面向可信嵌入式装备的研制需要，采用自主可信根、龙芯处理器、昆仑固件及SylixOS全国产技术栈设计了一个可信嵌入式硬件平台。在此基础上，基于主动防御思想，研究并设计了一种软件代码的运行时动态可信校验机制，可在程序启动、运行时进行身份及代码合法性的即时校验，由此避免非法程序或者是被篡改代码的执行。最后，构建了可信嵌入式平台并对相关设计进行了验证。实践证明，所研究方法可有效提升装备软件的可信能力。
介绍了一种面向多架构嵌入式处理器的通用程序解析与测试覆盖分析技术，包括面向不同架构编译器的程序信息解析和通用数据存储结构、一种快速的程序信息检索算法和通用测试覆盖率分析架构。以新一代运载火箭型号箭上的多个嵌入式软件为验证目标，开展本文各技术点的验证工作，验证结果表明本方法兼容多种编译器规范和处理器架构，提供的通用覆盖率测试框架可以兼容主流嵌入式处理器测试覆盖分析需求。本文提出的方法具备可扩展性，将来可以拓展应用在新目标处理器架构的软件上。
软件工厂是航天软件高效研发的重要载体，其前端组件的动态交互与实时更新直接影响开发效率与资源利用率。传统固定时间间隔刷新机制易引发资源浪费或数据延迟问题，现有半自动调整方法难以适配软件工厂多组件类型、跨网及多环境部署等复杂场景。本文提出一种前端组件自适应刷新算法，通过组件差分比对获取变化值，构建融合短期变化趋势与长期平均水平的CVI指数以量化业务数据波动性，并设计场景化调整策略。该算法可适配多团队协作及组件高频复用等场景，有效平衡资源消耗与响应效率，为软件工厂高效运转提供支撑。
随着航天领域应用规模的不断扩大，复杂装备的健康管理正由定期维护转向基于数据驱动的预测性维护。本文提出一种数据驱动的异常检测框架TS-ADF，通过多维运行数据的正常模式建立、重构分析与特征融合，实现对潜在异常的有效识别。具体包括：利用密度峰值聚类进行初步筛选，结合长短期记忆自编码器（LSTM-AE）捕捉时间序列的深层特征，并通过时频分析与参数变化分析验证异常点。实验结果表明，该方法能够有效识别异常，为装备的智能健康管理与预测性维护提供支持。
针对基于图像分割的自然场景文本检测算法容易产生过分割与文本粘连的问题，提出一种基于跨层次注意力机制的自然场景文本检测算法。该算法通过设计跨层次注意力模块，增强网络对高分辨率特征图中的关键特征与上下文信息的关注度，提升对碎片文本的整合能力；通过设计特征分解重组模块，将融合特征分解为高频项和低频项，提升网络区分文字边界区域的能力。将两个模块加入到基线模型后，在两个主流数据集上进行性能测试，实验结果超越了当前的主流算法，与基线模型相比漏检率与虚警率均有所降低。
为统一静态测试工具使用，结合静态工具自动化、平台化特点，设计了一种静态测试多工具协同分析框架，支持多工具分布式部署和并行化分析；提出了一种基于分布式架构的测试任务远程驱动技术，形成测试任务队列模式和工具调度机制，实现了远程驱动工具分析的程序控制；构建了多源信息融合技术，实现多工具分析结果的归一与筛选融合。将这些技术应用于航天各领域静态测试中，有效提升了测试效率和测试质量。
车辆轮轴温度过高会导致一系列影响车辆行驶安全的问题，是评价特种车辆的环境适应性的重要指标。本文提出了一种基于热平衡模型的装备轴温预测方法，通过建立车辆轮轴的热量变化微分方程，使用采集的实验数据拟合方程中的参数并优化方程结构，实现了误差小于3℃的轮轴温度预测，解决了预测不同环境下特种车轴温变化情况的问题。
针对当前运载火箭飞行程序协同设计效率不足的难题，提出基于MBSE的运载火箭飞行时序建模方法，研究MBSE框架下火箭飞行时序的协同设计机制。以典型两级构型单芯级火箭为对象，分析火箭生命周期中不同飞行阶段的组织关系，提出层级化飞行时序建模总方案。针对每一层级，根据飞行时序指令骨架构成方式，提出飞行时序指令信号元模型构建方法。据此，设计了基于元模型的火箭全流程飞行时序MBSE模型。面向MBSE框架下飞行时序的协同设计，设计了基于模型分发与合并机制的火箭飞行时序的协同设计，为全面开展火箭数字化设计转型奠定基础。
针对软件需求文档缺少边界条件及异常处理等隐式测试场景导致测试覆盖率低的问题，提出一种代码增强需求分析方法。该方法通过语义向量相似度和大语言模型（LLM）验证建立代码-需求关联，从函数调用链中提取5类隐式测试场景（边界条件、错误处理、资源管理、状态转换及性能压力）增强需求描述，将增强需求分解为测试功能点并生成场景驱动的测试用例。在开源项目上的实验表明，CERA方法相比直接使用LLM的基线方法，在综合测试质量及测试需求覆盖率等指标上均有显著提升，同时保持较高的API测试准确率。消融实验验证了场景提取、两阶段匹配策略和BERT粗筛3个核心组件的有效性。该方法在解析类库和嵌入式系统上均展现良好的适应性，特别适用于第三方测试和验收测试场景。
针对传统时序预测模型在精度方面的不足，提出一种基于集成学习的iTransformer-XGBoost的智能预测模型。首先，利用皮尔逊相关系数筛选影响时序数据的关键特征，构建优化的输入数据集；然后，通过iTransformer模型建模时间序列中的长期依赖关系，获得初步预测结果；同时，引入XGBoost算法实现对时序数据的非线性建模；最后，融合iTransformer与XGBoost的预测结果进行阈值组合策略判断，确定双模型的组合结果，从而提升整体的预测性能。本文通过引入光伏功率相关数据进行模型验证，实验结果表明，该模型在时序数据预测中具有更高的精度和稳定性，显著优于传统方法，后续可推广于航天光伏应用场景。
描述了一种面向航天发射系统动态故障模式的表达和形式化验证方法。通过该方法设计的动态故障模型可以使航天领域实时故障诊断系统具备针对复杂和多样性故障特征的诊断能力。动态故障模型由时态征兆表达，然而，时态征兆的复杂度和抽象程度导致其本身难以通过人工分析或者测试的方式进行验证。通过时态逻辑公式描述时态征兆的语义，使得可以通过形式化的模型检验方法来验证故障模型的正确性，这个验证过程是可通过模型检验工具自动化执行的。并且，动态故障模型不需要形式化的描述，领域专家构建故障模型时只需要关注业务领域的问题。在航天工程实践中，通过模型检验方法自动化地验证故障模型的特征属性，为领域专家设计故障模型提供了可靠的和可验证的数学化方法。
针对含天线罩误差的捷联相控阵导引头制导信息提取问题，研究了一种基于卡尔曼滤波的制导信息提取方法。首先，在体视线系下建立相对运动模型，并将天线罩误差斜率建立在相对运动模型中，对于机动目标，采用Singer机动模型进行建模，将离线测得的天线罩误差斜率作为已知量，对具有测角观测量的系统进行能观性分析，为含天线罩误差的制导信息提取提供理论依据；其次，对于陀螺和波控滞后引起的隔离度问题，采用陀螺延时补偿的方法降低弹体姿态扰动的影响；最后，针对陀螺和波控滞后进行陀螺延时补偿的隔离度仿真对比，并针对高空拦截机动目标场景进行仿真验证。仿真结果表明，天线罩误差补偿后，导弹隔离度性能提升，高空拦截机动目标具有较小的脱靶量。
