【摘 要】
:
航天航空,医疗机构,汽车电力,化工工厂,银行金融等领域都离不开实时系统的运作,并且这些系统大多为安全攸关系统,它们需要经过严格的建模、分析和验证才能保证系统的正常工作。对嵌入式实时系统来说,其会受到外界条件的影响从而发生不确定的行为,例如任务执行时间发生改变以及周期任务会产生偏移和抖动。因此对这些系统进行建模与验证时是需要考虑这些因素的。本文提出一种基于任务的对实时系统中不确定行为进行建模与验证的
论文部分内容阅读
航天航空,医疗机构,汽车电力,化工工厂,银行金融等领域都离不开实时系统的运作,并且这些系统大多为安全攸关系统,它们需要经过严格的建模、分析和验证才能保证系统的正常工作。对嵌入式实时系统来说,其会受到外界条件的影响从而发生不确定的行为,例如任务执行时间发生改变以及周期任务会产生偏移和抖动。因此对这些系统进行建模与验证时是需要考虑这些因素的。本文提出一种基于任务的对实时系统中不确定行为进行建模与验证的方法。该方法使相关人员能依据系统中对任务的规格描述直接进行建模,并能表达系统中的不确定性行为,同时也能基于这种建模方式对系统要满足的性质进行验证。该方法相比于传统的基于状态的形式化方法,其不仅能够表达系统中存在的不确定行为并且在验证时也不被物理时钟局限,同时也在一定程度上减少了使用者对系统进行建模与验证的学习成本与使用难度。本文首先对系统的任务规格进行分析,通过任务中存在的三种不确定性时序行为对基础任务模型进行扩展从而使其能够表达不确定行为,再结合系统中任务之间的依赖关系定义系统模型。然后对系统需要满足的安全需求进行分析,并使用时钟约束描述语言来形式化表达系统中的不应该出现的行为。最后将系统模型转换为时钟约束模型并采用基于有界模型检验的方式来对系统进行安全性验证。最后使用本文提出的方法对三个嵌入式实时系统进行建模与验证,通过实验的方式证明了该方法的可行性与有效性。
其他文献
2018年初《普通高中生物学课程标准(2017年版)》正式公布,新一轮的基础教育课程改革在借鉴国外成功经验的基础上,研制了我国高中生物学课程设计的宗旨——生物学学科核心素养。这样的教育目标体现了国家意志和社会发展对生物学科培育人才的价值需求,也是学生在学习生物学的过程中需要逐步形成的生物学观点、思维方式和解决人类生活问题的技能。如何在将核心素养渗透到课堂教学中,实现新课标的要求和学科的育人价值,是
近年来,闪存存储设备凭借其高性能和低功耗等诸多优势,被广泛应用于个人电脑、服务器、数据中心、移动设备中,是一种非常有前景的存储设备。然而,闪存存储设备拆解和开发难度大、成本高,想要通过真实设备进行学习和研究都非常困难。仿真是一种经济便捷的替代方式,目前学术界已经有多款功能强大的闪存存储设备仿真软件。然而这些仿真软件都是为专业人员设计的,主要用于研究,软件的使用需要建立在熟悉闪存存储设备的基础上,学
环境感知是工程车辆智能化的基础,检测路面的障碍并进行尺寸估计有助于规避潜在的危险,降低事故的风险。基于激光雷达的三维目标检测技术已日渐成熟,然而激光雷达昂贵的价格限制了相关技术在实际工业生产、生活中的落地。针对此问题,论文提出使用常见的单目摄像机替代昂贵的激光雷达。首先通过构建自监督的单目深度估计模型预测深度图,然后将其转换为伪点云,最后基于伪点云实现道路障碍的检测与尺寸估计。针对深度估计和伪点云
伴随着互联网的快速发展,非结构化的文本数据快速增长,如何高效精准地定位关键词,成为了我们探索的一个重要科研方向。作为信息抽取的主要研究方向,关系抽取正在知识图谱、网页搜索等方面发挥着巨大的作用。得益于启发式的远程监督方法,远程监督关系抽取可以在无需人工帮助的情况下自动识别实体对关系。随着机器学习和深度学习的快速发展,关系抽取利用卷积神经网络提高了预测的准确率。尽管如此,现有的模型依然存在以下问题:
近年来,机器翻译技术的快速发展为不同国家人民之间的交流带来了极大的便利。机器翻译指将一种模态的语言表示转化为另一种语言表示,常见的机器翻译技术将源语言的文本或者语音信号翻译成目标语言的文本。但是,由于语言的多样性和语义表达的歧义现象,仅仅依靠单源信息作为输入的神经机器翻译模型常常发生错误翻译。随着多模态学习和相关交叉领域的发展,不仅文本可以和图像信息或者词性信息等知识相结合,不同模态之间的信息互补
在对外汉语教学中,留学生的语言技能培养包括听、说、读、写、译等各方面,最终的教学目的是培养和提高留学生的汉语运用和交际能力,因此,口语教学在对外汉语教学中始终占据着无可替代的地位,尤其进入高级阶段后,对留学生的语篇表达能力提出更高要求。因此,如何有效提高高级口语课堂中留学生的参与度、学习积极性和语篇表达能力成为了目前需要解决的问题。国内已有一些学者借鉴国内外语言课堂的模式,将合作学习引入对外汉语教
神经网络模型通过构造非线性网络结构去捕捉文本中的情感特征,在文本情感分类任务有着不错的表现。但是该类方法有着诸多值得改进的地方。(1)每个模型凭借自身的特点抽取不同的特征,如何设计一个模型去利用这些特点去尽可能多的捕捉情感特征,避免文本信息的浪费值得研究。(2)用户评论往往并非长篇大论,而是简短有力的短文本,如何在较短的文本量下提高情感分析的准确率。(3)如何针对文本中不同的对象进行情感分析,而非