基于模型验证检测软件系统中智能模型的缺陷数据

发布时间：2021-01-19 23:59

　　智能软件系统能够学习新需求并控制系统调整自身的行为以适应环境变化。该类软件系统通常由传统组件和智能组件两部分组成,传统组件反映了系统的确定性需求,而智能组件负责在动态的环境下做出最优的行为决策。同时智能组件的加入也给软件系统带来了诸多不确定性因素,如何保证其质量具有重要研究意义。目前,研究者在保证智能软件系统质量的工作中,主要考虑了需求不确定、结构不确定等因素,但缺乏对构成智能组件的数据质量不确定的关注。本文主要研究了缺陷数据对智能软件系统质量的影响,数据来源于构成智能组件的神经网络训练集。我们的工作分为两个方面,一是对智能软件系统进行模型验证:首先根据已经确定的需求建立Petri网模型,根据样本数据训练神经网络,整合两部分构建自适应Petri网模型以描述智能软件系统;然后针对模型的智能组件部分即训练得到的神经网络,提取出模糊规则并转化为Petri网,以此得到一个混合的Petri网模型;最后用混合自动机描述该混合Petri网模型,并利用KeYmaera工具验证该系统属性。二是通过模型验证的结果定位到缺陷数据:为了达到这一目的,对整个模型验证过程进行逆向分析。首先从模型验证工具产生的报告... 

【文章来源】：浙江理工大学浙江省

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 智能软件系统模型检查、验证的研究
        1.2.2 智能模型中缺陷数据检测的研究
    1.3 本文研究内容和方法
    1.4 论文组织结构
2 预备知识
    2.1 Petri网
    2.2 神经网络
    2.3 模糊规则
    2.4 本章小结
3 智能软件系统的建模与验证
    3.1 基于自适应Petri网的建模
        3.1.1 确定性需求建立Petri网
        3.1.2 样本数据训练神经网络
        3.1.3 建立自适应Petri网模型
    3.2 模型转化：从自适应Petri网模型到混合系统模型
        3.2.1 从神经网络提取模糊规则
        3.2.2 模糊规则和Petri网的对应关系
    3.3 混合系统的模型验证
    3.4 本章小结
4 定位缺陷数据
    4.1 由属性定位缺陷部分
    4.2 由缺陷部分定位模糊规则
    4.3 由模糊规则定位数据
    4.4 本章小结
5 实例分析
    5.1 引例
    5.2 智能制造系统的自适应Petri网模型
    5.3 智能制造系统的模型验证
    5.4 智能制造系统的缺陷数据追踪
    5.5 本章小结
6 总结与展望
参考文献
附录
致谢



本文编号：2987942