基于模型测试方法的智能汽车IVN自动化性能测试



基于模型测试方法的智能汽车IVN自动化性能测试

为了保证智能汽车的复杂功能，开发过程的关键部分是功能测试。在实际测试中,定义良好的测试套具有广泛的测试覆盖率，且测试用例的数目具有强制性。基于模型的测试是一种黑盒测试,其测试套源自SUT（正在进行测试的系统）模型，并由基于模型的测试工具自动执行。测试用例是为某个特殊目标编制的一组测试输入、执行条件以及预期结果，以便测试某个程序路径或核实是否满足某个特定需求，其可由测试序列自动生成。为测试智能汽车的IVN（车载网络）自动化性能，开发了多组过渡型模型以及相应的从实际测试序列中对应的测试套。同时，通过IVN测试工具分析自动生成测试报告。使用Matlab/Simulink工具对智能前灯系统进行建模。

对基于模型的测试方法，需要考虑用适合描述智能汽车IVN特性的建模符号进行SUT建模，同时需要考虑测试用例生成的各种方法。为自动测试智能汽车车载网络，尝试生成可执行的测试案例。使用SUT模型的测试方法能实现测试案例的设计自动化并保障其可追溯性。第一步是为描述用于测试系统的抽象模型，建立SUT模型，这是非常重要的一步。第二步是从模型生成抽象测试，为生成开发人员想要的测试，必须确定测试选择标准，然后基于已定的测试选择标准，确定测试覆盖率，并依此产生模型操作序列的抽象测试。第三步是生成可执行测试，即将抽象测试转换成可执行测试。基于模型测试方法的优势大致分为6点：SUT的故障检测、降低成本、节约测试时间、提高测试质量、检测需求缺陷以及具有可追溯性。为产生可执行的IVN测试用例，需采用带有CAN和LIN接口的Vector CANoe。为测量测试用例的性能，需将随机输入生成器连接到相同的模型中。

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

编译：倪媛媛