基于模型測試方法的智能汽車IVN自動化性能測試

?

基于模型測試方法的智能汽車IVN自動化性能測試

為了保證智能汽車的復雜功能，開發過程的關鍵部分是功能測試。在實際測試中,定義良好的測試套具有廣泛的測試覆蓋率，且測試用例的數目具有強制性。基于模型的測試是一種黑盒測試,其測試套源自SUT（正在進行測試的系統）模型，并由基于模型的測試工具自動執行。測試用例是為某個特殊目標編制的一組測試輸入、執行條件以及預期結果，以便測試某個程序路徑或核實是否滿足某個特定需求，其可由測試序列自動生成。為測試智能汽車的IVN（車載網絡）自動化性能，開發了多組過渡型模型以及相應的從實際測試序列中對應的測試套。同時，通過IVN測試工具分析自動生成測試報告。使用Matlab/Simulink工具對智能前燈系統進行建模。

對基于模型的測試方法，需要考慮用適合描述智能汽車IVN特性的建模符號進行SUT建模，同時需要考慮測試用例生成的各種方法。為自動測試智能汽車車載網絡，嘗試生成可執行的測試案例。使用SUT模型的測試方法能實現測試案例的設計自動化并保障其可追溯性。第一步是為描述用于測試系統的抽象模型，建立SUT模型，這是非常重要的一步。第二步是從模型生成抽象測試，為生成開發人員想要的測試，必須確定測試選擇標準，然后基于已定的測試選擇標準，確定測試覆蓋率，并依此產生模型操作序列的抽象測試。第三步是生成可執行測試，即將抽象測試轉換成可執行測試。基于模型測試方法的優勢大致分為6點：SUT的故障檢測、降低成本、節約測試時間、提高測試質量、檢測需求缺陷以及具有可追溯性。為產生可執行的IVN測試用例，需采用帶有CAN和LIN接口的Vector CANoe。為測量測試用例的性能，需將隨機輸入生成器連接到相同的模型中。

Kabsu Han et al. Ubiquitous and Future Networks (ICUFN), 2013 Fifth International Conference on Date of Conference:2-5 July 2013.

編譯：倪媛媛