随着软件在武器装备中地位的提升,我军对软件质量的要求越来越高。软件可靠性作为通用质量特性中的重要组成部分,也受到了更多的关注。软件可靠性评估是软件可靠性工程过程活动中对可靠性水平进行直接评价的关键环节,但在实际的应用中,却难以真正投入生产工作。主要问题在于软件的失效数据不足,且单一软件可靠性模型的适用性不强。针对以上问题,本文提出了一种软件失效数据补充方法,提高了软件可靠性测试、评估的效率;建立了一种基于神经网络的软件可靠性模型,在模型的准确性上进行了提升;实现了模型的工具化,推进软件可靠性评估投入生产实践。本文的主要研究内容包括以下三点:(1)提出了软件失效数据的补充方法。本文首先梳理分析了目前软件失效数据面临的问题,通过引入系统测试、确认测试的失效数据和用例,对失效数据进行补充,缓解了由于失效数据不足而导致可靠性评估无法开展的问题。(2)提出了一种基于神经网络的软件可靠性模型。本文对经典的软件可靠性模型展开了研究,从中选取了恰当的模型作为组合模型的基模型,将神经网络算法引入了基模型权重的自动配置过程,使模型的预测精度得到了提高。本文将多种神经网络算法应用于软件可靠性模型评估并进行验证,对比它们的预测精度,证实了本文模型的有效性和优越性。(3)实现了模型的工具化。本文将提出的软件可靠性模型实现了工具化,把理论研究成果转化为了一个可以使用的原型工具,促进了软件可靠性评估进一步在生产实践中的应用。