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。

针对航天嵌入式系统中高可靠性数值计算软件易受浮点缺陷影响的问题，提出了一种基于静态符号执行的浮点数值软件缺陷分析方法。该方法通过符号化构建浮点表达式，引入区间运算与约束传播，并对数学函数进行符号建模，实现了对浮点缺陷的精确检测。实际应用于浮点数值软件和航天软件测试后，有效提升了检测准确性与效率，成功发现多个真实缺陷，并得到开发人员确认，显著提高了航天软件的可靠性。

提出了一套满足型号软件要求通用、能够快速计算和支撑功能丰富的运载火箭弹道规划系统设计方法。该系统由规划计算、综合管理、综合分析、规划数据库和可视化等5个模块构成。通过架构设计与算法优化，解决了运载火箭弹道规划中计算效率、通用性及决策协同的关键矛盾，为高密度发射任务提供了可扩展的技术支撑，具有一定的工程应用价值。

装备异常时序数据生成是工业智能运维领域的核心挑战之一。针对传统装备数据生成方法在异常生成中存在的潜在空间耦合性强、物理规律违背及异常模式单一等问题，提出一种因果解耦的变分自编码器方法，通过引入因果图约束潜在变量独立性和嵌入物理方程作为解码器先验知识，并结合动态扰动策略生成多样化异常数据，实现了装备异常时序数据集的智能化生成。实验表明，该方法在单因精确控制、拟合时间维故障传播以及物理约束可控性方面具有良好的适应性。在多个跨领域公共评测数据集上，生成异常数据的物理合理性、可解释性和检测模型训练效果均显著优于现有方法。

随着信息化技术的快速发展和产品复杂性的显著增加，实物实验的成本不断攀升，仿真技术成为系统设计优化的关键工具。然而，传统仿真算法在调度过程中存在计算资源消耗大、全局优化难及适应性差等问题。针对这些问题，本文提出了一套基于深度强化学习的通用仿真算法调度平台方案，包括基于SAC的任务清单分发算法和基于DQN的计算任务调度算法。SAC算法通过智能决策将任务分发至计算节点，优化任务执行效率；DQN算法则通过经验分类方法提升计算节点的自主调度能力，提高资源利用率。实验结果表明，所提出的算法在任务完成时间和资源利用率方面均优于传统算法，验证了其有效性和先进性。

针对航天装备测发控系统软硬件耦合紧密、规模大、复杂度高的现状，提出了分层解耦的软件定义测发控系统架构。通过中间件技术，实现测发控系统硬件资源的高度整合和抽象，支持应用软件根据用户需求以组件的形式动态加载重构。该架构具备硬件按需扩展、软件灵活延展的能力，提高了测发控系统资源利用率、任务灵活度和系统可靠性。

作为影响安全苛刻系统的重要因素，软件安全性问题日益受到关注。本文结合航天嵌入式软件工程实践，以软件安全性需求为线索，聚焦典型安全性问题，从源代码安全性质的形式化验证、软件安全性需求的自动化测试两个维度，分析总结了包括安全性专项分析、源代码静态分析、源代码模型检测、基于故障模型的安全性测试及关键字驱动的自动化测试等若干关键技术，提出了完整的航天嵌入式软件安全性验证的技术解决方案，研制了自主可控的软件保证支撑平台及工具，以系统提升航天嵌入式软件的可信保证能力。

针对航天装备全系统测试数据和履历信息、环境数据等多源、异构海量数据信息，建立基于数据的健康管理系统。实现对测试数据、产品履历数据及环境数据的集成存储、模型分析和健康评估。系统基于服务化的架构设计，通过信息采集与处理实现对装备测试数据的集成与管理，通过轻量化的分布式列存储方式构建高可靠试验数据存储与管理底座。针对系统和关键单机的健康状态，给出基于算法模型的趋势分析、寿命预测和维修决策信息，进行分层级态势展示。实现全系统和关键单机的健康状态评估、健康趋势分析、寿命预测和维修决策支持等，为装备数据健康管理提供了一种解决方案。