-
公开(公告)号:CN113868113B
公开(公告)日:2024-09-06
申请号:CN202110689058.1
申请日:2021-06-22
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Actor‑Critic算法的类集成测试序列生成方法,属于软件测试技术领域。包括下列步骤:1)定义目标任务;2)程序静态分析;3)度量测试桩复杂度;4)设计奖励函数;5)Actor网络选择动作;6)Critic网络评价动作的优劣;7)更新网络参数;8)生成类集成测试序列。本发明解决了目前已有的类集成测试序列生成方法评估确定类集成测试序列花费的总体代价偏高的问题,为实际生产生活中测试人员开展测试工作提供了更为合理的测试序列生成方法,提升了集成测试的效率,可以更好地控制产品的质量。
-
公开(公告)号:CN119414717A
公开(公告)日:2025-02-11
申请号:CN202411549844.1
申请日:2024-11-01
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明提供一种具有分段不连续输出约束的非线性系统跟踪控制方法,以解决在系统开始运行的一段时间内,约束边界函数在某个时刻是不连续但有界的问题,并且解决系统输出在某个时刻不受约束限制的问题。不同于现有大多方法中要求约束边界函数及其高阶导数连续且有界,本发明仅需要转换后的约束边界函数及其一阶导数连续且有界,放宽对约束边界函数的要求,极大提高控制策略的实用性,以及降低控制器的复杂度和计算负担。此外,通过改变不连续的时刻,无需改变控制器结构和设计参数,所提出的控制策略也可以适用其他约束情形,如连续的约束条件、在特定时刻不连续的约束条件,以及在某个时刻系统输出不受约束限制,进一步增强控制策略的实用性。
-
公开(公告)号:CN117724336B
公开(公告)日:2024-06-11
申请号:CN202311736797.7
申请日:2023-12-18
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态和估计参数触发的机器人系统跟踪控制方法,如下:首先建立具有n关节的机器人系统动力学模型;然后构建由状态触发和估计参数触发共同构成的双事件触发机制;接着在未考虑任何事件触发机制的情况下设计常规的神经网络自适应控制器;随后基于该控制器结构设计基于双事件触发机制的神经网络自适应控制方案;最后建立关于所构建的双事件触发机制带来的误差的限制性条件,通过结合该限制性条件和李雅普诺夫稳定性理论分析出系统的稳定性。本发明的基于双事件触发机制的神经网络自适应控制方法不存在芝诺现象,不仅能够保证关节角位移紧密地跟踪期望轨迹,而且可以显著减少传感器到控制器之间的信号传送负担和计算负担。
-
公开(公告)号:CN117724336A
公开(公告)日:2024-03-19
申请号:CN202311736797.7
申请日:2023-12-18
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态和估计参数触发的机器人系统跟踪控制方法,如下:首先建立具有n关节的机器人系统动力学模型;然后构建由状态触发和估计参数触发共同构成的双事件触发机制;接着在未考虑任何事件触发机制的情况下设计常规的神经网络自适应控制器;随后基于该控制器结构设计基于双事件触发机制的神经网络自适应控制方案;最后建立关于所构建的双事件触发机制带来的误差的限制性条件,通过结合该限制性条件和李雅普诺夫稳定性理论分析出系统的稳定性。本发明的基于双事件触发机制的神经网络自适应控制方法不存在芝诺现象,不仅能够保证关节角位移紧密地跟踪期望轨迹,而且可以显著减少传感器到控制器之间的信号传送负担和计算负担。
-
公开(公告)号:CN113868113A
公开(公告)日:2021-12-31
申请号:CN202110689058.1
申请日:2021-06-22
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Actor‑Critic算法的类集成测试序列生成方法,属于软件测试技术领域。包括下列步骤:1)定义目标任务;2)程序静态分析;3)度量测试桩复杂度;4)设计奖励函数;5)Actor网络选择动作;6)Critic网络评价动作的优劣;7)更新网络参数;8)生成类集成测试序列。本发明解决了目前已有的类集成测试序列生成方法评估确定类集成测试序列花费的总体代价偏高的问题,为实际生产生活中测试人员开展测试工作提供了更为合理的测试序列生成方法,提升了集成测试的效率,可以更好地控制产品的质量。
-
-
-
-