CN117369407A - 一种汽车电气性能测试系统、方法、装置及存储介质 - Google Patents
一种汽车电气性能测试系统、方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117369407A CN117369407A CN202311424618.6A CN202311424618A CN117369407A CN 117369407 A CN117369407 A CN 117369407A CN 202311424618 A CN202311424618 A CN 202311424618A CN 117369407 A CN117369407 A CN 117369407A
- Authority
- CN
- China
- Prior art keywords
- test
- vehicle
- preset
- tested
- data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000011056 performance test Methods 0.000 title claims abstract description 15
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000012360 testing method Methods 0.000 claims abstract description 596
- 230000010354 integration Effects 0.000 claims abstract description 32
- 230000000153 supplemental effect Effects 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 239000013589 supplement Substances 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims abstract description 6
- 238000010998 test method Methods 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 8
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 51
- 230000000875 corresponding effect Effects 0.000 description 44
- 230000006870 function Effects 0.000 description 39
- 238000012549 training Methods 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 12
- 230000032683 aging Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000012085 test solution Substances 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000013101 initial test Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification 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
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
- Debugging And Monitoring (AREA)
Abstract
本说明书实施例提供一种汽车电气性能测试系统、方法、装置及存储介质,该汽车电气性能测试系统包括:测试指令实施模块被配置为确定、调整、传输测试指令;电气工况集成模块被配置为基于测试指令加载待测车辆电气部件的模拟工作条件;车载系统集成模块被配置为基于测试指令更新车载系统的数据传输效率、数据分发效率、网络状况等;检测模块被配置为检测电气部件和车载系统的运行数据;移动终端被配置为获取客户需求数据;通信模块被配置为与移动终端进行数据通信;处理器被配置为:根据客户需求数据确定预设测试指令;基于测试数据集确定增补测试指令;基于增补测试指令生成控制指令,并发送至目标模块进行待测车辆的电气性能增补测试。
Description
技术领域
本说明书涉及汽车性能测试领域,特别涉及一种汽车电气性能测试系统、方法、装置及存储介质。
背景技术
汽车在研发,生产以及维修过程中通常需要针对车辆进行大量严格的测试,以确保各项功能能够可靠运行。而随着汽车领域的逐渐发展,汽车内不同系统的交互联动也变得愈发复杂。如何不耗费过多的资源与精力,就能针对汽车性能进行全面有效的测试,显然成为了一项重大的挑战。
现有的汽车测试方法通常集中于仿真测试、试验场地测试和实车路试,仿真测试中则更多是针对汽车动力传动、电气以及动力学模拟测试,而较少涉及车辆电气架构与车载系统的联动测试,比如对于车载系统网络状况和电气部件运行工况的联合测试,则缺乏系统有效的测试评估手段。另外,由于缺乏统一的测试平台和测试标准,针对不同汽车的电气性能测试结果往往无法进行有效的比较和分析。
因此,希望提供一种汽车电气性能测试系统、方法、装置及存储介质,能够对汽车电气性能进行全面的测试和验证,并提高测试的效率和准确性。
发明内容
为了解决现有的汽车电气性能测试方法缺乏统一的测试平台和测试标准,测试方法覆盖范围较窄的情况,本说明书一个或多个实施例提供一种汽车电气性能测试系统、方法、装置及存储介质。
本说明书一个或多个实施例提供一种汽车电气性能测试系统。汽车电气性能测试系统包括:测试指令实施模块,被配置为确定或调整测试指令以及传输测试指令,测试指令包括电气工况测试指令和/或车载系统测试指令;电气工况集成模块,被配置为基于测试指令,加载待测车辆的电气部件在车辆至少一种工作状态下的模拟工作条件;车载系统集成模块,被配置为基于测试指令,更新车载系统的数据传输效率、数据分发效率、网络状况中的至少一种;检测模块,被配置为检测电气部件和车载系统的运行数据;移动终端,被配置为获取客户需求数据;通信模块,被配置为与移动终端进行数据通信;处理器,被配置为:根据客户需求数据,确定预设测试指令;预设测试指令包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列,基于执行预设测试指令得到的测试数据集,确定增补测试指令;基于增补测试指令生成控制指令,并发送至目标模块,以进行待测车辆的电气性能的增补测试。
说明书一个或多个实施例提供一种汽车电气性能测试方法。汽车电气性能测试方法包括:根据客户需求数据,确定预设测试指令;预设测试指令包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列;基于执行预设测试指令得到的测试数据集,确定增补测试指令;基于增补测试指令生成控制指令,以控制目标模块基于控制指令进行待测车辆的电气性能的增补测试。
本说明书一个或多个实施例提供一种汽车电气性能测试装置,其特征在于,装置包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行计算机指令中的至少部分指令以实现汽车电气性能测试方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的汽车电气性能测试系统的模块示意图;
图2是根据本说明书一些实施例所示的汽车电气性能测试方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定预设测试指令的示例性流程图;
图4是根据本说明书一些实施例所示的优选测试例确定模型的示例性示意图;
图5是根据本说明书一些实施例所示的确定增补测试指令流程的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的汽车电气性能测试系统的模块示意图。
如图1所示,汽车电气性能测试系统100包括测试指令实施模块110、电气工况集成模块120、车载系统集成模块130、检测模块140、移动终端150、通信模块160以及处理器170。
测试指令实施模块110可以用于确定或调整测试指令,以及传输测试指令至电气工况集成模块120和车载系统集成模块130,在一些实施例中,测试指令包括电气工况测试指令和/或车载系统测试指令。测试指令包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列。其中,预设测试参数至少包括网络中断特征、网络中断特征、电力功能特征、数据传输特征中的一种或多种。
电气工况集成模块120可以用于基于测试指令,加载待测车辆的电气部件在车辆至少一种工作状态下的模拟工作条件。在一些实施例中,车辆状态可以包括车辆启动、车辆行驶、车辆制动以及车辆熄火等。在一些实施例中,电气工况集成模块120可以包括工作条件模拟单元,工作条件模拟单元可以模拟电气部件在不同使用年限(老化程度)的工作条件。
车载系统集成模块130可以用于基于测试指令,更新车载系统的数据传输效率、数据分发效率、网络状况中的至少一种。在一些实施例中,车载系统集成模块可以包括车载以太网、时间敏感网络(TSN)、数据分发服务(DDS)、服务导向架构(SOA)、在线升级(OTA)等多种模块。车载系统集成模块可以基于测试指令对一个或多个模块进行调整。
检测模块140可以用于检测电气部件和车载系统的运行数据。在一些实施例中,检测模块140可以从电气工况集成模块120以及车载系统集成模块130获取运行数据。其中,运行数据至少可以包括响应速率(包括无响应)、执行准确程度(实际值和指令预设值的差异,经由测试确定)、网关路由数据等。
移动终端150可以是客户的移动设备,可以用于获取客户需求数据。
通信模块160被配置为与移动终端进行数据通信。在一些实施例中,通信模块160可以下发获取客户需求数据的指令至移动终端150,并接收移动终端150上传的客户需求数据。
处理器170被配置为根据客户需求数据,确定预设测试指令;预设测试指令包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列,基于执行预设测试指令得到的测试数据集,确定增补测试指令;基于增补测试指令生成控制指令,并发送至目标模块,以进行待测车辆的电气性能的增补测试。关于处理器170的更多相关内容,具体可参见图2至图5及其相关描述。
关于上述模块的更多相关内容,具体可参见下述图2至图5的相关描述。
图2是根据本说明书一些实施例所示的汽车电气性能测试方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由处理器执行。
步骤210,根据客户需求数据,确定预设测试指令。
客户需求数据是指反映客户需求的相关数据。例如,在测试时,需要模拟的测试环境。在一些实施例中,测试环境可以尽量与客户的实际驾驶环境或极端驾驶环境相同或类似。
在一些实施例中,客户需求数据可以包括驾驶场景信息、地域信息(例如,南方、北方、所在省份、所在城市等)、位置信息(例如,所在区域、所在街道、经纬度等)、道路信息(例如,乡村道路、国道、省道、高速路等)等中的至少一种。
在一些实施例中,处理器可以通过多种方式获取客户需求数据。例如,处理器可以通过获取用户输入,确定客户需求数据。
预设测试指令是指预先设置的测试指令。测试指令是指用于控制执行机构执行相应动作或相应功能的控制信息。
在一些实施例中,处理器可以通过多种方式获取预设测试指令。例如,处理器可以基于历史数据进行选取、查表、通过预设算法计算等中的至少一种方式获取。
在一些实施例中,处理器可以向电气工况集成模块、车载系统集成模块、检测模块等中的至少一个下发预设测试指令,使电气工况集成模块、车载系统集成模块、检测模块等中的至少一个执行相应的功能。
关于电气工况集成模块、车载系统集成模块、检测模块的更多内容,可以参见图1的相关说明。
在一些实施例中,处理器可以基于客户需求数据,通过查询第一预设表获取对应的预设测试指令。第一预设表中包括不同的预设测试指令与不同客户需求数据的对应关系。
在一些实施例中,预设测试指令可以包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列。
在一些实施例中,时间点可以包括用于表征测试或测试过程中每个阶段的开始和/或结束的时间。在一些实施例中,处理器可以通过多种方式确定时间点。例如,处理器可以基于经验、基于历史数据、查表等中的至少一种。
测试环节是指测试过程中的阶段。在一些实施例中,一个测试环节可以包括至少一个测试项目。测试项目可以包括对车载以太网、时间敏感网络(TSN)、数据分发服务(DDS)、服务导向架构(SOA)、在线升级(OTA)等中的至少一个进行测试。在一次测试过程中,可以包括至少一个测试环节。多个测试环节对应的测试内容可以相同或不同。
预设测试参数是指预先设置的测试参数。测试参数是指控制测试环境或测试条件的相关参数。
在一些实施例中,测试参数可以包括网络中断特征、网络限速特征、电力功能特征、数据传输特征、供电不稳或断电等中的至少一种。其中,网络中断是指网络传输断开。网络中断特征可以包括丢包率的设置值、网络延迟的设置值等中的至少一种。网络限速是指网络传输的速度受到限制。网络限速特征可以包括最大速率的设置值等。电力功能是指与电路或控制电路相关的功能。电力功能特征可以包括备用电路的切断数量、人为制造电压和/或电流波动的频率和/或幅度设置值等中的至少一种。数据传输是指利用网络传输数据。数据传输特征可以包括汽车内的多种数据的各个数据流的数据上传总量和/或平均数据包大小等的设置值。
在一些实施例中,处理器可以通过多种方式确定预设测试参数。例如,工作人员可以向处理器上传预设测试参数。又例如,处理器可以基于历史数据、查表、预设算法等中的至少一种方式确定。
测试参数序列是指参数或数据形成的序列。在一些实施例中,测试参数序列可以包括至少一个预设测试参数形成的序列。在一些实施例中,处理器可以将一个或多个预设测试参数进行排序得到测试参数序列。
在一些实施例中,基于测试参数序列构成的预设测试指令对应的测试目的可以是测试待测车辆在网络条件差、电力条件差、数据传输拥挤等条件下,待测车辆的各个电气部件还能否正常运行。
更多关于确定预设测试指令的说明参见图3的相应内容。
步骤220,基于执行预设测试指令得到的测试数据集,确定增补测试指令。
测试数据集是指测试数据的集合。测试数据是指经过测试后得到的数据。在一些实施例中,测试数据可以包括电气工况集成模块、车载系统集成模块、检测模块等中的至少一个完成测试后产生的数据。
在一些实施例中,处理器可以接收电气工况集成模块、车载系统集成模块、检测模块等中的至少一个产生的测试数据,处理器可以对至少一个测试数据进行组合得到测试数据集。
在一些实施例中,处理器还可以通过其他方式获取测试数据集。例如,相关人员可以向处理器上传测试数据集。又例如,处理器可以从历史数据中获取测试数据集。
增补测试指令是指调节测试指令的相关信息。例如,增补测试指令可以用于调节电气工况集成模块、车载系统集成模块、检测模块等中的至少一个的测试指令。
在一些实施例中,增补测试指令可以包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列。在一些实施例中,处理器可以基于测试数据集通过多种方式确定增补测试指令。例如,处理器可以通过查询指令对照表等方式确定增补测试指令。其中,指令对照表基于历史数据生成,包括不同测试数据集对应的不同增补测试指令。
更多关于确定增补测试指令的说明参见图5的相应内容。
步骤230,基于增补测试指令生成控制指令,以控制目标模块基于控制指令进行待测车辆的电气性能的增补测试。
控制指令是指用于控制执行机构执行相应动作或相应功能的控制信息。在一些实施例中,控制指令可以用于控制电气工况集成模块、车载系统集成模块、检测模块等中的至少一个,根据增补测试指令调节相应的测试指令。例如,增加测试次数、增加测试环节、改变测试时长、改变测试开始和/或结束时间点等中的至少一种。
在一些实施例中,处理器可以基于增补测试指令通过多种方式确定控制指令。例如,处理器可以生成包括增补测试指令的控制指令并发送至相应的执行机构。
一些实施例中,可以在测试过程中形成反馈,得到控制指令,基于控制指令调节测试方案,有利于提高测试的效率和精确度。
在一些实施例中,流程200可以在实验室中执行。实验室可以包括测试设备和系统模块、虚拟仿真系统模块、自动化测试工具链模块和定制化测试方案模块。
测试设备和系统模块能够通过预设算法实现测试功能。例如,对汽车的各个部件、车载网路技术等进行测试。在一些实施例中,测试设备和系统模块可以包括车载以太网测试设备、TSN测试设备、DDS测试设备、SOA测试设备、OTA测试设备等中的至少一种。
虚拟仿真系统模块能够通过预设算法模拟和测试各种车载网络条件,支持各种异常情况的测试。在一些实施例中,虚拟仿真系统模块可以模拟实际的车载网络环境,从而支持实际应用场景的测试。
自动化测试工具链模块能够通过预设算法实现测试流程的自动化,提高测试的效率。在一些实施例中,自动化测试工具链模块可以自动记录和分析测试结果,从而保证测试结果的客观性和准确性。在一些实施例中,自动化测试工具链模块可以与测试设备和系统模块连接,自动化测试工具链模块可以控制测试设备和系统模块自动工作。
定制化测试方案模块能够用于针对客户需求,通过预设算法提供定制化的测试方案。在一些实施例中,测试方案可以包括测试目标、测试内容、测试方法、测试环境、测试设备和测试流程等中的至少一种。在一些实施例中,定制化测试方案模块可以提供测试台架的设计服务。
在一些实施例中,测试设备和系统模块、虚拟仿真系统模块、自动化测试工具链模块和定制化测试方案模块可以分别与处理器通讯连接。处理器可以分别向测试设备中的至少一种下发控制指令,控制测试设备中的至少一种执行相应的功能。
在一些实施例中,处理器可以向车载以太网测试设备下发控制指令,使车载以太网测试设备测试待测汽车的车载以太网。测试车载以太网可以包括物理层测试(例如,用于检查网络硬件设备和连接的物理特性等)、交换机一致性测试(例如,用于检查交换机的各项功能和性能是否满足预设的规范和标准等)、交换机性能测试(例如,用于检查交换机在各种工作条件下的性能表现等)、网关路由测试(例如,用于检查网关设备的路由功能,包括数据的正确转发、路由协议的正确实现等)、上层协议一致性测试(例如,用于检查网络设备和系统对于上层协议(例如,TCP/IP)的支持是否满足预设的规范和标准等)、以太网网络管理测试(例如,用于检查网络设备和系统的管理功能,包括配置管理、性能管理、故障管理、安全管理和计费管理等)、诊断刷写测试(例如,用于检查网络设备和系统的诊断功能和刷写功能等,以保证设备和系统的正常运行和升级)等中的至少一种。
在一些实施例中,处理器可以向TSN测试设备下发控制指令,使TSN测试设备测试待测汽车的TSN。测试TSN可以包括协议一致性测试(例如,用于检查网络设备和系统对于TSN协议的支持是否满足预设的规范和标准等)、时钟同步协议测试(例如,用于检查网络设备和系统对于TSN时钟同步协议(IEEE802.1AS)的支持是否满足预设的规范和标准等)、时钟同步精度测试(例如,用于检查网络设备和系统的时钟同步精度等,以保证在需要精确时钟同步的应用中,系统的性能表现满足需求)、服务质量测试(例如,用于检查网络设备和系统对于TSN服务质量(例如,带宽保证、延迟保证等)的支持是否满足预设的规范和标准等)等中的至少一种。
在一些实施例中,处理器可以向DDS测试设备下发控制指令,使DDS测试设备测试待测汽车的DDS。测试DDS可以包括服务接口测试(例如,用于检查DDS服务提供的接口是否满足预设的规范和标准等,包括接口的功能、性能、稳定性等)、服务功能测试(例如,用于检查DDS服务的各项功能是否满足预设的规范和标准等,包括数据的发布、订阅、过滤、传输等)、负载/压力测试(例如,用于检查DDS服务在高负载和高压力条件下的性能和稳定性等,以保证服务在实际应用中的可靠性)、服务兼容性测试(例如,用于检查DDS服务对于不同类型和版本的客户端的兼容性等,以保证服务的广泛适用性)、安全测试(例如,用于检查DDS服务的安全性,包括数据的加密、认证、权限管理等)等中的至少一种。
在一些实施例中,处理器可以向SOA测试设备下发控制指令,使SOA测试设备测试待测汽车的SOA。测试SOA可以包括包含服务接口测试(例如,用于检查SOA服务提供的接口是否满足预设的规范和标准,包括接口的功能、性能、稳定性等)、服务互操作性测试(例如,用于检查SOA服务的各项功能是否能够与其他服务正确、有效地协同工作等)、服务功能测试(例如,用于检查SOA服务的各项功能是否满足预设的规范和标准,包括服务的发布、发现、绑定、调用等)、负载/压力测试(例如,用于检查SOA服务在高负载和高压力条件下的性能和稳定性等,以保证服务在实际应用中的可靠性)、服务兼容性测试(例如,用于检查SOA服务对于不同类型和版本的客户端的兼容性等,以保证服务的广泛适用性)、安全测试(例如,用于检查SOA服务的安全性,包括数据的加密、认证、权限管理等)等中的至少一种。
在一些实施例中,处理器可以向OTA测试设备下发控制指令,使OTA测试设备测试待测汽车的OTA。测试OTA可以包括功能流程测试(例如,用于检查OTA的整体功能流程,包括固件下载、固件安装、固件激活等是否满足预设的规范和标准等)、异常场景测试(例如,用于检查OTA在遇到各种异常情况(例如,包括网络中断、电源中断等)时的处理能力和稳定性)、性能测试(例如,用于检查OTA在各种工作条件下的性能表现,包括下载速度、安装速度、升级成功率等)、云诊断测试(例如,用于检查OTA的云诊断功能,包括故障检测、故障报告、故障处理等)等中的至少一种。
在一些实施例中,对待测车辆进行测试时,可以同时测试待测车辆的以太网测试、TSN、DDS、SOA和OTA中的至少两个。在测试过程中,处理器可以根据测试结果,对以太网测试、TSN、DDS、SOA和OTA的测试结果进行评估。如果所有测试结果满足预设条件,则测试流程结束。否则,处理器可以根据不满足于预设条件的测试结果,控制与该测试结果对应的测试设备和系统模块重新进行测试。
例如,对一款新型智能网联汽车进行测试。对该汽车的车载以太网和TSN进行性能测试。处理器可以控制虚拟仿真系统模块在实验室中设立一个虚拟的车载网络环境,该车载网络环境可以模拟实际的道路和交通条件,包括其他车辆、行人、信号灯等元素。将新型智能网联汽车连接到车载网络环境。处理器可以控制定制化测试方案模块设计至少一个测试方案,测试方案可以包括一个或多个测试目标。例如,测试车载以太网的数据传输速度、测试TSN的时钟同步精度等。测试方案还可以包括预设的输入,例如,预设的输入可以包括发送给车载以太网的数据、设置TSN的时钟源等。
处理器可以下发控制指令至自动化测试工具链,自动化测试工具链控制测试设备和系统模块自动执行测试方案。自动化测试工具链可以根据测试方案的预设的输入,自动配置虚拟环境和汽车的设置。然后,自动化测试工具链可以启动测试,并收集测试结果,然后分析测试结果得到分析结果。自动化测试工具链还可以将测试结果和分析结果反馈给处理器。例如,测试方案可以包括测试车载以太网的数据传输速度。
定制化测试方案模块设计测试方案为,以太网测试设备可以从车载以太网的一端发送至少一个大小为1GB的数据包至车载以太网的另一端,然后使用自动化测试工具链的计时器功能,记录数据包从发送到接收的时间。自动化测试工具链可以将测试方案反馈给处理器,处理器向自动化测试工具链下发控制指令。自动化测试工具链控制以太网测试设备执行相应操作,自动化测试工具链可以通过计算1GB除以记录的时间,得到数据传输速度。
通过实验室提供集成化的测试平台,集成了对车载以太网、TSN、DDS、SOA、OTA等多种技术的测试,避免了对每种技术进行单独测试的繁琐,大大提高了测试的效率。通过构建包含各种车载网络条件的虚拟仿真系统,本发明实现了对各种异常情况的全面覆盖,确保了在实际应用中的稳定性和可靠性。通过实现测试工具链的自动化,本发明进一步提高了测试的效率,减少了人工干预的可能性,保证了测试结果的客观性和准确性。定制化测试方案模块能够根据客户的具体需求,提供定制化的测试方案,从而满足不同客户的不同需求,提高了服务的满意度和认可度。自动化测试工具链可以对测试结果统一表示和分析,使得不同的测试结果能够进行有效的比较和分析,为决策提供了有力的支持。
在一些实施例中,电气工况集成模块包括工作条件模拟模块。
工作条件模拟模块是指能够用于模拟工作条件的模块。工作条件可以包括环境温度、环境湿度、使用年限等中的至少一种。
在一些实施例中,工作条件模拟模块可以被配置为模拟电气部件不同使用年限的工作条件。使用年限可以表征电气部件的老化程度。在一些实施例中,使用年限与老化程度正相关。
在一些实施例中,处理器可以基于使用年限,通过预设算法确定老化程度。在一些实施例中,预设算法可以包括正相关函数。例如,老化程度=系数×使用年限。又例如,老化程度=(系数×使用年限)%。其中,系数可以大于0。系数可以通过基于经验、查表、历史数据等中的至少一种获取。
在一些实施例,处理器还可以通过其他方式确定老化程度。例如,处理器可以基于历史数据、查表等方式中的至少一种确定老化程度。
图3是根据本说明书一些实施例所示的确定预设测试指令的示例性流程图。流程300可以基于处理器170执行。
步骤310,基于客户需求数据,确定预设未来场景集。
预设未来场景集是指预设未来场景的集合。预设未来场景是指预先设置和/或预期的未来的驾驶场景。驾驶场景是指与驾驶情况相关的信息。在一些实施例中,驾驶场景可以包括驾驶的路程长短、道路信息、环境信息、天气信息等中的至少一种。
在一些实施例中,预设未来场景集包括至少一个预设未来场景。在一些实施例中,处理器可以基于客户需求数据,确定预设未来场景集。在一些实施例中,处理器可以对驾驶的路程长短、道路信息、环境信息、天气信息等中的至少一种进行组合,确定预设未来场景。例如,晴天在城市道路上短途通勤、晴天或雨天在复杂道路上长途客运等。
在一些实施例中,处理器还可以通过其他方式确定预设未来场景。例如,通过查表、从历史数据中获取等中的至少一种。
又例如,处理器可以基于用户需求,通过语言识别模型识别关键词库中的关键词确定预设未来场景集合。语言识别模型是指能够识别语言的机器学习模型。关键词库是指存储有至少一个关键词的数据库。在一些实施例中,处理器可以预先设定关键词库。在一些实施例中,关键词可以对应至少一个未来场景集合。处理器可以通过语言识别模型能够提取用户输入的与用户需求相关的语言中的关键词。并在关键词库中识别提取的关键词,将关键词库中的关键词对应的未来场景集合作为预设未来场景集合。
步骤320,基于预设未来场景集以及待测车辆的车辆信息,确定至少一个优选测试例。
车辆信息是指与车辆相关的信息。在一些实施例中,车辆信息可以包括汽车各部件的参数。例如,汽车部件的材质、汽车部件的尺寸、发动机型号等。在一些实施例中,车辆信息可以从厂商处获取,相关人员可以上传至处理器。
优选测试例是指综合预设未来场景信息选出的,对车辆进行测试的较优的测试例。测试例是指控制汽车在至少一个状态特征下以至少一个预设测试参数和/或至少一个测试参数序列对汽车的至少一个电气部件进行的一次测试。
在一些实施例中,状态特征是指与汽车的运行状态相关的信息。在一些实施例中,状态特征可以包括车速、车内温度、车外温度、路面颠簸程度(例如,平稳、轻微颠簸、严重颠簸等)等中的至少一种。例如,测试例可以包括,控制汽车在30km/h的速度、车内温度为20℃、车外温度为25℃、路面颠簸程度为平稳的状态特征下,设定预设测试参数为将网络中断特征设置为丢包率5%,将网络限速特征设置为限制最大网速为1MB/s;在该状态特征和该预设测试参数的条件下,测试汽车的每一个电气部件的功能是否正常。
在一些实施例中,状态特征可以通过多种方式获取。例如,通过压力传感器、速度传感器、温度传感器等中的至少一种进行检测以获取。
在一些实施例中,处理器可以根据预设未来场景集以及当前汽车的车辆信息生成特征向量,通过向量匹配,确定至少一个优选测试例。向量匹配可以包括计算特征向量与参考向量之间的相似度,选取相似度最高的参考向量对应的测试例作为目标测试例。处理器可以基于历史数据库中历史车辆对应的未来场景集、当前车辆信息和测试例进行聚类,将生成的聚类中心对应的未来场景集、当前车辆信息作为参考向量的元素。
在一些实施例中,特征向量与参考向量的相似度可以基于向量距离表示,向量距离包括但不限于余弦距离等。
在一些实施例中,处理器还可以基于预设未来场景集以及待测车辆的车辆信息,通过其他方式确定至少一个优选测试例。例如,通过查表、通过预设算法计算等中的至少一种。
步骤330,根据至少一个优选测试例,确定预设测试指令。在一些实施例中,处理器可以根据至少一个优选测试例,通过查表确定预设测试指令。例如,处理器可以通过表(1)确定预设测试指令。在一些实施例中,表(1)可以包括:
测试例 | 预设测试指令 |
a1 | b1 |
a2 | b2 |
… | … |
其中,a1、a2,…可以表示不同的测试例,b1、b2,…可以表示不同的测试例分别对应的测试指令。在一些实施例中,表(1)可以通过处理器基于历史数据预设。
本说明的一些实施例,处理器通过确定优选测试例,可以确定至少一个优选的预设测试指令,能够提高确定预设测试指令的效率和精度,保证后续步骤的精度。
在一些实施例中优选测试例还可以基于测试例确定模型确定。
图4是根据本说明书一些实施例所示的测试例确定模型的结构示意图。
在一些实施例中,如图4所示,基于所述预设未来场景集以及所述待测车辆的车辆信息,确定至少一个优选测试例可以包括:基于预设未来场景集以及待测车辆的车辆信息,通过测试例确定模型,确定至少一个优选测试例。
测试例确定模型是指用于确定测试例的模型。测试例确定模型可以是机器学习模型。例如,深层结构化语义模型(DeepStructuredSemanticModel,DSSM)等。
在一些实施例中,测试例确定模型可以包括依次连接的输入层410、特征表示层420、匹配层430等。
在一些实施例中,输入层410包括并列的第一输入层411和第二输入层412。
在一些实施例中,第一输入层411和第二输入层412的结构可以包括编码和/或特征拼接等。编码可以包括独热(One-Hot)编码和/或嵌入式(Embedding)编码等。特征拼接是指将编码的结果进行拼接。
在一些实施例中,第一输入层411的输入可以包括候选测试例及其对应的未来场景集4111和候选测试例对应的历史车辆信息4112等。候选测试例是指作为待选的历史测试例。历史车辆信息4112是指执行历史测试例的历史车辆的车辆信息。
在一些实施例中,第一输入层411的输出可以包括测试例向量4113等。测试例向量4113是指与历史测试例相关的向量。在一些实施例中,测试例向量4113至少可以包括历史测试例、未来场景集和历史车辆信息等。
在一些实施例中,第二输入层412的输入可以包括预设未来场景集4121和待测车辆的车辆信息4122等。关于预设未来场景集、待测车辆的车辆信息是指等待测试的汽车的车辆信息。关于测试例、未来场景集和车辆信息的更多内容,可以参见图3的相关说明。
在一些实施例中,第二输入层412的输出可以包括车辆向量4123等。车辆向量4123是指与待测车辆相关的向量。例如,与待测车辆的车辆信息相关的向量。在一些实施例中,车辆向量4123至少可以包括预设未来场景和车辆信息等。
在一些实施例中,特征表示层420包括并列的第一特征表示层421和第二特征表示层422。
在一些实施例中,第一特征表示层421和第二特征表示层422的结构可以包括全连接层和/或特征嵌入。
在一些实施例中,第一特征表示层421的输入可以包括测试例向量4113等。
在一些实施例中,第一特征表示层421的输出可以包括测试例特征向量4211等。测试例特征向量4211是指测试例向量的特征的向量表示。
在一些实施例中,第二特征表示层422的输入可以包括车辆向量4123等。
在一些实施例中,第二特征表示层422的输出可以包括车辆特征向量4221等。车辆特征向量4221可以是车辆向量的特征的向量表示。
在一些实施例中,匹配层430的结构可以包括相似度计算和/或分类处理结构。相似度计算可以包括采用cos等方法计算相似距离等。分类处理可以包括采用二分类的方式,得到分类结果。
在一些实施例中,匹配层430的输入可以包括测试例特征向量4211和车辆特征向量4221等。
在一些实施例中,匹配层430的输出可以包括测试例集合及其匹配度431等。测试例集合是指至少一个测试例形成的集合。匹配度是指测试例集合中各个候选测试例的匹配度。在一些实施例中,处理器可以选取测试例集合中,匹配度大于匹配度阈值的候选测试例作为优选测试例。在一些实施例中,处理器可以基于历史数据、查表等方式中的至少一种确定匹配度阈值。
在一些实施例中,测试例确定模型可以通过训练数据集对初始测试例确定模型的训练得到,训练数据集包括多个带有第一标签的第一训练样本。
在一些实施例中,第一训练样本包括正样本或负样本。例如,处理器可以基于客户需求数据确定标准测试例(如标准状态特征或标准测试参数等),并基于标准测试例确定正样本集合和负样本集合。正样本集合中包括多个正样本,负样本集合中包括多个负样本。在一些实施例中,正样本对应的标签为1,负样本对应的标签为0。
例如,在一次对待测汽车进行测量时,客户需求数据为对待测汽车在网络限速特征为A的情况下测试电气部件的性能,候选测试例包括第一测试例、第二测试例和第三测试例。其中,仅第二测试例对应的预设测试参数中网络限速特征为A,则第二测试例为正样本,第一测试例和第三测试例为负样本。需要说明的是,以上确定正负样本的说明仅为示例,实际中,正样本对应的要求可以包括更多项,如需要多项预设测试参数符合用户需求数据等。
在一些实施例中,处理器可以基于标准测试例,按照训练数据集中需要包含的正负样本的预设比例,通过随机采样的方法构造该训练数据集。预设比例可以包括正样本与负样本的比例。例如,A-Q共17个样本中,对应包括含标准测试例的样本和不含标准测试例的样本,如样本A、B、C对应的测试例中包括标准测试例,其区别为除标准测试例包含的参数以外的参数存在差异,样本D-Q对应的测试例不包括标准测试例。则正样本数量为3,负样本数量为14。
在预设比例为1:4的条件下。需要从样本D-Q随机选出12个样本,选出的样本与样本A、B、C组合构成训练数据集。
在一些实施例中,第一输入层的输出可以作为第一特征表示层的输入。第二输入层的输出可以作为第二特征表示层的输入。第一特征表示层、第二特征表示层的输出可以作为匹配层的输入。第一输入层、第二输入层、第一特征表示层、第二特征表示层和匹配层可以联合训练的得到。
在一些实施例中,第一训练样本的样本数据可以包括样本测试例及其对应的未来场景集、历史车辆信息、预设未来场景集和待测车辆的车辆信息等。第一训练样本为正样本时,其对应的标签中匹配度为1,否则为0。
在一些实施例中,将样本测试例及其对应的未来场景集和历史车辆信息输入第一输入层,得到第一输入层输出的测试例向量。将测试例向量作为训练样本数据输入第一特征表示层,得到第一特征表示层输出的测试例特征向量。将预设未来场景集和待测车辆的车辆信息输入第二输入层,得到第二输入层输出的车辆向量。将车辆向量训练样本数据输入第二特征表示层,得到第二特征表示层输出的车辆特征向量。将测试例特征向量和车辆特征向量作为训练样本数据输入作为训练样本数据输入匹配层,得到匹配层的输出测试例集合及其匹配度。基于标签和匹配层输出的测试例集合及其匹配度,构建损失函数,同步更新第一输入层、第二输入层、第一特征表示层、第二特征表示层和匹配层的参数。通过参数更新,得到训练好的第一输入层、第二输入层、第一特征表示层、第二特征表示层和匹配层。
本说明的一些实施例,基于预设未来场景集以及待测车辆的车辆信息,利用测试例确定模型预测优选测试例,可以提高预测优选测试例的准确性。
图5是根据本说明书一些实施例所示的确定增补测试指令的示例性流程图。
如图5所示,流程500包括下述步骤。在一些实施例中,流程500可以由处理器170执行。
步骤510,基于测试数据集,确定待测车辆在至少一种状态特征下的已测电功有效度。
测试数据集是指在汽车运行状态下执行预设测试指令后获得的测试数据的集合。关于测试数据集的更多说明参见图2的相应内容。
状态特征是指可以反映汽车行为状态的特征。在一些实施例中,状态特征可以包括汽车当前状态、汽车驾驶特征以及电气单元运行特征。例如,汽车当前状态可以包括汽车车速、车内温度、车外温度、路面颠簸程度等;驾驶特征可以包括车辆启动、车辆行驶、车辆制动、车辆熄火等;电气单元运行特征可以包括电器单元待机、电器单元启动、电器单元故障、电器单元运行、电器单元关闭等。关于状态特征的更多说明参见图3的相应内容。
已测电功有效度是指测得的各个电气单元的有效度数据,可以衡量各个电气单元是否正常运行。已测电功有效度可以通过数值或等级等进行表示,例如,数值越大,说明电气单元运行越正常。在一些实施例中,已测电功有效度可以包括发动机电功有效度,空调系统电功有效度,刹车系统电功有效度等。
在一些实施例中,处理器可以基于测试指令对应的测试数据得到对应的电气功能数据,基于电气功能数据确定电气功能有效度。例如,处理器可以基于测试数据提取测试中发动机在各个时刻的功率及发热量,基于发动机平均功率占目标功率的百分比,以及发动机发热量占预设发热量的百分比,进行加权求和得到发动机的电气功能有效度,如以下公式(1):
其中,ηf为发动机的电气功能有效度;Wr为发动机平均功率;Wt为发动机目标功率;Qr为发动机发热量;Qt为发动机预设发热量;k1为发动机功率系数;k2为发动机发热系数;k1与k2的和为1。k1与k2的值可以基于预设确定。
发动机平均功率越贴近发动机目标功率,发动机发热量越贴近发动机预设发热量,则发动机的电气功能有效度越高。其中,发动机目标功率、发动机预设发热量可以根据经验设定。
步骤520,根据待测车辆的已测电功有效度、预设未来场景集以及待测车辆的车辆信息,确定待测车辆在未测试的状态特征下的预测电功有效度。
状态特征可以包括待测车辆所处的驾驶特征以及电气单元运行特征。关于更多状态特征的说明可以参见步骤510及其相关描述。
预设未来场景集是指基于驾驶场景、环境信息、道路信息等组成的场景集合。在一些实施例中,预设未来场景集可以包括短途城市道路通勤、长途复杂道路客运等。测试指令实施模块可以基于客户需求数据确定预设未来场景集。关于客户需求数据及预设未来场景集的更多内容可以参见图2及其相关说明。
待测车辆的车辆信息是指与待测车辆自身状态有关的信息。在一些实施例中,待测车辆的车辆信息可以包括汽车各部件的参数,例如汽车油路管道材质、发动机型号、汽车百公里油耗、车内空调滤网已使用时长、汽车机油更换频率等;处理器可以基于检测模块获取待测车辆的车辆信息。关于车辆信息的更多内容可以参见图2及其相关说明。
预测电功有效度是指经预测计算得到待测车辆在未测试的状态特征下的电功有效度,预测电功有效度所包含的指标和已测电功有效度所包含的指标相同。例如,预测电功有效度可以包括待测车辆在未测试的状态特征下的预测发动机电功有效度,预测空调系统电功有效度,预测刹车系统电功有效度等。
处理器可以通过多种方式预测电功有效度。在一些实施例中,处理器可以基于已测电功有效度、已测试的状态特征与未测试的状态特征预测电功有效度。
例如,对于同一辆待测车辆,在高速公路匀速行驶测得的发动机电功有效度为N1,在崎岖山路变速行驶测得的发动机电功有效度为N2,由于发动机在高速公路的电功有效度要优于在崎岖山路的电功有效度,且发动机匀速行驶时的电功有效度高于变速行驶,由此可以推断在高速公路变速行驶预测发动机电功有效度N3应小于N1而大于N2,此时可以将N1和N3的平均值确定为高速公路变速行驶预测发动机电功有效度N3。由此可以依据已测电功有效度对未测试的状态特征下的电气功能有效度进行预测,得到预测电功有效度。
在一些实施例中,处理器还可以根据待测车辆的已测电功有效度、预设未来场景集以及待测车辆的车辆信息,通过有效度预测模型,确定待测车辆在未测试的状态特征下的预测电功有效度。
有效度预测模型指用于确定电气功能有效度的模型。在一些实施例中,有效度预测模型可以是机器学习模型。例如,有效度预测模型可以包括NN模型或其他自定义的模型结构等中的任意一种或组合。在一些实施例中,有效度预测模型的输入可以包括未测试的状态特征、已测电功有效度、预设未来场景集以及待测车辆的车辆信息,输出可以包括在未测试的状态特征下的预测电功有效度。
有效度预测模型可以通过训练获取。在一些实施例中,训练样本可以包括若干组训练数据,每组训练数据可以基于历史车辆的历史测试获取。例如,将历史车辆在历史测试中的多个状态特征随机分成两部分,将其中一部分作为未测试的状态特征,另一部分作为已测试的状态特征,并将基于已测试的状态特征得到的已测电功有效度、以及预设未来场景集以及历史车辆的车辆信息,连同作为未测试的状态特征的状态特征一起作为训练样本输入初始有效度预测模型,基于初始有效度预测模型模型的输出与标签构建损失函数,基于损失函数迭代更新初始有效度预测模型的参数,直至满足预设条件时,训练结束,获取训练好的有效度预测模型。预设条件可以包括但不限于损失函数收敛、训练周期达到阈值等。训练样本的标签可以是作为未测试的状态特征的状态特征知己对应的电功有效度。
在本说明书的一些实施例中,通过利用有效度预测模型对预测电功有效度进行预测,可以降低人为预测的误差,实现更准确的预测电功有效度,提高预测结果的可靠性与准确性。
在一些实施例中,有效度预测模型的输入还可以包括优选测试例。
优选测试例是指综合未来场景信息选出的,对车辆进行测试的较优的测试例。优选测试例与测试例相比更能符合电气性能测试要求。例如,针对长时间未保养维修的车辆变速系统进行电气性能测试,路面颠簸多弯道的复杂道路相比路面平整少弯道的城市道路更具有代表性,更能体现车辆变速系统的性能差异,因此可以将长途复杂道路作为针对长时间未保养维修的车辆变速系统进行电气性能测试的优选测试例。
关于优选测试例的更多说明参见图3的相应内容。
在本说明书的一些实施例中,通过将优选测试例输入到有效度预测模型,可以进一步提高有效度预测模型对于预测电功有效度的准确性。
步骤530,基于待测车辆的预测电功有效度,确定增补测试指令。
增补测试指令是指在预设测试指令的基础上进行调整或者补充的指令,增补测试指令所包含的指标和预设测试指令所包含的指标相同。在一些实施例中,增补测试指令可以包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列。关于增补测试指令的更多说明参见图3的相应内容。
在一些实施例中,处理器可以通过多种方式获取增补测试指令。例如,处理器可以基于预测电功有效度在测试指令预设表中进行检索,获取与预测电功有效度对应的测试指令,确定为增补测试指令。其中,测试指令预设表用于存储若干预测电功有效度及其对应的增补测试指令。测试指令预设表可以基于历史数据或先验经验构建。
在一些实施例中,处理器可以确定测试数据覆盖度;基于测试数据覆盖度以及待测车辆的预测电功有效度,确定增补测试指令。
测试数据覆盖度是指测试指令对于电气部件检测和/或车载系统性能检测的充分程度。测试数据覆盖度可以通过数值或等级等进行表示,例如,数值越大,说明对于电气部件检测和/或车载系统性能的检测越充分,则对应的增补测试的需求越低。
在一些实施例中,处理器可以基于测试数据覆盖度、该汽车在未测试的状态特征下的电气功能有效度以及增补测试指令构建待匹配向量。处理器可以基于待匹配向量在向量数据库中进行检索,获取与待匹配向量的向量距离小于距离阈值或距离最小的历史向量作为参考向量,将参考向量对应的增补测试指令,确定为当前所需增补测试指令。其中,向量数据库用于存储若干历史向量及其对应的增补测试指令。历史向量基于历史测试的历史测试数据覆盖度、历史电气功能有效度构建,每个历史向量具有对应的增补测试指令。
在本说明书的一些实施例中,可以利用增补测试指令对先前检测不充分的于电气部件和/或车载系统性能进行补充检测,可以使测试结果更加全面。
在一些实施例中,处理器还可以基于预设算法构建频繁项数据库;基于频繁项数据库、预设测试指令中当前已完成的测试例的集合,确定测试数据覆盖度。
频繁项数据库是指用于存放频繁项数据的数据库。频繁项数据可以是支持度满足预设要求的测试例集合数据。一个测试例集合数据中可以包括多个预设测试参数或多组测试参数序列。以预设测试参数为例,一个测试例集合数据中可以包括ABC三种预设测试参数,其中,ABC可以分别对应一个测试例。
在一些实施例中,处理器可以通过多种方式确定频繁项数据库。例如,处理器可以基于频繁项算法确定频繁项数据库。
仅作为示例的,处理器可以从测试数据库中随机选取一例测试例集合数据作为目标数据,基于字符匹配算法,将目标数据与测试数据库中的测试例集合数据进行匹配,处理器可以将与目标数据满足匹配要求的测试例集合数据的数量确定为目标数据的支持度。匹配要求可以与预设项数比例相关。例如,匹配要求可以是至少有两个及以上的预设测试参数匹配。
其中,测试数据库是基于已完成的测试构建的数据库。
重复上述步骤,直到测试数据库中的每一项测试例集合数据都有支持度。将支持度大于支持度阈值的测试例集合数据确定为频繁项,进而基于频繁项构建频繁项数据库。
示例性的,处理器将测试例集合数据1(包括预设测试参数:ABCD)与测试例集合数据2(包括预设测试参数:ABE),测试例集合数据3(包括预设测试参数:BEG)进行匹配,由于测试例集合数据1与测试例集合数据2都包含预设测试参数AB,且满足预设项数比例(例如,至少有两个及以上的预设测试参数匹配),而测试例集合数据1与测试例集合数据3都包含预设测试参数B,但不满足预设项数比例,此时仅测试例集合数据2与测试例集合数据1满足匹配要求,则测试例集合数据1的支持度为1。重复上述步骤,得到测试例集合数据2的支持度为2,测试例集合数据3的支持度为1。
在一些实施例中,确定两个测试例集合数据是否满足匹配要求时,可以基于字符匹配算法等方式实现。字符匹配算法是指计算两串字符匹配程度的算法。在一些实施例中,字符匹配算法可以是KMP算法或者BM算法,当两串字符的匹配程度满足预设项数比例时,确定两串字符匹配要求。
在一些实施例中,频繁项数据库的构建还相关于电气功能有效度。例如,一个测试例集合数据中可以包括多个预设测试参数或多组测试参数序列,以及基于前述多个预设测试参数或多组测试参数序列确定的电气功能有效度。则在确定两个测试例集合数据是否满足预设匹配要求时,还需进一步将电气功能有效度作为匹配元素之一,具体匹配说明参见上文。
在本说明书的一些实施例中,通过将电气功能有效度用于频繁项数据库的构建,可以确保构建的频繁项数据库内各个频繁项与支持度的关系更加准确,保证了结果的可靠性与准确性。
在一些实施例中,处理器可以基于当前已完成的测试例的集合,在频繁项数据库里面确定一个或多个相似频繁项;基于一个或多个相似频繁项的匹配相似度以及支持度,加权确定当前的测试数据覆盖度。
相似频繁项是指频繁项数据库中与当前已完成的测试例的集合满足匹配要求的频繁项,相似频繁项可以包括第一类频繁项、第二类频繁项、第三类频繁项。其中,第一类频繁项中包含的测试例数量比当前已完成的测试例的数量大,第二类频繁项中包含的测试例数量与当前已完成的测试例的数量相同,第三类频繁项中包含的测试例的数量比当前已完成的测试例的数量小。
在一些实施例中,相似频繁项可以基于字符匹配算法确定。
在一些实施例中,处理器可以基于一个或多个相似频繁项的匹配相似度以及支持度,加权确定当前的测试数据覆盖度。例如,测试数据覆盖度可以通过以下公式(2)确定:
其中,k1,k2,k3为数量级平衡参数,可以基于预设确定,三者的和为1;a1i为第i个第一类频繁项的支持度;a2j为第j个第二类频繁项支持度;a3k为第k个第三类频繁项支持度;L1i为第i个第一类频繁项的长度;L2j为第j个第二类频繁项的长度;其中,频繁项的长度可以理解为该频繁项包含的测试例的数量,i、j、k均为正整数。W为当前项长度,即当前已完成的测试例的数量;A为支持度阈值;B为匹配上的三类频繁项的总数量。
在本说明书的一些实施例中,通过将相似频繁项的匹配相似度以及支持度进行加权确定测试数据覆盖度,可以降低不同长度的频繁项所带来的干扰,保证了结果的可靠性与准确性。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种汽车电气性能测试系统,其特征在于,包括:
测试指令实施模块,被配置为确定或调整测试指令以及传输所述测试指令,所述测试指令包括电气工况测试指令和/或车载系统测试指令;
电气工况集成模块,被配置为基于所述测试指令,加载待测车辆的电气部件在车辆至少一种工作状态下的模拟工作条件;
车载系统集成模块,被配置为基于所述测试指令,更新车载系统的数据传输效率、数据分发效率、网络状况中的至少一种;
检测模块,被配置为检测所述电气部件和所述车载系统的运行数据;
移动终端,被配置为获取客户需求数据;
通信模块,被配置为与所述移动终端进行数据通信;
处理器,被配置为:
根据所述客户需求数据,确定预设测试指令;所述预设测试指令包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列,
基于执行所述预设测试指令得到的测试数据集,确定增补测试指令;
基于所述增补测试指令生成控制指令,并发送至目标模块,以进行所述待测车辆的电气性能的增补测试。
2.根据权利要求1所述的系统,其特征在于,所述处理器进一步被配置为:
基于所述客户需求数据,确定预设未来场景集;所述预设未来场景集包括至少一个预设未来场景;所述至少一个预设未来场景对应所述待测车辆的至少一种预期道路环境和/或天气环境;
基于所述预设未来场景集以及所述待测车辆的车辆信息,确定至少一个优选测试例;
根据所述至少一个优选测试例,确定所述预设测试指令。
3.根据权利要求1所述的系统,其特征在于,所述处理器进一步被配置为:
基于所述测试数据集,确定所述待测车辆在至少一种状态特征下的已测电功有效度;
根据所述待测车辆的所述已测电功有效度、预设未来场景集以及所述待测车辆的车辆信息,确定所述待测车辆在未测试的所述状态特征下的预测电功有效度;所述状态特征包括所述待测车辆所处的驾驶特征以及电气单元运行特征;
基于所述待测车辆的所述预测电功有效度,确定所述增补测试指令。
4.根据权利要求3所述的系统,其特征在于,所述处理器进一步被配置为:
确定测试数据覆盖度;
基于所述测试数据覆盖度以及所述待测车辆的所述预测电功有效度,确定所述增补测试指令。
5.一种汽车电气性能测试方法,基于如权利要求1所述的汽车电气性能测试系统的处理器实现,其特征在于,包括:
根据客户需求数据,确定预设测试指令;所述预设测试指令包括多个时间点和/或多个测试环节的预设测试参数和/或测试参数序列;
基于执行所述预设测试指令得到的测试数据集,确定增补测试指令;
基于所述增补测试指令生成控制指令,以控制目标模块基于所述控制指令进行待测车辆的电气性能的增补测试。
6.根据权利要求5所述的方法,其特征在于,所述根据客户需求数据,确定预设测试指令包括:
基于所述客户需求数据,确定预设未来场景集;所述预设未来场景集包括至少一个预设未来场景;所述至少一个预设未来场景对应所述待测车辆的至少一种预期道路环境和/或天气环境;
基于所述预设未来场景集以及所述待测车辆的车辆信息,确定至少一个优选测试例;
根据所述至少一个优选测试例,确定所述预设测试指令。
7.根据权利要求5所述的方法,其特征在于,所述基于执行所述预设测试指令得到的测试数据集,确定增补测试指令包括:
基于所述测试数据集,确定所述待测车辆在至少一种状态特征下的已测电功有效度;
根据所述待测车辆的所述已测电功有效度、预设未来场景集以及所述待测车辆的车辆信息,确定所述待测车辆在未测试的所述状态特征下的预测电功有效度;所述状态特征包括所述待测车辆所处的驾驶特征以及电气单元运行特征;
基于所述待测车辆的所述预测电功有效度,确定所述增补测试指令。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括;
确定测试数据覆盖度;
基于所述测试数据覆盖度以及所述待测车辆的所述预测电功有效度,确定所述增补测试指令。
9.一种汽车电气性能测试装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1至4中任意一项所述的汽车电气性能测试方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,其特征在于,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1至4中任意一项所述的汽车电气性能测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424618.6A CN117369407B (zh) | 2023-10-30 | 2023-10-30 | 一种汽车电气性能测试系统、方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311424618.6A CN117369407B (zh) | 2023-10-30 | 2023-10-30 | 一种汽车电气性能测试系统、方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117369407A true CN117369407A (zh) | 2024-01-09 |
CN117369407B CN117369407B (zh) | 2024-05-10 |
Family
ID=89396322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311424618.6A Active CN117369407B (zh) | 2023-10-30 | 2023-10-30 | 一种汽车电气性能测试系统、方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117369407B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117850403A (zh) * | 2024-03-06 | 2024-04-09 | 西安晟昕科技股份有限公司 | 用于发控系统的动态检测方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197875A1 (en) * | 2012-01-27 | 2013-08-01 | Carvin Glenn Shirley | Copula-based system and method for management of manufacturing test and product specification throughout the product lifecycle for electronic systems or integrated circuits |
CN105573296A (zh) * | 2016-01-15 | 2016-05-11 | 上海汽车变速器有限公司 | 基于硬件在环的汽车诊断自动化测试系统及方法 |
CN106406278A (zh) * | 2016-09-27 | 2017-02-15 | 株洲中车时代电气股份有限公司 | 基于mvb总线的轨道交通车辆控制设备的联合测试系统 |
CN112506794A (zh) * | 2020-12-18 | 2021-03-16 | 佛山佑尔汽车智能技术有限公司 | 一种汽车电动尾门可编程测试系统 |
CN113704119A (zh) * | 2021-08-31 | 2021-11-26 | 中汽创智科技有限公司 | 一种用于智能驾驶的测试方法、装置、系统及存储介质 |
CN114815605A (zh) * | 2022-04-07 | 2022-07-29 | 中国科学院深圳先进技术研究院 | 自动驾驶测试用例生成方法、装置、电子设备及存储介质 |
CN115129027A (zh) * | 2022-06-20 | 2022-09-30 | 际络科技(上海)有限公司 | 一种用于智能驾驶的自动化评估方法及装置 |
WO2022246860A1 (zh) * | 2021-05-28 | 2022-12-01 | 深圳市大疆创新科技有限公司 | 一种自动驾驶系统的性能测试方法 |
CN115479782A (zh) * | 2022-09-29 | 2022-12-16 | 芜湖雄狮汽车科技有限公司 | 多源数据孪生联动测试方法、装置、车辆及存储介质 |
CN116244164A (zh) * | 2021-12-08 | 2023-06-09 | 腾讯科技(深圳)有限公司 | 测试数据包生成方法、装置、电子设备及存储介质 |
US20230184627A1 (en) * | 2020-06-16 | 2023-06-15 | Shandong University | System and method for distributed networked test of electric vehicles, storage medium and terminal device |
CN116866056A (zh) * | 2023-07-28 | 2023-10-10 | 载合汽车科技(苏州)有限公司 | 一种基于新能源网联汽车远程控制的操控平台 |
-
2023
- 2023-10-30 CN CN202311424618.6A patent/CN117369407B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130197875A1 (en) * | 2012-01-27 | 2013-08-01 | Carvin Glenn Shirley | Copula-based system and method for management of manufacturing test and product specification throughout the product lifecycle for electronic systems or integrated circuits |
CN105573296A (zh) * | 2016-01-15 | 2016-05-11 | 上海汽车变速器有限公司 | 基于硬件在环的汽车诊断自动化测试系统及方法 |
CN106406278A (zh) * | 2016-09-27 | 2017-02-15 | 株洲中车时代电气股份有限公司 | 基于mvb总线的轨道交通车辆控制设备的联合测试系统 |
US20230184627A1 (en) * | 2020-06-16 | 2023-06-15 | Shandong University | System and method for distributed networked test of electric vehicles, storage medium and terminal device |
CN112506794A (zh) * | 2020-12-18 | 2021-03-16 | 佛山佑尔汽车智能技术有限公司 | 一种汽车电动尾门可编程测试系统 |
WO2022246860A1 (zh) * | 2021-05-28 | 2022-12-01 | 深圳市大疆创新科技有限公司 | 一种自动驾驶系统的性能测试方法 |
CN113704119A (zh) * | 2021-08-31 | 2021-11-26 | 中汽创智科技有限公司 | 一种用于智能驾驶的测试方法、装置、系统及存储介质 |
CN116244164A (zh) * | 2021-12-08 | 2023-06-09 | 腾讯科技(深圳)有限公司 | 测试数据包生成方法、装置、电子设备及存储介质 |
CN114815605A (zh) * | 2022-04-07 | 2022-07-29 | 中国科学院深圳先进技术研究院 | 自动驾驶测试用例生成方法、装置、电子设备及存储介质 |
CN115129027A (zh) * | 2022-06-20 | 2022-09-30 | 际络科技(上海)有限公司 | 一种用于智能驾驶的自动化评估方法及装置 |
CN115479782A (zh) * | 2022-09-29 | 2022-12-16 | 芜湖雄狮汽车科技有限公司 | 多源数据孪生联动测试方法、装置、车辆及存储介质 |
CN116866056A (zh) * | 2023-07-28 | 2023-10-10 | 载合汽车科技(苏州)有限公司 | 一种基于新能源网联汽车远程控制的操控平台 |
Non-Patent Citations (1)
Title |
---|
周美兰;张小明;刘占华;张宇;: "电动汽车道路工况模拟测试平台", 哈尔滨理工大学学报, no. 01, 11 February 2018 (2018-02-11) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117850403A (zh) * | 2024-03-06 | 2024-04-09 | 西安晟昕科技股份有限公司 | 用于发控系统的动态检测方法 |
CN117850403B (zh) * | 2024-03-06 | 2024-05-17 | 西安晟昕科技股份有限公司 | 用于发控系统的动态检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117369407B (zh) | 2024-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104520829B (zh) | 用于从机动车的通信总线提取数据的设备和方法 | |
CN117369407B (zh) | 一种汽车电气性能测试系统、方法、装置及存储介质 | |
CN101533561B (zh) | 交通信息管理服务器、导航终端及其方法 | |
CN111338973A (zh) | 基于场景的自动驾驶仿真测试评价服务云平台及应用方法 | |
CN105383498A (zh) | 基于路线和模型的能量估计 | |
CN104185840A (zh) | 持续部署流水线测试的优先化 | |
CN112118551B (zh) | 设备风险识别方法及相关设备 | |
CN110162003B (zh) | 一种行车主动服务系统测试验证平台及其测试方法 | |
CN112966767B (zh) | 一种特征提取和分类任务分离的数据不均衡处理方法 | |
CN112860676B (zh) | 应用于大数据挖掘和业务分析的数据清洗方法及云服务器 | |
CN106885335B (zh) | 空调器的自动升级方法及系统 | |
US20220146707A1 (en) | Temperature prediction system | |
WO2023137864A1 (zh) | 基于自动驾驶的感知决策模型升级方法、系统及电子装置 | |
CN111090401B (zh) | 存储设备性能预测方法及装置 | |
Fahmi et al. | Integrated Car Telemetry System Based On Internet Of Things: Application And Challenges | |
CN114463029A (zh) | 一种车辆加油日确定方法、装置、设备和相关系统 | |
JP2023095812A (ja) | 車載データ処理方法、装置、電子デバイス、記憶媒体、及びプログラム | |
JP2020071829A (ja) | データ収集装置、データ収集システムおよびデータ収集方法 | |
CN115455038B (zh) | 应用于环境分析的数据采样方法及电子设备 | |
CN116992684A (zh) | 一种测试场景选取方法、装置和设备 | |
CN117493566B (zh) | 用于智慧校园的数据处理系统及方法 | |
CN113298448B (zh) | 基于互联网的租赁指数分析方法、系统及云平台 | |
CN117171578B (zh) | 一种基于大数据分析的机场智慧台站管理方法及系统 | |
CN117808002A (zh) | 场景文件生成、场景文件生成模型训练方法及电子设备 | |
CN116996527A (zh) | 一种汇聚分流器数据同步的方法及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |