买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉哈尔滨工业大学(威海)申请的专利一种故障检测率对软件可靠性影响分析方法、系统及应用获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115391171B 。

龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210746599.8，技术领域涉及：G06F11/3668；该发明授权一种故障检测率对软件可靠性影响分析方法、系统及应用是由张策;孙智超;江文倩;王金勇;温雅菲;刘凯卫;范苗苗;李文毓设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本一种故障检测率对软件可靠性影响分析方法、系统及应用在说明书摘要公布了：本发明属于软件故障数据识别技术领域，公开了一种故障检测率对软件可靠性影响分析方法、系统及应用。所述故障检测率对软件可靠性影响分析方法包括以下步骤：分析同类型的故障检测率bt形式，针对单SRGM单FDS多FDR模式、多SRGM多FDS多FDR模式，利用信息熵联合TOPSIS决策算法，得出软件故障检测率函数对应的SRGM模型的偏序排序；分析FDR对于SRGM模型的性能影响因素，对实际软件测试过程中选择出故障检测率以建立距离的SRGM，实现测试资源分配和最优发布时间。本发明对于软件可靠性建模中的参数模型选择、确定最优发布时间等具有较强的指导作用。

本发明授权一种故障检测率对软件可靠性影响分析方法、系统及应用在权利要求书中公布了：1.一种故障检测率对软件可靠性影响分析方法，其特征在于，应用于信息数据处理终端，所述故障检测率对软件可靠性影响分析方法包括以下步骤： S1，分析同类型的故障检测率bt形式，包括共有常量型、FDR型、S型、指数型的多个表达式； S2，针对单SRGM单FDS多FDR模式、多SRGM多FDS多FDR模式，利用信息熵联合TOPSIS决策算法，得出软件故障检测率函数对应的SRGM模型的偏序排序； S3，分析FDR型表达式对于SRGM模型的性能影响因素，在实际软件测试过程中选择出故障检测率以建立距离的SRGM模型，实现测试资源分配和发布时间； 在S2中，所述单SRGM单FDS多FDR模式包括：在确定的SRGM模型下，通过改变其中的FDR，将多个bt函数代入mt中，用以观测此时的SRGM模型的性能； 将不同的FDR带入到SRGM模型中，通过观测得到的拟合与预测数值，并经过EvaluateFDREffectOnSRGM—SSSFMF决策算法给出FDR偏序排序结果； 所述EvaluateFDREffectOnSRGM—SSSFMF决策算法包括： 输入：遴选出的SRGM模型mt和失效数据集DS、故障检测率向量FDRSet＝[bt1,bt2,...,btm]、拟合与预测权重向量W； 输出：FDR偏序集合FDRSet； 在S2中，多SRGM多FDS多FDR模式包括： 1当面对多个确定的SRGM条件和多个FDS下，分组进行将多个bt函数带入mt中用以观测此时的SRGM性能； 2对于遴选出的多个SRGM和多个FDS，分为若干个组，在每一组内将不同的FDR带入到SRGM中，通过获取综合的拟合与预测数值，得到FDR的性能综合值； 3对每一组均进行上述步骤1-步骤2，得到多组不同FDR的性能综合值； 4最后经过EvaluateFDREffectOnSRGM—MSMFMF决策算法给出全部FDR的排序结果； 所述EvaluateFDREffectOnSRGM—MSMFMF决策算法包括： 输入：遴选出的SRGM模型集合SRGMSet和失效数据集集合DSSet、故障检测率向量FDRSet＝[bt1,bt2,...,btm]、拟合与预测权重向量W； 输出：FDR偏序集合FDRSet； 在单SRGM单FDS多FDR模式经过EvaluateFDREffectOnSRGM—SSSFMF决策算法给出FDR偏序排序结果中，以及在多SRGM多FDS多FDR模式的步骤4经过EvaluateFDREffectOnSRGM—MSMFMF决策算法给出全部FDR的排序结果中，所述EvaluateFDREffectOnSRGM—SSSFMF决策算法、EvaluateFDREffectOnSRGM—MSMFMF决策算法均采用基于TOPSIS的SRGM决策算法，所述基于TOPSIS的SRGM决策算法采用信息熵联合TOPSIS对所选SRGM模型进行排序，得出综合性能的SRGM，实现对故障检测率对软件可靠性影响进行分析。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人哈尔滨工业大学(威海)，其通讯地址为：264209 山东省威海市文化西路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。