CN113220547B - 一种基于仿真的复杂软件系统可靠性指标确定方法 - Google Patents

一种基于仿真的复杂软件系统可靠性指标确定方法 Download PDF

Info

Publication number
CN113220547B
CN113220547B CN202110303948.4A CN202110303948A CN113220547B CN 113220547 B CN113220547 B CN 113220547B CN 202110303948 A CN202110303948 A CN 202110303948A CN 113220547 B CN113220547 B CN 113220547B
Authority
CN
China
Prior art keywords
task
software
simulation
failure
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110303948.4A
Other languages
English (en)
Other versions
CN113220547A (zh
Inventor
高玉峰
高金梁
闫陈静
张伟
薛琼
牟迪
蔡诗冉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Aerospace Academy Of Systems Science And Engineering
Original Assignee
China Aerospace Academy Of Systems Science And Engineering
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Aerospace Academy Of Systems Science And Engineering filed Critical China Aerospace Academy Of Systems Science And Engineering
Priority to CN202110303948.4A priority Critical patent/CN113220547B/zh
Publication of CN113220547A publication Critical patent/CN113220547A/zh
Application granted granted Critical
Publication of CN113220547B publication Critical patent/CN113220547B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3457—Performance evaluation by simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/36—Preventing errors by testing or debugging software
    • G06F11/3668—Software testing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于仿真的复杂软件系统可靠性指标确定方法，属于软件系统可靠性研究技术领域。该方法步骤包括：首先根据软件系统任务需求，划分并构建软件任务阶段模型；然后根据软件系统任务需求及任务阶段模型，构造软件任务剖面集合；接着设置仿真控制参数后，随机抽取软件任务剖面执行仿真，采集各个任务阶段的失效信息；最后根据仿真过程中采集的数据，计算并输出软件系统可靠性指标值。本发明通过对复杂软件系统的任务剖面进行建模与仿真，采集与软件可靠性指标相关的统计量值，最后合理地确定软件可靠性指标。本发明可有效解决常规解析方法难以建立精确的可靠性数学模型或模型太复杂而不便应用的问题。

Description

一种基于仿真的复杂软件系统可靠性指标确定方法
技术领域
本发明涉及软件系统可靠性研究技术领域，特别涉及一种基于仿真的复杂软件系统可靠性指标确定方法，通过对复杂软件系统的任务剖面进行建模与仿真，以确定软件系统的可靠性指标值。
背景技术
随着信息技术的飞速发展，计算机应用日益广泛，软件系统的规模变的越来越复杂，同时对其可靠性要求也越来越高，特别是在某些关键的应用领域，其可靠性要求尤为重要，如武器装备、航空航天等。历史上，因系统可靠性问题而造成的重大事故也屡见不鲜，尤其是在一些比较关键的系统中，系统发生故障往往会造成重大经济损失和严重的社会影响(如银行系统中断)，还有可能危及人员生命(如飞行系统和医疗系统失灵)，甚至对国家安危造成影响(武器装备失灵)。因此，复杂软件系统的可靠性研究成了迫切需要解决的问题。
复杂软件系统可靠性指标既是软件设计的要求之一及软件开发过程中的约束条件，又是最终用户验收的依据。软件可靠性指标确定过程是一个考虑大量可变因素影响、需要反复迭代的复杂逻辑分析与计算过程，原有的常规解析手段只能处理简单的线性系统，对于非线性的复杂软件系统，难以建立精确的可靠性数学模型或模型太复杂而不便应用，无法完成复杂的分析工作，难以完成细节分析和达到精度要求，因此仿真技术被引入软件可靠性指标研究工作中。仿真不但可以在软件系统研制完成以后解决可靠性指标评估的问题，也可以在软件系统还没有研制时根据初步方案进行仿真得到系统性能指标要求，从而实现可靠性指标的估计。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种基于仿真的复杂软件系统可靠性指标确定方法，该方法简单易实现、适用范围广、方便快捷，可以有效评估软件系统的可靠性。
本发明的上述目的通过以下方案实现：一种基于仿真的复杂软件系统可靠性指标确定方法，包括以下步骤：
步骤(1)，根据软件系统任务需求，划分并构建软件任务阶段模型；
步骤(2)，根据软件系统任务需求及任务阶段模型，构造软件任务剖面集合；
步骤(3)，设置仿真控制参数后，从软件任务剖面集合中随机抽取软件任务剖面执行仿真，采集各个任务阶段的失效信息；
步骤(4)，根据仿真过程中采集的数据，计算并输出软件系统可靠性指标值。
进一步地，在步骤(1)中，划分并构建软件任务阶段模型，包括以下步骤：
(1a)根据软件系统的任务要求，将软件系统的任务分解为最小且互相独立的任务单元作为软件任务阶段；
(1b)通过计划的软件使用情况、用户对软件的使用需求或收集相似产品历史数据获得软件任务阶段执行时间；所述任务阶段执行时间表示任务阶段成功执行时所经历的时间，具体为软件运行的CPU时间，采用时间数值或时间的分布函数进行表示；
(1c)通过计划的软件使用情况、用户对软件的使用需求或收集相似产品历史数据获得软件任务阶段失效信息；
(1d)构建软件任务阶段模型信息表，获得软件任务阶段模型；所述软件任务阶段模型信息表包括所有软件任务阶段的标识、名称、执行时间、失效标识、失效描述、失效发生可能性和失效恢复时间。
进一步地，在步骤(2)中，软件任务剖面集合包括软件的所有任务剖面及其概率，具体为：其中T_Sequencei称为软件任务剖面，Pi为软件剖面T_Sequencei的执行概率，n为任务剖面个数。
进一步地，在步骤(3)中，随机抽取软件任务剖面包括如下步骤：随机生成一个[0,1)范围内的随机数S；当随机数落在[0,Ps1)区间内时，执行T_Sequence1；当随机数落在[Ps1，Ps1+Ps2)区间内时，执行T_Sequence2；依此类推当随机数落在区间内时，执行T_Sequencen。
进一步地，在步骤(3)中，单个软件任务剖面仿真包括如下步骤：
(3a)从当前任务剖面的第一个任务阶段开始仿真；
(3b)获取当前任务阶段TS的模型信息，包括任务阶段失效率λ，任务执行时间tTS，失效恢复时间trTS；
(3c)生成随机数R，根据R＝e-λt，将随机数R对应的时间tSi＝-ln(R)/λ作为当前任务阶段的失效时间；
(3d)判断tSi与tTS的大小；如果tSi＜tTS，则记录发生一次失效，并记录该失效时刻及其他相关失效数据，结束该任务阶段仿真，转到步骤(3e)；如果tSi≥tTS，则结束该任务阶段仿真，转到步骤(3e)；
(3e)判断当前任务阶段是否为当前任务剖面的最后一个任务阶段；如果不是，则获取下一个任务阶段，并转到步骤(3b)；如果是，则停止当前任务剖面仿真。
进一步地，在步骤(3)中，采集各个任务阶段的失效信息包括：失效累计次数、任务实际执行总时间、所有失效时刻、失效间隔时间、所有失效恢复处理时间，任务剖面执行总次数及成功执行次数。
进一步地，在步骤(3)中，仿真控制参数包括最大仿真次数和相对波动水平。
进一步地，在步骤(4)中，可靠性指标平均失效间隔时间MTBF、可用度A、任务成功概率MCSP的计算方法分别为：
其中：Δti表示仿真过程中相邻两次失效发生的间隔时间，n表示总失效数；
其中：T0为任务计划总时间，T1为失效恢复总时间；
其中：N表示软件任务剖面执行总次数，n表示成功执行的次数。
一种计算机可读存储介质，所述的计算机可读存储介质存储有计算机程序，所述的计算机程序被处理器执行时实现所述一种基于仿真的复杂软件系统可靠性指标确定方法的步骤。
一种基于仿真的复杂软件系统可靠性指标确定设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时实现所述一种基于仿真的复杂软件系统可靠性指标确定方法的步骤。
本发明与现有技术相比，具有以下优点：
(1)复杂软件系统是典型的非线性系统，而传统的数学解析分析方法只能处理简单的线性系统，这些方法在估计其可靠性指标值时，常与实际值有较大的差距，而可靠性仿真法则要准确可靠的多；
(2)相较于根据宏观的需求笼统地提出软件系统可靠性定量指标，本发明所提的可靠性指标的依据更明确，反映了复杂软件系统任务需求决定使用要求的特点，对任务需求的分析更为深入和细化；
(3)本发明在复杂软件系统研制早期就可进行可靠性仿真试验，且可重复进行试验。这样的仿真试验可在短期内就可以进行上千次，节省了大量的人力、物力和财力，也保证了研制周期。
附图说明
图1为本发明的基于仿真的复杂软件系统可靠性指标确定方法流程图；
图2为固定型任务剖面示意图；
图3为转移型任务剖面示意图；
图4为软件任务剖面仿真流程图。
具体实施方式
本发明通过对复杂软件系统的任务剖面进行建模与仿真，来模拟软件各种任务的执行及任务中出现的失效处理情况，通过采集与软件可靠性指标相关的统计量值，最后合理地确定软件可靠性指标。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
以下结合说明书附图对本申请实施例所提供的一种基于仿真的复杂软件系统可靠性指标确定方法做进一步详细的说明，具体实现方式可以包括(如图1～4所示)：
(1)根据软件系统任务需求，划分并构建软件任务阶段模型；
(2)根据软件系统任务需求及任务阶段模型，构造软件任务剖面集合；
(3)设置仿真控制参数后，随机抽取软件任务剖面执行仿真，采集各个任务阶段的失效信息；
(4)根据仿真过程中采集的数据，计算并输出软件系统可靠性指标值。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(1)中，软件任务阶段是软件任务剖面的组成单元，也是仿真的基本单元。划分并构建软件任务阶段模型，包括以下步骤：
(1a)根据软件系统的任务要求，将软件系统的任务分解为最小且独立的任务单元作为软件任务阶段；
(1b)根据计划的软件使用情况、用户对软件的使用需求、收集相似产品历史数据等方式获得软件任务阶段执行时间；所述任务阶段执行时间表示任务阶段成功执行时所经历的时间，采用的是软件运行的CPU时间，可用明确的时间数值或时间的分布函数表示；
(1c)根据计划的软件使用情况、用户对软件的使用需求、收集相似产品历史数据等方式获得软件任务阶段失效信息；所述软件任务阶段失效信息是指从用户的需求角度出发，描述每个任务阶段中可能出现的失效、预计出现失效的可能性大小及预期的失效恢复时间；所述失效可能性大小应从用户的需求角度出发，由用户和/或专家，根据任务阶段的重要程度、复杂程度、历史相似任务阶段的可靠性数据等信息综合考虑给出；所述失效恢复时间为排除故障或系统重新启动所用的时间
(1d)填写软件任务阶段模型信息表。软件任务阶段模型信息表的内容包括所有软件任务阶段的标识、名称、执行时间、失效标识、失效描述、失效发生可能性和失效恢复时间。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(2)中，软件任务剖面是由多个软件任务阶段按照执行的先后顺序组成的序列，代表软件一次完整的任务执行过程。复杂软件系统通常包含多个任务剖面。任务剖面可以分为固定型任务剖面和转移型任务剖面两种表达形式。其中固定型任务剖面是指在软件系统需要完成的任务阶段和时序是固定且明确的，没有随机性；转移型任务剖面是指软件的某些任务阶段具有多个直接后续阶段，后续阶段是根据转移概率随机发生的。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(2)中，软件任务剖面集合由软件的所有任务剖面及其概率组成。软件任务剖面集合的表达形式为：其中T_Sequencei称为软件任务剖面，Pi为软件剖面T_Sequencei的执行概率，n为任务剖面个数。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(3)中，随机抽取软件任务剖面实现过程如下：随机生成一个[0,1)范围内的随机数S。当随机数落在[0,Ps1)区间内时，选择执行T_Sequence1；当随机数落在[Ps1，Ps1+Ps2)区间内时，选择执行T_Sequence2；依此类推当随机数落在区间内时，选择执行T_Sequencen。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(3)中，单个软件任务剖面仿真的实现过程如下：
(3a)从当前任务剖面的第一个任务阶段开始仿真；
(3b)获取当前任务阶段TS的模型信息，即任务阶段失效率λ，任务执行时间tTS，失效恢复时间trTS；
(3c)生成随机数R，根据R＝e-λt，将随机数R对应的时间tSi＝-ln(R)/λ作为当前任务阶段的失效时间；
(3d)判断tSi与tTS的大小。如果tSi＜tTS，则记录发生一次失效，并记录该失效时刻，然后进行下一个任务阶段抽样；如果tSi≥tTS，则该任务阶段失效未发生(或不会再发生)，直接进行下一个任务阶段失效抽样；
(3e)判断当前任务阶段是否为当前任务剖面的最后一个任务阶段。如果不是，则获取下一个任务阶段，并转到步骤(3b)；如果是，则停止当前任务剖面仿真。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(3)中，仿真过程中所采集的数据信息主要有：失效累计次数、任务实际执行总时间、所有失效时刻、失效间隔时间、所有失效恢复处理时间，任务剖面执行总次数及成功执行次数等。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(3)中，仿真控制参数可以分为两种。第一种是最大仿真次数，当所有任务剖面仿真次数之和达到最大仿真次数时，则终止仿真；第二种是相对波动水平RVL＝|Ilast-Inow|/Ilast，表示前后两次软件可靠性指标的波动程度，当RVL小于一个很小的数时，则终止仿真。
上述的一种基于仿真的复杂软件系统可靠性指标确定方法，在步骤(4)中，可靠性指标有平均失效间隔时间MTBF、可用度A、任务成功概率MCSP等，具体计算公式如下：
其中：Δti表示仿真过程中相邻两次失效发生的间隔时间，n表示总的失效次数。
其中：T0为任务计划总时间，T1为失效恢复总时间。
其中：N表示软件任务剖面执行总次数，n表示成功执行的次数。
实施例
本发明的基于仿真的复杂软件系统可靠性指标确定方法，以某飞控软件为例，具体包括以下步骤：
(1)划分并构建软件系统任务阶段模型
通过分析飞控软件的任务需求，将其划分为启动、地面慢车等17个任务阶段，分析每个任务阶段执行时间、失效发生概率及失效恢复处理时间，从而构建软件任务阶段模型。软件任务阶段模型是仿真的基本单元。软件任务阶段模型所含信息主要有：所有软件任务阶段的标识、名称、执行时间、失效标识、失效描述、失效发生可能性和失效恢复时间。
(2)构建软件系统任务剖面集
通过分析飞控软件的不同任务需求，由任务阶段模型构造得到巡逻、训练和作战三个软件任务剖面，并确定各个任务剖面的发生概率，组成软件的任务剖面集合MP＝{(T巡逻,0.6),(T训练,0.3),(T作战,0.1)}。
(3)执行软件系统任务剖面仿真
仿真开始前，首先需要设置仿真控制参数。仿真控制参数有两种，第一种是最大仿真次数，第二种是相对波动水平。以最大仿真次数为例，设置其值为NMAX＝10000，然后启动仿真。主要包括以下步骤：
(3.1)随机抽取一个软件任务剖面，实现过程为：随机生成一个[0,1)范围内的随机数S。当随机数落在[0,0.6)区间内时，选择执行巡逻任务剖面；当随机数落在[0.6,0.9)区间内时，选择执行训练任务剖面；当随机数落在[0.9,1)区间内时，选择执行作战任务剖面。
(3.2)执行软件任务剖面仿真，实现过程如下：
(a)从当前任务剖面的第一个任务阶段开始仿真；
(b)获取当前任务阶段TS的模型信息，即任务阶段失效率λ，任务执行时间tTS，失效恢复时间trTS；
(c)生成随机数R，根据R＝e-λt，将随机数R对应的时间tSi＝-ln(R)/λ作为当前任务阶段的失效时间；
(d)判断tSi与tTS的大小。如果tSi＜tTS，则记录发生一次失效，并记录该失效时刻，然后进行下一个任务阶段抽样；如果tSi≥tTS，则该任务阶段失效未发生(或不会再发生)，直接进行下一个任务阶段失效抽样；
(e)判断当前任务阶段是否为当前任务剖面的最后一个任务阶段。如果不是，则获取下一个任务阶段，并转到步骤(b)；如果是，则停止当前任务剖面仿真。
(3.3)根据仿真控制参数判断是否终止仿真。如果仿真次数小于NMAX时，则转到步骤(3.1)；如果仿真次数大于等于NMAX时，则终止仿真。
(4)输出软件系统可靠性指标
根据仿真过程中采集的数据，计算并输出软件系统可靠性指标值。主要包括：平均故障间隔时间MTBF＝73297.803(s)、可用度A＝0.999935、任务成功概率MSCP＝0.990400。
以上所述，仅为本发明一个具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。

Claims (5)

1.一种基于仿真的复杂软件系统可靠性指标确定方法，其特征在于，包括以下步骤：
步骤(1)，根据软件系统任务需求，划分并构建软件任务阶段模型；
步骤(2)，根据软件系统任务需求及任务阶段模型，构造软件任务剖面集合；
步骤(3)，设置仿真控制参数后，从软件任务剖面集合中随机抽取软件任务剖面执行仿真，采集各个任务阶段的失效信息；
步骤(4)，根据仿真过程中采集的数据，计算并输出软件系统可靠性指标值；
在步骤(1)中，划分并构建软件任务阶段模型，包括以下步骤：
(1a)根据软件系统的任务要求，将软件系统的任务分解为最小且互相独立的任务单元作为软件任务阶段；
(1b)通过计划的软件使用情况、用户对软件的使用需求或收集相似产品历史数据获得软件任务阶段执行时间；所述任务阶段执行时间表示任务阶段成功执行时所经历的时间，具体为软件运行的CPU时间，采用时间数值或时间的分布函数进行表示；
(1c)通过计划的软件使用情况、用户对软件的使用需求或收集相似产品历史数据获得软件任务阶段失效信息；
(1d)构建软件任务阶段模型信息表，获得软件任务阶段模型；所述软件任务阶段模型信息表包括所有软件任务阶段的标识、名称、执行时间、失效标识、失效描述、失效发生可能性和失效恢复时间；
在步骤(2)中，软件任务剖面集合包括软件的所有任务剖面及其概率，具体为：其中T_Sequencei称为软件任务剖面，Pi为软件剖面T_Sequencei的执行概率，n为任务剖面个数；
在步骤(3)中，单个软件任务剖面仿真包括如下步骤：
(3a)从当前任务剖面的第一个任务阶段开始仿真；
(3b)获取当前任务阶段TS的模型信息，包括任务阶段失效率λ，任务执行时间tTS，失效恢复时间trTS；
(3c)生成随机数R，根据R＝e-λt，将随机数R对应的时间tSi＝-ln(R)/λ作为当前任务阶段的失效时间；
(3d)判断tSi与tTS的大小；如果tSi<tTS，则记录发生一次失效，并记录该失效时刻及其他相关失效数据，结束该任务阶段仿真，转到步骤(3e)；如果tSi≥tTS，则结束该任务阶段仿真，转到步骤(3e)；
(3e)判断当前任务阶段是否为当前任务剖面的最后一个任务阶段；如果不是，则获取下一个任务阶段，并转到步骤(3b)；如果是，则停止当前任务剖面仿真；
在步骤(3)中，采集各个任务阶段的失效信息包括：失效累计次数、任务实际执行总时间、所有失效时刻、失效间隔时间、所有失效恢复处理时间，任务剖面执行总次数及成功执行次数；
在步骤(3)中，仿真控制参数包括最大仿真次数和相对波动水平。
2.根据权利要求1所述的一种基于仿真的复杂软件系统可靠性指标确定方法，其特征在于，在步骤(3)中，随机抽取软件任务剖面包括如下步骤：随机生成一个[0,1)范围内的随机数S；当随机数落在[0,P1)区间内时，执行T_Sequence1；当随机数落在[P1，P1+P2)区间内时，执行T_Sequence2；依此类推当随机数落在区间内时，执行T_Sequencen。
3.根据权利要求1所述的一种基于仿真的复杂软件系统可靠性指标确定方法，其特征在于，在步骤(4)中，可靠性指标平均失效间隔时间MTBF、可用度A、任务成功概率MCSP的计算方法分别为：
其中：Δti表示仿真过程中相邻两次失效发生的间隔时间，n表示总失效数；
其中：T0为任务计划总时间，T1为失效恢复总时间；
其中：N表示软件任务剖面执行总次数，n表示成功执行的次数。
4.一种计算机可读存储介质，所述的计算机可读存储介质存储有计算机程序，其特征在于，所述的计算机程序被处理器执行时实现如权利要求1～权利要求3任一所述方法的步骤。
5.一种基于仿真的复杂软件系统可靠性指标确定设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述的处理器执行所述的计算机程序时实现如权利要求1～权利要求3任一所述方法的步骤。
CN202110303948.4A 2021-03-22 2021-03-22 一种基于仿真的复杂软件系统可靠性指标确定方法 Active CN113220547B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110303948.4A CN113220547B (zh) 2021-03-22 2021-03-22 一种基于仿真的复杂软件系统可靠性指标确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110303948.4A CN113220547B (zh) 2021-03-22 2021-03-22 一种基于仿真的复杂软件系统可靠性指标确定方法

Publications (2)

Publication Number Publication Date
CN113220547A CN113220547A (zh) 2021-08-06
CN113220547B true CN113220547B (zh) 2023-09-29

Family

ID=77084069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110303948.4A Active CN113220547B (zh) 2021-03-22 2021-03-22 一种基于仿真的复杂软件系统可靠性指标确定方法

Country Status (1)

Country Link
CN (1) CN113220547B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101894068A (zh) * 2010-05-31 2010-11-24 北京航空航天大学 一种嵌入式软件可靠性加速测试方法
CN102662841A (zh) * 2012-04-01 2012-09-12 北京航空航天大学 一种软硬件结合的可靠性综合试验剖面构造方法
CN102708016A (zh) * 2012-05-17 2012-10-03 工业和信息化部电子第五研究所 基于任务剖面的软硬件可靠性测试方法及系统
CN106529306A (zh) * 2016-11-16 2017-03-22 中国电子产品可靠性与环境试验研究所 系统安全性评估方法和装置
CN106650023A (zh) * 2016-11-25 2017-05-10 中国航天标准化研究所 一种基于特征的航天多阶段任务系统可靠性建模方法
CN108536972A (zh) * 2018-04-13 2018-09-14 中国人民解放军陆军装甲兵学院 基于自适应智能体的复杂系统可靠性仿真方法及系统
US10139508B1 (en) * 2016-03-24 2018-11-27 EMC IP Holding Company LLC Methods and apparatus for automatic identification of faults on noisy seismic data
CN111291448A (zh) * 2019-12-24 2020-06-16 中国航空工业集团公司西安飞机设计研究所 一种军用飞机任务可靠性指标分配方法
CN111625900A (zh) * 2020-04-30 2020-09-04 中国直升机设计研究所 一种直升机系统任务可靠度仿真计算方法
CN111679924A (zh) * 2020-04-29 2020-09-18 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 构件化软件系统可靠性仿真方法、装置及电子设备

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101894068A (zh) * 2010-05-31 2010-11-24 北京航空航天大学 一种嵌入式软件可靠性加速测试方法
CN102662841A (zh) * 2012-04-01 2012-09-12 北京航空航天大学 一种软硬件结合的可靠性综合试验剖面构造方法
CN102708016A (zh) * 2012-05-17 2012-10-03 工业和信息化部电子第五研究所 基于任务剖面的软硬件可靠性测试方法及系统
US10139508B1 (en) * 2016-03-24 2018-11-27 EMC IP Holding Company LLC Methods and apparatus for automatic identification of faults on noisy seismic data
CN106529306A (zh) * 2016-11-16 2017-03-22 中国电子产品可靠性与环境试验研究所 系统安全性评估方法和装置
CN106650023A (zh) * 2016-11-25 2017-05-10 中国航天标准化研究所 一种基于特征的航天多阶段任务系统可靠性建模方法
CN108536972A (zh) * 2018-04-13 2018-09-14 中国人民解放军陆军装甲兵学院 基于自适应智能体的复杂系统可靠性仿真方法及系统
CN111291448A (zh) * 2019-12-24 2020-06-16 中国航空工业集团公司西安飞机设计研究所 一种军用飞机任务可靠性指标分配方法
CN111679924A (zh) * 2020-04-29 2020-09-18 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） 构件化软件系统可靠性仿真方法、装置及电子设备
CN111625900A (zh) * 2020-04-30 2020-09-04 中国直升机设计研究所 一种直升机系统任务可靠度仿真计算方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
蔡开元,白成刚,钟小军.构件软件系统的可靠性评估模型简介.西安交通大学学报.2003,(第06期),551-554+564. *
覃志东,雷航,熊光泽,桑楠,陈丽蓉.一种实时多任务软件可靠性验证方法.系统工程与电子技术.2004,(第10期),1476-1480. *

Also Published As

Publication number Publication date
CN113220547A (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN111709533A (zh) 机器学习模型的分布式训练方法、装置以及计算机设备
Wyatt et al. Prionn: Predicting runtime and io using neural networks
Wang et al. Performance prediction for apache spark platform
WO2019129060A1 (zh) 自动生成机器学习样本的特征的方法及系统
CN114862656B (zh) 基于多gpu的分布式深度学习模型训练代价的获取方法
CN105103452A (zh) 数据压缩系统
CN112070416B (zh) 基于ai的rpa流程的生成方法、装置、设备及介质
CN110083518B (zh) 一种基于AdaBoost-Elman的虚拟机软件老化预测方法
CN115150471B (zh) 数据处理方法、装置、设备、存储介质及程序产品
CN102541736A (zh) 一种软件可靠性执行过程加速测试方法
CN113268403A (zh) 时间序列的分析预测方法、装置、设备及存储介质
CN107783881A (zh) 基于内存队列的网站动态性能监控方法及系统
CN114895773A (zh) 异构多核处理器的能耗优化方法、系统、装置及存储介质
CN109471862A (zh) 数据处理方法及装置、电子设备、存储介质
Rahman et al. Automatic clustering of sequential design behaviors
Wang et al. Estimating multiclass service demand distributions using Markovian arrival processes
CN113220547B (zh) 一种基于仿真的复杂软件系统可靠性指标确定方法
CN115841343A (zh) 一种销售额度的确定方法及装置
Okanlawon et al. Feature selection for learning to predict outcomes of compute cluster jobs with application to decision support
CN113836005A (zh) 一种虚拟用户的生成方法、装置、电子设备和存储介质
CN112070487A (zh) 基于ai的rpa流程的生成方法、装置、设备及介质
CN111679924A (zh) 构件化软件系统可靠性仿真方法、装置及电子设备
CN117539948B (zh) 基于深度神经网络的业务数据检索方法及装置
CN117112245B (zh) 一种基于设备联动的多线程同步创建方法和系统
CN118312399B (zh) 一种测试环境检测方法及电子设备和计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant