软件测试面临的挑战与发展趋势

本文结合当今软件研发模式的改变以及软件新技术的发展，特别是人工智能、大数据、云计算、区块链、物联网等新技术的普遍应用，阐述了软件测试所受到的各种挑战，包括在系统功能测试、性能测试、安全性测试、可靠性测试等各个方面所面临的挑战。最后，展望未来，描绘出软件测试发展的五大趋势——敏捷化、高度自动化、云化、服务化和智能化。     

基于PCA的主泵传感器状态监测模型

核电厂主泵的主、辅系统中布置了大量的传感器，随着主泵的运行，传感器会出现不同程度的老化或故障。为了改善现有核电厂传感器周期性测试和校准方案的不足，提高运行的安全性与经济性，采用主成分分析（PCA）技术对主泵的传感器进行状态监测。使用某核电厂主泵的运行数据建立PCA监测模型，并利用该模型对传感器的小漂移故障和共模故障进行识别，仿真结果表明该模型对主泵传感器具有很好的监测效果。      

基于ARIMA和LSTM组合模型的核电厂主泵状态预测

为了对核电厂主泵的运行过程进行监测和追踪,进而提高主泵的预警能力,提出了基于差分自回归移动平均（ARIMA）和长短期记忆（LSTM）神经网络组合模型的主泵状态预测方法,并用该方法对某核电厂主泵止推轴承温度和可控泄漏流量进行单步和多步预测,以根均方误差（RMSE）为指标对预测精度进行评估。结果表明,所建立的ARIMA和LSTM神经网络组合模型能够对主泵的状态进行准确的预测和追踪,并且组合模型的预测精度要优于ARIMA和LSTM单一模型,尤其在多步预测中,组合模型的优势更加明显。      

SaaS模式中的质量管理

SaaS模式无疑是对软件质量管理的新挑战,我们有必要找出相应的对策来保障高品质的软件服务。     

深度神经网络在滚动轴承故障诊断中的应用

为了对滚动轴承发生的故障类型进行诊断,从而提升设备的安全性,提出了一种基于深度残差神经网络的智能故障诊断方法,并使用多传感器融合技术对深度残差神经网络进行了改进,使得诊断模型的识别精度和鲁棒性得到进一步提高.首先,通过多传感器技术来获取丰富的设备运行状态信息,然后利用时频分析方法短时傅里叶变换提取原始振动信号的初级特征信息,最后利用深度残差网络的强大学习能力,进一步提取初级特征信息中的高级特征信息,并识别设备的故障类型,从而实现滚动轴承的故障诊断.为了验证所提出方法的有效性,使用滚动轴承实验数据对方法进行了测试,同时与基于深度卷积神经网络和单传感器故障诊断模型进行对比,研究结果表明,提出的智能方法不仅能对故障进行准确识别,而且具有相当良好的泛化能力和抗噪能力,其故障精度达到了100%,在单传感器或多传感器受到强噪声干扰时,分别实现诊断精度至少为93.78%和82.54%.     

大坝观测数据误差处理方法初探

本文根据误差特性和观测数据所要反映的力学、工程等概念,总结和分析已有的方法,指出现有某些误差处理方法的不合理或概念错误的地方。进一步提出检验和消除粗差、系统误差等的新方法,并提出“偶然误差评估”的新概念,最后编制了相应的FO-RTRAN-77语言程序FERROR,通过佛子岭电站观测数据的计算和分析,说明这些方法具有简便、有效和合理等优点。     

软件工程敏捷方法的实验框架及实施

在阐述了敏捷方法的特点以及引入软件工程教学中所遇到的困难之后,基于过去两年在同济大学软件工程课程的本科教学实践及探索,提出适合软件工程敏捷方法的实验框架。这个框架可将敏捷方法的理论教学和实验有效地结合起来,在本科教学中获得良好的应用效果,深受学生欢迎。     

敏捷测试的方法和实践

有一次,当开发人员完成当前Sprint任务的代码之后,测试人员、开发人员和产品经理一起来浏览产品、从头到尾走一遍,产品经理发现了问题,认为需要对功能进行比较大的修改。这时开发人员估计需要两天时间才能完成代码,但测试人员反对这样做,