单元测试用于检验软件单一模块的功能是否正确,是软件开发过程中的重要步骤,可以及时发现代码中的缺陷,提升软件的质量和可信度.由于手动编写单元测试费时费力,经常遗漏覆盖重要的代码逻辑.为此,研究者提出单元测试用例自动生成技术.近...单元测试用于检验软件单一模块的功能是否正确,是软件开发过程中的重要步骤,可以及时发现代码中的缺陷,提升软件的质量和可信度.由于手动编写单元测试费时费力,经常遗漏覆盖重要的代码逻辑.为此,研究者提出单元测试用例自动生成技术.近来,预训练大语言模型(large language models,LLM)已经广泛应用于代码生成相关任务.然而,当前在重要的系统级编程语言C上,还没有相关工作.为了填补这一空白,本文面向C程序设计并实现了基于LLM的单元测试用例生成方法LLM4CUTCG.该方法结合LLM多智能体交互和程序分析技术,客服了LLM内在问题.为了验证方法效果,收集了125个C语言目标程序,并针对这些程序生成测试用例.实验结果表明,LLM4CUTCG生成的测试行覆盖率为91.71%,测试预言正确率为50.05%.其覆盖率优于传统方法符号执行.展开更多
为了实现卫星平台的超静,针对卫星平台上最大的扰振来源,研究磁悬浮控制力矩陀螺的极微振动控制问题.通过对磁悬浮高速转子、径向磁轴承进行建模与分析,设计了基于振动传递终端力检测的磁悬浮控制力矩陀螺(magnetic suspension control ...为了实现卫星平台的超静,针对卫星平台上最大的扰振来源,研究磁悬浮控制力矩陀螺的极微振动控制问题.通过对磁悬浮高速转子、径向磁轴承进行建模与分析,设计了基于振动传递终端力检测的磁悬浮控制力矩陀螺(magnetic suspension control moment gyro,MSCMG)低扰振控制方法.该方法通过测量高速转子产生的振动力与振动传递终端所受的振动力之间的传递矩阵,根据传递矩阵计算补偿电流以抑制MSCMG的同频振动力.仿真与微振动实验结果表明:在MSCMG低速框架锁定的情况下,提出的补偿控制方法使MSCMG的同频振动力降低了97.5%.该方法有助于实现MSCMG的极微振动控制,并最终实现卫星平台超静.展开更多
吸气式电推进(air-breathing electric propulsion,ABEP)系统使用超低轨道大气作为工质,可突破推进剂携带量对卫星使用寿命的限制瓶颈,是超低轨卫星实现长期驻留的关键技术途径之一.本文采用直接模拟蒙特卡罗(direct simulation Monte C...吸气式电推进(air-breathing electric propulsion,ABEP)系统使用超低轨道大气作为工质,可突破推进剂携带量对卫星使用寿命的限制瓶颈,是超低轨卫星实现长期驻留的关键技术途径之一.本文采用直接模拟蒙特卡罗(direct simulation Monte Carlo,DSMC)计算方法,对二维的ABEP进气道模型进行模拟.设定壁面碰撞模型为完全漫反射,在进气道的进口直径保持定值的前提下,改变进气道的长纵比、出口锥角、栅格长度和栅格层数,以分别探究这些影响因素单一作用下的进气道性能变化规律.在单一影响规律的前提下,利用遗传算法进行多目标优化,得到符合设计要求的高性能进气道设计参数,通过权重分配实现了典型高度下进气道设计中收集效率与压缩比的最优解.本研究对大气收集器产品的工程化应用具有指导意义.展开更多
为解决人形机器人在单一策略模型下同时学习多样化全身运动技能时,不同技能过渡过程中动作完成质量与动作间连贯性难以兼顾的难题,提出了一种单模型多技能高效模仿学习(single model imitation learning for multi-skill efficiency,SMI...为解决人形机器人在单一策略模型下同时学习多样化全身运动技能时,不同技能过渡过程中动作完成质量与动作间连贯性难以兼顾的难题,提出了一种单模型多技能高效模仿学习(single model imitation learning for multi-skill efficiency,SMILE)方法.该方法结合目标条件强化学习与生成对抗模仿学习,实现高效的全身运动策略生成.通过在奖励函数中引入偏好奖励,引导策略兼顾不同技能间的动作特性差异,有效降低策略陷入次优解的风险;通过基于失败次数的优先采样方法,自适应提高策略表现较差样本的采样概率,进一步提升学习多样化技能的效率与性能.仿真结果表明,SMILE方法可使人形机器人掌握包括站立、深蹲、行走、跃坎、俯身详察、捡拾物体等多种类人全身技能,且能够在不同技能之间实现连贯的过渡,成功率达到93.33%.在消融实验中,去除偏好奖励或基于失败次数的优先采样方法后,成功率分别降至53.33%和73.33%,训练效率也明显降低.与基于目标条件强化学习的全身运动策略生成方法相比,SMILE方法缓解了多技能训练过程中原有技能遗忘或性能退化现象.SMILE方法有效缓解了不同技能特性差异导致策略优化存在的冲突,而且兼顾了技能间过渡动作质量与连贯性,为人形机器人多技能模仿学习提供了新思路.展开更多
文摘单元测试用于检验软件单一模块的功能是否正确,是软件开发过程中的重要步骤,可以及时发现代码中的缺陷,提升软件的质量和可信度.由于手动编写单元测试费时费力,经常遗漏覆盖重要的代码逻辑.为此,研究者提出单元测试用例自动生成技术.近来,预训练大语言模型(large language models,LLM)已经广泛应用于代码生成相关任务.然而,当前在重要的系统级编程语言C上,还没有相关工作.为了填补这一空白,本文面向C程序设计并实现了基于LLM的单元测试用例生成方法LLM4CUTCG.该方法结合LLM多智能体交互和程序分析技术,客服了LLM内在问题.为了验证方法效果,收集了125个C语言目标程序,并针对这些程序生成测试用例.实验结果表明,LLM4CUTCG生成的测试行覆盖率为91.71%,测试预言正确率为50.05%.其覆盖率优于传统方法符号执行.
文摘为了实现卫星平台的超静,针对卫星平台上最大的扰振来源,研究磁悬浮控制力矩陀螺的极微振动控制问题.通过对磁悬浮高速转子、径向磁轴承进行建模与分析,设计了基于振动传递终端力检测的磁悬浮控制力矩陀螺(magnetic suspension control moment gyro,MSCMG)低扰振控制方法.该方法通过测量高速转子产生的振动力与振动传递终端所受的振动力之间的传递矩阵,根据传递矩阵计算补偿电流以抑制MSCMG的同频振动力.仿真与微振动实验结果表明:在MSCMG低速框架锁定的情况下,提出的补偿控制方法使MSCMG的同频振动力降低了97.5%.该方法有助于实现MSCMG的极微振动控制,并最终实现卫星平台超静.
文摘吸气式电推进(air-breathing electric propulsion,ABEP)系统使用超低轨道大气作为工质,可突破推进剂携带量对卫星使用寿命的限制瓶颈,是超低轨卫星实现长期驻留的关键技术途径之一.本文采用直接模拟蒙特卡罗(direct simulation Monte Carlo,DSMC)计算方法,对二维的ABEP进气道模型进行模拟.设定壁面碰撞模型为完全漫反射,在进气道的进口直径保持定值的前提下,改变进气道的长纵比、出口锥角、栅格长度和栅格层数,以分别探究这些影响因素单一作用下的进气道性能变化规律.在单一影响规律的前提下,利用遗传算法进行多目标优化,得到符合设计要求的高性能进气道设计参数,通过权重分配实现了典型高度下进气道设计中收集效率与压缩比的最优解.本研究对大气收集器产品的工程化应用具有指导意义.
文摘为解决人形机器人在单一策略模型下同时学习多样化全身运动技能时,不同技能过渡过程中动作完成质量与动作间连贯性难以兼顾的难题,提出了一种单模型多技能高效模仿学习(single model imitation learning for multi-skill efficiency,SMILE)方法.该方法结合目标条件强化学习与生成对抗模仿学习,实现高效的全身运动策略生成.通过在奖励函数中引入偏好奖励,引导策略兼顾不同技能间的动作特性差异,有效降低策略陷入次优解的风险;通过基于失败次数的优先采样方法,自适应提高策略表现较差样本的采样概率,进一步提升学习多样化技能的效率与性能.仿真结果表明,SMILE方法可使人形机器人掌握包括站立、深蹲、行走、跃坎、俯身详察、捡拾物体等多种类人全身技能,且能够在不同技能之间实现连贯的过渡,成功率达到93.33%.在消融实验中,去除偏好奖励或基于失败次数的优先采样方法后,成功率分别降至53.33%和73.33%,训练效率也明显降低.与基于目标条件强化学习的全身运动策略生成方法相比,SMILE方法缓解了多技能训练过程中原有技能遗忘或性能退化现象.SMILE方法有效缓解了不同技能特性差异导致策略优化存在的冲突,而且兼顾了技能间过渡动作质量与连贯性,为人形机器人多技能模仿学习提供了新思路.
