CN110188040A - 一种针对软件系统故障检测与健康状态评估的软件平台 - Google Patents
一种针对软件系统故障检测与健康状态评估的软件平台 Download PDFInfo
- Publication number
- CN110188040A CN110188040A CN201910424718.6A CN201910424718A CN110188040A CN 110188040 A CN110188040 A CN 110188040A CN 201910424718 A CN201910424718 A CN 201910424718A CN 110188040 A CN110188040 A CN 110188040A
- Authority
- CN
- China
- Prior art keywords
- fault
- maintenance
- failure
- software
- product
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3604—Software analysis for verifying properties of programs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
一种针对软件系统故障检测与健康状态评估的软件平台,包括系统管理、故障模式维护、产品模块维护、故障诊断等四个模块;系统管理中维护了当前检测软件的用户信息和系统中需要用到的全局性变量‑数据字典;故障模式维护中定义了故障结构树信息,故障原因、故障模式以及需要用到的故障推理算法;产品维护中定义了此次被测系统的产品结构树信息,映射故障模式;故障诊断是被测系统推理触发事件控制以及展示推理过程的控制台。本发明有效结合知识推理算法,能快速定位故障位置,同时给出对被测软件系统的健康状态进行有效的评估,帮助软件维护人员把控系统的健康情况。
Description
技术领域
本发明属于软件测试领域,涉及一种针对软件系统故障检测与健康状态评估的软件平台;该平台涉及软件健康状态监测系统及故障检测方法,尤其是针对工业控制系统中的应用型软件的检测。
背景技术
随着系统和设备复杂性的增加以及信息技术的发展,PHM技术(Prognostic andHealth Management)即故障预测与健康管理,经历了外部测试、机内测试、智能BIT,综合诊断以及PHM共5个阶段。于此同时,维修决策技术的发展也经历了事后维修、周期预防性维修、状态维护、智能维护。PHM技术在产品应用层次上,从过去的部件与分系统级,发展到覆盖整个平台各个主要分系统的系统集成级;在产品应用层次上,从电子类硬件产品到工控软件类产品。并逐步形成了智能化、标准化、持续化的技术方法体系,制订了包含数据采集与传输、数据处理、故障诊断、健康评估与预测等技术结构。
基于故障诊断与预测技术的系统模型,通常由一定的领域的专家给出,经过大量的数据验证,通常比较真实可靠。基于模型的故障诊断与预测技术能深入对象系统本质的性质和实现实时的故障预测,并且对象系统的故障特征通常与模型参数相近或是紧密相联系。随着对设备故障演化机理理解的逐步深入,模型可以被逐渐修正来提高其预测精度。基于随机滤波理论的故障预测技术是基于模型的故障预测技术的典型代表,包括卡尔曼滤波、扩展卡尔曼滤波、无味滤波和粒子滤波。
基于知识的故障诊断与预测访求不需要对象系统精确的数学模型,同时能够有效地表达对象相关的领域专家的经验知识。基于知识的故障诊断与预测的一般原理是:①数理统计的模型,通过系统现象对应的关键参数集,依据历史数据建立各参数变化与故障损伤的概率模型(退化概率轨迹),与当前多参数概率状态空间进行比较,进行当前健康状态判断与趋势分析。通过当前参数概率空间与已知损伤状态概率空间的干涉来进行定量的损伤判定,基于既往历史信息来进行趋势分析与故障预测。②神经网络(ANN)的模型,利用ANN的非线性转化特征,及其智能学习机制,来建立监测到的故障现象与产品故障损伤状态之间的联系。利用已知的“异常特征-故障损伤”退化轨迹,或通常故障注入建立与特征分析结果关联的退化轨迹,对ANN模型进行“训练/学习”。然后利用“训练/学习”后的ANN依据当前产品特征对产品的故障损伤状态进行判断。BP算法是该模型应用最广泛的一种网络。另外还有专家系统模型、模糊综合评判模型等。
通常,工控类软件系统在交付之前,需要请具有专业资质(牌照)的第三方测评机构做测试验收,但测评机构的专业测评人员检测出来的软件故障结果表象(例如:系统登陆失败,系统查询失败,数据到处异常等),无法给出真正的故障原因,即故障源定位判断无法精准给出(如故障源的可能判断是服务器问题、数据库问题、网络问题,还是应用程序内容算法逻辑问题等)。现有技术存在的缺陷和不足表现在以下方面:
1、现有的故障诊断技术,主要是针对软件结合的PHM研究,对针对性强的纯软件的故障诊断与健康评估,缺乏相应系统的研究;
2、现有的相似性的产品采用的技术架构一般都为C/S模式,缺乏通用性,适用面窄,学习成本高用户群固定,维护成本高移植性差,升级成本高。
因此,如何解决上述问题,是本领域技术人员着重要研究的内容。
发明内容
为克服上述现有技术中的不足,本发明目的在于提供一种针对软件系统故障检测与健康状态评估的软件平台。
为实现上述目的及其他相关目的,本发明提供一种针对软件系统故障检测与健康状态评估的软件平台,所述软件平台包括:故障模式维护、产品模块维护、故障诊断及系统管理模块;所述故障模式维护包括诊断算法和故障模式两个模块;所述产品模块维护包括产品模块和模块故障模式两个模块;所述故障诊断包括系统状态数据维护、诊断结果、健康状态与趋势预测三个模块;所述系统管理模块包括用户管理和数据字典两个模块。所述故障模式维护定义了故障结构树信息,故障原因、故障模式以及需要用到的故障推理算法;所述产品模块维护中定义了此次被测系统的产品结构树信息,映射故障模式;故障诊断模块是被测系统推理触发事件控制以及展示推理过程的控制台。
进一步地,所述诊断算法是指故障诊断的核心算法程序,是故障诊断与定位的指令;包括源程序和程序关联配置;所述故障模式是系统故障的表现形式,是对产品所发生的、能被观察或测量到的故障现象的规范描述,是对故障模式信息的维护。
进一步地,所述产品模块指的是对被测系统的产品组成模块构成信息的维护;模块故障模式是指被测系统产品模块对应的故障模式的维护,为一对多的关系。
进一步地,所述用户管理是指对系统操作用户的维护;维护当前检测软件的用户信息,是对登录用户的增删核查;所述数据字典是指对系统全局环境变量的维护。
进一步地,所述故障诊断包括系统状态数据维护、诊断结果及健康状态与趋势预测;其中所述系统状态数据维护又包括故障事件监控、故障模式选择、故障程序匹配及故障推理;所述健康状态与趋势预测包括当前系统健康状态及系统未来健康评估。故障模式的定义为抽象故障表象的提炼与总结。故障模式下分为多种故障原因,每种故障原因有多种可能的故障源造成。故障模式和故障原因为一对多,故障原因与故障推理程序为一对多关系。故障排故流程,系统采用接口设计思想,以类插件的集成方式,预留兼容设计,可迭代组装配置排故流程。排故程序包的开发可以装配实现物理隔离,解耦松散的,随去随用的嵌入方式。系统提供可以装配的图形化操作界面,无需重启或者改动程序源码。健康状态与趋势预测,更具对被测系统的诊断的历史数据,判断当前被测系统的健康状态,并且有历史数据通过知识推理,采用平滑线性预测模型,预测出系统未来的健康状态,以及哪些功能模块可能会发生故障的时间节点分析。本系统的产品功能树依托与需求分析设计,故障模式从需求用例中生成。故障分析原因的生成,采用知识推理、历史经验数据合理的总结概述出故障原因。对故障原因的定位,采用开发设计师的角度,对每一种可能的排故流程,生成排故指令程序集,最终定位可能的故障源。
进一步地,所述产品模块维护包括被检测对象产品结构树及功能模块故障模式。本软件系统对被测系统的功能模块划分产品结构树,阐述了被测功能划分与组成,每个模块都可以选择特定的故障模式,以一对多的关系匹配。
由于上述技术方案运用,本发明与现有技术相比具有的有益效果是:
本发明的软件平台包括系统管理、故障模式维护、产品模块维护、故障诊断等四个模块;系统管理中维护了当前检测软件的用户信息和系统中需要用到的全局性变量-数据字典;故障模式维护中定义了故障结构树信息,故障原因、故障模式以及需要用到的故障推理算法;产品维护中定义了此次被测系统的产品结构树信息,映射故障模式;故障诊断是被测系统推理触发事件控制以及展示推理过程的控制台。本发明有效结合知识推理算法,能快速定位故障位置,同时给出对被测系统的健康状态进行有效的评估,帮助软件维护人员把控系统的健康情况。
附图说明
图1为本发明系统架构示意图;
图2为本发明业务流程处理示意图;
图3为本发明系统功能结构示意图;
图4为本发明实施部署示意图;
图5为本发明系统分析思路示意图。
具体实施方式
以下结合附图,由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
实施例:如图1-图5所示,一种针对软件系统故障检测与健康状态评估的软件平台,所述软件平台包括:故障模式维护、产品模块维护、故障诊断及系统管理模块;所述故障模式维护包括诊断算法和故障模式两个模块;所述产品模块维护包括产品模块和模块故障模式两个模块;所述故障诊断包括系统状态数据维护、诊断结果、健康状态与趋势预测三个模块;所述系统管理模块包括用户管理和数据字典两个模块。所述故障模式维护定义了故障结构树信息,故障原因、故障模式以及需要用到的故障推理算法;所述产品模块维护中定义了此次被测系统的产品结构树信息,映射故障模式;故障诊断模块是被测系统推理触发事件控制以及展示推理过程的控制台。
进一步地,所述诊断算法是指故障诊断的核心算法程序,是故障诊断与定位的指令;包括源程序和程序关联配置;所述故障模式是系统故障的表现形式,是对产品所发生的、能被观察或测量到的故障现象的规范描述,是对故障模式信息的维护。
进一步地,所述产品模块指的是对被测系统的产品组成模块构成信息的维护;模块故障模式是指被测系统产品模块对应的故障模式的维护,为一对多的关系。
进一步地,所述用户管理是指对系统操作用户的维护;维护当前检测软件的用户信息,是对登录用户的增删核查;所述数据字典是指对系统全局环境变量的维护。
进一步地,所述故障诊断包括系统状态数据维护、诊断结果及健康状态与趋势预测;其中所述系统状态数据维护又包括故障事件监控、故障模式选择、故障程序匹配及故障推理;所述健康状态与趋势预测包括当前系统健康状态及系统未来健康评估。故障模式的定义为抽象故障表象的提炼与总结。故障模式下分为多种故障原因,每种故障原因有多种可能的故障源造成。故障模式和故障原因为一对多,故障原因与故障推理程序为一对多关系。故障排故流程,系统采用接口设计思想,以类插件的集成方式,预留兼容设计,可迭代组装配置排故流程。排故程序包的开发可以装配实现物理隔离,解耦松散的,随去随用的嵌入方式。系统提供可以装配的图形化操作界面,无需重启或者改动程序源码。健康状态与趋势预测,更具对被测系统的诊断的历史数据,判断当前被测系统的健康状态,并且有历史数据通过知识推理,采用平滑线性预测模型,预测出系统未来的健康状态,以及哪些功能模块可能会发生故障的时间节点分析。本系统的产品功能树依托与需求分析设计,故障模式从需求用例中生成。故障分析原因的生成,采用知识推理、历史经验数据合理的总结概述出故障原因。对故障原因的定位,采用开发设计师的角度,对每一种可能的排故流程,生成排故指令程序集,最终定位可能的故障源。
进一步地,所述产品模块维护包括被检测对象产品结构树及功能模块故障模式。本软件系统对被测系统的功能模块划分产品结构树,阐述了被测功能划分与组成,每个模块都可以选择特定的故障模式,以一对多的关系匹配。
如图5所示,是本发明软件平台的具体设计思路和原理。
本发明软件平台的场景设计为:
场景一:
【故障现象】
测试系统登陆时,输入用户名和密码,登陆失效。
【故障分析】
故障模式:登陆异常
故障原因:
(1)登陆请求地址错误:客户端发出的请求地址不存在。
(2)登陆请求参数错误:客户端发出的请求参数不合法。
(3)网络服务中断:客户端没有联网,或者服务端没有联网,或者服务端口未开放。
(4)Cookie失效:未生成cookie,domain错误,session未存储。
(5)程序错误:用户名和密码校验失败。
(6)数据库访问超时:
1.数据库没有启动。
2.数据库连接地址(IP+端口)不正确、或者用户名和密码不正确。操作系统未开启数据库端口的外部访问限制。数据库连接数量很高,大量的访问被数据库拒绝,存在客户端有大量新增连接且未及时释放连接。
(7)数据库条件请求异常:
1.SQL查询条件参数类型错误。
2.SQL查询条件参数值非法。
3.SQL语法错误。
【排除故障】
(1)登陆请求地址错误
输入:登陆地址返回状态码。
处理:状态码是否命中匹配(404:地址不存在)。
输出:匹配不正确,故障源确认。
(2)登陆请求参数错误
输入:请求地址状态码,正常登陆的用户名和密码规则,测试数据。
处理:状态码是否命中匹配(400、403:参数错误),并且测试数据与设计规则是否不匹配。
输出:匹配不正确,故障源确认。
(3)网络服务中断
输入:客户端、服务端网络信息,tlenet服务端口测试信息。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(4)Cookie失效
输入:请求头中cookie的返回信息,服务IP域名和生成cookie的域名信息,session是否存储。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(5)程序错误
输入:测试数据和数据库中数据信息,应用日志。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(6)数据库访问超时
输入:数据库启动信息,数据库连接地址、用户名、密码,服务器防火墙开放端口信息,数据库当前连接数据,数据库最大连接等数据。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(7)数据库条件请求异常
输入:数据库查询sql,以及数据库查询日志信息。
处理:条件匹配。
输出:匹配不正确,故障源确认。
场景二:
【故障现象】
当导出传感器参数时,若目标文件处于只读或隐藏状态,系统出现崩溃现象,应该对目标文件不可写的异常情况进行处理。
【故障分析】
故障模式:导出数据文件异常
故障原因:
(1)请求地址错误:客户端发出的请求地址不存在。
(2)请求参数错误:客户端发出的请求参数不合法。
(3)网络服务中断:客户端没有联网,或者服务端没有联网,或者服务端口未开放。
(4)登陆失效:用户登陆状态失效。
(5)程序错误
i.内存溢出:从第三方存储介质获取的数据,太大造成内存溢出,或者程序对数据处理操作(计算、排序、再次编辑等)造成的内存溢出。
ii.数组越界,数据类型转换错误等其他程序异常。
(6)数据库访问超时
i.数据库没有启动。
ii.数据库连接地址(IP+端口)不正确、或者用户名和密码不正确。
iii.操作系统未开启数据库端口的外部访问限制。
iv.数据库连接数量很高,大量的访问被数据库拒绝,存在客户端有大量新增连接且未及时释放连接。
(7)数据库条件请求异常
i.SQL查询条件参数类型错误。
ii.SQL查询条件参数值非法。
iii.SQL语法错误。
(8)介质忙或不可用:当多个应用程序同时访问硬盘(或其它存储器),操作系统为提供多请求服务会慢下来,并且必须对应用程序进行编程以处理这些延迟,当延迟变得很长时,没有对这些错误进行响应的应用程序就会出现错误。
(9)文件访问权限受限:在操作系统中,可以设置不同用户对不同的文件具有不同的访问权限(如读写、只读等)。程序员必须在访问文件的函数中考虑文件的访问权限,例如在每个文件写入之前检查文件的访问权限。如果没有进行检查,就会导致程序出错。另外,如果文件访问失败,程序员必须要有正确的错误的代码,以保证程序可以正确捕获所产生的错误。
【排除故障】
(1)请求地址错误
输入:登陆地址返回状态码。
处理:状态码是否命中匹配(404:地址不存在)。
输出:匹配不正确,故障源确认。
(2)请求参数错误
输入:请求地址状态码,正常登陆的用户名和密码规则,测试数据。
处理:状态码是否命中匹配(400、403:参数错误),并且测试数据与设计规则是否不匹配。
输出:匹配不正确,故障源确认。
(3)网络服务中断
输入:客户端、服务端网络信息,tlenet服务端口测试信息。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(4)登陆失效
输入:客户端cookie信息,服务端session信息,设计登陆时效。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(5)程序错误
输入:测试数据和数据库中数据信息,应用日志。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(6)数据库访问超时
输入:数据库启动信息,数据库连接地址、用户名、密码,服务器防火墙开放端口信息,数据库当前连接数据,数据库最大连接等数据。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(7)数据库条件请求异常
输入:数据库查询sql,以及数据库查询日志信息。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(8)介质忙或不可用:
输入:操作系统内核运行和请求相应信息,程序设计超时等待时长,应用日志。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(9)文件访问权限受限
输入:操作系统文件权限信息,应用日志。
处理:条件匹配。
输出:匹配不正确,故障源确认。
场景三:
【故障现象】
本测试用例测试添加xx信息功能的正确性。根据等价类划分的方法,设计如下数据、操作进行测试,测试软件处理的正确性。
【故障分析】
故障模式:表单保存异常
故障原因:
(1)请求地址错误:客户端发出的请求地址不存在。
(2)请求参数错误:客户端发出的请求参数不合法。
(3)网络服务中断:客户端没有联网,或者服务端没有联网,或者服务端口未开放。
(4)登陆失效:用户登陆状态失效。
(5)程序错误:
1.输入非法数据
2.输入默认值
3.输入特殊字符集
4.输入使缓冲区溢出的数据
5.输入产生错误的合法数据组合
6.产生同一个输入的各种可能输出
7.输出不符合业务规则的无效输出
8.输出属性修改后的结果
9.屏幕刷新显示
10.数据结构溢出
11.数据结构不符合约束
(6)数据库访问超时
i.数据库没有启动。
ii.数据库连接地址(IP+端口)不正确、或者用户名和密码不正确。
iii.操作系统未开启数据库端口的外部访问限制。
iv.数据库连接数量很高,大量的访问被数据库拒绝,存在客户端有大量新增连接且未及时释放连接。
(7)数据库条件请求异常
i.SQL查询条件参数类型错误。
ii.SQL查询条件参数值非法。
iii.SQL语法错误。
【排除故障】
(1)登陆请求地址错误
输入:登陆地址返回状态码。
处理:状态码是否命中匹配(404:地址不存在)。
输出:匹配不正确,故障源确认。
(2)登陆请求参数错误
输入:请求地址状态码,正常登陆的用户名和密码规则,测试数据。
处理:状态码是否命中匹配(400、403:参数错误),并且测试数据与设计规则是否不匹配。
输出:匹配不正确,故障源确认。
(3)网络服务中断
输入:客户端、服务端网络信息,tlenet服务端口测试信息。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(4)登陆失效
输入:客户端cookie信息,服务端session信息,设计登陆时效。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(5)程序错误
输入:测试数据和数据库中数据信息,设计数据,应用日志。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(6)数据库访问超时
输入:数据库启动信息,数据库连接地址、用户名、密码,服务器防火墙开放端口信息,数据库当前连接数据,数据库最大连接等数据。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(7)数据库条件请求异常
输入:数据库查询sql,以及数据库查询日志信息。
处理:条件匹配。
输出:匹配不正确,故障源确认。
场景四:
【故障现象】
对测试通用工具发送报文测试功能,检验异常。
【故障分析】
故障模式:报文接口通讯异常
故障原因:
(1)访问限制:mac加密、ip、用户名和密码等限制。
(2)网络异常:客户端没有联网,或者服务端没有联网,IP无法访问、端口未开放等。
(3)递交非法数据:请求参数非法。
(4)输出不符合业务规则的无效输出:这些特殊情况进行编程处理,软件就会产生错误的结果
i.内存溢出:从第三方存储介质获取的数据,太大造成内存溢出,或者程序对数据处理操作(计算、排序、再次编辑等)造成的内存溢出。
ii.数组越界,数据类型转换错误等其他程序异常。
(5)接口未定义
(6)接口协议错误
【排除故障】
(1)访问限制
输入:请求返回状态码,设计接口特征参数,测试信息,接口协议,请求参数。
处理:是否命中匹配。
输出:匹配不正确,故障源确认。
(2)网络异常
输入:请求地址状态码,测试数据,网络信息。
处理:状态码是否命中匹配(400、403:参数错误),并且测试数据与设计规则是否不匹配。
输出:匹配不正确,故障源确认。
(3)递交非法数据
输入:测试信息,请求参数。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(4)输出不符合业务规则的无效输出
输入:测试信息,请求参数。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(5)接口未定义
输入:请求返回状态码,设计接口特征参数,测试信息,接口协议,请求参数。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(6)接口协议错误
输入:请求返回状态码,设计接口特征参数,测试信息,接口协议,请求参数。
处理:条件匹配。
输出:匹配不正确,故障源确认。
场景五:
【故障现象】
通用测试工具软件在地图上展示信息数据无响应,或者页面卡死。
【故障分析】
故障模式:地图数据展示无响应
故障原因:
(1)登陆失效:用户登陆状态失效。
(2)程序错误:
1.输入非法数据
2.输入默认值
3.输入特殊字符集
4.输入使缓冲区溢出的数据
5.输入产生错误的合法数据组合
6.产生同一个输入的各种可能输出
7.输出不符合业务规则的无效输出
8.输出属性修改后的结果
9.屏幕刷新显示
10.数据结构溢出
11.数据结构不符合约束
(3)数据库访问超时
i.数据库没有启动。
ii.数据库连接地址(IP+端口)不正确、或者用户名和密码不正确。
iii.操作系统未开启数据库端口的外部访问限制。
iv.数据库连接数量很高,大量的访问被数据库拒绝,存在客户端有大量新增连接且未及时释放连接。
(4)数据库条件请求异常
i.SQL查询条件参数类型错误。
ii.SQL查询条件参数值非法。
iii.SQL语法错误。
【排除故障】
(1)登陆失效
输入:客户端cookie信息,服务端session信息,设计登陆时效。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(2)程序错误
输入:测试数据和数据库中数据信息,设计数据,应用日志。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(3)数据库访问超时
输入:数据库启动信息,数据库连接地址、用户名、密码,服务器防火墙开放端口信息,数据库当前连接数据,数据库最大连接等数据。
处理:条件匹配。
输出:匹配不正确,故障源确认。
(4)数据库条件请求异常
输入:数据库查询sql,以及数据库查询日志信息。
处理:条件匹配。
输出:匹配不正确,故障源确认。
本系统平台采用B/S架构,SpringMVC的设计思想。视图层采用jsp动态绘制网页脚本,兼容HTML、CSS、JS等浏览器端脚本语言实现可视化的网页控制程序窗口。服务端采用spring框架,以springmvc为基础实现业务处理逻辑,集成mybatis插件调用Druid数据源存储和查询sqlserver数据。
说明:
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种针对软件系统故障检测与健康状态评估的软件平台,其特征在于:所述软件平台包括:故障模式维护、产品模块维护、故障诊断及系统管理模块;所述故障模式维护包括诊断算法和故障模式两个模块;所述产品模块维护包括产品模块和模块故障模式两个模块;所述故障诊断包括系统状态数据维护、诊断结果、健康状态与趋势预测三个模块;所述系统管理模块包括用户管理和数据字典两个模块;
所述故障模式维护定义了故障结构树信息,故障原因、故障模式以及需要用到的故障推理算法;所述产品模块维护中定义了此次被测系统的产品结构树信息,映射故障模式;故障诊断模块是被测系统推理触发事件控制以及展示推理过程的控制台。
2.根据权利要求1所述的针对软件系统故障检测与健康状态评估的软件平台,其特征在于: 所述诊断算法是指故障诊断的核心算法程序,是故障诊断与定位的指令;包括源程序和程序关联配置;所述故障模式是系统故障的表现形式,是对产品所发生的、能被观察或测量到的故障现象的规范描述,是对故障模式信息的维护。
3.根据权利要求1所述的针对软件系统故障检测与健康状态评估的软件平台,其特征在于:所述产品模块指的是对被测系统的产品组成模块构成信息的维护;模块故障模式是指被测系统产品模块对应的故障模式的维护,为一对多的关系。
4.根据权利要求1所述的针对软件系统故障检测与健康状态评估的软件平台,其特征在于: 所述用户管理是指对系统操作用户的维护;维护当前检测软件的用户信息,是对登录用户的增删核查;所述数据字典是指对系统全局环境变量的维护。
5.根据权利要求1所述的针对软件系统故障检测与健康状态评估的软件平台,其特征在于:所述故障诊断包括系统状态数据维护、诊断结果及健康状态与趋势预测;其中所述系统状态数据维护又包括故障事件监控、故障模式选择、故障程序匹配及故障推理;所述健康状态与趋势预测包括当前系统健康状态及系统未来健康评估。
6.根据权利要求1所述的针对软件系统故障检测与健康状态评估的软件平台,其特征在于:所述产品模块维护包括被检测对象产品结构树及功能模块故障模式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424718.6A CN110188040A (zh) | 2019-05-21 | 2019-05-21 | 一种针对软件系统故障检测与健康状态评估的软件平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910424718.6A CN110188040A (zh) | 2019-05-21 | 2019-05-21 | 一种针对软件系统故障检测与健康状态评估的软件平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110188040A true CN110188040A (zh) | 2019-08-30 |
Family
ID=67717071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910424718.6A Withdrawn CN110188040A (zh) | 2019-05-21 | 2019-05-21 | 一种针对软件系统故障检测与健康状态评估的软件平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110188040A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737530A (zh) * | 2020-06-11 | 2020-10-02 | 北京瑞思天创科技有限公司 | 一种基于加权映射的轨道交通车辆故障数据分析方法 |
CN114529105A (zh) * | 2022-03-24 | 2022-05-24 | 江苏真鹿科技有限公司 | 基于bp神经网络的发动机曲轴高温性能分析处理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102447741A (zh) * | 2011-11-23 | 2012-05-09 | 南京航空航天大学 | 机群级飞机结构phm系统 |
CN105096053A (zh) * | 2015-08-14 | 2015-11-25 | 哈尔滨工业大学 | 一种适用于复杂工艺系统的健康管理决策方法 |
US20150346066A1 (en) * | 2014-05-30 | 2015-12-03 | Rolls-Royce Plc | Asset Condition Monitoring |
CN106774411A (zh) * | 2016-12-31 | 2017-05-31 | 清华大学深圳研究生院 | 基于phm的无人机中间件系统 |
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 |
CN107767056A (zh) * | 2017-10-25 | 2018-03-06 | 上海电气上重碾磨特装设备有限公司 | 一种用于电站磨煤机的状态监控与健康管理系统 |
CN108694448A (zh) * | 2018-05-08 | 2018-10-23 | 成都卡莱博尔信息技术股份有限公司 | Phm平台 |
-
2019
- 2019-05-21 CN CN201910424718.6A patent/CN110188040A/zh not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102447741A (zh) * | 2011-11-23 | 2012-05-09 | 南京航空航天大学 | 机群级飞机结构phm系统 |
US20150346066A1 (en) * | 2014-05-30 | 2015-12-03 | Rolls-Royce Plc | Asset Condition Monitoring |
CN105096053A (zh) * | 2015-08-14 | 2015-11-25 | 哈尔滨工业大学 | 一种适用于复杂工艺系统的健康管理决策方法 |
CN106774411A (zh) * | 2016-12-31 | 2017-05-31 | 清华大学深圳研究生院 | 基于phm的无人机中间件系统 |
CN107609304A (zh) * | 2017-09-29 | 2018-01-19 | 中国铁道科学研究院铁道建筑研究所 | 大跨度铁路桥梁的基于phm的故障诊断预测系统及方法 |
CN107767056A (zh) * | 2017-10-25 | 2018-03-06 | 上海电气上重碾磨特装设备有限公司 | 一种用于电站磨煤机的状态监控与健康管理系统 |
CN108694448A (zh) * | 2018-05-08 | 2018-10-23 | 成都卡莱博尔信息技术股份有限公司 | Phm平台 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111737530A (zh) * | 2020-06-11 | 2020-10-02 | 北京瑞思天创科技有限公司 | 一种基于加权映射的轨道交通车辆故障数据分析方法 |
CN111737530B (zh) * | 2020-06-11 | 2024-04-19 | 北京瑞思天创科技有限公司 | 一种基于加权映射的轨道交通车辆故障数据分析方法 |
CN114529105A (zh) * | 2022-03-24 | 2022-05-24 | 江苏真鹿科技有限公司 | 基于bp神经网络的发动机曲轴高温性能分析处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111209131B (zh) | 一种基于机器学习确定异构系统的故障的方法和系统 | |
CN101989087B (zh) | 工业化加工渣油的在线实时故障监测与诊断的系统装置 | |
CN109800127A (zh) | 一种基于机器学习的系统故障诊断智能化运维方法及系统 | |
CN110008288A (zh) | 用于网络故障分析的知识图谱库的构建方法及其应用 | |
CN102735485B (zh) | 挖掘机以及确定设备故障的方法、系统 | |
EP2671157A1 (en) | Arrangement and method for model-based testing | |
CN108170566A (zh) | 产品故障信息处理方法、系统、设备和协同工作平台 | |
CN110032463B (zh) | 一种基于贝叶斯网络的系统故障定位方法和系统 | |
CN112052172B (zh) | 第三方通道的快速测试方法、装置和电子设备 | |
Luijten et al. | Faster defect resolution with higher technical quality of software | |
CN113900845A (zh) | 一种基于神经网络的微服务故障诊断的方法和存储介质 | |
CN111124852A (zh) | 一种基于bmc健康管理模块的故障预测方法及系统 | |
Lazarova-Molnar et al. | Data-driven fault tree modeling for reliability assessment of cyber-physical systems | |
CN108010305A (zh) | 一种综合能源管理平台数据采集故障的自诊断方法 | |
CN110188040A (zh) | 一种针对软件系统故障检测与健康状态评估的软件平台 | |
CN112559237A (zh) | 运维系统排障方法、装置、服务器和存储介质 | |
Lazarova-Molnar et al. | Automating reliability analysis: Data-driven learning and analysis of multi-state fault trees | |
Arakaki et al. | Available and Fault Tolerant IoT System: Applying Quality Engineering Method | |
CN114726708A (zh) | 一种基于人工智能的网元设备故障预测方法及系统 | |
CN108415819A (zh) | 一种硬盘故障追踪方法和装置 | |
CN106533824A (zh) | 一种给定扰动下的通信网络弹性测评方法 | |
Bhattacharyya et al. | A discrete event systems approach to network fault management: detection and diagnosis of faults | |
Павленко et al. | Methodological foundation for improving the quality of intelligent decision-making system software | |
CN117176587B (zh) | 用于安全集控的网络自动拓扑方法及系统 | |
CN109240267A (zh) | 一种欠数据下的闭环故障建模及主动诊断方法 |
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 | ||
CB02 | Change of applicant information |
Address after: No. 60 Zongze Road, Jingkou District, Zhenjiang City, Jiangsu Province, 212000 Applicant after: Jiangsu Ruitian Intelligent Technology Co.,Ltd. Address before: No. 60 Zongze Road, Jingkou District, Zhenjiang City, Jiangsu Province, 212000 Applicant before: JIANGSU RUITIAN INFORMATION TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190830 |
|
WW01 | Invention patent application withdrawn after publication |