CN118011132A - 测试数据分析方法、系统和计算机可读存储介质 - Google Patents
测试数据分析方法、系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN118011132A CN118011132A CN202410410755.2A CN202410410755A CN118011132A CN 118011132 A CN118011132 A CN 118011132A CN 202410410755 A CN202410410755 A CN 202410410755A CN 118011132 A CN118011132 A CN 118011132A
- Authority
- CN
- China
- Prior art keywords
- test
- time
- test data
- average
- vehicle
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 398
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000007405 data analysis Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 230000004044 response Effects 0.000 claims description 108
- 230000008439 repair process Effects 0.000 claims description 59
- 238000012417 linear regression Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010835 comparative analysis Methods 0.000 claims description 6
- 230000000052 comparative effect Effects 0.000 claims description 4
- 230000006872 improvement Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000000611 regression analysis Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000013439 planning Methods 0.000 description 5
- 238000000556 factor analysis Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013468 resource allocation Methods 0.000 description 3
- 238000010998 test method Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000000540 analysis of variance Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000000306 component Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011990 functional testing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本公开提供了一种测试数据分析方法、系统和计算机可读存储介质。测试数据分析方法包括:获得对第一车辆的电气系统进行测试的第一测试数据和对第二车辆的电气系统进行测试的第二测试数据,其中,第一车辆和第二车辆为相同类型的车辆;对第一测试数据和第二测试数据进行对比分析以获得对比结果;基于第一测试数据计算第一车辆的电气系统的效能指标。本公开可以提高测试数据的分析准确率。
Description
技术领域
本公开涉及数据分析技术领域,特别涉及一种用于车辆电气系统的测试数据分析方法、系统和计算机可读存储介质。
背景技术
电气测试是通过测试仪器和设备对电气系统或设备进行检测和评估的过程。这些测试包括电压、电流、电阻、电容、电感、频率等参数的测量,以及电气系统的运行状态、安全性和效率的评估。电气测试通常用于检测电力系统、电子设备、通信网络、汽车电气系统等领域。
商用车电气系统是商用车辆的核心组成部分,其效能和性能对商用车辆的安全性、可靠性和经济性具有重要影响。因此,在实际生产过程中,需要对车辆的电气系统进行测试,获得并分析测试数据。但是,相关技术中的测试数据分析方法的分析准确率比较低。
发明内容
本公开解决的一个技术问题是:相关技术中的测试数据分析方法的准确率比较低。
根据本公开的第一方面,提供了一种用于车辆电气系统的测试数据分析方法,包括:获得对第一车辆的电气系统进行测试的第一测试数据和对第二车辆的电气系统进行测试的第二测试数据,其中,所述第一车辆和所述第二车辆为相同类型的车辆;对所述第一测试数据和所述第二测试数据进行对比分析以获得对比结果;基于所述第一测试数据计算所述第一车辆的电气系统的效能指标。
进一步地,所述第一测试数据包括可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量中的至少一个;基于所述第一测试数据计算所述第一车辆的效能指标包括:基于所述可靠率、所述故障率、所述平均修复时间、所述平均故障间隔时间、所述响应时间和所述吞吐量中的至少一个计算所述第一车辆的效能指标。
进一步地,获得对第一车辆的电气系统进行测试的第一测试数据包括:获得对所述第一车辆的电气系统进行测试的测试时间、在所述测试时间内进行测试的总测试次数、在所述测试时间内发生故障的故障次数、对故障进行修复的总修复时间、修复次数以及所述电气系统的响应时间和吞吐量;根据所述测试时间和所述故障次数计算所述故障率、所述可靠率和所述平均故障间隔时间;根据所述总修复时间和所述修复次数计算所述平均修复时间。
进一步地,所述第一测试数据包括可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量;所述效能指标的计算过程为:所述可靠率乘以所述故障率,并乘以所述平均修复时间与所述平均故障间隔时间的差值,以获得第一积值,所述响应时间乘以所述吞吐量以获得第二积值,计算获得所述第一积值与所述第二积值的比值,该比值即为所述效能指标;其中,所述效能指标的表达式为效能指标 = (可靠率×故障率×(平均修复时间 - 平均故障间隔时间))/(响应时间×吞吐量)。
进一步地,所述故障率为所述故障次数与所述总测试次数的比值,其中,所述故障率的表达式为故障率 = (故障次数 / 总测试次数)×100%;所述可靠率为以自然常数e为底数且以故障率的负值乘以测试时间所得的积值为指数的幂运算的值,其中,所述可靠率的表达式为可靠率 = e(-故障率×测试时间);所述平均故障间隔时间为所述测试时间与所述故障次数的比值,其中,所述平均故障间隔时间的表达式为平均故障间隔时间 =测试时间 / 故障次数;所述平均修复时间为所述总修复时间与所述修复次数的比值,其中,所述平均修复时间的表达式为平均修复时间 = 总修复时间 / 修复次数。
进一步地,所述对比结果包括差异率,所述差异率为所述第一测试数据与所述第二测试数据的差值的绝对值与所述第一测试数据的比值,其中,所述差异率的表达式为差异率 = |第一测试数据-第二测试数据| /第一测试数据。
进一步地,所述第一测试数据包括第一测试参数和第二测试参数,所述第一测试参数和所述第二测试参数为不同类型的参数;所述测试数据分析方法还包括:计算所述第一测试参数和所述第二测试参数之间的相关系数;根据所述相关系数确定所述第一测试参数和所述第二测试参数之间的相关关系情况。
进一步地,所述第一测试参数的样本数量和所述第二测试参数的样本数量分别为n,n为正整数;所述相关系数为r = ∑((x1-μ1)×(x2-μ2))/ ((n-1)×σ1×σ2),其中,r为所述相关系数,x1为第一测试参数,x2为第二测试参数,μ1为所述第一测试参数的平均值,μ2为所述第二测试参数的平均值,σ1为所述第一测试参数的标准差,σ2为所述第二测试参数的标准差。
进一步地,所述测试数据分析方法还包括:对所述第一测试参数和所述第二测试参数进行线性回归分析,以得到线性回归模型;根据所述线性回归模型对所述第一测试参数或所述第二测试参数进行预测、评估和分析。
进一步地,所述线性回归模型的关系式为第二测试参数 = β0+ β1×第一测试参数+ ε,其中,β1表示所述线性回归模型的关系式的斜率,β1= ∑((x1-μ1)×(x2-μ2)) / ∑((x1-μ1)2),β0表示所述线性回归模型的关系式的截距,β0= μ2- β1×μ1,ε表示所述线性回归模型的关系式的误差项。
根据本公开的另一个方面,提供了一种用于车辆电气系统的测试数据分析系统,包括:存储器;以及耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令执行如前所述的测试数据分析方法。
根据本公开的另一个方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现如前所述的测试数据分析方法。
在上述测试数据分析方法中,获得对第一车辆的电气系统进行测试的第一测试数据和对第二车辆的电气系统进行测试的第二测试数据,其中,第一车辆和第二车辆为相同类型的车辆;对第一测试数据和第二测试数据进行对比分析以获得对比结果;基于第一测试数据计算第一车辆的电气系统的效能指标。该方法可以提高测试数据的分析准确率。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1是示出根据本公开一些实施例的用于车辆电气系统的测试数据分析方法的流程图;
图2是示出根据本公开另一些实施例的用于车辆电气系统的测试数据分析方法的流程图;
图3是示出根据本公开另一些实施例的用于车辆电气系统的测试数据分析方法的流程图;
图4是示出根据本公开一些实施例的用于车辆电气系统的测试数据分析系统的结构框图;
图5是示出根据本公开另一些实施例的用于车辆电气系统的测试数据分析系统的结构框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
在相关技术中,商用车电气系统测试分析方法可以包括以下步骤:
系统需求分析:对商用车电气系统的功能和性能需求进行分析和定义,确定测试的目标和范围。
测试计划编制:根据系统需求,制定详细的测试计划,包括测试目标、测试方法、测试环境、测试资源等。
测试用例设计:根据系统需求和测试目标,设计测试用例,覆盖系统的各项功能和性能指标。测试用例包括正常情况下的功能测试和异常情况下的边界测试。
测试环境搭建:建立适合商用车电气系统测试的环境,包括硬件设备、软件工具和测试数据等。
测试执行:根据测试计划和测试用例,执行测试并记录测试结果。测试过程中要注意记录测试用例的执行情况、发现的问题和解决方案等。
测试结果分析:根据测试执行的结果,对商用车电气系统的功能和性能进行评估和分析。
缺陷管理:对测试过程中发现的问题进行分类、记录和跟踪,确保问题得到及时解决和验证。
性能优化:根据测试结果分析,对商用车电气系统进行性能优化,改进系统的响应速度和稳定性。
测试报告编写:根据测试执行和结果分析,编写测试报告,总结测试过程和结论,并提出改进建议。
测试验证:对商用车电气系统进行验证测试,确保问题得到解决并满足系统需求。
以上是相关技术中的车辆电气系统的测试分析方法的基本步骤,具体的测试方法和工具可以根据实际情况进行选择和调整。
本公开的发明人发现,上述相关技术中的测试数据分析方法的准确率比较低。因此,鉴于此,本公开的实施例提供一种用于车辆电气系统的测试数据分析方法,以提高测试数据的分析准确率。
图1是示出根据本公开一些实施例的用于车辆电气系统的测试数据分析方法的流程图。如图1所示,该方法包括步骤S110至S130。
在步骤S110,获得对第一车辆的电气系统进行测试的第一测试数据和对第二车辆的电气系统进行测试的第二测试数据。该第一车辆和该第二车辆为相同类型的车辆。
在本公开的一些实施例中,第一测试数据和第二测试数据为相同类型的测试数据。这样可以方便对第一测试数据和第二测试数据进行比较。例如,第一测试数据包括可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量中的至少一个。第二测试数据也包括:可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量中的至少一个。例如,第一测试数据为可靠率,则第二测试数据也为可靠率;第一测试数据为故障率,则第二测试数据也为故障率,等等。
在本公开的一些实施例中,第一车辆作为被测试的车辆,第二车辆作为测试过程中的对比车辆。
例如,上述第一车辆和第二车辆可以为商用车。例如,对商用车电气系统的测试数据(例如,响应速度,可以通过响应时间来反映)进行测试时,选择同类商用车电气系统进行对比分析的方法可以有多种方法。
例如,一种方法是选择与当前测试的商用车相同款型的车辆进行对比。这样可以确保被测试的商用车电气系统与对比车辆的电气系统具有相同的硬件和软件配置,以及相似的工况和使用环境。通过这种方式,可以更直接地比较两个商用车电气系统在相同条件下的测试数据(例如,响应速度)的差异。
另一种方法是选择与当前测试的商用车类似的车辆进行对比。尽管这些车辆可能不是完全相同款型的商用车,但它们具有相似的车型和功能,并且采用了类似的电气系统。通过这种方式,可以通过对不同车辆的测试数据(例如,响应速度)进行比较,了解商用车电气系统在不同车型间的性能差异。
选取同类商用车时,尽量确保选取的车辆能够代表目标商用车电气系统在市场上的典型表现。具体选择的方法可以根据研发团队的需求和可用资源进行权衡。可以通过市场调研、厂商提供的信息、专业评测或者模拟仿真等方式来获取同类商用车的相关数据,以支持测试分析的准确性和可靠性。
总之,在选取同类商用车进行相关数据(例如,响应速度)测试时,尽量保证选取的车辆能够代表目标商用车电气系统在市场上的典型表现,以便进行准确的对比分析。
在步骤S120,对第一测试数据和第二测试数据进行对比分析以获得对比结果。
这里,对比分析是一种利用其他系统的测试结果来发现被测试车辆的电气系统中存在的问题和改进空间的方法。以商用车为例,可以选取一些同类商用车电气系统进行测试,并将测试结果进行对比分析。比较测试结果的差异可以帮助发现商用车电气系统存在的问题和改进的空间。
在对比分析的基础上,可以探索其他商用车电气系统的解决方案和创新算法。通过参考其他系统的解决方案和创新算法,可以获得新的思路,为商用车电气系统的改进提供参考。
在一些实施例中,对比结果包括差异率。对比分析和解决方案探索的过程中,可以使用计算公式来分析测试结果和比较差异。在一些实施例中,差异率为第一测试数据与第二测试数据的差值的绝对值与第一测试数据的比值。例如,可以使用以下公式来计算两个测试结果的差异,即,差异率的表达式为:
差异率 = |第一测试数据-第二测试数据| /第一测试数据。 (1)
例如,第一测试数据为第一车辆的第一测试结果的指标值,第二测试数据为第二车辆的第二测试结果的指标值。上述关系式(1)也可以为
差异率 = |第一测试结果-第二测试结果| /第一测试结果,(2)
其中,第一测试结果表示第一测试结果的指标值,第二测试结果表示第二测试结果的指标值。差异率表示两个测试结果之间的差异程度,差异率越小表示两个测试结果越接近。
例如,在对商用车电气系统的响应速度进行测试时,可以选取同类商用车电气系统进行测试,并将测试结果进行对比分析。假设第一测试结果的响应时间为100ms(毫秒),第二测试结果的响应时间为120ms,则可以计算出两个测试结果的差异率为:
差异率 = |100 - 120| / 100 = 0.2。
差异率为0.2表示第一测试结果(即第一测试数据)和第二测试结果(即第二测试数据)之间的差异较大,说明当前商用车电气系统在响应速度方面存在改进的空间。可以对商用车电气系统进一步分析和优化。例如,进一步的问题分析可以围绕这个差异率展开:
根据测试结果和记录的问题,对商用车电气系统中存在的问题进行深入分析和定位。这包括对问题的现象、发生的条件、影响范围等进行仔细分析,以了解问题的根本原因。
分析问题现象:例如,对于当前商用车电气系统的响应时间较长的问题,经过分析,可能是由于硬件配置不足、软件算法不优化、通信传输延迟等因素导致的。
分析发生的条件:例如,经过分析,获知在高负载、温度过高或者特定操作场景下,商用车电气系统的响应时间较长。
分析问题的影响范围:例如,响应时间较长,可能导致工作效率下降、用户不满意或者其他问题。
根据问题分析的结果,可以制定具体的改进措施,例如优化硬件配置、改进软件算法、提升通信传输效率等,以减少商用车电气系统的响应时间,提升整体性能。
根本原因分析:通过问题分析,找出问题的根本原因,即导致问题发生的主要因素。这可能涉及到软件代码错误、硬件故障、系统配置问题、通信问题等多个方面。
改进空间确定:根据根本原因分析,确定商用车电气系统的改进空间。这包括改进软件代码、优化硬件设计、优化系统配置、改进通信协议等方面。
计算公式的应用:在问题分析和改进空间确定过程中,可以使用计算公式来评估问题的影响程度和改进的效果。
在步骤S130,基于第一测试数据计算第一车辆的电气系统的效能指标。
在一些实施例中,上述步骤S130包括:基于可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量中的至少一个计算第一车辆的效能指标。该效能指标将车辆的电气系统(例如,商用车电气系统)的可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量等指标综合考虑。通过计算效能指标,可以评估车辆电气系统的整体运行效能。
在一些实施例中,第一测试数据包括可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量。
在一些实施例中,效能指标的计算过程为:可靠率乘以故障率,并乘以平均修复时间与平均故障间隔时间的差值,以获得第一积值,响应时间乘以吞吐量以获得第二积值,计算获得第一积值与第二积值的比值,该比值即为效能指标。
在一些实施例中,效能指标的表达式为
效能指标 = (可靠率×故障率×(平均修复时间 - 平均故障间隔时间))/(响应时间×吞吐量)。 (3)
这里,该关于效能指标的综合公式将车辆电气系统(例如,商用车电气系统)的可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量等指标综合考虑。通过计算效能指标,可以评估车辆电气系统(例如,商用车电气系统)的整体运行效能。
至此,提供了根据本公开一些实施例的用于车辆电气系统的测试数据分析方法。测试数据分析方法包括:获得对第一车辆的电气系统进行测试的第一测试数据和对第二车辆的电气系统进行测试的第二测试数据,其中,第一车辆和第二车辆为相同类型的车辆;对第一测试数据和第二测试数据进行对比分析以获得对比结果;基于第一测试数据计算第一车辆的电气系统的效能指标。该方法可以提高测试数据的分析准确率。而且,该方法还可以提高测试数据的分析效率。
在一些实施例中,获得对第一车辆的电气系统进行测试的第一测试数据包括:获得对第一车辆的电气系统进行测试的测试时间、在测试时间内进行测试的总测试次数、在测试时间内发生故障的故障次数、对故障进行修复的总修复时间、修复次数以及电气系统的响应时间和吞吐量;根据测试时间和故障次数计算故障率、可靠率和平均故障间隔时间;根据总修复时间和修复次数计算平均修复时间。这样可以获得第一测试数据,方便计算得到效能指标。
在一些实施例中,故障率为故障次数与总测试次数的比值,其中,故障率的表达式为
故障率 = (故障次数 / 总测试次数)×100%。 (4)
例如,可以每单位测试时间测试一次,例如,每分钟测试一次,这样测试时间包含的分钟数等于在该测试时间的总测试次数,在这样的情况下,上述关系式(4)也可以为
故障率 = (故障次数 / 测试时间)× 100%。 (5)
这样方便计算故障率。
例如,故障率的值是小于或等于1的数值。故障率代表了在一定时间内发生故障的概率。
在一些实施例中,可靠率为以自然常数e为底数且以故障率的负值乘以测试时间所得的积值为指数的幂运算的值,其中,可靠率的表达式为
可靠率 = e(-故障率×测试时间)。 (6)
这样的可靠率的计算比较准确。
在另一些实施例中,也可以采用比较简单的方法计算可靠率,如下:
可靠率 = 1 - 故障率。 (7)
这里,可靠率的计算公式是1减去故障率,因此可靠率的值通常是大于或等于0,且小于或等于1的数值。可靠率代表了系统在一定时间内正常运行的概率,数值越接近1表示系统越可靠。
在一些实施例中,平均故障间隔时间为测试时间与故障次数的比值,其中,平均故障间隔时间的表达式为
平均故障间隔时间 =测试时间 / 故障次数。 (8)
平均故障间隔时间反映了两次故障发生的间隔时间,间隔时间越短,表明故障发生的越频繁。
对于每单位测试时间测试一次(例如,每分钟测试一次)的情况,也即对于故障率按照上述关系式(5)(即,故障率 = (故障次数 / 测试时间)× 100%)计算的情况,可以看出,
平均故障间隔时间 = 1 / 故障率。 (9)
在一些实施例中,平均修复时间为总修复时间与修复次数的比值,其中,平均修复时间的表达式为
平均修复时间 = 总修复时间 / 修复次数。 (10)
对于每次故障均进行修复的情况,则修复次数等于故障次数,在这样的情况下,上述关系式(10)也可以为
平均修复时间 = 总修复时间 / 故障次数。 (11)
上述计算公式用于评估系统的可靠性和维修性能,帮助分析问题和确定改进方向。
性能指标的计算公式可以根据具体的指标而定,例如响应时间、吞吐量、并发数等。这些指标的计算公式可以根据具体的需求和定义来确定,用于评估系统的性能表现。
并发数是指系统在同一时间内能够同时处理的请求或任务的数量。它是衡量系统并发处理能力的一个指标。
在车辆电气系统中,并发数可以指系统同时能够处理的传感器数据、控制指令等的数量。例如,车辆的电子控制单元(Electronic Control Unit,简称为ECU)可能需要同时处理多个传感器的数据,执行多个控制指令等。并发数是指系统能够同时处理这些请求或任务的能力。
计算并发数的方法可以根据具体情况而有所不同。一种常用的计算方法是通过观察系统的并发处理能力进行测试,逐渐增加任务的数量,直到系统达到负载极限,无法再处理更多的任务为止。此时的任务数量就是系统的并发数。
另一种方法是根据系统的资源限制来计算并发数。例如,车辆电气系统可能有特定的硬件资源(如处理器核心数、内存容量等)和软件资源(如线程池大小、并发连接数等),根据这些资源的限制来计算系统的并发数。
响应时间是指系统从接收到输入信号或请求到产生相应输出的时间间隔。响应时间是一个时间量,通常用时间单位(如毫秒或秒等)来表示。响应时间用于衡量系统对输入的快速响应能力,即系统处理请求所需的时间。
在车辆电气系统(例如,商用车电气系统)中,响应时间可以指车辆电子控制单元(ECU)接收到传感器信号后产生相应的控制输出所需的时间。该时间包括了信号传输、数据处理、算法执行等步骤的时间。
响应时间的长短直接影响着系统的性能和用户体验。较短的响应时间通常表示系统快速响应用户的操作或请求,提高了系统的实时性和可用性。而较长的响应时间可能导致用户等待时间增加,降低了系统的效率和用户满意度。
因此,商用车电气系统中的响应时间是一个重要的性能指标,需要进行测试和分析,以评估系统的性能水平,并提出改进措施以减少响应时间。
例如,响应时间为
响应时间 = (完成时间 - 请求时间) / 并发数。 (12)
其中,完成时间为针对输入信号或请求而产生输出的时间(时刻),请求时间为接收到输入信号或请求的时间(时刻),并发数为从请求时间到完成时间之间同时处理的请求或任务的数量。
吞吐量是指系统在单位时间内能够处理的数据量或任务数量。它是一个衡量系统性能的指标,通常用数据量或任务数量除以时间单位(如每秒处理的数据量或任务数量)来表示。
例如,吞吐量 = 完成请求数 / 测试时间, (13)
其中,完成请求数为在测试时间内完成的请求的数量。
在车辆电气系统(例如,商用车电气系统)中,吞吐量可以指系统在单位时间内能够处理的数据量或任务数量。例如,商用车的电子控制单元(ECU)可能需要接收、处理和发送大量的传感器数据、控制指令等。吞吐量是指系统能够处理这些数据量或任务数量的能力。
高吞吐量通常表示系统具有较好的性能和处理能力,能够高效地处理大量的数据或任务,提高了系统的效率和响应速度。而低吞吐量可能导致系统处理能力不足,无法满足实时性要求,影响系统的性能和用户体验。
因此,在商用车电气系统中,吞吐量是一个重要的性能指标,需要进行测试和分析,以评估系统的处理能力,并提出改进措施以提高吞吐量。
以上综合公式和相关指标的计算公式结合了车辆电气系统(例如,商用车电气系统的可靠率、故障率、修复时间、故障间隔、响应时间和吞吐量等方面的考量,通过综合分析,可以更全面地评估车辆电气系统的性能和效能。
需要注意的是,具体的计算公式和参数选择还需要根据商用车电气系统的实际需求和特点进行调整和定制,以确保公式的适用性和准确性。而且,还可以结合其他方法和分析工具,如回归分析、方差分析、因子分析等,来进一步提高分析的准确性和深度。
在一些实施例中,第一测试数据包括第一测试参数和第二测试参数,第一测试参数和第二测试参数为不同类型的参数。例如,第一测试参数为响应时间,第二测试参数为吞吐量。
图2是示出根据本公开另一些实施例的用于车辆电气系统的测试数据分析方法的流程图。如图2所示,该测试数据分析方法还可以包括步骤S210至S220。
在步骤S210,计算第一测试参数和第二测试参数之间的相关系数。
在一些实施例中,第一测试参数的样本数量和第二测试参数的样本数量分别为n,n为正整数。
上述相关系数为
r = ∑((x1-μ1)×(x2-μ2))/ ((n-1) ×σ1×σ2), (14)
其中,r为该相关系数,x1为第一测试参数,x2为第二测试参数,μ1为第一测试参数的平均值,μ2为第二测试参数的平均值,σ1为第一测试参数的标准差,σ2为第二测试参数的标准差。n为第一测试参数的样本数量,也为第二测试参数的样本数量。也即,第一测试参数的样本数量与第二测试参数的样本数量相等。
以第一测试参数为响应时间,第二测试参数为吞吐量为例,进行上述相关系数的描述。
例如,假设商用车电气系统的响应时间和吞吐量的数据如下:
响应时间(秒):1.2, 1.5, 1.8, 2.1, 1.6, 2.0, 1.4, 1.9, 2.3, 2.2;
吞吐量(个/秒):10, 12, 13, 14, 11, 13, 9, 12, 15, 14。
计算出响应时间和吞吐量的平均值和标准差,如下:
响应时间平均值(μ1)= (1.2+1.5+1.8+2.1+1.6+2.0+1.4+1.9+2.3+2.2) / 10 =18.0 / 10 = 1.8秒。
计算响应时间的标准差(σ1):
首先,计算每个响应时间与平均值的差值的平方,然后求和:
(1.2 - 1.8)2+ (1.5 - 1.8)2+ (1.8 - 1.8)2+ (2.1 - 1.8)2+ (1.6 - 1.8)2+(2.0 - 1.8)2+ (1.4 - 1.8)2+ (1.9 - 1.8)2+ (2.3 - 1.8)2+ (2.2 - 1.8)2
= 0.36 + 0.09 + 0.00 + 0.09 + 0.04 + 0.04 + 0.16 + 0.01 + 0.25 + 0.16
= 1.20
然后,计算样本数量减1的差值,将上述结果除以该差值,并取平方根,如下:
σ1= sqrt(1.20 / (10 - 1))
= sqrt(1.20 / 9)
= sqrt(0.1333...)
≈ 0.365秒
其中,sqrt( )表示取平方根的运算。
类似地,计算吞吐量的平均值(μ2)和标准差(σ2):
吞吐量平均值(μ2)= (10+12+13+14+11+13+9+12+15+14) / 10 = 123 / 10 =12.3个/秒。
σ2 = sqrt(((10 - 12.3)2+ (12 - 12.3)2+ (13 - 12.3)2+ (14 - 12.3)2+ (11- 12.3)2+ (13 - 12.3)2+ (9 - 12.3)2+ (12 - 12.3)2+ (15 - 12.3)2+ (14 - 12.3)2)/ (10 - 1))
= sqrt((5.29 + 0.09 + 0.49 + 2.89 + 1.69 + 0.49 + 10.89 + 0.09 + 7.29+ 2.89) / 9)
= sqrt(29.21 / 9)
= sqrt(3.25)
≈ 1.8个/秒
然后,可以根据数据计算出响应时间和吞吐量之间的相关系数(r),如下:
r = [(1.2-1.8)×(10-12.3) + (1.5-1.8)×(12-12.3) + ... + (2.2-1.8)×(14-12.3)] / [(10-1) × 0.365 × 1.8]= 0.96。
这个相关系数(r)的值介于-1和1之间。如果r接近1,则表示响应时间与吞吐量之间存在强正相关关系,即随着响应时间的增加,吞吐量也会增加。如果r接近-1,则表示响应时间与吞吐量之间存在强负相关关系,即随着响应时间的增加,吞吐量会减少。如果r接近0,则表示响应时间与吞吐量之间几乎没有线性相关关系。
其中,x1代表响应时间的数据,x2代表吞吐量的数据,μ1代表响应时间的平均值,μ2代表吞吐量的平均值,σ1代表响应时间的标准差,σ2代表吞吐量的标准差,n代表样本数量。
这个公式的设计可以衡量两个变量之间的线性关系强度。相关系数的范围在-1到1之间,越接近1表示两个变量之间的正向线性关系越强,越接近-1表示两个变量之间的负向线性关系越强,接近0表示两个变量之间没有线性关系。
在步骤S220,根据相关系数确定第一测试参数和第二测试参数之间的相关关系情况。
通过计算相关系数,可以了解响应时间和吞吐量之间的关系。如果相关系数接近1,说明响应时间和吞吐量呈正向线性关系,即响应时间越小,吞吐量越大。如果相关系数接近-1,说明响应时间和吞吐量呈负向线性关系,即响应时间越小,吞吐量越小。如果相关系数接近0,说明响应时间和吞吐量之间没有明显的线性关系。
这样的设计有助于了解响应时间和吞吐量之间的关系模式,从而有助于优化决策,提高系统的效能和性能。
通过计算响应时间和吞吐量的相关系数,可以了解它们之间的线性关系的强度和方向,从而方便对系统性能进行评估和优化。
至此,提供了根据本公开另一些实施例的用于车辆电气系统的测试数据分析方法。该测试数据分析方法还包括:计算第一测试参数和第二测试参数之间的相关系数;根据相关系数确定第一测试参数和第二测试参数之间的相关关系情况。通过计算第一测试参数和第二测试参数的相关系数,有利于确定二者之间的相关关系情况,从而方便对系统性能进行评估和优化。
需要说明的是,除了可以计算响应时间和吞吐量之间的相关系数,还可以计算其他任意两个测试参数之间的相关系数,本公开的范围并仅限于此。
图3是示出根据本公开另一些实施例的用于车辆电气系统的测试数据分析方法的流程图。如图3所示,该测试数据分析方法还可以包括步骤S310至S320。
在步骤S310,对第一测试参数和第二测试参数进行线性回归分析,以得到线性回归模型。这里可以使用回归分析来建立第一测试参数(例如,响应时间)和第二测试参数(例如,吞吐量)之间的关系模型。
在一些实施例中,线性回归模型的关系式为
第二测试参数 = β0+ β1×第一测试参数 + ε, (15)
其中,β1表示线性回归模型的关系式的斜率,
β1= ∑((x1-μ1)×(x2-μ2)) / ∑((x1-μ1)2), (16)
β0表示线性回归模型的关系式的截距,
β0= μ2- β1× μ1, (17)
ε表示线性回归模型的关系式的误差项。
这里,x1为第一测试参数,x2为第二测试参数,μ1为第一测试参数的平均值,μ2为第二测试参数的平均值。
以第一测试参数为响应时间,第二测试参数为吞吐量为例,进行上述线性回归模型的描述。
例如,可以使用回归分析来建立响应时间和吞吐量之间的关系模型。假设使用线性回归模型,公式如下:
吞吐量 = β0+ β1×响应时间 + ε, (18)
其中,β0代表截距,β1代表斜率,ε代表误差项。
可以通过最小二乘法来估计β0和β1的值。具体计算公式如下:
β1= ∑((x1-μ1)×(x2-μ2)) / ∑((x1-μ1)2),
β0= μ2- β1×μ1。
带入数据计算,得到β1的值为4.75个/秒/秒,β0的值为3.75个/秒。
可以得到响应时间和吞吐量之间的线性回归模型:吞吐量 = 3.75 + 4.75×响应时间。
这个模型可以用来预测不同响应时间下的吞吐量,从而帮助商用车电气系统优化响应时间和吞吐量之间的平衡关系,提高系统的效能和性能。
例如,响应时间(秒):1.2, 1.5, 1.8, 2.1, 1.6, 2.0, 1.4, 1.9, 2.3, 2.2;
吞吐量(个/秒):10, 12, 13, 14, 11, 13, 9, 12, 15, 14。
首先,可以计算出响应时间的平均值(μ1)、吞吐量的平均值(μ2)、响应时间的标准差(σ1)和吞吐量的标准差(σ2),如下:
响应时间平均值(μ1)= (1.2+1.5+1.8+2.1+1.6+2.0+1.4+1.9+2.3+2.2) / 10 =1.8秒;
吞吐量平均值(μ2)= (10+12+13+14+11+13+9+12+15+14) / 10 = 12.3个/秒;
响应时间标准差(σ1)= sqrt [ ((1.2-1.8)2+ (1.5-1.8)2+ ... + (2.2-1.8)2)/ 9 ] = 0.365秒;
吞吐量标准差(σ2)= sqrt [ ((10-12.3)2+ (12-12.3)2+ ... + (14-12.3)2) /9 ] = 1.8个/秒。
将使用之前提到的响应时间和吞吐量的示例数据来计算β0和β1的值。
接下来,计算两个求和项的值。
第一个求和项:∑((x1-μ1)(x2-μ2))
即,(1.2-1.8)×(10-12.3) + (1.5-1.8)×(12-12.3) + (1.8-1.8)×(13-12.3)+ (2.1-1.8)×(14-12.3) + (1.6-1.8)×(11-12.3) + (2.0-1.8)×(13-12.3) + (1.4-1.8)×(9-12.3) + (1.9-1.8)×(12-12.3) + (2.3-1.8)×(15-12.3) + (2.2-1.8)×(14-12.3)=5.7。
计算上述表达式的值,得到第一个求和项的结果。
第二个求和项:∑((x1-μ1)2)
即,(1.2-1.8)2+ (1.5-1.8)2+ (1.8-1.8)2+ (2.1-1.8)2+ (1.6-1.8)2+ (2.0-1.8)2+ (1.4-1.8)2+ (1.9-1.8)2+ (2.3-1.8)2+ (2.2-1.8)2=1.2。
计算上述表达式的值,得到第二个求和项的结果。
可以使用上述求和项的结果和公式来计算β1和β0的值。
β1= ∑((x1-μ1)×(x2-μ2)) / ∑((x1-μ1)2)
即,β1 = 第一个求和项的结果 / 第二个求和项的结果。
β0= μ2 - β1× μ1。
通过上述计算,可以得到β1和β0的值,从而建立响应时间和吞吐量之间的线性回归模型。这个模型可以用来预测不同响应。
在步骤S320,根据线性回归模型对第一测试参数或第二测试参数进行预测、评估和分析。
至此,提供了根据本公开另一些实施例的用于车辆电气系统的测试数据分析方法。该测试数据分析方法包括:对第一测试参数和第二测试参数进行线性回归分析,以得到线性回归模型;和根据线性回归模型对第一测试参数或第二测试参数进行预测、评估和分析。在该方法中,通过线性回归分析,可以获得第一测试参数与第二测试参数之间的线性关系,从而便于优化系统性能和效能。
当使用回归分析来建立第一测试参数和第二测试参数之间的关系模型时,具有如下有益效果:
建立关系模型:使用回归分析可以建立第一测试参数(例如,响应时间)和第二测试参数(例如,吞吐量)之间的关系模型。这个模型可以有助于理解第一测试参数和第二测试参数之间的关系,并预测不同第一测试参数下的第二测试参数,从而有助于优化系统性能和效能。
解释变量的影响:通过估计β1的值,可以了解第一测试参数(例如,响应时间)对第二测试参数(例如,吞吐量)的影响程度。如果β1的值为正,表示第一测试参数的增加会导致第二测试参数的增加;如果β1的值为负,表示第一测试参数的增加会导致第二测试参数的减少。这种理解有助于优化系统的性能和效能,例如通过减少响应时间来提高系统的吞吐量。
预测第二测试参数:通过估计β0和β1的值,可以使用模型对未来的第二测试参数(例如,吞吐量)进行预测。这有助于系统运行和资源分配的规划和决策。
这样实现了预测和规划。关系模型可以用来预测未来的吞吐量。通过输入不同的响应时间值,可以使用模型估计相应的吞吐量。这对于系统运行和资源分配的规划是有用的,有助于预测在不同响应时间下系统的工作负载和性能表现。
优化决策:通过关系模型,可以进行优化决策,以提高系统的效能和性能。例如,如果希望提高吞吐量,可以根据模型的预测结果,设定一个目标响应时间,并采取相应的措施来减少响应时间,从而达到提高吞吐量的目的。
误差项分析:通过分析误差项(ε)的性质和大小,可以评估模型的准确性和可靠性,并进一步优化和改进模型。因此,通过分析模型中的误差项,可以评估模型的准确性和可靠性。例如,可以了解模型在预测吞吐量时的误差程度,并进一步改进和优化模型。
可视化分析:建立关系模型后,可以使用可视化工具来展示响应时间和吞吐量之间的关系。例如,可以绘制散点图来展示实际观测值,并在图上绘制回归线来表示模型的预测结果。这样的可视化分析有助于更直观地理解和解释响应时间和吞吐量之间的关系。
通过上述设计,可以建立一个简单而有效的关系模型,以理解第一测试参数(例如,响应时间)和第二测试参数(例如,吞吐量)之间的关系,并进行预测和优化。这对于提高车辆电气系统(例如,商用车电气系统)的效能和性能非常有益。
综上所述,通过回归分析建立响应时间和吞吐量之间的关系模型,可以深入了解关系模式、进行预测和规划、进行优化决策、评估模型准确性,并进行可视化分析。这些有益效果有助于提高商用车电气系统的效能和性能,优化系统运行和资源分配的决策。
在本公开的一些实施例中,以商用车为例,商用车电气系统是商用车辆的核心组成部分,其效能和性能对商用车辆的安全性、可靠性和经济性具有重要影响。为了提高商用车电气系统的效能和性能,可以进行全面的测试分析和优化设计。
在商用车电气系统的研发过程中,可以通过回归分析、方差分析和因子分析等方法和分析工具来识别影响商用车电气系统效能指标的关键因素,深入了解不同因素之间的相互作用关系。通过进行回归分析,可以探究不同因素对商用车电气系统效能指标的影响程度;通过进行方差分析,可以研究不同因素之间的方差差异及其对效能指标的影响;通过进行因子分析,可以确定重要的影响因素和可忽略的因素。
举例来说,通过回归分析可以研究商用车电气系统的响应时间和吞吐量之间的关系,建立响应时间和吞吐量之间的线性回归模型,从而优化商用车电气系统的响应时间和吞吐量之间的平衡关系。这个模型可以用来预测不同响应时间下的吞吐量,为商用车电气系统的优化设计提供指导。
综上所述,回归分析、方差分析和因子分析等方法和分析工具是商用车电气系统优化研发的重要技术。通过应用这些技术,可以深入了解商用车电气系统的效能指标和影响因素,从而提高商用车电气系统的性能和可靠性,满足市场需求和用户期望。
在商用车电气系统的测试分析过程中,可以引入创新算法来提高分析效率和准确性。例如,可以使用数据挖掘算法来分析测试数据,发现潜在的规律和异常。还可以使用模型预测算法来预测系统的性能、可靠性和故障概率等。创新算法的应用可以提供更深入的测试分析结果,为商用车电气系统的改进和优化提供更多的参考依据。
总之,通过对商用车电气系统测试执行结果的评估和分析,可以发现系统存在的问题和改进的空间,并结合创新算法提供更深入的分析结果,为商用车电气系统的优化和创新提供有力支持。
利用其他商用车电气系统的类似测试结果进行对比分析,探索其他系统的解决方案和创新算法,从而获得改进的空间和新的思路。
因此,根据测试执行的结果,对商用车电气系统的功能和性能进行评估和分析。分析测试结果可以帮助发现系统存在的问题和改进的空间,并融入创新算法。
通过上述方法和分析工具,可以帮助识别商用车电气系统效能指标的重要影响因素,提高分析的准确性和深度。而且,需要注意在应用这些方法和工具时,可以根据商用车电气系统的实际需求和特点进行灵活调整和定制,以确保分析结果的可靠性和适用性。例如,商用车电气系统的响应时间与吞吐量之间的关系。
图4是示出根据本公开一些实施例的用于车辆电气系统的测试数据分析系统的结构框图。该测试数据分析系统包括存储器410和处理器420。其中:
存储器410可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1至图3中的至少一个所对应实施例中的指令。
处理器420耦接至存储器410,可以作为一个或多个集成电路来实施,例如微处理器或微控制器。该处理器420用于执行存储器中存储的指令,可以提高测试数据的分析准确率。
在一个实施例中,还可以如图5所示,该测试数据分析系统500包括存储器510和处理器520。处理器520通过BUS总线530耦合至存储器510。该测试数据分析系统500还可以通过存储接口540连接至外部存储装置550以便调用外部数据,还可以通过网络接口560连接至网络或者另外一台计算机系统(未标出),此处不再进行详细介绍。
在该实施例中,通过存储器存储数据指令,再通过处理器处理上述指令,可以提高测试数据的分析准确率。
在另一个实施例中,本公开还提供了一种计算机可读存储介质(例如,非瞬时性计算机可读存储介质),其上存储有计算机程序指令,该指令被处理器执行时实现图1至图3中的至少一个所对应实施例中的方法的步骤。本领域内的技术人员应明白,本公开的实施例可提供为方法、装置、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
至此,已经详细描述了本公开。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (12)
1.一种用于车辆电气系统的测试数据分析方法,其特征在于,包括:
获得对第一车辆的电气系统进行测试的第一测试数据和对第二车辆的电气系统进行测试的第二测试数据,其中,所述第一车辆和所述第二车辆为相同类型的车辆;
对所述第一测试数据和所述第二测试数据进行对比分析以获得对比结果;
基于所述第一测试数据计算所述第一车辆的电气系统的效能指标。
2.根据权利要求1所述的测试数据分析方法,其特征在于:
所述第一测试数据包括可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量中的至少一个;
基于所述第一测试数据计算所述第一车辆的效能指标包括:
基于所述可靠率、所述故障率、所述平均修复时间、所述平均故障间隔时间、所述响应时间和所述吞吐量中的至少一个计算所述第一车辆的效能指标。
3.根据权利要求2所述的测试数据分析方法,其特征在于,获得对第一车辆的电气系统进行测试的第一测试数据包括:
获得对所述第一车辆的电气系统进行测试的测试时间、在所述测试时间内进行测试的总测试次数、在所述测试时间内发生故障的故障次数、对故障进行修复的总修复时间、修复次数以及所述电气系统的响应时间和吞吐量;
根据所述测试时间和所述故障次数计算所述故障率、所述可靠率和所述平均故障间隔时间;
根据所述总修复时间和所述修复次数计算所述平均修复时间。
4.根据权利要求2或3所述的测试数据分析方法,其特征在于:
所述第一测试数据包括可靠率、故障率、平均修复时间、平均故障间隔时间、响应时间和吞吐量;
所述效能指标的计算过程为:所述可靠率乘以所述故障率,并乘以所述平均修复时间与所述平均故障间隔时间的差值,以获得第一积值,所述响应时间乘以所述吞吐量以获得第二积值,计算获得所述第一积值与所述第二积值的比值,该比值即为所述效能指标;
其中,所述效能指标的表达式为
效能指标 = (可靠率×故障率×(平均修复时间 - 平均故障间隔时间))/(响应时间×吞吐量)。
5.根据权利要求3所述的测试数据分析方法,其特征在于:
所述故障率为所述故障次数与所述总测试次数的比值,其中,所述故障率的表达式为
故障率 = (故障次数 / 总测试次数)×100%;
所述可靠率为以自然常数e为底数且以故障率的负值乘以测试时间所得的积值为指数的幂运算的值,其中,所述可靠率的表达式为
可靠率 = e(-故障率×测试时间);
所述平均故障间隔时间为所述测试时间与所述故障次数的比值,其中,所述平均故障间隔时间的表达式为
平均故障间隔时间 =测试时间 / 故障次数;
所述平均修复时间为所述总修复时间与所述修复次数的比值,其中,所述平均修复时间的表达式为
平均修复时间 = 总修复时间 / 修复次数。
6.根据权利要求1所述的测试数据分析方法,其特征在于:
所述对比结果包括差异率,
所述差异率为所述第一测试数据与所述第二测试数据的差值的绝对值与所述第一测试数据的比值,其中,所述差异率的表达式为
差异率 = |第一测试数据-第二测试数据| /第一测试数据。
7.根据权利要求1所述的测试数据分析方法,其特征在于:
所述第一测试数据包括第一测试参数和第二测试参数,所述第一测试参数和所述第二测试参数为不同类型的参数;
所述测试数据分析方法还包括:
计算所述第一测试参数和所述第二测试参数之间的相关系数;
根据所述相关系数确定所述第一测试参数和所述第二测试参数之间的相关关系情况。
8.根据权利要求7所述的测试数据分析方法,其特征在于:
所述第一测试参数的样本数量和所述第二测试参数的样本数量分别为n,n为正整数;
所述相关系数为
r = ∑((x1-μ1)×(x2-μ2))/ ((n-1)×σ1×σ2),
其中,r为所述相关系数,x1为第一测试参数,x2为第二测试参数,μ1为所述第一测试参数的平均值,μ2为所述第二测试参数的平均值,σ1为所述第一测试参数的标准差,σ2为所述第二测试参数的标准差。
9.根据权利要求8所述的测试数据分析方法,其特征在于,还包括:
对所述第一测试参数和所述第二测试参数进行线性回归分析,以得到线性回归模型;
根据所述线性回归模型对所述第一测试参数或所述第二测试参数进行预测、评估和分析。
10.根据权利要求9所述的测试数据分析方法,其特征在于,所述线性回归模型的关系式为
第二测试参数 = β0 + β1×第一测试参数 + ε,
其中,β1表示所述线性回归模型的关系式的斜率,
β1 = ∑((x1-μ1)×(x2-μ2)) / ∑((x1-μ1) 2),
β0表示所述线性回归模型的关系式的截距,
β0 = μ2 - β1×μ1,
ε表示所述线性回归模型的关系式的误差项。
11.一种用于车辆电气系统的测试数据分析系统,其特征在于,包括:
存储器;以及
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至10任意一项所述的测试数据分析方法。
12.一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现如权利要求1至10任意一项所述的测试数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410410755.2A CN118011132B (zh) | 2024-04-07 | 测试数据分析方法、系统和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410410755.2A CN118011132B (zh) | 2024-04-07 | 测试数据分析方法、系统和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118011132A true CN118011132A (zh) | 2024-05-10 |
CN118011132B CN118011132B (zh) | 2024-07-09 |
Family
ID=
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544290A (zh) * | 2017-10-26 | 2018-01-05 | 南京越博电驱动系统有限公司 | 一种新能源汽车性能评估分析和优化系统及方法 |
CN112763406A (zh) * | 2020-12-16 | 2021-05-07 | 广州汽车集团股份有限公司 | 腐蚀数据分析方法、介质、评估方法及汽车 |
CN114662954A (zh) * | 2022-03-31 | 2022-06-24 | 北京经纬恒润科技股份有限公司 | 车辆性能评估系统 |
CN115221218A (zh) * | 2022-07-01 | 2022-10-21 | 一汽解放汽车有限公司 | 车辆数据的质量评估方法、装置、计算机设备和存储介质 |
US11513159B1 (en) * | 2021-06-09 | 2022-11-29 | Geotab Inc. | Systems for analysis of vehicle electrical system performance |
US20230196850A1 (en) * | 2021-12-21 | 2023-06-22 | Snap-On Incorporated | Method and system for testing matched components of vehicle |
CN116980278A (zh) * | 2023-09-22 | 2023-10-31 | 无锡车联天下信息技术有限公司 | 一种域控制器的自动化测试方法和系统 |
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544290A (zh) * | 2017-10-26 | 2018-01-05 | 南京越博电驱动系统有限公司 | 一种新能源汽车性能评估分析和优化系统及方法 |
CN112763406A (zh) * | 2020-12-16 | 2021-05-07 | 广州汽车集团股份有限公司 | 腐蚀数据分析方法、介质、评估方法及汽车 |
US11513159B1 (en) * | 2021-06-09 | 2022-11-29 | Geotab Inc. | Systems for analysis of vehicle electrical system performance |
US20230196850A1 (en) * | 2021-12-21 | 2023-06-22 | Snap-On Incorporated | Method and system for testing matched components of vehicle |
CN114662954A (zh) * | 2022-03-31 | 2022-06-24 | 北京经纬恒润科技股份有限公司 | 车辆性能评估系统 |
CN115221218A (zh) * | 2022-07-01 | 2022-10-21 | 一汽解放汽车有限公司 | 车辆数据的质量评估方法、装置、计算机设备和存储介质 |
CN116980278A (zh) * | 2023-09-22 | 2023-10-31 | 无锡车联天下信息技术有限公司 | 一种域控制器的自动化测试方法和系统 |
Non-Patent Citations (1)
Title |
---|
惠国娟 等: "测试数据的判断比对和统计分析方法研究", 质量与可靠性, no. 4, 31 December 2020 (2020-12-31), pages 50 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5005814B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
US7107187B1 (en) | Method for modeling system performance | |
JP5313250B2 (ja) | バッテリーの長期特性予測システム及び方法 | |
JP2015059924A (ja) | 蓄電池性能評価装置およびその方法 | |
CN110633194B (zh) | 一种硬件资源在特定环境下的性能评估方法 | |
CN104798049A (zh) | 操作管理装置和操作管理方法 | |
CN113569457A (zh) | 一种基于数字孪生的需求功能模型构建方法及系统 | |
US20190129918A1 (en) | Method and apparatus for automatically determining optimal statistical model | |
US10248462B2 (en) | Management server which constructs a request load model for an object system, load estimation method thereof and storage medium for storing program | |
CN111897706A (zh) | 服务器性能预测方法、装置、计算机系统和介质 | |
Westermann et al. | Efficient experiment selection in automated software performance evaluations | |
CN118011132B (zh) | 测试数据分析方法、系统和计算机可读存储介质 | |
CN110619413A (zh) | 用于评估风力发电机组健康度的方法及装置 | |
CN116975567B (zh) | 服务器辐射抗干扰度测试方法、系统、设备及存储介质 | |
CN113325828A (zh) | 驻车锁止控制器测试方法、装置、系统及存储介质 | |
CN118011132A (zh) | 测试数据分析方法、系统和计算机可读存储介质 | |
CN115529258B (zh) | 一种快速定位带宽最优值的方法、系统、装置及介质 | |
JP2005063208A (ja) | ソフトウェア信頼度成長モデル選択方法、ソフトウェア信頼度成長モデル選択装置、ソフトウェア信頼度成長モデル選択プログラム、およびプログラム記録媒体 | |
KR20170018794A (ko) | 부분 고장 데이터를 이용한 소프트웨어 신뢰도 평가모델 선택 시스템 및 방법 | |
CN113914850B (zh) | 一种基于模型的抽油机井综合测试仪故障诊断方法和系统 | |
CN108228445B (zh) | 虚拟机能耗的测试方法以及装置 | |
CN109829014A (zh) | 测试数据获取的方法及装置 | |
KR102513992B1 (ko) | 배터리 성능진단을 위한 배터리 관리 시스템 및 방법 | |
US20220114519A1 (en) | Method for Device Monitoring | |
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 | ||
GR01 | Patent grant |