CN111444089A - 基于cgspn的测试性分析方法、装置及设备 - Google Patents
基于cgspn的测试性分析方法、装置及设备 Download PDFInfo
- Publication number
- CN111444089A CN111444089A CN202010192808.XA CN202010192808A CN111444089A CN 111444089 A CN111444089 A CN 111444089A CN 202010192808 A CN202010192808 A CN 202010192808A CN 111444089 A CN111444089 A CN 111444089A
- Authority
- CN
- China
- Prior art keywords
- cgspn
- model
- preset
- testability
- correlation matrix
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 89
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000007704 transition Effects 0.000 claims description 37
- 238000012360 testing method Methods 0.000 claims description 29
- 238000001514 detection method Methods 0.000 claims description 20
- 238000002955 isolation Methods 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000001052 transient effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F11/3668—Software testing
- G06F11/3672—Test management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
- G01M15/14—Testing gas-turbine engines or jet-propulsion engines
Abstract
本发明实施例涉及计算机技术技术领域,公开了基于CGSPN的测试性分析方法、装置及设备。本发明实施例先获取与待测试系统对应的预设CGSPN模型;获取当前令牌,通过预设CGSPN模型内的各库所处理当前令牌,以得到与预设CGSPN模型对应的相关性矩阵;根据相关性矩阵对待测试系统进行测试性分析。可见,本发明实施例通过设置与待测试系统对应的预设CGSPN模型,进而基于预设CGSPN模型取得描述库所之间相关性的相关性矩阵,可通过相关性矩阵进行系统的测试性分析,给出了一种较好的测试性分析方式,解决了无法较好地进行测试性分析的技术问题。
Description
技术领域
本发明涉及计算机技术技术领域,尤其涉及基于CGSPN的测试性分析方法、装置及设备。
背景技术
在对某个系统进行系统测试的过程中,可增设测试性分析(Testab ilityanalysis)这一环节。
测试性分析是指,评价产品或系统可能达到的测试性水平,进而保证测试性与其他诊断要素的有效综合与兼容。
测试性(Testability)是指,产品或系统能及时且准确地确定其状态,状态可为工作、不可工作以及性能下降等,并隔离其内部故障的一种系统特性。
可见,测试性分析作为系统测试的一个重要环节,有助于进行系统的后续优化。
但是,目前,测试性分析方法并不完善,或多或少有其缺点。
发明内容
为了解决无法较好地进行测试性分析的技术问题,本发明实施例提供基于CGSPN的测试性分析方法、装置及设备。
第一方面,本发明实施例提供一种基于CGSPN的测试性分析方法,包括:
获取与待测试系统对应的预设CGSPN模型;
获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵;
根据所述相关性矩阵对所述待测试系统进行测试性分析。
优选地,所述获取与待测试系统对应的预设CGSPN模型之前,所述基于CGSPN的测试性分析方法还包括:
获取待测试系统的系统信息;
根据所述系统信息建立与所述待测试系统中的各系统层次对应的预设CGSPN模型。
优选地,所述根据所述系统信息建立与所述待测试系统中的各系统层次对应的预设CGSPN模型,具体包括:
根据所述系统信息中的系统故障模式确定对应的库所;
根据所述库所之间的关系确定所述库所之间的有向弧、变迁类型;
根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的各系统层次对应的预设CGSPN模型。
优选地,所述预设CGSPN模型包括第一预设CGSPN模型及第二预设CGSPN模型;
所述根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的各系统层次对应的预设CGSPN模型,具体包括:
根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的第一系统层次对应的第一预设CGSPN模型;
确定所述第一预设CGSPN模型中的未检测库所与隔离库所;
根据所述未检测库所与所述隔离库所构建与所述待测试系统中的第二系统层次对应的第二预设CGSPN模型。
优选地,所述获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵,具体包括:
获取当前令牌;
在所述预设CGSPN模型中通过预设可达性算法处理所述当前令牌,以确定所述当前令牌在所述预设CGSPN模型中到达的目标库所;
根据所述目标库所构建与所述预设CGSPN模型对应的相关性矩阵。
优选地,所述根据所述相关性矩阵对所述待测试系统进行测试性分析,具体包括:
根据所述相关性矩阵对所述待测试系统进行测试性分析,以得到测试性信息;
推送所述测试性信息,以进行提醒。
优选地,所述测试性信息包括故障检测率和故障隔离率;
所述根据所述相关性矩阵对所述待测试系统进行测试性分析,以得到测试性信息,具体包括:
确定与每个系统层次的预设CGSPN模型对应的每个系统层次的相关性矩阵;
根据每个系统层次的相关性矩阵对所述待测试系统进行测试性分析,以得到每个系统层次对应的故障检测率和故障隔离率。
第二方面,本发明实施例提供一种基于CGSPN的测试性分析装置,包括:
模型确定模块,用于获取与待测试系统对应的预设CGSPN模型;
矩阵获取模块,用于获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵;
测试性分析模块,用于根据所述相关性矩阵对所述待测试系统进行测试性分析。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现本发明第一方面提供的一种基于CGSPN的测试性分析方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现本发明第一方面提供的一种基于CGSPN的测试性分析方法的步骤。
本发明实施例提供的基于CGSPN的测试性分析方法、装置及设备,先获取与待测试系统对应的预设CGSPN模型;获取当前令牌,通过预设CGSPN模型内的各库所处理当前令牌,以得到与预设CGSPN模型对应的相关性矩阵;根据相关性矩阵对待测试系统进行测试性分析。可见,本发明实施例通过设置与待测试系统对应的预设CGSPN模型,进而基于预设CGSPN模型取得描述库所之间相关性的相关性矩阵,可通过相关性矩阵进行系统的测试性分析,给出了一种较好的测试性分析方式,解决了无法较好地进行测试性分析的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于CGSPN的测试性分析方法的流程图;
图2为本发明又一实施例提供的一种基于CGSPN的测试性分析方法的流程图;
图3为本发明又一实施例提供的模型结构示意图;
图4为本发明又一实施例提供的预设CGSPN模型中的各模型元素的图形化表示示意图;
图5a为本发明又一实施例提供的基于模型元素的第一测试示意图;
图5b为本发明又一实施例提供的基于模型元素的第二测试示意图;
图6为本发明再一实施例提供的一种基于CGSPN的测试性分析方法的流程图;
图7为本发明实施例提供的一种基于CGSPN的测试性分析装置的结构示意图;
图8为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的一种基于CGSPN的测试性分析方法的流程图,如图1所示,该方法包括:
S1,获取与待测试系统对应的预设CGSPN模型。
本发明实施例可以待测试系统为操作对象,对该待测试系统进行测试性分析。
待测试系统可为装备系统,该装备系统可具体为导弹发动机系统,但此处仅以导弹发动机系统为例,并不限制待测试系统的系统类型。
若欲对该导弹发动机系统进行测试性分析,可先针对该导弹发动机系统进行建模操作,以获得以导弹发动机系统为蓝本的预设广义随机Petri网(GSPN,GeneralizedStochastic Petri Nets)模型,后续将应用该预设GSPN模型进行测试性分析。
其中,预设GSPN模型可具体为预设颜色GSPN(CGSPN,Color GSPN)模型。
S2,获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵。
各库所可表示待测试系统的状态、资源或条件,导弹发动机系统对应的预设CGSPN模型中的各库所可表示系统故障模式的故障类型。
其中,系统故障模式是指待测试系统中可能出现的各个部件各个层次的故障类型,比如,包括风扇部件效率低、风扇部件的叶片裂纹以及风扇部件的风扇轴断裂等,此处仅以待测试系统中的风扇部件对应的系统故障模式为例。
可对预设CGSPN模型中的各库所施加测试行为,具体为,可将第i个故障模式作为给定令牌放入相应库所中,接着,根据预设CGSPN模型内的各库所对该当前令牌的处理方式来生成一相关性矩阵(DM,Dependence Matrix),可将相关性矩阵记为DM。
其中,相关性矩阵可描述预设CGSPN模型内的各库所对应的系统故障模式之间的相关性。
S3,根据所述相关性矩阵对所述待测试系统进行测试性分析。
在得到描述待测试系统中可能出现的各类系统故障模式对应的DM后,可通过对DM进行分析,以完成对于待测试系统的测试性分析操作,分析操作的准确性较高。
本发明实施例提供的基于CGSPN的测试性分析方法,先获取与待测试系统对应的预设CGSPN模型;获取当前令牌,通过预设CGSPN模型内的各库所处理当前令牌,以得到与预设CGSPN模型对应的相关性矩阵;根据相关性矩阵对待测试系统进行测试性分析。可见,本发明实施例通过设置与待测试系统对应的预设CGSPN模型,进而基于预设CGSPN模型取得描述库所之间相关性的相关性矩阵,可通过相关性矩阵进行系统的测试性分析,给出了一种较好的测试性分析方式,解决了无法较好地进行测试性分析的技术问题。
图2为本发明又一实施例提供的一种基于CGSPN的测试性分析方法的流程图,本发明又一实施例基于上述图1所示的实施例。
本实施例中,所述S1之前,所述基于CGSPN的测试性分析方法还包括:
S11,获取待测试系统的系统信息。
S12,根据所述系统信息建立与所述待测试系统中的各系统层次对应的预设CGSPN模型。
需要说明的是,若以装备系统为例,若欲对装备系统进行测试性分析,可针对不同的维修级别和系统层次展开,而针对装备系统的建模操作亦是如此,即针对装备系统的建模操作可针对不同的系统层次展开。
其中,针对不同的系统层次进行预设CGSPN模型的建模操作,是指可分别针对不同的系统层次各自建立对应的预设CGSPN模型。
比如,假设待测试系统可划分为3层,顶层、中间层以及底层,顶层表示待测试系统,中间层表示待测试系统可划分成的多个子系统,底层表示子系统内可细分出的多个硬件部件。此处对于待测试系统的系统层次的划分方式仅作示例。
可见,本发明实施例可建立出三层系统层次对应的预设CGSPN模型,包括顶层CGSPN模型、中间层CGSPN模型以及底层CGSPN模型。
其中,顶层CGSPN模型、中间层CGSPN模型以及底层CGSPN模型可参见图3。
所以,预设CGSPN模型可记为预设层次广义随机Petri网(HCGSPN,HierarchicalGeneralized Stochastic Petri Nets)模型,即预设HCGSPN模型。
应当理解的是,此处用于建立预设HCGSPN模型的输入信息为待测试系统的系统信息,该系统信息具体可为故障模式、影响和危害性分析(Failure Mode、Effects andCriticality Analysis,FMECA)信息。
本发明实施例提供的基于CGSPN的测试性分析方法,由于可建模出各系统层次对应的预设CGSPN模型,在进行测试性分析时,可分析出各层次分别对应的层级测试性信息,从而获悉更加全面且更加准确的系统测试性。
在上述实施例的基础上,优选地,所述根据所述系统信息建立与所述待测试系统中的各系统层次对应的预设CGSPN模型,具体包括:
根据所述系统信息中的系统故障模式确定对应的库所;
根据所述库所之间的关系确定所述库所之间的有向弧、变迁类型;
根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的各系统层次对应的预设CGSPN模型。
具体地,本发明实施例可给出一种预设CGSPN模型的具体建模方式,如下。
为了建立各系统层次对应的预设CGSPN模型,可先获取FMECA信息中的系统故障模式,依据系统故障模式建立库所,使得预设CGSPN模型中的库所表征该系统故障模式。
需知,待测试系统中将存在着多个系统故障模式,而且,同一系统层次也存在着多个系统故障模式。
为了进一步地区分这些系统故障模式,若以导弹发动机系统为例,可采用三级编码体制,即XXX(系统)-XXX(LRU元件)-XXX(SRU元件)。其中,航线可更换单元(LRU,LineReplaceable Unit),车间可更换单元(SRU,Shop Replaceable Unit)。
详细的编码方案可为,SRU元件的编码为XXX-XXX-XXX-OO.x。其中,OO.X中的OO表示系统故障模式的级别,可为RD、OG、YW以及BL;x表示该LRU元件中第x个OO级别的系统故障模式,依次可以为1、2及3等。
在建立库所后,可根据各系统故障模式之间的关系流确立有向弧的方向性,同时,还可确定从某个系统故障模式到某个系统故障模式的变迁的变迁类型。
其中,变迁类型包括瞬时变迁与延时变迁,瞬时变迁是指变迁发生时时延为零,延时变迁是指变迁发生时将延时服从某一指定条件。
其中,就有向弧而言,若有向弧连接A库所至B库所,则表示A库所对应的系统故障模式发生时可导致B库所对应的系统故障模式发生。
可见,预设CGSPN模型中的模型元素至少包括库所、有向弧以及变迁类型等。
此外,库所、瞬时变迁、延时变迁、令牌以及有向弧可参见图4。可同时参考图3与图4进行理解。
其中,故障模式即为系统故障模式。
此外,至于CGSPN模型,一个预设CGSPN模型可由一个9元组构成,可表示为
GSPN=(P,T;F,K,M0,α,β,η,Fs),
其中,P={Pr,Pf,Pt}表示库所集合,Pr表征正常库所集合,Pf表征系统故障模式的库所集合,Pt表征测试库所的集合;T={Ti∪Td∪Ts},Ti表示瞬时变迁集合,Td表示延时变迁集合,这两者均表示一类系统故障模式到另一类故障模式的变迁,Ts表示瞬时变迁集合,但表示一类系统故障模式到测试库所的变迁;F表示连接库所、变迁的有向流;K可表示为K:P→{0,1},用于表征库所容量函数;M0表示初始标识的集合;α为一个映射,可表示为α:Pr→{GR},Pf→{RD,OG,YW,BL},Pt→{BK},集合内字母的含义为预先定义的库所的颜色属性;β为一个映射,可表示为β:Td→,用于表征延时变迁分布的类型,比如,Weibull(α,β),Exp(λ);η为一个映射,可表示为η:Ti,Ts→,用于表征瞬时变迁分布的类型。
Fs表示用于记录已发生点火行为的变迁序列。在系统运行的初始时刻,Fs=φ;若某变迁已点火,则加入集合Fs。可见,集合Fs不仅可以防止变迁的反复启动,还标记了故障的传播路径,对于故障分析较为重要。
若细化为每个系统层次对应的预设CGSPN模型,可表示为,
其中,可为每个测试项分别建立一个对应的库所,所以,建立的库所也可记为测试项库所。
此外,还可参见图5a、图5b,分别给出了两种基于预设可达性算法进行测试的示例,可同时参考图3与图4进行理解。
其中,P1与P2均表示一类故障模式。
可见,本发明实施例给出一种基于各系统层次的具体建模方式。
相比于主流建模方式而言,主流建模方法对实际的待测试系统进行了大量的简化,例如,某些元件的故障衍化可能是随机过程,具有延时性。
其中,主流建模方式比如有,结构模型、信息流模型及多信号流图模型等。
但是,这些主流建模方法只定性地考虑了系统故障与测试之间的关系,目的仅在于获取待测试系统整个系统对应的相关性矩阵,无法完整地表达系统之间的内在联系。
可见,主流建模方法存在局限性,适用于定性分析,而定量分析需用其他或者新的建模方法。
明显地,本发明实施例由于从系统层次维度进行建模操作,可表达出系统之间的内在联系,适用于定量分析行为。
此外,部分的主流建模方法还会忽略大量的有用信息,比如,测试不可靠的信息、故障与故障之间的相关性信息等,进而导致建立出的模型不够完备,所建模型与实际模型误差较大,不足以支持测试性工作的实施。
此外,部分的主流建模方法主要针对电子产品的测试性指标进行分析,并且,会假定测试为理想测试。
假定的理想测试是指,若系统内的某元件存在故障节点,会假定信号通过故障节点后一定发生变化,并且,一定能被测试检测到;若通过无故障元件的信号不发生变化,相应测试的检测行为也将正常运行。此类假设不适用于包含机电、控制系统的装备系统,具有较多局限性,但是,本发明实施例不存在此类假定。
此外,还可根据FMECA中的严酷度确定每个库所中令牌的颜色,令牌的颜色代表故障严酷度。
可根据GJB/Z1391-2006标准对系统故障模式进行等级划分,不同系统故障模式的影响及危害程度不同。在事故风险的评价方法中,可将事故严重性等级、系统故障模式或危险事件划分为四级,比如,灾难级、严重、轻度和轻微。
参考工程预报学中颜色与危险程度的对应关系,将系统故障模式按色标分为以下四类:Ⅰ—灾难级—红(RD)、Ⅱ—严重级—橙(OG)、Ⅲ—轻度级—黄(YW)以及Ⅳ—轻微级—蓝(BL)。
此处的色标仅用于区别模型中各库所表示的状态种类,增强模型的可视性。
进一步地,除了上述四类级别之外,还可包括功能失效状态,可用白(WT)的色标表示。
当系统信息中包括功能失效状态时对应的元件数量与其他四类级别同理设置。
可以理解的是,可根据系统信息中的系统故障模式、功能失效状态确定对应的库所;根据所述库所之间的关系确定所述库所之间的有向弧、变迁类型;根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的各系统层次对应的预设CGSPN模型。
如此创建出的预设CGSPN模型同时参考了系统信息中的正常运行模式、系统故障模式以及功能失效状态,三态的引入使得建立出的预设CGSPN模型在测试性能表现上更加优秀。
在上述实施例的基础上,优选地,所述预设CGSPN模型包括第一预设CGSPN模型及第二预设CGSPN模型;
所述根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的各系统层次对应的预设CGSPN模型,具体包括:
根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的第一系统层次对应的第一预设CGSPN模型;
确定所述第一预设CGSPN模型中的未检测库所与隔离库所;
根据所述未检测库所与所述隔离库所构建与所述待测试系统中的第二系统层次对应的第二预设CGSPN模型。
就多系统层次的预设CGSPN模型的建模过程而言,本发明实施例可给出层次间建模的一类实例。
比如,若假定预设CGSPN模型存在三层系统层次,即顶层CGSPN模型、中间层CGSPN模型以及底层CGSPN模型,分别对应于,第一预设CGSPN模型、第二预设CGSPN模型以及第三预设CGSPN模型。
为了生成第一预设CGSPN模型、第二预设CGSPN模型,可先生成第一预设CGSPN模型,第一预设CGSPN模型中可能存在着不可被检测到的系统故障模式并记为未检测库所,也可能存在着被隔离的系统故障模式并记为隔离库所。
后续,可根据第一预设CGSPN模型中的未检测库所、隔离库所来建立下层模型,即第二预设CGSPN模型。
其中,此处的层次间建模过程可参考图3。在图3中,未检测库所与隔离库所将以灰色的库所来表示。
图6为本发明再一实施例提供的一种基于CGSPN的测试性分析方法的流程图,本发明再一实施例基于上述图1所示的实施例。
本实施例中,所述S2,具体包括:
S21,获取当前令牌。
S22,在所述预设CGSPN模型中通过预设可达性算法处理所述当前令牌,以确定所述当前令牌在所述预设CGSPN模型中到达的目标库所。
本发明实施例可给出一类相关性矩阵的具体生成方式,参见下文。
可以理解的是,可通过预设算法对故障传播过程进行可达性分析,以获得相关性矩阵,此预设算法为预设可达性算法。
预设可达性算法具体为,可搜索出CGSPN模型中任意给定令牌通过有向弧到达的全部库所,并做出相应的标记。
比如,若第i个系统故模模式作为给定的当前令牌放入相应库所中,调用预设可达性算法,可获得该当前令牌可到达的全部库所,可到达的全部库所可记为目标库所。
当然,确定了可到达的全部库所,也就确定了不可到达的全部库所。
此外,至于预设CGSPN模型内的各库所对该当前令牌的处理方式即分为两类,一类可到达,一类不可到达。
S23,根据所述目标库所构建与所述预设CGSPN模型对应的相关性矩阵。
具体地,若第i个令牌可到达第j个测试项对应的库所,则DM中的第i行第j列设置为1;若不可到达,则设置为0。依次对CGSPN模型中的每个系统故障模式进行上述可达性测试操作,即可获得完整的DM。
其中,i与j为正整数。
本发明实施例提供的基于CGSPN的测试性分析方法,给出了一类相关性矩阵的生成操作,并可基于该相关性矩阵进行测试性分析的操作。
在上述实施例的基础上,优选地,所述根据所述相关性矩阵对所述待测试系统进行测试性分析,具体包括:
根据所述相关性矩阵对所述待测试系统进行测试性分析,以得到测试性信息;
推送所述测试性信息,以进行提醒。
可以理解的是,测试性分析的分析结果可为测试性信息,测试性信息可记为测试性指标,测试性指标包括故障检测率、故障隔离率等。
需知,测试性分析得出的测试性信息可包括多种。
其中,与待检测系统对应的故障检测率是指,当系统发生故障时可准确检测出该故障的几率。故障检测率越高,表征着当系统发生故障时可及时检测出该故障的概率越高。
其中,故障隔离率是记录当发生故障时故障可被成功隔离出的几率。
在获取到该测试性信息后,有助于系统的后续优化调整。
而且,可将测试性信息以消息推送的形式告知技术人员。
在上述实施例的基础上,优选地,所述测试性信息包括故障检测率和故障隔离率;
所述根据所述相关性矩阵对所述待测试系统进行测试性分析,以得到测试性信息,具体包括:
确定与每个系统层次的预设CGSPN模型对应的每个系统层次的相关性矩阵;
根据每个系统层次的相关性矩阵对所述待测试系统进行测试性分析,以得到每个系统层次对应的故障检测率和故障隔离率。
可以理解的是,本发明实施例还可以每个系统层次为单位,取得对应的故障检测率和故障隔离率。
至于每个系统层次的相关性矩阵可共记为,
D={D1,D2,…,Dl},
其中,D表示全部系统层次的相关性矩阵的集合,Dl表示第l层的相关性矩阵。
至于Dl,
其中,ml表示该层DM中的故障数目,nl为该层DM中的测试项的数目。
di,j l为Dl中的元素,可为1或0,比如,若根据预设可达性算法到达第l层的相关性矩阵D,则该层里面的元素就为di,j l。di,j l为第i行第j列的元素值,可为1或0。
以某个系统层次为例,故障检测率的计算公式如下,
其中,rFD l表示第l层对应的故障检测率,l表示系统层次的层序号,N0 l表示第l层DM中全为0的行数,Nl为第l层DM具有的行数。
以某个系统层次为例,故障隔离率的计算公式如下,
其中,rFI l表示第l层对应的故障隔离率,g表示指定层模糊度,Ng l表示通过规定方法在规定时间内正确隔离到不大于g个可更换单元的故障数量。
可见,本发明实施例可获得各个系统层次对应的故障检测率和故障隔离率。
进一步地,本发明实施例还可获得整个系统对应的故障检测率与故障隔离率。
具体地,整个系统对应的故障检测率的计算公式如下,
其中,rFD表示整个系统对应的故障检测率,N0 L表示全部层次的DM中全为0的行数,NL为全部层次的DM中的行数。
整个系统对应的故障隔离率的计算公式如下,
其中,rFI L表示整个系统对应的故障隔离率,Ng L表示全部层次的DM中模糊度为g的行数。
可见,本发明实施例可获得整个系统对应的故障检测率与故障隔离率。
可见,本发明实施例不仅可获得整个系统对应的故障检测率与故障隔离率,还可获得各个系统层次对应的故障检测率和故障隔离率。由于可获得层级测试性指标与整体测试性指标,所以,可满足在不同测试资源与维修级别限制下的测试需求。
进一步地,系统故障模式所对应的元部件故障还可细分为物理性故障和非物理性故障,非物理性故障是指上下游节点连接过程中客观存在的故障。
通过引入物理性故障和非物理性故障,使得最终构建出的预设CGSPN模型在测试性能表现上更加优秀。
图7为本发明实施例提供的一种基于CGSPN的测试性分析装置的结构示意图,如图7所示,该装置包括:模型确定模块301、矩阵获取模块302及测试性分析模块303;
模型确定模块301,用于获取与待测试系统对应的预设CGSPN模型;
矩阵获取模块302,用于获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵;
测试性分析模块303,用于根据所述相关性矩阵对所述待测试系统进行测试性分析。
本发明实施例提供的基于CGSPN的测试性分析装置,先获取与待测试系统对应的预设CGSPN模型;获取当前令牌,通过预设CGSPN模型内的各库所处理当前令牌,以得到与预设CGSPN模型对应的相关性矩阵;根据相关性矩阵对待测试系统进行测试性分析。可见,本发明实施例通过设置与待测试系统对应的预设CGSPN模型,进而基于预设CGSPN模型取得描述库所之间相关性的相关性矩阵,可通过相关性矩阵进行系统的测试性分析,给出了一种较好的测试性分析方式,解决了无法较好地进行测试性分析的技术问题。
本发明实施例提供的装置实施例是为了实现上述各方法实施例的,具体流程和详细内容请参照上述方法实施例,此处不再赘述。
图8为本发明实施例提供的一种电子设备的实体结构示意图,如图8所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和总线404,其中,处理器401,通信接口402,存储器403通过总线404完成相互间的通信。通信接口402可以用于电子设备的信息传输。处理器401可以调用存储器403中的逻辑指令,以执行包括如下的方法:
获取与待测试系统对应的预设CGSPN模型;
获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵;
根据所述相关性矩阵对所述待测试系统进行测试性分析。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:
获取与待测试系统对应的预设CGSPN模型;
获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵;
根据所述相关性矩阵对所述待测试系统进行测试性分析。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于CGSPN的测试性分析方法,其特征在于,包括:
获取与待测试系统对应的预设CGSPN模型;
获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵;
根据所述相关性矩阵对所述待测试系统进行测试性分析。
2.根据权利要求1所述的基于CGSPN的测试性分析方法,其特征在于,所述获取与待测试系统对应的预设CGSPN模型之前,所述基于CGSPN的测试性分析方法还包括:
获取待测试系统的系统信息;
根据所述系统信息建立与所述待测试系统中的各系统层次对应的预设CGSPN模型。
3.根据权利要求2所述的基于CGSPN的测试性分析方法,其特征在于,所述根据所述系统信息建立与所述待测试系统中的各系统层次对应的预设CGSPN模型,具体包括:
根据所述系统信息中的系统故障模式确定对应的库所;
根据所述库所之间的关系确定所述库所之间的有向弧、变迁类型;
根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的各系统层次对应的预设CGSPN模型。
4.根据权利要求3所述的基于CGSPN的测试性分析方法,其特征在于,所述预设CGSPN模型包括第一预设CGSPN模型及第二预设CGSPN模型;
所述根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的各系统层次对应的预设CGSPN模型,具体包括:
根据所述库所、所述有向弧以及所述变迁类型构建与所述待测试系统中的第一系统层次对应的第一预设CGSPN模型;
确定所述第一预设CGSPN模型中的未检测库所与隔离库所;
根据所述未检测库所与所述隔离库所构建与所述待测试系统中的第二系统层次对应的第二预设CGSPN模型。
5.根据权利要求1至4中任一项所述的基于CGSPN的测试性分析方法,其特征在于,所述获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵,具体包括:
获取当前令牌;
在所述预设CGSPN模型中通过预设可达性算法处理所述当前令牌,以确定所述当前令牌在所述预设CGSPN模型中到达的目标库所;
根据所述目标库所构建与所述预设CGSPN模型对应的相关性矩阵。
6.根据权利要求1至4中任一项所述的基于CGSPN的测试性分析方法,其特征在于,所述根据所述相关性矩阵对所述待测试系统进行测试性分析,具体包括:
根据所述相关性矩阵对所述待测试系统进行测试性分析,以得到测试性信息;
推送所述测试性信息,以进行提醒。
7.根据权利要求6所述的基于CGSPN的测试性分析方法,其特征在于,所述测试性信息包括故障检测率和故障隔离率;
所述根据所述相关性矩阵对所述待测试系统进行测试性分析,以得到测试性信息,具体包括:
确定与每个系统层次的预设CGSPN模型对应的每个系统层次的相关性矩阵;
根据每个系统层次的相关性矩阵对所述待测试系统进行测试性分析,以得到每个系统层次对应的故障检测率和故障隔离率。
8.一种基于CGSPN的测试性分析装置,其特征在于,包括:
模型确定模块,用于获取与待测试系统对应的预设CGSPN模型;
矩阵获取模块,用于获取当前令牌,通过所述预设CGSPN模型内的各库所处理所述当前令牌,以得到与所述预设CGSPN模型对应的相关性矩阵;
测试性分析模块,用于根据所述相关性矩阵对所述待测试系统进行测试性分析。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7中任一项所述基于CGSPN的测试性分析方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于CGSPN的测试性分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192808.XA CN111444089A (zh) | 2020-03-18 | 2020-03-18 | 基于cgspn的测试性分析方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192808.XA CN111444089A (zh) | 2020-03-18 | 2020-03-18 | 基于cgspn的测试性分析方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111444089A true CN111444089A (zh) | 2020-07-24 |
Family
ID=71629284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010192808.XA Pending CN111444089A (zh) | 2020-03-18 | 2020-03-18 | 基于cgspn的测试性分析方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111444089A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998026617A2 (en) * | 1996-12-10 | 1998-06-18 | Telefonaktiebolaget Lm Ericsson (Publ) | An operational test device and method of performing an operational test for a system under test |
CN106342305B (zh) * | 2011-06-24 | 2013-01-16 | 中国人民解放军国防科学技术大学 | 一种面向多任务要求的测试性指标确定方法 |
US20140208287A1 (en) * | 2013-01-18 | 2014-07-24 | Harbin Institute Of Technology | Energy Consumption Simulation and Evaluation System for Embedded Device |
CN106933737A (zh) * | 2017-01-19 | 2017-07-07 | 北京航空航天大学 | 一种基于时间扩展petri网的嵌入式软件可靠性评估方法 |
-
2020
- 2020-03-18 CN CN202010192808.XA patent/CN111444089A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998026617A2 (en) * | 1996-12-10 | 1998-06-18 | Telefonaktiebolaget Lm Ericsson (Publ) | An operational test device and method of performing an operational test for a system under test |
CN106342305B (zh) * | 2011-06-24 | 2013-01-16 | 中国人民解放军国防科学技术大学 | 一种面向多任务要求的测试性指标确定方法 |
US20140208287A1 (en) * | 2013-01-18 | 2014-07-24 | Harbin Institute Of Technology | Energy Consumption Simulation and Evaluation System for Embedded Device |
CN106933737A (zh) * | 2017-01-19 | 2017-07-07 | 北京航空航天大学 | 一种基于时间扩展petri网的嵌入式软件可靠性评估方法 |
Non-Patent Citations (4)
Title |
---|
YONGFA QIN: "GSPN-based modeling and analysis for robotized assembly system" * |
翟禹尧: "基于层次广义随机 Petri 网的测试性建模新方法" * |
翟禹尧: "基于层次广义随机Petri网的测试性建模新方法" * |
翟禹尧: "基于广义随机Petri网的导弹系统测试性建模与指标评估方法研究" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guidotti et al. | Network reliability analysis with link and nodal weights and auxiliary nodes | |
Xia et al. | Automatic generation method of test scenario for ADAS based on complexity | |
CN110618924B (zh) | 一种web应用系统的链路压力测试方法 | |
US7685468B2 (en) | Method and system for test case generation | |
CN104597892A (zh) | 一种用于电子信息装备层次化故障诊断方法 | |
US6567935B1 (en) | Performance linking methodologies | |
CN105512011B (zh) | 一种电子装备测试性建模评估方法 | |
CN112217668B (zh) | 基于比较模型的自适应网络故障诊断方法 | |
TWI551868B (zh) | 診斷子網路缺陷之電腦實施方法,用於診斷子網路缺陷的具有複數指令儲存於其上之電腦可讀取儲存媒體以及故障合成的診斷系統 | |
CN104486337B (zh) | 数据有效性验证方法及装置 | |
CN106878109A (zh) | 服务器检测方法及服务器系统 | |
US11409928B2 (en) | Configurable digital twin | |
CN108876096A (zh) | 一种数据处理方法、装置及相关设备 | |
CN110546616A (zh) | 随机硬件故障的概率度量 | |
CN111654417A (zh) | 评估方法及装置、存储介质、处理器、列车 | |
CN111444089A (zh) | 基于cgspn的测试性分析方法、装置及设备 | |
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 | |
CN106569944A (zh) | 基于约束树的星载软件测试数据分析方法 | |
CN116108622A (zh) | 轨道交通信号系统可靠性分析方法、装置及电子设备 | |
CN115165332A (zh) | 一种装备机内测试与综合测试一体化设计方法及系统 | |
CN115525528A (zh) | 页面质量检测方法、装置、电子设备和存储介质 | |
CN109474445B (zh) | 一种分布式系统根源故障定位方法及装置 | |
CN114880637B (zh) | 账户风险的验证方法、装置、计算机设备和存储介质 | |
CN116957361B (zh) | 一种基于虚实结合的船舶任务系统健康状态检测方法 | |
Agarwal | Markovian software reliability model for two types of failures with imperfect debugging rate and generation of errors |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200724 |