CN116303047A - 一种列车网络控制系统软件可靠性评估方法 - Google Patents

一种列车网络控制系统软件可靠性评估方法 Download PDF

Info

Publication number
CN116303047A
CN116303047A CN202310286099.5A CN202310286099A CN116303047A CN 116303047 A CN116303047 A CN 116303047A CN 202310286099 A CN202310286099 A CN 202310286099A CN 116303047 A CN116303047 A CN 116303047A
Authority
CN
China
Prior art keywords
reliability
software
failure
model
evaluating
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
Application number
CN202310286099.5A
Other languages
English (en)
Inventor
马志瑜
赵强
李锋
田集稔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Changchun Railway Vehicles Co Ltd
Original Assignee
CRRC Changchun Railway Vehicles Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CRRC Changchun Railway Vehicles Co Ltd filed Critical CRRC Changchun Railway Vehicles Co Ltd
Priority to CN202310286099.5A priority Critical patent/CN116303047A/zh
Publication of CN116303047A publication Critical patent/CN116303047A/zh
Pending legal-status Critical Current

Links

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
    • G06F11/3604—Software analysis for verifying properties of programs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Stored Programmes (AREA)

Abstract

本发明涉及一种列车网络控制系统软件可靠性评估方法，包括以下步骤：步骤1：根据收集的失效数据，计算可靠性因子；步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断数据趋势；步骤3：基于多个软件可靠性模型分别评估软件的可靠性；步骤4：根据软件可靠性预计的相对准确性对多个软件可靠性模型分别进行预计质量评价。本发明的列车网络控制系统软件可靠性评估方法，在得到失效数据之后，在选择具体模型之前对数据进行趋势分析，分析结果可作为模型选择及有效数据使用的指导；在评估软件的可靠性之后，根据预计有效性对模型进行预计质量评价，从而可以根据可靠性评估的合理性和相对准确程度，得到最佳的可靠性评估结果。

Description

一种列车网络控制系统软件可靠性评估方法
技术领域
本发明涉及列车网络控制系统技术领域，特别涉及一种列车网络控制系统软件可靠性评估方法。
背景技术
软件可靠性评估(software reliability assessment)或软件可靠性评价(software reliability evaluation)是指“确定现有系统或系统部件可靠性所达到的水平的过程”。软件可靠性评估被定义为“统计学技术在系统测试和运行期间收集的可观测失效数据上的应用，用于评价软件的可靠性”。软件可靠性评估是在获得了软件的失效数据之后对软件可靠性水平的定量估计和评价。
软件的失效数据可以在下述两种情况下获得，一是在测试阶段后期，通过软件可靠性测试，收集测试过程中的失效数据，对软件的可靠性水平进行估计，并能够对未来可能达到的可靠性水平进行预计；二是在软件投入使用后，通过收集实际使用过程中软件的失效数据，对软件可靠性进行评估，并对未来软件可能达到的可靠性水平进行预计。此时的软件可靠性评估结果被认为是真正意义上“软件完成规定功能的能力”的反映，即：此时的可靠性评估结果，不仅可以给出实际的可靠性水平，也可以为下一代软件或同类型软件的可靠性定量要求的确定提供参考。
收集失效数据的主要目的之一是为了建立软件可靠性模型，以便对软件的可靠性进行评估。以往的做法是直接利用数据建立可靠性增长模型，但在实际应用中发现在程序开发早期和程序调试后期使用可靠性增长模型的效果是不理想的。
发明内容
本发明要解决现有技术中的技术问题，提供一种列车网络控制系统软件可靠性评估方法。
为了解决上述技术问题，本发明的技术方案具体如下：
一种列车网络控制系统软件可靠性评估方法，包括以下步骤：
步骤1：根据收集的失效数据，计算可靠性因子；
步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断数据趋势；
步骤3：基于多个软件可靠性模型分别评估软件的可靠性；
步骤4：根据软件可靠性预计的相对准确性对多个软件可靠性模型分别进行预计质量评价。
在上述技术方案中，步骤1具体为：
当收集的失效数据是失效间隔时间时，设θj,j＝1，2...L为随机变量Tj的一个实现，对于每一个失效i，则可靠性因子u(i)满足：
Figure BDA0004139950580000021
当收集的失效数据是失效强度时，设时间区间[0,t]被均匀分为k份，n(i)为单位时间的失效数，i＝1…k，则可靠性因子u(k)满足：
Figure BDA0004139950580000022
当收集的失效数据是累计失效数时，设N(k)为第k个时间单位前的累计失效数，则可靠性因子u(k)满足：
Figure BDA0004139950580000031
在上述技术方案中，步骤2具体为：正态分布下的显著性水平为5％时，当|u(k)|或者|u(i)|<1.96时，则认为趋势稳定；
当不满足|u(k)|或者|u(i)|<1.96时：如果u(k)或者u(i)<1.645，则认为可靠性增长；如果u(k)或者u(i)>-1.645，则认为可靠性下降。
在上述技术方案中，步骤3中的软件可靠性模型包括：Jelinski─Moranda模型，Goel—Okumoto模型，Duane模型。
在上述技术方案中，步骤4具体为：
在j-1个失效发生后，第j个失效发生的时间Tj服从真实分布，该真实分布的失效率为fj(t)，A模型和B模型基于前面j-1个失效时间分别对fj(t)分别做出预计，预计结果分别为
Figure BDA0004139950580000032
和/>
Figure BDA0004139950580000033
在软件运行过程中，观测得到第j个失效发生的时间tj，将tj代入到
Figure BDA0004139950580000034
和/>
Figure BDA0004139950580000035
中去，得到/>
Figure BDA0004139950580000036
和/>
Figure BDA0004139950580000037
如果
Figure BDA0004139950580000038
则/>
Figure BDA0004139950580000039
更接近于fj(t)的大值，则A模型预计质量更好；
如果
Figure BDA00041399505800000310
则/>
Figure BDA00041399505800000311
更接近于fj(t)的大值，则B模型预计质量更好；
如果
Figure BDA00041399505800000312
则A模型和B模型的预计质量相同。
本发明的有益效果是：
本发明的列车网络控制系统软件可靠性评估方法，在得到失效数据之后，在选择具体模型之前对数据进行趋势分析，分析结果可作为模型选择及有效数据使用的指导。失效数据的趋势分析可以对模型类型进行初步筛选，这样可以在很大程度上提高建模效率，一定程度上避免盲目性。
本发明的列车网络控制系统软件可靠性评估方法，在评估软件的可靠性之后，根据预计有效性对模型进行预计质量评价，从而可以根据可靠性评估的合理性和相对准确程度，得到最佳的可靠性评估结果。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的列车网络控制系统软件可靠性评估方法的步骤流程示意图。
具体实施方式
下面结合附图对本发明做以详细说明。
如图1所示，本发明的列车网络控制系统软件可靠性评估方法，包括以下步骤：
步骤1：根据收集的失效数据，计算可靠性因子。
对软件可靠性测试中收集到的失效数据，分析其规律，就可以评估软件的可靠性。被检验的数据可以是失效间隔时间也可以是失效强度或累计失效数。
当收集的失效数据是失效间隔时间时，假设失效数据服从非齐次泊松分布(NHPP)，设θj,j＝1，2...L为随机变量Tj的一个实现，对于每一个失效i，则可靠性因子u(i)满足：
Figure BDA0004139950580000041
当收集的失效数据是失效强度时，假设失效数据服从非齐次泊松分布(NHPP)，设时间区间[0,t]被均匀分为k份，n(i)为单位时间的失效数，i＝1…k，则可靠性因子u(k)满足：
Figure BDA0004139950580000051
随着t的增加，k也不断增加，但单位时间长度不变。
当收集的失效数据是累计失效数时，假设失效数据服从非齐次泊松分布(NHPP)，设N(k)为第k个时间单位(含)前的累计失效数，则可靠性因子u(k)满足：
Figure BDA0004139950580000052
步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断数据趋势。
实际应用中，一般要考虑在正态分布下的显著性水平，当显著性水平取5％时，所有的i或k满足：
当|u(k)|或者|u(i)|<1.96时，则认为趋势稳定；
当不满足|u(k)|或者|u(i)|<1.96时：如果u(k)或者u(i)<1.645，则认为可靠性增长；如果u(k)或者u(i)>-1.645，则认为可靠性下降。
步骤3：基于多个软件可靠性模型分别评估软件的可靠性。
对软件可靠性测试中收集到的失效数据，分析其规律，评估软件的可靠性。对软件失效行为做出假设，利用统计的方法分析失效数据，给出软件可靠性评估结果。
软件可靠性模型包括：Jelinski─Moranda模型(J-M模型)，Goel—Okumoto模型(G-O模型)，Duane模型。其中：
Jelinski─Moranda模型(J-M模型)是由Jelinski、Moranda开发的可靠性模型J-M模型是最早建立的软件可靠性模型之一，该模型用于麦克唐奈道格拉斯海军工程中。失效时间间隔t被看成是服从指数分布，指数分布的参数与软件中残存错误数成正比，即时间t的平均失效间隔时间为1/φ(N-(i-1))，其中t是第i-1次失效和第i次失效之间的任一时刻。量φ是比例常量，且N是从观测开始之后软件中的错误总数。
Goel—Okumoto模型(G-O模型)是于1979年首先由Amrit Goel和Kazu Okumoto提出，它成为使用单位时间内观测到的错误数的模型组的基础。许多其它模型也起源于G-O模型，如S-型模型等。
Duane模型是最初应用于硬件的可靠性模型。由Duane在通用电器公司工作时首先发现，后经Crow补充完整。当前已经用于软件系统可靠性的预测，且基于此结果开发出了不同的软件可靠性评估方法。
步骤4：根据软件可靠性预计的相对准确性对多个软件可靠性模型分别进行预计质量评价。
两个不同的可靠性增长模型对同一数据源做出了不同的预计序列，通过计算序列似然比来评定模型预计的相对准确性。
对于一个具体的软件，在运行过程中，其下次失效时间是随机的，服从一个真实的分布，但这一实际分布是不可知的。软件可靠性建模就是对这一分布做出假设，然后进行预计。不同的模型对这一分布做出不同的假设，也得出不同的预计。比较两个模型预计质量的相对优劣，就是比较不同模型对这一分布假设的合理性、所作预计的相对准确程度。
对一具体软件，在j-1个失效发生后，第j个失效发生的时间Tj服从真实分布，假设这一分布的失效率为fj(t)，两个不同的模型A，B依据自己的假设，基于前面j-1个失效时间各自对fj(t)做出了预计，
Figure BDA0004139950580000071
此后，在软件运行过程中，观测得到第j个失效发生的时间tj，tj是一个服从未知真实分布的随机变量Tj的实现，从概率论的角度讲，tj应该位于fj(t)较大的地方。
将tj代入到
Figure BDA0004139950580000072
和/>
Figure BDA0004139950580000073
中去得到/>
Figure BDA0004139950580000074
和/>
Figure BDA0004139950580000075
如果/>
Figure BDA0004139950580000076
则/>
Figure BDA0004139950580000077
更接近于fj(t)的大值，或者说/>
Figure BDA0004139950580000078
与fj(tj)更接近，A模型预计比B模型预计更接近于真实，A模型预计质量更好。
所以，如果A模型预计比B模型预计质量好的话，应该有
Figure BDA0004139950580000079
趋向大于1。换句话说，如果/>
Figure BDA00041399505800000710
则/>
Figure BDA00041399505800000711
更接近于fj(t)的大值，则A模型预计质量更好；如果
Figure BDA00041399505800000712
则/>
Figure BDA00041399505800000713
更接近于fj(t)的大值，则B模型预计质量更好；如果
Figure BDA00041399505800000714
则A模型和B模型的预计质量相同。
本发明的列车网络控制系统软件可靠性评估方法，在得到失效数据之后，在选择具体模型之前对数据进行趋势分析，分析结果可作为模型选择及有效数据使用的指导。失效数据的趋势分析可以对模型类型进行初步筛选，这样可以在很大程度上提高建模效率，一定程度上避免盲目性。
本发明的列车网络控制系统软件可靠性评估方法，在评估软件的可靠性之后，还需要根据预计有效性对模型进行预计质量评价。从而可以根据可靠性评估的合理性和相对准确程度，得到最佳的可靠性评估结果。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (5)

1.一种列车网络控制系统软件可靠性评估方法，其特征在于，包括以下步骤：
步骤1：根据收集的失效数据，计算可靠性因子；
步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断数据趋势；
步骤3：基于多个软件可靠性模型分别评估软件的可靠性；
步骤4：根据软件可靠性预计的相对准确性对多个软件可靠性模型分别进行预计质量评价。
2.根据权利要求1所述的列车网络控制系统软件可靠性评估方法，其特征在于，步骤1具体为：
当收集的失效数据是失效间隔时间时，设θj,j＝1，2...L为随机变量Tj的一个实现，对于每一个失效i，则可靠性因子u(i)满足：
Figure FDA0004139950570000011
当收集的失效数据是失效强度时，设时间区间[0,t]被均匀分为k份，n(i)为单位时间的失效数，i＝1…k，则可靠性因子u(k)满足：
Figure FDA0004139950570000012
当收集的失效数据是累计失效数时，设N(k)为第k个时间单位前的累计失效数，则可靠性因子u(k)满足：
Figure FDA0004139950570000021
3.根据权利要求2所述的列车网络控制系统软件可靠性评估方法，其特征在于，步骤2具体为：正态分布下的显著性水平为5％时，当|u(k)|或者|u(i)|<1.96时，则认为趋势稳定；
当不满足|u(k)|或者|u(i)|<1.96时：如果u(k)或者u(i)<1.645，则认为可靠性增长；如果u(k)或者u(i)>-1.645，则认为可靠性下降。
4.根据权利要求1所述的列车网络控制系统软件可靠性评估方法，其特征在于，步骤3中的软件可靠性模型为：Jelinski─Moranda模型，Goel—Okumoto模型，或者Duane模型。
5.根据权利要求1所述的列车网络控制系统软件可靠性评估方法，其特征在于，步骤4具体为：
在j-1个失效发生后，第j个失效发生的时间Tj服从真实分布，该真实分布的失效率为fj(t)，A模型和B模型基于前面j-1个失效时间分别对fj(t)分别做出预计，预计结果分别为
Figure FDA0004139950570000022
和/>
Figure FDA0004139950570000023
在软件运行过程中，观测得到第j个失效发生的时间tj，将tj代入到
Figure FDA0004139950570000024
和/>
Figure FDA0004139950570000025
中去，得到/>
Figure FDA0004139950570000026
和/>
Figure FDA0004139950570000027
如果
Figure FDA0004139950570000028
则/>
Figure FDA0004139950570000029
更接近于fj(t)的大值，则A模型预计质量更好；
如果
Figure FDA00041399505700000210
则/>
Figure FDA00041399505700000211
更接近于fj(t)的大值，则B模型预计质量更好；
如果
Figure FDA00041399505700000212
则A模型和B模型的预计质量相同。
CN202310286099.5A 2023-03-22 2023-03-22 一种列车网络控制系统软件可靠性评估方法 Pending CN116303047A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310286099.5A CN116303047A (zh) 2023-03-22 2023-03-22 一种列车网络控制系统软件可靠性评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310286099.5A CN116303047A (zh) 2023-03-22 2023-03-22 一种列车网络控制系统软件可靠性评估方法

Publications (1)

Publication Number Publication Date
CN116303047A true CN116303047A (zh) 2023-06-23

Family

ID=86833955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310286099.5A Pending CN116303047A (zh) 2023-03-22 2023-03-22 一种列车网络控制系统软件可靠性评估方法

Country Status (1)

Country Link
CN (1) CN116303047A (zh)

Similar Documents

Publication Publication Date Title
CN108460230B (zh) 基于数据融合的腐蚀油气管道剩余寿命及可靠性预测方法
Pozzi et al. Assessing the value of information for long-term structural health monitoring
CN110046453A (zh) 一种激光雷达的寿命预测方法
US8850272B2 (en) Method and system to measure preventability of failures of an application
CN111639410B (zh) 可靠性强化试验定量评估方法、装置及存储介质
Quadri et al. Software reliability growth modeling with generalized exponential testing-effort and optimal software release policy
Quadri et al. Software reliability growth modeling with new modified weibull testing–effort and optimal release policy
CN114691521A (zh) 一种基于人工智能的软件测试平台
CN110083933B (zh) 一种考虑随机效应的腐蚀管道贝叶斯退化分析方法
CN112329272B (zh) 综合光伏组件退化和寿命数据的剩余寿命拟合预测方法
Dong et al. Prognostics 102: efficient Bayesian-based prognostics algorithm in Matlab
CN116303047A (zh) 一种列车网络控制系统软件可靠性评估方法
CN116957534A (zh) 一种预测智能电表更换数量的方法
Babykina et al. Modelling pipe failures in water distribution systems: accounting for harmful repairs and a time-dependent covariate
Mijumbi et al. Recent advances in software reliability assurance
CN110895624A (zh) 基于最大熵谱估计的加速贮存与自然贮存退化数据一致性检验法
Sung Optimal design of ramp-stress accelerated degradation tests based on the Wiener process
Lee et al. Software reliability prediction for open source software adoption systems based on early lifecycle measurements
CN110942177A (zh) 一种评估气候变化对冈比亚地下水资源影响的方法
CN116303048A (zh) 一种列车网络控制系统软件可靠性评估预计质量评价方法
CN114036450B (zh) 电子信息装备测试性指标快速考核的方法及存储介质
CN110889083A (zh) 基于窗谱估计的加速贮存与自然贮存退化数据一致性检验法
Fenyvesi et al. Prediction of corrosion defect growth on operating pipelines
PARK Comparative Analysis on the Reliability Attributes of Finite Failure NHPP Software Reliability Model with Exponential Distribution Characteristics
Quadri et al. Software optimal release policy and reliability growth modeling

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