排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
借助MTS TESTSTAR材料试验机的TESTWARE应用软件,建立了程序谱疲劳裂纹扩展试验程序。用该方法测试了HDSA车轮过载疲劳和程序谱疲劳裂纹扩展速率。试验结果表明,过载使裂纹扩展停滞,递增、递减程序谱疲劳裂纹扩展速率明显加快,列车运行中连续急刹车方式对车轮使用寿命不利。 相似文献
2.
检测故障是繁琐而耗时的,为了提高传统软件故障定位方法的效率以及精确度,提出了一种基于频谱的故障定位新方法;充分利用了失败的测试用例与故障之间的关系,通过使用频谱增强的方式,采取逻辑与运算的关键技术和方法,对失败的测试用例进行精简,优化失败测试用例中的频谱信息,从而得到频谱增强后的测试用例,克服了冗余测试用例对定位效果的消极影响,再根据新的频谱信息计算可疑度值,最后生成优化后的可疑度排序列表;首次将频谱增强的方法同时运用到单故障与多故障程序场景中,在包含植入故障的西门子程序和真实故障的Defects4j程序中,经实验检测证明本研究方法能够显著减少代码检查的范围,尤其是在高性能范围内(EXAM5%),并且仅通过检查Top-1至少能有效地定位超过原有约20%的故障,结果表明基于频谱增强的故障定位方法有效提升了检测率,可以更好地帮助程序员精准定位故障位置。 相似文献
3.
传统的软件错误定位技术通常利用测试覆盖信息计算程序语句发生错误的可疑度进行软件错误定位,但是这种定位技术没有充分考虑程序本身固有的依赖信息,缺乏语句筛选,从而使错误定位的精度受限.提出了一种基于层次切片谱的错误定位技术,以提高面向对象程序中的错误定位效率.这种技术首先分析程序不同粒度层次元素(包、类、方法以及语句)之间的依赖信息,对可能发生错误的元素进行筛选,缩小错误查找范围;在此基础上,建立了层次切片谱模型,并定义了一种可疑度度量方法;最后根据该可疑度结果从大到小的顺序进行错误定位.通过实验验证了基于层次切片谱的错误定位技术的有效性,且比基于程序谱的Tarantula 技术、Union 技术、Intersection 技术效率更高. 相似文献
4.
5.
基于程序谱的软件错误定位(spectrum-based fault localization,SBFL)技术收集测试用例结果和语句覆盖信息,用以计算每条语句的可疑度值.认知复杂度是软件复杂性度量工具,其值高的代码较易出错.为提升错误定位性能,提出一种语句级认知复杂度和SBFL相组合的方法对语句排序.当多条语句可疑度值相等时,新方法优先检查认知复杂度高的语句.测试数据集有925个错误版本,包含Java、C和C++项目.实验结果证实,加入认知复杂度后,传统的SBFL技术能减少待排查语句. 相似文献
6.
针对由不同错误引起的失效测试叠加而导致错误定位效率降低问题以及程序员很难根据缺乏上下文信息的单个程序元素的可疑度来最终确定错误的位置问题,本文提出了一种基于程序谱概念格的软件错误定位技术。这种技术首先根据测试历史信息提取了程序谱信息并构建了程序谱的概念格,以层次结构展示了程序元素和测试的泛化和特化关系;在此基础之上,定义了一种新的可疑度的计算方法。以中等规模程序Tetris为实验对象,借助wasted effort评测指标验证了所提方法的有效性。 相似文献
7.
8.
车下设备承载结构疲劳试验载荷谱编制方法* 总被引:6,自引:0,他引:6
提出多载荷时间历程的外推方法,给出车下设备承载结构疲劳试验载荷谱编制方法。基于载荷时间历程的雨流计数矩阵,利用二维核密度估计方法(Kernel density estimation, KDE),提出在多载荷时间历程输入条件下的外推方法;应用平均应力修正公式、累积损伤理论和等效损伤准则,根据外推载荷数据,给出疲劳试验程序谱的编制方法;结合动车组车下设备线路测试数据对外推方法进行验证,编制了车下设备承载结构疲劳试验程序谱,并分别使用疲劳试验程序谱和振动测试数据对承载结构进行疲劳强度计算。数据外推结果表明:多载荷时间历程外推方法计算的损伤与实际载荷损伤误差为3.6%,大的扩展倍数下KDE可以给出低周、大幅值载荷;疲劳强度计算结果表明:由于KDE外推产生了大幅值载荷,疲劳试验程序谱计算的损伤比振动测试数据计算的损伤增加了43.8%,所以,在进行疲劳试验载荷谱编制时,需要计算可能出现的大幅值载荷。此研究为其他结构程序载荷谱的编制提供借鉴案例。 相似文献
9.
何海江 《电子科技大学学报(自然科学版)》2017,46(3):577-582
基于谱的错误定位(SBFL)是减小软件调试困难的有效方法。SBFL方法将运行特征组合成不同的错误定位模型,可这些模型受特定程序及测试集影响,性能并不稳定。基于此,提出一种排序学习方法LTR-sbfl,针对不同的程序及其测试集,能学习到相应的错误定位模型。LTR-sbfl首先收集已标注错误语句的程序旧版本,采用与SBFL相同的方法,获得程序语句的运行特征。接着,将错误行与正确行代码的运行特征两两相减,确定为训练数据的一个实例。最后,使用分类算法,从训练数据构造排序模型。在3个基准数据集的实验结果证实,LTR-sbfl的定位精度优于其他SBFL方法。 相似文献