教学课程资源库 更多>>

关键词： V2X   系统架构   软件   算法   软件测试  

摘要： 随着汽车保有量快速增长,车辆出行的安全和效率愈发重要,车联网在智能交通领域作用越来越重要。作为智能汽车和智能交通的关键支撑技术之一,V2X(Vehicle to Everything),主要包含车与车(Vehicle to Vehicle,V2V)、车与路(Vehicleto infrastructure,V2I)、车与人(Vehicletopedestrian,V2P)和车与网络(Vehicleto Network,V2N)四类应用场景,其不仅能减少交通事故,降低交通拥堵提高通行效率,减少汽车污染物的排放等。不仅如此,V2X更是实现更高级自动驾驶的重要手段,其能够弥补摄像头、雷达等车载传感器视距不足和受气象条件限制的缺陷,比如,沙尘天气或者大雨、大雾下,车载摄像机的作用就会被减弱,但V2X依然可以保持正常的工作。车辆通过V2X带来的超视距感知,可以获得实时路况、道路信息、行人信息等一系列交通信息,从而带来远距离环境信号,让车辆尽早了解前方状况,提升出行安全和效率。本论文的主要研究目标为设计开发和实现一套V2X车载设备,其具备V2X通信能力,并以V2X的三个典型预警场景,即交叉路口碰撞预警(Intersection Collision Warning,ICW),逆向超车预警(Do Not Pass Warning,DNPW)和弱势交通参与者碰撞预警(Vulnerable Road User Collision Warning,VRUCW)为实现目标展开具体论述。论文的章节以A-SPICE流程标准为参考,遵循正向开发的思路,从系统方案和需求设计为起点,针对所选取的三个V2X预警场景对该车载设备的功能需求和非功能需求进行了定义,并在软件设计章节实现ICW、DNPW、VRUCW三个场景的算法开发。在测试验证章节,搭建一套基于V2X的自动化测试方案,其包括V2X车载系统仿真测试方案和平台设计,以及基于该仿真测试平台对三个V2X预警功能进行测试场景搭建和测试验证,台架测试表明,本文提出的ICW、DNPW、VRUCW三个场景的算法满足设计要求。论文第六章在对本论文进行总结的基础上,还就V2X技术和ADAS传感器技术从成本、各自优缺点方面进行了比较论述,提出了两者的关系并非相互竞争,而是各自对实现自动驾驶所具有的独特的重要意义。结合我国目前在V2X技术上的发展规划,对该技术的推广应用和发展做了展望。

关键词： jBPM4.4框架子系统   软件测试   教务管理信息系统   软件可靠性增长模型   软件体系结构分析工具   RSA工作流管理系统  

摘要： 针对工作流管理系统(Workflow Management System,Wf MS)框架子系统质量问题,本文以jBPM4.4(java Business Process Management)开源工作流软件平台的框架子系统为具体研究目标,基于软件测试方法分析该子系统软件体系结构,并设计和实现了相应的分析工具,同时将该工具应用于教务管理信息系统(Educational Management Information System,EMIS)和RSA工作流管理系统(Workflow Management System for RSA,Wf MS4RSA)中,具体完成以下几个方面的工作:(1)通过对jBPM4.4框架子系统源码的分析,对其软件体系结构的特征进行说明。框架子系统,即为了实现主控子系统、日志子系统、建模子系统之间的关联关系,而形成的软件代码所组成的子系统。本文运用面向对象(Object-Oriented,OO)方法,从源码的角度利用软件工程逆向工程的方法和思想进行分析研究,获取框架子系统源码的软件体系结构特征。(2)利用软件测试技术,依据上述特征,设计并开发软件体系结构分析工具,利用该分析工具,对框架子系统软件体系结构进行分析研究,将分析研究结果通过软件可靠性增长模型(Software Reliability Growth Model,SRGM)进行建模,分析并总结建模结果,将建模结果作为后续相关应用软件的框架子系统软件体系结构比较的基准。(3)利用上述分析工具,本文以基于jBPM4.4的两个应用软件EMIS和Wf MS4RSA为例,通过对二者的框架子系统进行测试,根据测试结果,利用SRGM进行建模。通过对比,便于二者的框架子系统软件体系结构改进,并得出具体的改进方案。实施改进方案的实验结果表明,该工具具有一定的优化框架子系统软件体系结构的作用。

关键词： 自然计算   库伦定律   软件测试   测试用例生成   收敛性证明  

摘要： 随着信息时代的飞速发展,自然计算方法已然被应用于众多领域,并取得较大突破,其中就包含软件测试方面,而如何高效选取自动化测试用例生成与自然计算方法有效结合至关重要。针对传统自然计算方法在解决多峰、复杂高维问题时易陷入局部最优、算法性能差、求解精度不高等问题以及在软件测试方面存在测试效率低下等缺陷,本文利用库伦定律提出一种电荷特性策略,并与自然计算方法结合生成测试用例框架解决上述问题。研究成果主要为:提出一种电荷特性策略的自然计算方法,此策略适用于基于种群的自然计算方法,且执行过程不依靠具体算法的进化过程。本文主要利用库仑定律中带电个体的相互运动,同时对个体的运动情况加以控制,以平衡自然计算方法的探索与开发能力,提高个体跳出局部最优的机会,有效增加种群的多样性。对于算法的普适性,则设计了库仑定律公式及其各个参数,同时,采用马尔可夫链对电荷特性策略进行收敛性分析。将所提出的策略分别应用于粒子群算法与差分进化算法中,使用经典测试函数对其性能进行验证,同时也与目前几种主流算法进行适应度值、算法收敛率对比。实验结果表明,使用该策略后的自然计算方法在寻优精度和收敛率上均有明显提升。在自然计算方法与软件测试用例生成技术的基础上,提出一种基于电荷特性的分支覆盖测试用例生成框架。主要利用测试用例自动化生成与自然计算方法的有效结合,设计出一种新的适应度函数,通过对分支距离函数、分支嵌套深度与分支权重的分析,新适应度函数可以根据不同的分支条件与深度,自适应的计算适应度值,构建自然计算方法与测试用例之间的桥梁纽带。为了评价电荷特性的生成框架在结构性测试用例的生成效果,将其应用到粒子群算法中,采用基准程序进行实验,对比粒子群算法和近几年主流测试用例生成方法。实验结果表明,在测试用例生成方面电荷特性框架较未改进原算法在覆盖率与平均进化代数上均具有优势。

关键词： 目标检测   卷积神经网络   UI自动化   YOLOv3   软件测试  

摘要： 在产品迭代更新速度极快的时代中,移动端自动化测试变得越来越重要,它可以有效地减少人工回归测试的成本,也可以快速地检查产品质量是否存在重大问题。但是现如今的两大系统安卓和IOS有着完全不一样的代码语言,不一样的系统实现逻辑,这使移动端自动化测试尤其是UI自动化测试工具往往都会存在针对不同系统的两套脚本。而这两套脚本,往往逻辑功能完全一致,仅在启动APP和对APP界面定位中,所需的控件属性信息完全不同。这就使得应用迭代更新时,测试人员需要将对应的逻辑点在两套区别于系统的测试脚本中,做重复修改,与此同时,若迭代版本对界面也有修改,则还需要将测试脚本里的界面属性进行修改。因此,违背了UI自动化初衷,测试效率,而近年来针对移动端UI自动化工具,都集中精力希望开发一套工具解决这个痛点,提升UI测试的效率。与此同时,随着人工智能、深度学习领域在各行各业中大力发展,目标检测技术已经逐渐地渗入人们生活中。而由于卷积神经网络算法的快速迭代,基于卷积神经网络的目标检测模型,在人脸识别、交通识别、医疗诊断等领域中都得到了有效的应用。特别是目前发展很迅速的SSD和YOLO系列等算法,以检测速度快、检测精准度高的优势进入学者的视野中。考虑到自动化测试也算是人工智能的边缘领域,本文将UI界面作为被检测模型,界面中的控件作为目标,通过利用两大单阶段目标检测模型SSD和YOLOv3算法在相同数据样本、相同环境的条件下进行训练,再通过50张应用中的图片进行测试对比。结果表明,两大模型各有优势,SSD在检测速度上明显占优,而YOLOv3则在精准度上优势更明显,两者的准确率分别达到了89%和93%。在综合对比两者的优劣势之后,本文最终选择YOLOv3进行应用性实验操作,验证了目标检测算法对移动端界面定位控件的可行性,可以通过大量的数据样本训练,在不受页面框架及手机系统的影响下,对界面中的控件进行准确的分类和定位。同时本文还将训练完成的YOLOv3接入了Airtest Project移动端UI自动化框架中,将传统方式定位控件的方法后置,存放于框架兜底方案中。优先利用YOLOv3模型对运行中的用例当前界面进行控件检测,得到检测目标之后,再进入对控件模拟操作步骤;若没有检测到控件,则采用兜底中的传统定位方式,以保证用例运行成功率。通过跨系统、跨应用的实验与原始框架进行对比,结果表明接入YOLOv3模型算法后的框架,在运行用例的时间上会明显大于原本框架,但是它的适用性,也让加入目标检测算法后的框架,稳定性提升了20%,受外界配置、改变界面属性导致的错误数减少较明显。这也间接证实了当自动化测试脚本运行时,测试人员可以减少人工干预,释放劳力。但目前运行用例的正确率基本与原始框架持平,没有明显提升。同时在跨应用中,使用例脚本可以多方运行,减少了脚本编写的时间成本。总体而言,极大程度提升了执行测试用例的效率以及降低了维护用例的成本。通过此次研究,证明了通过目标检测对移动端APP中的各界面进行控件识别,来替代传统控件定位的方式是可行的,它能完全解决移动端UI自动化工具的痛点,避过跨系统的痛点,甚至还支持跨应用,同时减轻脚本维护的成本,覆盖了用户操作性测试。虽然现阶段对界面检测率没有达到100%,但是通过不断优化训练,是可以达到一个较为理想的状态,而基于卷积神经网络的目标检测技术在移动端UI自动化测试的应用未来还有无限的可能,具有很好的应用前景。

关键词： 项目管理   软件测试   测试管理  

摘要： 近年传统金融企业加大了对金融科技的投入力度,金融科技通过技术赋能企业生产能力并降低运营成本,从而增强企业的盈利能力。企业金融科技战略的落地具体是通过架设各类金融信息系统来实现的,因此需要规范软件测试管理以保障各类系统的质量水平。PA产险已经建成并投产一定规模的信息系统集群,但是在各类系统在迅速迭代的过程中,发现现有的软件测试质量保障体系无法满足系统在新应用场景下的稳定性、可靠性、准确性的需求,因此需要对PA产险的软件测试质量管理体系进行优化。本文期望通过该优化的实施办法提升软件测试质量保障水平,从而提升质量效能。本文首先描述了PA产险测试管理的现状,并分析了测试管理中暴露的主要问题,问题产生的原因包括对测试管理重视程度不足和缺乏规范的测试管理流程等原因。其次结合项目管理五大过程和软件测试全流程方面的理论将PA产险软件测试管理中的问题划分为需求管理、执行管理、验收管理三个方面问题。再次给出详细的解决思路和举措,依据项目质量问题的持续改进中的PDCA循环理论,首先需要制定目标,其次是制定计划,再次是组织实施,最后是在实施过程中不断改进,具体从需求管理、执行管理、验收管理三个方面进行优化,并借助定性和定量的办法来辅助方案的实施落地。最后对PA产险软件测试管理优化实施过程进行保障分析,包括实施所需要的条件和资源,具体实施过程的策略,以及实施过程中的风险管理,从而确保测试管理优化举措的顺利实施。

摘要： 随着信创产业的蓬勃发展,基于Iaa S国产云平台软件测技术的研究日益受到关注,云平台性能好坏将直接影响到云服务的质量。本文首先分析了Iaa S的概念和内涵,接着从物理服务器、虚拟机、策略、系统、安全5个层面详细阐述了Iaa S层的测试功能,分析了其主要技术测试点,最后展望了基于Iaa S国产云平台软件测试需要尽快解决的关键问题,以期为Iaa S测试的相关研究提供了有益的探索。

关键词： 软件开发   测试管理   质量保证   软件能力成熟度模型  

摘要： 测试管理是软件质量管理的重要保障,随着计算机的高速发展,软件的多样性和复杂度越来越高,对软件质量的要求也日益增高,越来越多的公司开始意识到测试管理对软件质量管理的重要性。科学的软件测试管理方法能提高软件测试过程质量和效率,能促进软件项目管理的发展,为软件产品质量提升提供方法。本文主要是对SD公司测试管理过程进行研究,首先介绍了软件测试和测试管理的相关概念,以及CMMI和TMMI等理论模型,为后续的研究提供理论支撑。其次,通过对SD公司当前的产品及组织架构和当前测试各阶段的管理情况如需求、配置、资源和质量等几个方面进行详细介绍。再结合专家访谈法和鱼刺图方法分析目前测试管理中存在的主要问题和原因,归纳总结出当前存在问题的四个过程管理:需求、配置、资源和质量这四方面的测试过程管理。再次,针对上诉四个方面的过程管理分别提出优化方案设计:通过CMMI理论模型对SD公司存在问题的四个过程管理进行逐一的对比优化;并运用TMMI理论资源管理过程优化SD公司的资源管理过程;同时结合KANO模型、PERT三点估算法分别对测试需求管理和测试资源管理进行优化。最后为保证测试管理优化措施的顺利实施,分别从思想上、组织上、培训上制定保障措施,同时在实施优化方案后对过去和现在的效果进行分析和客户满意度调查,结果是测试管理的提升使得软件产品的质量得到保障,赢得了客户的好评。

关键词： 软件测试   遗传算法   RBF神经网络   测试用例   分支覆盖  

摘要： 在提高软件质量方面,软件测试扮演着重要角色,设计合适的测试用例是软件测试的关键。通常,设计合适的测试用例不仅需要花费测试人员的大量心血,还需要耗费大量的设备资源和时间。并且在设计测试用例时,设计人员往往会带有主观思想,对下一步的测试工作存在一定的误导,以及测试用例覆盖率比较低等问题。为了解决上述存在的问题,使得设计的测试用例具有客观性以及较大的覆盖率,本文针对分支覆盖测试用例生成问题进行研究,提出基于RBF神经网络和遗传算法的分支覆盖测试用例自动生成方法。主要工作如下:(1)针对传统遗传算法在分支覆盖的测试用例生成中存在不稳定性和容易陷入局部最优解等问题,对自适应遗传算法中变异概率和交叉概率进行改进。改进后的遗传算法根据种群中个体适应度值的分布情况,对交叉操作和变异操作的先后顺序进行判断,以此来增强种群中个体的多样性,为下一代遗传操作做铺垫。通过实验表明,在生成分支覆盖测试用例的分支覆盖率、函数求解和算法稳定性的方面,改进后的算法得到了很大的提升。(2)针对在生成测试用例时利用插值法计算个体适应度值会过度耗费运行时间的问题,本文使用RBF神经网络来模拟适应度函数。通过RBF神经网络来计算个体适应度值,代替插值法计算种群中个体的适应度值,在很大程度上增加了分支覆盖测试用例生成算法的效率,减少分支覆盖测试用例生成的时间。(3)将本文所提的基于RBF神经网络和遗传算法的分支覆盖测试用例生成算法(GAR)与基于自适应遗传算法的分支覆盖测试用例生成算法(PDGA)、传统的遗传算法(SGA)和随机测试生成方法(Random)在7个程序上进行对比实验。实验结果证明所提方法的可行性与有效性,在测试用例生成方面增大了分支覆盖率,并且降低了种群的迭代次数,减少了算法的运行时间。

关键词： 软件测试   测试用例优先级   神经网络   蚁群算法  

摘要： 随着软件技术的不断发展，软件规模越来越大，软件的频繁迭代导致回归测试工作量巨大。而测试用例优先级分类和排序是提高回归测试效率的主要技术手段之一，已经引起了研究人员的广泛关注。　　本文针对现有测试用例优先级分类和排序方法存在的主要问题，研究并提出了一种基于神经网络的优先级分类方法和一种基于蚁群算法的优先级排序方法。主要研究内容和成果如下:　　(1)针对现有分类方法分类精度不高造成的测试不充分问题，提出了一种新的特征提取方法。该方法从修改、需求和历史测试信息三个方面提取测试用例特征，根据测试用例执行结果设置目标向量，在此基础上构建神经网络分类模型，提出了一种基于神经网络的测试用例优先级分类预测方法。通过实验验证，与聚类方法、基于神经元激活频率的方法和基于人工神经网络方法相比，在分类精度和召回率上均有不同程度的提高。　　(2)针对蚁群算法搜索效率低、搜索模型过于简单等问题，对蚁群算法做出改进，改进了初始信息素分布和外启发信息计算方法，并且限制蚂蚁搜索起点，加快了覆盖速度。针对现有测试用例优先级排序错误检测率低的问题，提出了一种基于改进蚁群算法测试用例优先级排序方法。通过实验验证，与基本蚁群算法、遗传算法和神经网络方法相比，在平均错误检测率上优于对比方法。　　(3)在上述研究的基础上，采用面向对象方法和统一建模语言，研发了测试用例优先级分类排序系统，并将其应用于实际的软件系统测试工作中，对软件系统的测试用例进行了分类和排序。应用效果表明，本文开发的系统在测试用例分类阶段，对重要测试用例具有较高的召回率，尽可能保证了被测系统能够得到充分测试;在排序阶段，平均故障检测率也有明显提高。　　本文研究成果较好的解决了现有方法存在的主要问题，对测试用例优先级分类和排序方法的进一步深入研究具有一定的参考价值。

关键词： 计算机联锁软件   自动测试   接口测试   调度集中自律机  

摘要： 计算机联锁系统用于实现对车站内信号机、道岔和轨道电路的实时逻辑控制,具有较高的故障-安全性要求,可保证站内行车安全和提高运输效率。然而在计算机联锁软件开发过程中,不可避免地会出现一些漏洞和缺陷。因此,为了达到联锁软件的可靠性和安全性要求,在投入使用前,要对其进行全面规范的测试。传统的人工测试方法费时费力且非常乏味,对测试人员的经验水平依赖性也较强,导致测试的效率低下且无法保证测试的可信度。目前的自动测试方法中,很少有直接利用调度集中车站自律机与计算机联锁系统的通信接口来对计算机联锁软件进行测试的方式。该通信接口是铁路车站实际现场中运用的接口,具有很强的实际意义,关于该接口的通信技术也发展地较为成熟。因此,本文提出了一种基于自律机与计算机联锁通信协议的计算机联锁软件自动测试方法,所做的主要工作如下:首先,基于路局现场实际需求确定了本文设计的联锁自动测试系统的测试内容,包括联锁功能试验和联锁关系仿真试验两部分。提出了联锁自动测试系统的总体设计,结构上由人机交互模块、控制命令下发模块、返回信息处理模块和通信模块四部分组成,并对测试系统的工作流程进行了详细的阐述。其次,对联锁自动测试系统各个模块的设计进行了展开介绍。通信模块是测试系统的基础,通过设置虚拟串口和编写串口通信管理代码来实现自律机与计算机联锁的通信。仿自律机模块是测试系统的核心,由命令下发模块和返回信息处理模块两部分组成。在计算机联锁系统处于自律控制模式的情况下,通过自律机向联锁发送按钮及控制命令帧,使联锁软件执行相应的操作。在计算机联锁软件控显界面发生变化后,通过解析联锁返回给自律机的站场表示变化信息帧来分析和判断测试是否成功,从而完成对计算机联锁软件的自动测试。人机交互模块是测试系统与测试人员之间的接口,可供测试人员选择测试项和查看测试结果。最后,对联锁自动测试系统进行了介绍,并以棠溪站为例,对其工作流程进行了演示。针对道岔按钮功能测试、信号机按钮功能测试和联锁关系测试这三种测试类型,对测试的各个阶段进行了详细的展示和讲解,验证了本文设计的联锁自动测试系统功能的完整性和正确性。