一种基于扩展的线性时段不变式的有界模型检验方法

    公开(公告)号:CN107292027A

    公开(公告)日:2017-10-24

    申请号:CN201710474771.8

    申请日:2017-06-21

    Applicant: 同济大学

    CPC classification number: G06F17/504 G06F2217/06

    Abstract: 本发明涉及一种基于扩展的线性时段不变式的有界模型检验方法,包括以下步骤:S1,根据给定离散时间语义下时间自动机T和扩展的线性时段不变式公式Φ,构建辅助自动机H;S2,在观测时间设定的范围内,检测各整数时间点的时间自动机T是否满足公式Φ,获取不满足公式Φ的状态的集合;S3,定义计算树时序逻辑公式,用于描述集合的性质;S4,检测时间自动机T和辅助自动机H的组成产品是否满足计算树时序逻辑公式,若不满足,则时间自动机T满足扩展的线性时段不变式公式Φ,否则时间自动机T不满足扩展的线性时段不变式公式Φ。与现有技术相比,本发明具有更加好的效率以及更加低的算法复杂度。

    一种线性系统的状态与未知输入估计方法

    公开(公告)号:CN107168925A

    公开(公告)日:2017-09-15

    申请号:CN201710474522.9

    申请日:2017-06-21

    Applicant: 同济大学

    CPC classification number: G06F17/11 G06F17/16

    Abstract: 本发明涉及一种线性系统的状态与未知输入估计方法,包括以下步骤:S1,获取带有未知输入的线性时变系统的输入向量和输出向量,引入辅助输出向量,使系统满足观测器匹配条件,然后设计高阶滑模观测器,得到辅助输出向量的估计;S2,将辅助输出向量的估计作为输出向量,将原系统的输入向量作为输入向量,构造新的线性时变系统及其降维观测器,对新的系统状态进行估计,并根据状态估计结果和步骤S1得到的辅助输出向量导数的估计,重构出未知输入与现有技术相比,本发明可以消除未知输入的影响并准确估计系统的状态,辅助输出的导数将用于重构未知输入,具有一定的科学理论意义与实际应用背景。

    一种基于UML-OPN建模的可重组制造系统分析方法

    公开(公告)号:CN107292043A

    公开(公告)日:2017-10-24

    申请号:CN201710515807.2

    申请日:2017-06-29

    Applicant: 同济大学

    CPC classification number: Y02P90/30 G06F17/5009 G06Q10/0639 G06Q50/04

    Abstract: 本发明涉及一种基于UML-OPN建模的可重组制造系统分析方法,包括以下步骤:S1,根据系统的制造资源,将系统划分为物理资源和逻辑资源;S2,以例图为基础,建立系统顺序时序图模型、状态图模型和活动交互图模型,由图模型组成单元模型,利用OPN中的库所、变迁及其相应的活动进行描述,建立物理资源模型;S3,利用UML建立逻辑资源模型;S4,建立触发规则,在UML相关视图模型与OPN物理资源模型之间形成映射链;S5,对OPN基础定义引入时间参数,根据引入的变迁时间的时间参数,对系统进行性能分析。与现有技术相比,本发明避免了模型转化造成的信息丢失和动态特性不完整的问题,提高了建模分析的准确性。

    一种测定水样或食品中氰化物的样品预处理方法

    公开(公告)号:CN107144455A

    公开(公告)日:2017-09-08

    申请号:CN201710411454.1

    申请日:2017-06-05

    Applicant: 同济大学

    Inventor: 郜洪文 张苗苗

    CPC classification number: G01N1/28

    Abstract: 本发明涉及一种测定水体或食品中氰化物的样品预处理方法,属于环境监测技术领域。在多功能样品处理仪反应管中加入25mL样品,在磷酸与乙二胺四乙酸二钠存在下,加热气提将水样中氰离子或络合态氰化物转变为氰化氢逸出,由碱吸收液吸收后,按照异烟酸‑巴比妥酸分光光度法进行显色、测量。本发明一改传统蒸馏法装置复杂、处理时间长、所需样品多、能耗大的缺点,本预处理仅15~25分钟,而且氰化物的吸收具有富集作用,氰化物检出限0.0003mg/L,灵敏度明显高于HJ484‑2009国标法。该方法操作简单、高效,氰化物回收完全,尤其适合于野外和现场快速检测水体或食品中氰化物。

    一种结合变异测试的时间自动机模型的一致性测试方法

    公开(公告)号:CN117149630A

    公开(公告)日:2023-12-01

    申请号:CN202311106383.6

    申请日:2023-08-30

    Applicant: 同济大学

    Abstract: 本发明提供了一种结合变异测试的时间自动机模型的一致性测试方法,包括以下步骤:步骤S1,假设模型为确定性单时钟时间自动机,基于假设模型生成大规模测试用例集合;步骤S2,通过时间变异算子生成第一变异体集合;步骤S3,从大规模测试用例集合中筛选出第一小规模测试用例子集;步骤S4,依次在假设模型和目标系统中执行第一小规模测试用例子集中的测试用例,比较执行结果是否相同,输出反例或进入步骤S5;步骤S5,通过位置分裂变异算子生成第二变异体集合;步骤S6,从大规模测试用例集合中筛选出第一小规模测试用例子集;步骤S7,依次在假设模型和目标系统中执行第二小规模测试用例子集中的测试用例,比较执行结果是否相同,输出反例或等价结果。

    结合PAC学习理论和主动学习的时间自动机模型的生成方法

    公开(公告)号:CN113553044B

    公开(公告)日:2022-06-21

    申请号:CN202110817891.X

    申请日:2021-07-20

    Applicant: 同济大学

    Abstract: 本发明提供了一种结合PAC学习理论和主动学习的时间自动机模型的生成方法,用于生成实时系统的单时钟时间自动机形式模型,其特征在于,包括:步骤S1,通过学习器初始化时间观察表;步骤S2,通过转换器处理时间观察表使其满足闭合性和一致性;步骤S3,基于时间观察表,通过学习器构建假设模型步骤S4,通过比较器比较假设模型的质量与稳定模型的质量,并判断是否找到反例;步骤S5,当步骤4判断为否时,通过教学器对假设模型进行PAC近似等价查询,并判断是否找到反例,当判断为否时,停止迭代,将假设模型作为结果模型;步骤S6,当步骤S4或步骤S5判断为是时,根据反例,更新时间观察表,并返回步骤S2。

    结合PAC学习理论和主动学习的时间自动机模型的生成方法

    公开(公告)号:CN113553044A

    公开(公告)日:2021-10-26

    申请号:CN202110817891.X

    申请日:2021-07-20

    Applicant: 同济大学

    Abstract: 本发明提供了一种结合PAC学习理论和主动学习的时间自动机模型的生成方法,用于生成实时系统的单时钟时间自动机形式模型,其特征在于,包括:步骤S1,通过学习器初始化时间观察表;步骤S2,通过转换器处理时间观察表使其满足闭合性和一致性;步骤S3,基于时间观察表,通过学习器构建假设模型步骤S4,通过比较器比较假设模型的质量与稳定模型的质量,并判断是否找到反例;步骤S5,当步骤4判断为否时,通过教学器对假设模型进行PAC近似等价查询,并判断是否找到反例,当判断为否时,停止迭代,将假设模型作为结果模型;步骤S6,当步骤S4或步骤S5判断为是时,根据反例,更新时间观察表,并返回步骤S2。

    一种针对Circom编译器功能正确性验证方法及系统

    公开(公告)号:CN120045457A

    公开(公告)日:2025-05-27

    申请号:CN202510118352.5

    申请日:2025-01-24

    Applicant: 同济大学

    Abstract: 本发明提供了一种针对Circom编译器功能正确性验证方法及系统,用于保障编译器基于Circom源代码的编译产物与源文件在约束一致性和计算一致性方面的正确性,包括以下步骤:S1,对Circom编译器调用的汇编函数进行验证;S2,对Circom源代码进行编译;S3,提取Circom源代码的抽象语法树;S4,解析抽象语法树,提取约束模型和计算模型;S5,解析R1CS文件,提取编译产物的约束模型;S6,提取编译产物的计算模型;S7,将源代码的约束模型与R1CS文件的约束模型进行等价验证;S8,对源代码和CPP文件的计算模型进行等价性验证;S9,证明Circom编译器能够正确编译该Circom源文件。

    需求不确定的混流生产线物流车辆调度区域优化方法

    公开(公告)号:CN107578197B

    公开(公告)日:2021-02-02

    申请号:CN201710556035.7

    申请日:2017-07-10

    Applicant: 同济大学

    Abstract: 本发明涉及需求不确定的混流生产线物流车辆调度区域优化方法,用以获取混流生产线中物流配送的区域划分方案,该方法包括以下步骤:1)定义物流配送车辆满载率和配送任务复杂度;2)获取多目标优化模型的约束条件,并根据物流配送车辆满载率和配送任务复杂度,以物流配送车辆平均满载率最大和配送任务复杂度指数最小为目标建立多目标优化模型;3)利用遗传算法对多目标优化模型进行求解,得到最优的分配方案。与现有技术相比,本发明具有保证配送车辆满载率的同时,降低配送任务的复杂度,避免需求不确定性因素累积导致的配送车辆状态不稳定,提高混流装配线物流调度的鲁棒性等优点。

    一种测定水样或食品中氰化物的样品预处理方法

    公开(公告)号:CN107144455B

    公开(公告)日:2019-08-06

    申请号:CN201710411454.1

    申请日:2017-06-05

    Applicant: 同济大学

    Inventor: 郜洪文 张苗苗

    Abstract: 本发明涉及一种测定水体或食品中氰化物的样品预处理方法,属于环境监测技术领域。在多功能样品处理仪反应管中加入25mL样品,在磷酸与乙二胺四乙酸二钠存在下,加热气提将水样中氰离子或络合态氰化物转变为氰化氢逸出,由碱吸收液吸收后,按照异烟酸‑巴比妥酸分光光度法进行显色、测量。本发明一改传统蒸馏法装置复杂、处理时间长、所需样品多、能耗大的缺点,本预处理仅15~25分钟,而且氰化物的吸收具有富集作用,氰化物检出限0.0003mg/L,灵敏度明显高于HJ484‑2009国标法。该方法操作简单、高效,氰化物回收完全,尤其适合于野外和现场快速检测水体或食品中氰化物。

Patent Agency Ranking