CN106959683B - 分布式机器人系统的灰盒自主测试方法及系统 - Google Patents
分布式机器人系统的灰盒自主测试方法及系统 Download PDFInfo
- Publication number
- CN106959683B CN106959683B CN201710189936.7A CN201710189936A CN106959683B CN 106959683 B CN106959683 B CN 106959683B CN 201710189936 A CN201710189936 A CN 201710189936A CN 106959683 B CN106959683 B CN 106959683B
- Authority
- CN
- China
- Prior art keywords
- operating mode
- module
- topological network
- test
- case
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010998 test method Methods 0.000 title claims abstract description 11
- 238000012360 testing method Methods 0.000 claims abstract description 160
- 238000000034 method Methods 0.000 claims abstract description 10
- 230000003466 anti-cipated effect Effects 0.000 claims description 27
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 8
- 239000012634 fragment Substances 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 230000007849 functional defect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Manipulator (AREA)
Abstract
本发明揭示了一种分布式机器人系统的灰盒自主测试方法及系统，方法包括：分析分布式机器人系统的工作模式，获得工作模式拓扑网络；根据所述工作模式拓扑网络生成用于测试分布式机器人系统的灰盒测试用例；根据所述灰盒测试用例对分布式机器人系统进行灰盒自主测试。本发明具有提高分布式机器人系统测试的便捷性和测试效率，以及提升分布式机器人系统的独立自主性，减少手动测试和减少成本的优点。
Description
技术领域
本发明涉及一种智能机器人技术领域，尤其是涉及一种分布式机器人系统的灰盒自主测试方法及系统。
背景技术
随着无线和智能机器人技术迅猛发展，分布式机器人设备大量涌现，并在智能家居、工业联动智能控制、医疗等应用领域得到广泛应用。
随着分布式机器人被广泛应用，对设备需求的复杂性和急迫性也与日俱增，因此要求分布式机器人系统的软件和硬件复杂多样的同时，开发周期却尽量缩短，进一步减少开发成本。
在这种情况下，对分布式机器人系统的测试流程显得尤为重要。
目前，对分布式机器人系统的测试仍然以手工为主，这种方式难以同时满足在短时间内高效的对复杂的分布式机器人系统完成测试。
发明内容
本发明的目的在于克服现有技术的缺陷，提供一种分布式机器人系统的灰盒自主测试方法及系统，无需手动测试即可在短时间内由分布式机器人系统自主高效地完成测试。
为实现上述目的，本发明提出如下技术方案：一种面向分布式机器人系统的灰盒自主测试方法，包括如下步骤：
步骤1，分析分布式机器人系统的工作模式，获得工作模式拓扑网络；
步骤2，根据所述工作模式拓扑网络生成用于测试分布式机器人系统的灰盒测试用例；
步骤3，根据所述灰盒测试用例对分布式机器人系统进行灰盒自主测试。
优选地，所述工作模式拓扑网络包括数据流拓扑网络和控制流拓扑网络，所述工作模式拓扑网络根据如下步骤获得：
步骤101，分析分布式机器人系统的工作模式，获得工作模式逻辑关系；
步骤102，根据所述工作模式逻辑关系将工作模式划分为若干个原子工作模式，根据所述原子工作模式建立数据流拓扑网络和控制流拓扑网络；
步骤103，分析所述数据流拓扑网络和控制流拓扑网络，判断是否存在环，若存在环，则上报用户工作模式设置出错，否则，根据所述数据流拓扑网络和控制流拓扑网络建立工作模式拓扑网络。
优选地，所述灰盒测试用例的生成包括如下步骤：
步骤201，根据所述数据流拓扑网络和控制流拓扑网络迭代生成逻辑关系片段；
步骤202，将所述逻辑关系片段映射到面向分布式机器人系统的逻辑功能片段，并将所述逻辑功能片段与工作模式相匹配，获得灰盒测试用例参数；
步骤203，根据所述灰盒测试用例参数生成形式化的灰盒测试用例。
优选地，所述分布式机器人系统包括若干传感器模块及控制模块，所述逻辑关系片段用于表示各传感器模块、控制模块之间的直接相互作用关系，逻辑关系片段用二元组(A，B)表示，其中，A为触发源，B为被触发项)。
优选地，所述逻辑功能片段用于表示分布式机器人系统按照预设工作模式进行工作时，各传感器模块、控制模块之间数据流向或者控制流向的逻辑关系片段，所述逻辑功能片段用三元组(C，D，E)表示，其中，C为触发源，D为联动条件，E为被触发项。
优选地，所述步骤203中，灰盒测试用例参数所用三元组(F，G，H)表示，灰盒测试用例参数转换为测试用例断言语句，其中，F为预期输入，G为预期条件，H为预期输出。
优选地，所述灰盒自主测试包括如下步骤：
步骤301，根据工作模式拓扑网络控制执行分布式机器人系统的灰盒自主测试；
步骤302，根据所述工作模式拓扑网络向所述逻辑功能片段或者单个传感器模块或单个控制模块发送所述灰盒测试用例的预期输入和预期执行条件参数，以及测试方式执行的控制命令；
步骤303，所述逻辑功能片段或单个传感器模块或单个控制模块执行所述灰盒测试用例，并返回执行结果；
步骤304，判断所述执行结果与预期输出是否相匹配，若匹配，则灰盒测试用例执行通过；否则，该灰盒测试用例执行不通过，并进行显示。
一种面向分布式机器人系统的灰盒自主测试系统，包括
工作模式分析单元，用于分析分布式机器人系统的工作模式，获得工作模式拓扑网络；
测试用例生成单元，用于根据工作模式拓扑网络生成用于测试分布式机器人系统的灰盒测试用例；
测试执行单元，用于根据动态生成的灰盒测试用例对整体分布式机器人系统进行灰盒自主测试。
优选地，所述工作模式分析单元包括第一分析模块和第二分析模块，所述第一分析模块用于对分布式机器人系统的工作模式进行分析，获得数据流拓扑网络和控制流拓扑网络；所述第二分析模块用于分析数据流拓扑网络和控制流拓扑网络中是否存在环，若存在环，则上报用户工作模式设置出错，否则，建立工作模式拓扑网络。
优选地，所述测试用例生成单元包括逻辑关系片段迭代生成模块、映射模块，以及灰盒测试用例生成模块；
所述逻辑关系片段迭代生成模块用于根据所述数据流拓扑网络和控制流拓扑网络迭代生成逻辑关系片段；
所述映射模块用于将所述逻辑关系片段映射到面向分布式机器人系统的逻辑功能片段，并将所述逻辑功能片段与工作模式相匹配，获得灰盒测试用例参数；
所述灰盒测试用例生成模块用于根据所述灰盒测试用例参数生成形式化的灰盒测试用例。
优选地，所述测试执行单元包括执行控制模块、测试启动模块、接收分析模块、测试上报模块，以及测试结果显示模块；
所述执行控制模块用于根据工作模式拓扑网络控制执行分布式机器人系统的灰盒自主测试；
所述测试启动模块用于根据所述工作模式拓扑网络，向所述逻辑功能片段或者单个传感器模块或单个控制模块发送所述灰盒测试用例的预期输入和预期执行条件参数，以及以测试方式运行的控制命令；
所述接收分析模块用于接收被测得所述逻辑功能片段或单个模块的执行结果，并将执行结果与所述灰盒测试用例预期输出相比对，判断是否存在故障；
所述测试上报模块用于在所有所述灰盒测试用例被执行测试完毕后，上报测试结果；
所述测试结果显示模块用于将存在功能缺陷的逻辑功能片段进行显示。
本发明的有益效果是：
本发明所述的分布式机器人系统的灰盒自主测试方法及系统，具有提高系统测试的便捷性，提高系统测试效率及独立自主性，减少手动测试，减少成本的优点。
附图说明
图1是本发明灰盒自主测试流程图；
图2是本发明工作模式示意图；
图3是本发明数据流拓扑网络示意图；
图4是本发明控制流拓扑网络示意图；
图5是本发明工作模式拓扑网络流程图；
图6是本发明工作模式拓扑网络示意图；
图7是本发明灰盒测试用例生成流程图；
图8是本发明灰盒自主测试流程图；
图9是本发明灰盒自主测试系统结构框图。
具体实施方式
下面将结合本发明的附图，对本发明实施例的技术方案进行清楚、完整的描述。
本发明所揭示的一种分布式机器人系统的灰盒自主测试方法及系统，能够提高分布式机器人系统测试的便捷性和测试效率。
结合图1和图2所示，一种分布式机器人系统的灰盒自主测试方法，包括如下步骤：
步骤1，分析分布式机器人系统的工作模式，获得工作模式拓扑网络。
具体的，分布式机器人系统包括若干传感器模块，以及控制模块，所述传感器模块用于主动获取测量值，并通过无线网络将获取的测量值发送至控制模块中，同时，传感器模块还能够根据接收到的控制指令调整自身的工作模式。所述控制模块用于根据接收到的测量值控制与之相通信或者相直连的受控设备执行相应的操作，所述受控设备包括外界硬件设备，如包括步进马达、继电器、计算机等等，还包括用于完成某种计算或功能的控制模块。在分布式机器人系统中，所述工作模式用于表示当前分布式机器人系统处于何种工作状态，所述工作模式包括某个传感器模块或者某些传感器模块群体处于何种工作时间段内，其获取的测量值处于何种取值区间为正常，或者处于何种取值区间为不正常；在传感器模块获取的测量值为正常或者不正常时，应该向下游控制模块发送何种消息，控制模块接收到消息后执行何种操作。
结合图3、图4和图5所示，所述工作模式拓扑网络包括数据流拓扑网络和控制流拓扑网络，所述数据流拓扑网络用于表示传感器模块与控制模块之间、传感器模块与传感器模块之间、以及控制模块与控制模块之间的数据流向，所述控制流拓扑网络用于表示传感器模块与控制模块之间、传感器模块与传感器模块之间、以及控制模块与控制模块之间的控制关系。其中，所述工作模式拓扑网络根据如下步骤获得：
步骤101，分析分布式机器人系统的工作模式，获得工作模式逻辑关系；
步骤102，根据所述工作模式逻辑关系将工作模式划分为若干个原子工作模式，根据所述原子工作模式建立数据流拓扑网络和控制流拓扑网络；
步骤103，分析所述数据流拓扑网络和控制流拓扑网络，判断是否存在环，若存在环，则上报用户工作模式设置出错，否则，根据所述数据流拓扑网络和控制流拓扑网络建立工作模式拓扑网络，如图6所示。
本实施例中，在步骤103中通过深度优先遍历算法对数据流拓扑网络和控制流拓扑网络是否存在环进行判断。
具体的，所述工作模式逻辑关系用于表示分布式机器人系统中传感器模块与控制模块、传感器模块与传感器模块，以及控制模块与控制模块之间的数据流向或控制流向关系，如图2所示，工作模式统计表中，数据流向如传感器模块1(Sensor1)向控制模块1(Controler1)发送“触发消息1”，即传感器模块1→(触发消息1)→控制模块1；控制流向如在控制模块2(Controler2)接收传感器模块2(Sensor2)发送“触发消息3”后，以“联动控制6”方式控制控制模块3(Controler3)，其中传感器模块2(Sensor2)控制控制模块3(Controler3)为控制流向，即传感器模块2→(联动控制)→控制模块3。
根据获得的工作模式逻辑关系将工作模式分割为若干个原子工作模式，所述原子工作模式为不包含其他工作模式的最简工作模式。本实施例中，所述最简工作模式表示一个传感器模块按照所述工作模式被联动到一个控制模块，或者一个控制模块按照所述工作模式被联动到一个控制模块后所构成的逻辑关系。如传感器模块1(Sensor1)联动到控制模块1(Controler1)；控制模块2(Controler2)联动到控制模块3(Controler3)。
结合图1和和图7所示，步骤2，根据所述工作模式拓扑网络生成用于测试分布式机器人系统的灰盒测试用例；
具体的，所述灰盒测试用例的生成包括如下步骤：
步骤201，根据所述数据流拓扑网络和控制流拓扑网络迭代生成逻辑关系片段；
步骤202，将所述逻辑关系片段映射到面向分布式机器人系统的逻辑功能片段，并将所述逻辑功能片段与工作模式相匹配，获得灰盒测试用例参数；
步骤203，根据所述灰盒测试用例参数生成形式化的灰盒测试用例。
具体的，在步骤201中，所述逻辑关系片段用于表示各传感器模块、控制模块之间的直接相互作用关系，通过对数据流拓网络和控制流拓扑网络的反复分析，从而获得若干个逻辑关系片段，其中，生成的逻辑关系片段用二元组(A，B)表示，其中，A为触发源，B为被触发项，如图所示的工作模式拓扑网络中，逻辑关系片段用二元组表示为(传感器模块1，控制模块1)，(传感器模块1，控制模块4)，(传感器模块2，控制模块2)，(控制模块2，控制模块3)，(传感器模块2∧传感器模块1，控制模块5)。
在步骤202中，根据获得的逻辑关系片段，映射到逻辑功能片段，其中，所述逻辑功能片段用于表示分布式机器人系统按照预设工作模式进行工作时，各传感器模块、控制模块之间数据流向或者控制流向的逻辑关系片段，所述逻辑功能片段用三元组(C，D，E)表示，其中，C为触发源，D为联动条件，E为被触发项。如图6所示，图中逻辑功能片段可表示为(传感器模块1，触发消息1，控制模块1)，(传感器模块1，触发消息2，控制模块4)，(控制模块1，联动控制7，传感器模块2)，(传感器模块2，触发消息3，控制模块2)，(控制模块2，联动控制6，控制模块3)，(传感器模块2∧传感器模块1，触发消息4∧触发消息5，控制模块5)等。
进一步的，将步骤202中获得的逻辑功能片段，在工作模式中进行匹配，生成针对每个逻辑功能片段的灰盒测试用例参数，所述灰盒测试用例参数用三元组(F，G，H)表示，其中，F为预期输入，G为预期条件，H为预期输出。如逻辑功能片段(传感器模块1，触发消息1，控制模块1)，与工作模式相匹配获得的灰盒测试用例参数为(周六上午九点测量值为0.7，触发消息1，联动控制1)。
步骤203中，将生成的灰盒测试用例参数，进一步转换为可被分布式机器人系统使用的灰盒测试用例，即将灰盒测试用例参数转换为测试用例断言语句，如针对灰盒测试用例参数(周六上午九点测量值为0.7，触发消息1，联动控制1)，获得的测试用例断言语句的伪代码如下：
If((Day＝“Sat”and time＝9:00and value＝0.7))and(MessageGenerated＝触发消息1)
then
return TRUE
本实施例中，所述灰盒测试用例包括(a)针对分布式机器人系统中的传感器模块或者控制模块的灰盒测试用例。所述传感器模块或控制模块在灰盒测试用例中的预期条件下，接收到该灰盒测试用例的预期输入后，执行后，能够获得灰盒测试用例的预期输出。(b)针对逻辑功能片段的灰盒测试用例。逻辑功能片段在灰盒测试用例的预期条件下，接收到该灰盒测试用例的预期输入后，执行后，能够获得灰盒测试用例的预期输出。
结合图1和图8所示，步骤3，根据所述灰盒测试用例对分布式机器人系统进行灰盒自主测试。
具体的，所述灰盒自主测试包括如下步骤：
步骤301，根据工作模式拓扑网络控制执行分布式机器人系统的灰盒自主测试；
步骤302，根据所述工作模式拓扑网络向所述逻辑功能片段或者单个传感器模块或单个控制模块发送所述灰盒测试用例的预期输入和预期执行条件参数，以及测试方式执行的控制命令；
步骤303，所述逻辑功能片段或单个传感器模块或单个控制模块执行所述灰盒测试用例，并返回执行结果；
步骤304，判断所述执行结果与预期输出是否相匹配，若匹配，则灰盒测试用例执行通过；否则，该灰盒测试用例执行不通过，即该灰盒测试用例对应的逻辑功能片段存在故障，并进行显示。
本实施例中，将存在故障的逻辑功能片段对应的传感器模块或控制模块以图形或者名称字符串的形式在显示器中进行显示。
具体的，将所有执行不通过的灰盒测试用例以文本的方式在显示器上显示出来；将控制流拓扑网络以图形的方式在显示器上显示出来，所有执行不通过的灰盒测试用例对应的节点颜色以反白显示。
如图9所示，一种分布式机器人系统的灰盒自主测试系统，包括
工作模式分析单元，用于分析分布式机器人系统的工作模式，获得工作模式拓扑网络。
测试用例生成单元，用于根据工作模式拓扑网络生成用于测试分布式机器人系统的灰盒测试用例；
测试执行单元，用于根据动态生成的灰盒测试用例对分布式机器人系统进行灰盒自主测试。
进一步的，所述工作模式分析单元包括第一分析模块和第二分析模块，所述第一分析模块用于对分布式机器人系统的工作模式进行分析，获得数据流拓扑网络和控制流拓扑网络。
具体的，首先，对分布式机器人系统的工作模式进行分析，获得工作模式逻辑关系；其次，根据所述工作模式逻辑关系将工作模式进一步划分，将其划分成若干原子工作模式；最后，依据所述原子工作模式建立数据流拓扑网络和控制流拓扑网络。
所述第二分析模块用于分析数据流拓扑网络和控制流拓扑网络中是否存在环，若存在环，则上报用户工作模式设置出错，否则建立工作模式拓扑网络。
进一步的，所述测试用例生成单元包括逻辑关系片段迭代生成模块、映射模块，以及用例生成模块；
所述逻辑关系片段迭代生成模块用于根据所述数据流拓扑网络和控制流拓扑网络迭代生成逻辑关系片段；其中，所述逻辑关系片段用二元组(触发源，被触发项)表示，表示各传感器模块、控制模块之间，直接相互作用关系。
所述映射模块用于将所述逻辑关系片段映射到面向分布式机器人系统的逻辑功能片段，并将所述逻辑功能片段与工作模式相匹配，获得灰盒测试用例参数；其中，所述逻辑功能片段用三元组(触发源，联动条件，被触发项)，所述逻辑功能片段用于表示分布式机器人系统按照预设工作模式进行工作时，各传感器模块、控制模块之间数据流向或者控制流向的逻辑关系片段；所述灰盒测试用例参数用三元组(预期输入，预期条件，预期输出)表示。
所述用例生成模块用于根据所述灰盒测试用例参数生成形式化的灰盒测试用例。具体的，将所述灰盒测试用例参数转换为能够被分布式机器人系统使用的测试用例断言语句。
进一步的，所述测试执行单元包括执行控制模块、测试启动模块、接收分析模块、测试上报模块，以及测试结果显示模块；其中，
所述执行控制模块用于根据工作模式拓扑网络控制执行分布式机器人系统的灰盒自主测试过程；
所述测试启动模块用于根据所述工作模式拓扑网络，向所述逻辑功能片段或者单个传感器模块或单个控制模块发送所述灰盒测试用例的预期输入和预期执行条件参数，以及以测试方式运行的控制命令；
所述接收分析模块用于接收被测得所述逻辑功能片段或单个传感器模块或单个控制模块的执行结果，并将执行结果与所述灰盒测试用例预期输出相比对，判断是否存在故障，即是否存在代码级缺陷或功能缺陷；
所述测试上报模块用于在所有所述灰盒测试用例被执行测试完毕后，上报测试结果；
所述测试结果显示模块用于将存在功能缺陷的逻辑功能片段进行显示，本实施例中，将存在故障的逻辑功能片段对应的传感器模块或控制模块以图形或者名称字符串的形式在显示器中进行显示。
本发明所述的分布式机器人系统的灰盒自主测试方法及系统，能够提高系统测试的便捷性及独立自主性，进一步提高系统测试效率，减少手动测试，进一步减少成本。
本发明的技术内容及技术特征已揭示如上，然而熟悉本领域的技术人员仍可能基于本发明的教示及揭示而作种种不背离本发明精神的替换及修饰，因此，本发明保护范围应不限于实施例所揭示的内容，而应包括各种不背离本发明的替换及修饰，并为本专利申请权利要求所涵盖。
Claims (9)
1.一种分布式机器人系统的灰盒自主测试方法，其特征在于，包括如下步骤：
步骤1，分析分布式机器人系统的工作模式，获得工作模式拓扑网络，所述工作模式用于表示当前分布式机器人系统处于何种工作状态；
步骤2，根据所述工作模式拓扑网络生成用于测试分布式机器人系统的灰盒测试用例；
步骤3，根据所述灰盒测试用例对分布式机器人系统进行灰盒自主测试，其中，所述工作模式拓扑网络包括数据流拓扑网络和控制流拓扑网络，所述工作模式拓扑网络根据如下步骤获得：
步骤101，分析分布式机器人系统的工作模式，获得工作模式逻辑关系，所述工作模式逻辑关系用于表示分布式机器人系统中传感器模块与控制模块、传感器模块与传感器模块，以及控制模块与控制模块之间的数据流向或控制流向关系；
步骤102，根据所述工作模式逻辑关系将工作模式划分为若干个原子工作模式，根据所述原子工作模式建立数据流拓扑网络和控制流拓扑网络，所述原子工作模式为最简工作模式，所述最简工作模式为一个传感器模块按照工作模式被联动到一个控制模块，或者一个控制模块按照工作模式被联动到一个控制模块后所构成的逻辑关系；
步骤103，分析所述数据流拓扑网络和控制流拓扑网络，判断是否存在环，若存在环，则上报用户工作模式设置出错，否则，根据所述数据流拓扑网络和控制流拓扑网络建立工作模式拓扑网络。
2.根据权利要求1所述的方法，其特征在于，所述灰盒测试用例的生成包括如下步骤：
步骤201，根据所述数据流拓扑网络和控制流拓扑网络迭代生成逻辑关系片段；
步骤202，将所述逻辑关系片段映射到面向分布式机器人系统的逻辑功能片段，并将所述逻辑功能片段与工作模式相匹配，获得灰盒测试用例参数；
步骤203，根据所述灰盒测试用例参数生成形式化的灰盒测试用例。
3.根据权利要求2所述的方法，其特征在于，所述分布式机器人系统包括若干传感器模块及控制模块，所述逻辑关系片段用于表示各传感器模块、控制模块之间的直接相互作用关系，逻辑关系片段用二元组(A，B)表示，其中，A为触发源，B为被触发项。
4.根据权利要求2所述的方法，其特征在于，所述分布式机器人系统包括若干传感器模块及控制模块，所述逻辑功能片段用于表示分布式机器人系统按照预设工作模式进行工作时，各传感器模块、控制模块之间数据流向或者控制流向的逻辑关系片段，所述逻辑功能片段用三元组(C，D，E)表示，其中，C为触发源，D为联动条件，E为被触发项。
5.根据权利要求2所述的方法，其特征在于，所述步骤203中，灰盒测试用例参数用三元组(F，G，H)表示，灰盒测试用例参数转换为测试用例断言语句，其中，F为预期输入，G为预期条件，H为预期输出。
6.根据权利要求2所述的方法，其特征在于，所述灰盒自主测试包括如下步骤：
步骤301，根据工作模式拓扑网络控制执行分布式机器人系统的灰盒自主测试；
步骤302，根据所述工作模式拓扑网络向所述逻辑功能片段或者单个传感器模块或单个控制模块发送所述灰盒测试用例的预期输入和预期执行条件参数，以及测试方式执行的控制命令；
步骤303，所述逻辑功能片段或单个传感器模块或单个控制模块执行所述灰盒测试用例，并返回执行结果；
步骤304，判断所述执行结果与预期输出是否相匹配，若匹配，则灰盒测试用例执行通过；否则，该灰盒测试用例执行不通过，并进行显示。
7.一种面向分布式机器人系统的灰盒自主测试系统，其特征在于，包括
工作模式分析单元，用于分析分布式机器人系统的工作模式，获得工作模式拓扑网络，所述工作模式用于表示当前分布式机器人系统处于何种工作状态，所述工作模式分析单元包括第一分析模块和第二分析模块，所述第一分析模块用于对分布式机器人系统的工作模式进行分析，获得数据流拓扑网络和控制流拓扑网络；所述第二分析模块用于分析数据流拓扑网络和控制流拓扑网络中是否存在环，若存在环，则上报用户工作模式设置出错，否则，建立工作模式拓扑网络；
测试用例生成单元，用于根据工作模式拓扑网络生成用于测试分布式机器人系统的灰盒测试用例；
测试执行单元，用于根据动态生成的灰盒测试用例对整体分布式机器人系统进行灰盒自主测试。
8.根据权利要求7所述的系统，其特征在于，所述测试用例生成单元包括逻辑关系片段迭代生成模块、映射模块，以及用例生成模块；
所述逻辑关系片段迭代生成模块用于根据所述数据流拓扑网络和控制流拓扑网络迭代生成逻辑关系片段，所述逻辑关系片段用于表示各传感器模块、控制模块之间的直接相互作用关系；
所述映射模块用于将所述逻辑关系片段映射到面向分布式机器人系统的逻辑功能片段，并将所述逻辑功能片段与工作模式相匹配，获得灰盒测试用例参数，所述逻辑功能片段用于表示分布式机器人系统按照预设工作模式进行工作时，各传感器模块、控制模块之间数据流向或者控制流向的逻辑关系片段；
所述用例生成模块用于根据所述灰盒测试用例参数生成形式化的灰盒测试用例。
9.根据权利要求8所述的系统，其特征在于，所述测试执行单元包括执行控制模块、测试启动模块、接收分析模块、测试上报模块，以及测试结果显示模块；
所述执行控制模块用于根据工作模式拓扑网络控制执行分布式机器人系统的灰盒自主测试；
所述测试启动模块用于根据所述工作模式拓扑网络，向所述逻辑功能片段或者单个传感器模块或单个控制模块发送所述灰盒测试用例的预期输入和预期执行条件参数，以及以测试方式运行的控制命令；
所述接收分析模块用于接收被测得所述逻辑功能片段或单个模块的执行结果，并将执行结果与所述灰盒测试用例预期输出相比对，判断是否存在故障；
所述测试上报模块用于在所有所述灰盒测试用例被执行测试完毕后，上报测试结果；
所述测试结果显示模块用于将存在功能缺陷的逻辑功能片段进行显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710189936.7A CN106959683B (zh) | 2017-03-27 | 2017-03-27 | 分布式机器人系统的灰盒自主测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710189936.7A CN106959683B (zh) | 2017-03-27 | 2017-03-27 | 分布式机器人系统的灰盒自主测试方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106959683A CN106959683A (zh) | 2017-07-18 |
| CN106959683B true CN106959683B (zh) | 2019-08-30 |
Family
ID=59471009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710189936.7A Active CN106959683B (zh) | 2017-03-27 | 2017-03-27 | 分布式机器人系统的灰盒自主测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106959683B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107894951B (zh) * | 2017-11-01 | 2021-11-05 | 上海奕瑞光电子科技股份有限公司 | 平板探测器软件的自动化测试方法及系统 |
| CN109254917B (zh) * | 2018-08-31 | 2019-11-29 | 百度在线网络技术（北京）有限公司 | 用于测试信息流系统的方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102033543A (zh) * | 2009-10-02 | 2011-04-27 | 通用汽车环球科技运作公司 | 用于分布式嵌入系统的自动测试用例生成的方法及系统 |
| CN105117341A (zh) * | 2015-09-06 | 2015-12-02 | 电子科技大学 | 一种基于动态符号执行的分布式自动测试案例生成方法 |
| CN105988930A (zh) * | 2015-03-02 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 测试用例生成方法和装置 |
| US9466023B1 (en) * | 2007-11-08 | 2016-10-11 | Sentient Technologies (Barbados) Limited | Data mining technique with federated evolutionary coordination |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6804709B2 (en) * | 2001-02-20 | 2004-10-12 | Microsoft Corporation | System uses test controller to match different combination configuration capabilities of servers and clients and assign test cases for implementing distributed testing |
-
2017
- 2017-03-27 CN CN201710189936.7A patent/CN106959683B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9466023B1 (en) * | 2007-11-08 | 2016-10-11 | Sentient Technologies (Barbados) Limited | Data mining technique with federated evolutionary coordination |
| CN102033543A (zh) * | 2009-10-02 | 2011-04-27 | 通用汽车环球科技运作公司 | 用于分布式嵌入系统的自动测试用例生成的方法及系统 |
| CN105988930A (zh) * | 2015-03-02 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 测试用例生成方法和装置 |
| CN105117341A (zh) * | 2015-09-06 | 2015-12-02 | 电子科技大学 | 一种基于动态符号执行的分布式自动测试案例生成方法 |
Non-Patent Citations (2)
| Title |
|---|
| 何腾蛟.分布式系统测试模型与框架的研究与应用.《中国优秀硕士学位论文全文数据库 信息科技辑》.2009,第1、6-9、16-18、40-42页. * |
| 分布式系统测试模型与框架的研究与应用;何腾蛟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20091115;第1、6-9、16-18、40-42页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106959683A (zh) | 2017-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109388117A (zh) | 一种工业互联网边缘计算装置及其实现方法 | |
| CN109861988A (zh) | 一种基于集成学习的工业控制系统入侵检测方法 | |
| CN109213482A (zh) | 基于卷积神经网络的人工智能图形化应用平台及应用方法 | |
| CN110287552B (zh) | 基于改进随机森林算法的电机轴承故障诊断方法及系统 | |
| CN104052633B (zh) | 智能站61850与远动104规约集成测试方法 | |
| CN106959683B (zh) | 分布式机器人系统的灰盒自主测试方法及系统 | |
| CN107864174A (zh) | 一种基于规则的物联网设备联动方法 | |
| CN1987697A (zh) | 工业生产过程小样本条件下的故障诊断系统及方法 | |
| CN107194565B (zh) | 一种基于云决策的电网调度优化方法和系统 | |
| CN106961349A (zh) | 一种基于数据融合的传感器故障识别系统及方法 | |
| CN103513976B (zh) | 业务流程建模方法及装置 | |
| CN104133588B (zh) | 一种基于脚本的继电保护装置图形开发方法 | |
| CN109344258A (zh) | 一种智能化自适应敏感数据识别系统及方法 | |
| CN107918629A (zh) | 一种告警故障的关联方法和装置 | |
| JP7442001B1 (ja) | 水力発電ユニットの故障総合診断方法 | |
| CN112868217B (zh) | 自动处理数据标识符的方法、数据载体和计算机系统 | |
| TWI751387B (zh) | 軟體定義驅動的ｉｃｔ服務端對端協作系統 | |
| CN110334105A (zh) | 一种基于Storm的流数据异常检测算法 | |
| CN110110095A (zh) | 一种基于长短期记忆循环神经网络的电力指令文本匹配方法 | |
| CN110334809A (zh) | 一种人工智能算法的构件封装方法及系统 | |
| CN107332702A (zh) | 一种基于网络拓扑的scd文件可视化解析自动生成方法 | |
| JP2024073353A (ja) | 水力発電ユニットの故障総合診断方法 | |
| CN117271791A (zh) | 一种基于大语言模型优化知识图谱的方法及系统 | |
| CN110442514B (zh) | 基于学习算法实现缺陷修复推荐的方法 | |
| CN107688325B (zh) | 一种面向实时传感环境的工业知识自动化处理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20170822 Address after: Xinping street Suzhou City Industrial Park 215000 Jiangsu Province Tengfei Technology Park No. 388 building 21 floor 16&17 room 3 Applicant after: Suzhou dark clouds Mdt InfoTech Ltd Address before: 215011, No. 1750, Binhe Road, hi tech Zone, Jiangsu, Suzhou, 1, 605 Applicant before: Fu Chaoyang |
|
| CB03 | Change of inventor or designer information |
Inventor after: Fu Chaoyang Inventor after: Xie Shaowen Inventor before: Fu Chaoyang |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200924 Address after: No. 2458, Dongda Road, Datuan Town, Pudong New Area, Shanghai, 201312 Patentee after: Shanghai nattl technology partnership (limited partnership) Address before: Room 16 & 17, 3 / F, building 21, Tengfei science and Technology Park, 388 Xinping street, Suzhou Industrial Park, Jiangsu Province, 215000 Patentee before: SUZHOU HEIYUN INFORMATION TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201224 Address after: Room 228, building 2, No. 378, East Ring Road, Suzhou Industrial Park, Jiangsu Province Patentee after: Suzhou black cloud Intelligent Technology Co.,Ltd. Patentee after: Shanghai heiyun Technology Co.,Ltd. Address before: No.2458, Dongda highway, Datun Town, Pudong New Area, Shanghai 201312 Patentee before: Shanghai nattl technology partnership (limited partnership) |