[發(fā)明專利]一種測(cè)試用例生成方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910212880.1
• 申請(qǐng)日: 2019-03-20
• 公開(kāi)（公告）號(hào): CN111722610B
• 公開(kāi)（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 劉三兵
• 申請(qǐng)（專利權(quán)）人: 北京新能源汽車(chē)股份有限公司
• 主分類號(hào): G05B23/02
• 分類號(hào): G05B23/02;G06F11/36
• 代理公司: 北京銀龍知識(shí)產(chǎn)權(quán)代理有限公司 11243
• 代理人: 許靜;安利霞

本發(fā)明提供了一種測(cè)試用例生成方法及裝置，該測(cè)試用例生成方法包括：采集車(chē)輛不同工況下表征駕駛員操作的第一操作數(shù)據(jù)集；將所述第一操作數(shù)據(jù)集輸入預(yù)先所獲取的標(biāo)定神經(jīng)網(wǎng)絡(luò)模型，得到所述標(biāo)定神經(jīng)網(wǎng)絡(luò)模型的輸出參數(shù)集；將所述第一操作數(shù)據(jù)集作為測(cè)試輸入、所述標(biāo)定神經(jīng)網(wǎng)絡(luò)模型作為執(zhí)行條件、所述輸出參數(shù)集作為預(yù)期結(jié)果，得到測(cè)試用例。本發(fā)明將車(chē)輛不同工況下的第一操作數(shù)據(jù)集作為測(cè)試用例的輸入，提升了測(cè)試用例的覆蓋度。

技術(shù)領(lǐng)域

本發(fā)明涉及整車(chē)控制系統(tǒng)測(cè)試領(lǐng)域，特別涉及一種測(cè)試用例生成方法及裝置。

背景技術(shù)

測(cè)試用例是為某個(gè)特殊目標(biāo)而編制的一組測(cè)試輸入、執(zhí)行條件以及預(yù)期結(jié)果，以便測(cè)試某個(gè)程序路徑或核實(shí)是否滿足某個(gè)特定需求。在車(chē)輛測(cè)試領(lǐng)域，通常基于用戶需求設(shè)計(jì)測(cè)試用例，然后使用測(cè)試用例對(duì)整車(chē)控制系統(tǒng)進(jìn)行測(cè)試。

并且目前在整車(chē)控制系統(tǒng)測(cè)試時(shí)，采用的測(cè)試用例均是基于用戶需求生成的。然而由于基于用戶需求生成的測(cè)試用例覆蓋度較差，整車(chē)控制系統(tǒng)在使用測(cè)試用例進(jìn)行測(cè)試時(shí)，無(wú)法兼顧客戶實(shí)際的使用場(chǎng)景，導(dǎo)致整車(chē)控制系統(tǒng)存在各種漏洞，增加了將漏洞遺留到客戶階段的風(fēng)險(xiǎn)。

發(fā)明內(nèi)容

本發(fā)明提供了一種測(cè)試用例生成方法及裝置，用以解決現(xiàn)有技術(shù)中基于用戶需求設(shè)計(jì)的測(cè)試用例覆蓋度較差，導(dǎo)致整車(chē)控制系統(tǒng)存在各種漏洞的問(wèn)題。

為了解決上述技術(shù)問(wèn)題，本發(fā)明采用如下技術(shù)方案：

依據(jù)本發(fā)明的一個(gè)方面，提供了一種測(cè)試用例生成方法，包括：

采集車(chē)輛不同工況下表征駕駛員操作的第一操作數(shù)據(jù)集；

將所述第一操作數(shù)據(jù)集輸入預(yù)先所獲取的標(biāo)定神經(jīng)網(wǎng)絡(luò)模型，得到所述標(biāo)定神經(jīng)網(wǎng)絡(luò)模型的輸出參數(shù)集；

將所述第一操作數(shù)據(jù)集作為測(cè)試輸入、所述標(biāo)定神經(jīng)網(wǎng)絡(luò)模型作為執(zhí)行條件、所述輸出參數(shù)集作為預(yù)期結(jié)果，得到測(cè)試用例。

進(jìn)一步地，所述方法還包括：

采集車(chē)輛不同工況下表征駕駛員操作的第二操作數(shù)據(jù)集以及對(duì)應(yīng)所述第二操作數(shù)據(jù)集的車(chē)輛狀態(tài)數(shù)據(jù)集；

通過(guò)所述第二操作數(shù)據(jù)集以及所述車(chē)輛狀態(tài)數(shù)據(jù)集，對(duì)預(yù)設(shè)的初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得所述標(biāo)定神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步地，所述采集車(chē)輛不同工況下表征駕駛員操作的第二操作數(shù)據(jù)集以及對(duì)應(yīng)所述第二操作數(shù)據(jù)集的車(chē)輛狀態(tài)數(shù)據(jù)集的步驟包括：

采集車(chē)輛在不同工況下運(yùn)行時(shí)的工作數(shù)據(jù)；

從所述工作數(shù)據(jù)中篩選表征駕駛員操作的多組第二操作數(shù)據(jù)，得到第二操作數(shù)據(jù)集；

獲取與第二操作數(shù)據(jù)集對(duì)應(yīng)的多組車(chē)輛狀態(tài)數(shù)據(jù)，得到車(chē)輛狀態(tài)數(shù)據(jù)集。

進(jìn)一步地，所述通過(guò)所述第二操作數(shù)據(jù)集以及所述車(chē)輛狀態(tài)數(shù)據(jù)集，對(duì)預(yù)設(shè)的初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得所述標(biāo)定神經(jīng)網(wǎng)絡(luò)模型的步驟包括：

分別對(duì)所述第二操作數(shù)據(jù)集以及所述車(chē)輛狀態(tài)數(shù)據(jù)集進(jìn)行處理，得到多個(gè)操作特征值以及多個(gè)車(chē)輛狀態(tài)特征值；

將多個(gè)所述操作特征值輸入預(yù)設(shè)的初始神經(jīng)網(wǎng)絡(luò)模型，得到多個(gè)車(chē)輛狀態(tài)計(jì)算值；

根據(jù)多個(gè)所述車(chē)輛狀態(tài)計(jì)算值以及多個(gè)所述車(chē)輛狀態(tài)特征值，調(diào)整所述初始神經(jīng)網(wǎng)絡(luò)模型隱含層的權(quán)重值，獲得所述標(biāo)定神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步地，所述分別對(duì)所述第二操作數(shù)據(jù)集以及所述車(chē)輛狀態(tài)數(shù)據(jù)集進(jìn)行處理，得到多個(gè)操作特征值以及多個(gè)車(chē)輛狀態(tài)特征值的步驟包括：

確定所述第二操作數(shù)據(jù)集中每一第二操作數(shù)據(jù)的數(shù)據(jù)類型以及所述車(chē)輛狀態(tài)數(shù)據(jù)集中每一車(chē)輛狀態(tài)數(shù)據(jù)的數(shù)據(jù)類型；