利用搜索模型提升Simulink故障探测性能的方法研究

发布时间：2021-03-22 23:08

　　针对很多方法中手动测试Oracle及运行测试用例成本较高的问题,提出一种基于搜索的测试和预测模型,以提升Simulink模型的故障探测性能。确定了三个旨在增加测试套件多样性的测试目标,并在基于搜索的算法中使用这些目标,以生成较小的多样化测试套件。为进一步实现测试套件的最小化,开发了一个预测模型,当添加测试用例无法提升故障探测性能时,该模型将停止测试用例的生成。评价结果表明,选择的三个测试目标能够显著提升较小测试套件的故障探测精度;且预测模型在维持几乎相同故障探测精度的同时,能够将新生成的测试用例平均数量减少一半以上。 

【文章来源】：计算机应用研究. 2020,37(09)北大核心CSCD

【文章页数】：4 页

【部分图文】：

决策树示例

各方法评价比较

为了生成算法2子程序中使用的预测模型，本文将五轮的测试生成应用到60个故障版本中，将所有统计排名结果和相应的精度结果随机分入三个集合，使用其中一个集合构建决策树预测模型。另外两个集合用于评价决策树预测模型。根据标准交叉验证程序将该过程重复三次，以使得每个集合至少有一次被用做训练集。图3(a)给出了通过所提三个测试生成算法以及算法2程序得出的故障探测精度，还包括不使用算法2程序的精度结果。此外，图3(b)给出了当应用算法2程序时，TGA-DBB、TGA-DE和TGA-DI所生成的新测试用例数量。图3表明本文方法能够识别加入新的测试用例无法改善故障探测结果的情形。当操作人员使用算法2程序时，其平均需要检查的块数更少，测试用例数量以及测试Oracle成本则降低超过一半。4 结束语


本文编号：3094650