C4)
M3	(C5+C6+C7+C10)
		M4	(C8)
M5	(C11+C12)
		M6	(C9)

步骤(四)将上述多项式进行乘法运算，并展开

M1*M2*M3*M4*M5*M6＝

(C1+C13)*(C2+C3+C4)*(C5+C6+C7+C10)*(C8)*(C11+C12)*(C9)＝C1*C10*C11*C8*C9+C1*C10*C12*C8*C9+C10*C11*C13*C8*C9+C10*C12*C13*C8*C9+C1*C11*C5*C8*C9+C1*C12*C5*C8*C9+C11*C13*C5*C8*C9+C12*C13*C5*C8*C9+C1*C11*C6*C8*C9+C1*C12*C6*C8*C9+C11*C13*C6*C8*C9+C12*C13*C6*C8*C9+C1*C11*C7*C8*C9+C1*C12*C7*C8*C9+C11*C13*C7*C8*C9+C12*C13*C7*C8*C9

步骤(五)展开后其多项式含有子项16个，由多项式原理可知，每个子项所包含的路径均能连接到所有模式，选择其中权值之和最小的即可，即按照其权值进行求和计算，获取其权值最小的子项，具体如下：

步骤(六)假设其权值之和最小的子项Sum1为C1+C12+C6+C8+C9，则可知由C1、C12、C6、C8、C9这几个转换条件连接起来的模式测试成本最低，但考虑到测试路径的联通性，比如上述C1、C12、C6、C8、C9对应的模式转换分别为：

M1—>M2；M5—>M6；M3—>M4；M4—>M6；M6—>M3。

步骤(七)从步骤(六)可知其连接区域分为2部分，分别为{M1、M2}和{M3、M4、M5、M6}，如图3所示。按照其通路的有向性特征，起点区域必须包含入轨消初偏模式对应的节点M1，因航天姿态轨道控制软件入轨的首个模式必须为入轨消初偏；目的区域必须包含无转入路径的节点。需寻找一条由M2向M5的最短通路将两块联通区域连接起来。

选择M2和M5的原因，即将两块联通区域的节点选择原则为：

起点区域的节点选择为该区域的终止节点，即该节点无转出路径；

目的区域的节点选择为该区域的起始节点，即该节点无转入路径；

由M2到M5的最短路径可以采用基于邻接矩阵的最短路径算法，该算法属于公知算法，此处不再赘述，到此为止则可以寻找到一条将所有模式遍历的测试路径，并且该路径是较优的，计算该路径下总的测试成本Cost1。

步骤(八)按照步骤(六)以及步骤(七)所述方式针对Sum2～Sum16所对应的条件集合进行求解，获取Cost2～Cost16，最终在Cost1～Cost16中找到最小值Cost_min，该Cost_min对应的条件集合即为一条优化后的测试路径。

本发明未详细说明部分属本领域技术人员公知常识。

Claims

1.一种适用于航天姿态轨道控制系统的路径优化方法，其特征在于步骤如下：

2.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述航天姿态轨道控制系统由某个模式进入，并且不会再回到该模式。

3.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述航天姿态轨道控制系统任意两个模式间的通路≥1条，且所有通路均为有向路径。

4.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述航天姿态轨道控制系统除进入模式外，其他所有模式之间可以互相联通，即存在有向路径联通。

5.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述步骤(三)中的多项式为(Cn+…+Cm)形式，1≤n≤j；1≤m≤j，n≠m。

6.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述步骤(四)中每个子项的形式为：(Co*…*Cp*…*Cq)1≤o≤j；1≤p≤j，1≤q≤j，o≠p≠q。

7.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述步骤(七)中起点区域包含入轨消初偏模式对应的节点；目的区域包含无转入路径的节点。

8.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述步骤(七)中起点区域的节点选择方式为：选择无转出路径的节点；目的区域的节点选择方式为：选择无转入路径的节点。

9.根据权利要求1所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述步骤(七)中将各个子联通区域再次进行联通的具体方式为：起点区域的节点选择为该区域的终止节点；目的区域的节点选择为该区域的起始节点；将该两个节点进行连接后，完成两片区域的完全联通；如果存在多个目的区域，则将起点区域以及多个目地区域抽象为节点，转步骤(二)，进行迭代计算，直至所有区域完全联通。

10.根据权利要求9所述的一种适用于航天姿态轨道控制软件测试的路径优化方法，其特征在于：所述将该两个节点进行连接时，采用最短路径方法，具体采用基于邻接矩阵的最短路径算法。