14、安全案例维护方法综述

安全案例维护方法综述

1. 研究方法

1.1 手动搜索

在安全案例维护相关研究中,手动搜索是重要的一环。首先,依据筛选标准,从众多出版物中初步选出了 13 篇。在此基础上,凭借专业知识,又额外增加了 3 篇探讨不同方法的出版物,以及 2 篇介绍 AMASS 平台不同功能的成果。
接着,对特定会议和研讨会的论文集进行手动搜索,时间范围设定在 2000 - 2020 年。这些会议和研讨会被认为与安全工程研究高度相关,包括国际可靠系统与网络会议(DSN)、国际可靠软件技术会议(Ada - Europe)等多个会议及其卫星研讨会。经过筛选,确定了 19 篇展示已有方法额外功能的出版物,同时还引入了 6 种新方法。

1.2 自动搜索与滚雪球法

使用特定搜索字符串在多个数据库进行自动搜索,数据库涵盖 ACM 数字图书馆、IEEE、Springer、Elsevier、Google Scholar 和 dblp 等。搜索字符串基于已纳入研究的出版物中出现频率较高的词汇确定,具体如下:

(“safety case” AND “maintenance”) OR (“assurance case” AND “maintenance”) OR 
(“safety case” AND “change”) OR (“assurance case” AND “change”) OR 
(“safety case” AND “evolution”) OR (“assurance cases” AND “evolution”)

此次搜索得到了 3 篇选定的出版物。为了

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值