基于场景的车载设备测试用例自动生成方法研究

列控车载子系统是确保列车的安全运行的关键设备,对车载子系统进行测试是保证功能实现与系统规范一致性的重要手段。针对传统手工测试用例生成的效率低、耗时长、工作量繁杂、可重用性低等缺陷,提出一种基于场景的车载系统测试用例自动生成方法,依据CTCS-3级列控系统技术规范构造车载子系统场景树模型,由实时系统测试用例自动生成工具Co Ver对列车运行模式转换自动机网模型生成基于场景的测试用例,并由运行模式最小重复度选择算法生成全模式覆盖的测试序列。结论证明,基于场景自动生成的测试用例能够覆盖全部车载模式,并提高了模式转换测试序列生成效率。     

基于粒子群算法的测试用例自动生成方法研究

软件测试是保证软件质量、提高软件可靠性的关键,而提高生成测试用例的自动化程度又是提高软件测试自动化程度的关键。为了提高生成测试用例的自动化程度,改进了基本粒子群优化算法,提出了基于改进的粒子群优化算法的测试用例自动生成系统框架,并给出了基于改进的粒子群优化算法的测试用例自动生成算法。实验结果表明,使用文中提出的算法,自动生成测试用例所需的迭代次数和平均运行时间明显优于遗传算法等测试用例自动生成算法,一定程度上提高了生成测试用例的自动化程度。     

基于时间自动机的CTCS-3级列控等级转换场景测试用例生成方法研究

为了提高列控等级转换系统测试效率和自动化程度,以时间自动机为基本依据,研究设计了一种中国列车运行控制系统-2级转中国列车运行控制系统-3级列控等级转换系统进行模型信息提取,并自动生成测试路径,从而生成具体的测试用例。结果表明,列车转换时间主要集中在62 s～75 s。转换时间为80 s时,转换成功概率为99.7%以上。等级转换过程,结合获得的测试路径,最终得到测试用例153条。在测试路径基础上,依据逻辑覆盖准则,得到各谓词条件的变量取值范围,结合已有测试路径,最终生成了具体测试用例。该方法的测试用例有效提高了软件开发效率,缩短开发周期,降低了出错率,提高测试自动化程度。该方法提高了列控等级转换系统测试效率和自动化程度,对列控系统等级转换场景软件开发高效性研究具有重要意义。     

国产基础软件可靠性分析及验证

国产基础软件通过常规测试后仍存在诸多质量或可靠性问题,为此,针对国产基础软件的特性及现有可靠性测试技术的不适应之处,结合Musa剖面模型和Markov链模型设计出一种带标记的Markov链运行剖面建模技术来构建操作系统的运行剖面,研究并给出相应的可靠性测试用例生成方法,最后选取典型操作系统进行了分析验证,证明了研究成果的有效性.     

软件测试中测试用例自动生成方法研究

软件测试是保证软件质量和软件可靠性的关键,而提高生成测试用例的自动化程度又是提高软件测试自动化程度的关键。该文分析了软件测试中测试用例自动生成技术的发展现状和粒子群优化算法的基本原理。在此基础上,改进了基本粒子群优化算法,并提出了基于改进的粒子群优化算法的测试用例自动生成算法。实验结果表明,使用本文提出的算法测试用例自动生成效果明显优于遗传算法等测试用例自动生成算法。     

嵌入式软件运行剖面建模及测试用例生成

软件运行剖面定量描述软件的使用方式,可以为软件测试提供一个定量的依据,从运行剖面出发可以自动生成测试用例,对提高软件测试的效率与正确性具有很重要的意义.本文给出了一个工程应用中构造嵌入式软件运行剖面以及从剖面生成测试用例的方法.     

基于动态调整简化粒子群优化的组合测试用例生成方法

优化的组合测试中的一个关键是生成的测试用例能够覆盖更多的组合,而粒子群算法在生成强组合覆盖用例方面有其独特的优势和能力。文中提出了一种基于动态调整简化粒子群优化的组合测试用例生成方法。该方法基于粒子群算法生成测试用例,结合混合的优先级one-test-at-a-time策略和基于动态调整的简化粒子群算法生成组合测试用例集,排除了速度因素对粒子优化过程的影响。定义了一个粒子收敛指标,以粒子群早熟收敛程度为依据来动态调整惯性权值,以防止粒子陷入局部最优和后期出现收敛速度慢的情况,从而提高粒子群算法所生成的覆盖表的覆盖组合能力。通过对比实验表明,基于动态调整的简化粒子群优化算法在用例规模和时间成本上具有一定的优势。     

一种基于粒子群优化的成对组合测试算法框架

提出一种基于粒子群优化的成对组合测试用例集生成算法框架.在生成测试用例时,该框架采用粒子群优化尝试生成强组合覆盖能力的测试用例,并研究了搜索空间、适应值函数和启发式的合理设定;在构造组合测试用例集时,以上述测试用例生成算法为基础,提出两种策略:一种基于one-test-at-a-time,另一种基于类IPO.编程实现该算法框架,并通过实证研究分析了算法框架中不同设定对组合测试用例集规模的影响;最后,与现有的经典方法在组合测试用例集生成规模和算法执行时间上进行了比较.最终结果表明,该算法具有竞争力.     

一种稳控系统装置自动测试方法研制

安全稳定控制系统日趋复杂，其运行的可靠性亟待验证。为此，提出了一种通过自动测试终端模拟各个层级的稳控装置，来实现稳控系统单装置或多装置的自动测试系统。自动测试系统针对稳控系统子站测试，实现了动态感知子站装置状态，智能生成测试用例的功能。对比传统的搭建仿真测试环境，自动测试系统有效减少了人力、物力以及时间成本，并且排除人为因素干扰，提高了测试的可信度。     

基于运行剖面的测试用例自动生成方法

软件测试是保证软件质量的有效方法,但测试工作过程繁琐,工作量较多,所以探索高效快捷的测试用例生成方法一直是大家追求的目标,随着软件规模的日益增大,这种要求也变得更加迫切;软件运行剖面提供了软件运行的流程及各流程发生的概率,在软件测试的各个阶段对测试用例的生成均具有指导意义;在某嵌入式系统的软件确认测试阶段,剖析运行剖面提供的相关信息,结合生物进化遗传算法,由原始测试用例经过几代的遗传和进化之后,生成符合运行路径覆盖范围及深度要求的测试用例。     

Operation Optimal Control of Urban Rail Train Based on Multi-Objective Particle Swarm Optimization

The energy consumption of train operation occupies a large proportion of the total consumption of railway transportation. In order to improve the operating energy utilization rate of trains, a multi-objective particle swarm optimization (MPSO) algorithm with energy consumption, punctuality and parking accuracy as the objective and safety as the constraint is built. To accelerate its the convergence process, the train operation progression is divided into several modes according to the train speed-distance curve. A human-computer interactive particle swarm optimization algorithm is proposed, which presents the optimized results after a certain number of iterations to the decision maker, and the satisfactory outcomes can be obtained after a limited number of adjustments. The multi-objective particle swarm optimization (MPSO) algorithm is used to optimize the train operation process. An algorithm based on the important relationship between the objective and the preference information of the given reference points is suggested to overcome the shortcomings of the existing algorithms. These methods significantly increase the computational complexity and convergence of the algorithm. An adaptive fuzzy logic system that can simultaneously utilize experience information and field data information is proposed to adjust the consequences of off-line optimization in real time, thereby eliminating the influence of uncertainty on train operation. After optimization and adjustment, the whole running time has been increased by 0.5 s, the energy consumption has been reduced by 12%, the parking accuracy has been increased by 8%, and the comprehensive performance has been enhanced.     

基于粒子群优化算法的网络CFA问题研究

为了降低网络运营费用与改进网络性能,采用近年来新出现的一种高效的群智能搜索方法——粒子群优化算法求解计算机通信网络中链路容量与流量分配(CFA)问题。大量的计算机仿真实验结果验证了该算法在CFA问题中的有效性,而且与传统的拉格朗日松弛及子梯度寻优算法相比,解的质量有了大幅度的提高。与遗传算法相比,该算法在复杂性及运行速度等方面更具优越性。     

基于两阶段算法的列车调度问题

考虑突发铁路损坏对列车运行的影响,在列车运行调度理论的基础上,建立了单线铁路调度模型,设计了一种带有突发事件处理能力的两阶段列车调度算法,第1阶段对列车区间运行速度进行调整,第2阶段对列车的停站时间进行调整.将3种有效的搜索算子、一种自适应更新规则与粒子群算法相结合,以列车延迟率作为优化目标,求解单线铁路列车调度问题.通过将所提算法与其他算法在相同实验条件下进行测试对比,并进行突发事件测试,验证了所提算法的有效性.     

基于性能诊断的预测控制器参数整定策略

针对多变量模型预测控制系统在长期运行中出现设定值变化、模型失配、扰动特性变化后控制器参数不再匹配的问题,提出一种在得到性能诊断结果后基于改进粒子群算法的控制器参数整定方法.通过分析最优控制律与三项系统性能的关系,构造出对应的目标优化函数,对粒子群算法迭代过程中粒子的位置和惯性因子做出改进,弥补该算法易于陷入局部最优以及...     

两群微粒群优化算法及其应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出两群微粒群优化算法．通过对5种常用测试函数进行测试和比较,结果表明两群微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率明显提高．然后将两群微粒群优化算法用于催化裂化装置主分馏塔轻柴油95%点软测量建模,通过与实际工业数据对比,表明该软测量模型具有高的精度、好的性能和广阔的应用前景．     

改进MOPSO在物流节点选址模型中的应用

为了降低物流系统的运营成本,提高物流系统的运作效率,构建了物流系统运营成本最小以及顾客时间满意度最大的多目标物流节点选址模型,并在模型求解过程中针对多目标粒子群算法的不足,从外部存档的更新、粒子学习样本的选择以及粒子的变异三个方面进行改进,将改进的多目标粒子群算法用于物流节点选址模型的求解。仿真结果表明,改进的算法相较于其他优化算法,具有较好的分布性和收敛性。     

面向列车运行调整问题的粒子群算法研究*

列车运行调整问题是一种特殊的NP完全问题,不仅具有众多约束,并且有着列车等级要求和延迟传播限制,使得该问题搜索空间庞大,可行解范围狭小,往往难以获得较优解。为求解列车运行调整问题,针对此特殊性,将捕食搜索策略思想引入到粒子群算法中,并在此基础上提出一种速度限制的调整方式,同时辅以自适应控制,使得算法在大范围搜索时更易跳出局部最小解,而在小范围搜索时粒子飞行速度更慢,搜索更精确。将该算法用于列车运行调整问题,所得调整方案比遗传算法和普通粒子群算法结果更逼近原开行方案。     

基于改进QR-PSO算法的压力传感器的动态补偿方法

针对压力传感器在实际使用中动态特性难以满足测试需求这一问题,利用激波管对压力传感器进行动态标定,获取实验样本,依赖样本估计逆模型,提出了基于QR分解和改进粒子群算法构建补偿系统的设计方法.采用QR分解确定模型阶次,降低了简化传感器模型带来的动态补偿运算误差,并结合改进粒子群算法,高效、智能的确定补偿系数.通过实测样本对补偿系统进行重复性验证,结果表明压力传感器的动态响应性能显著地提高了,补偿效果令人满意.     

基于随机自适应粒子群算法的电力系统无功优化

无功优化是保证电力系统安全经济运行的有效手段,是提高电力系统电压质量的重要措施之一。本文首先介绍无功优化的一般数学模型,然后重点分析粒子群优化算法的组成结构与工作原理,进而提出一种改进的粒子群优化算法。该算法采用随机自适应策略,能够对当前所产生的局部最优值进行变异,再重回粒子群算法中搜寻全局最优值,从而可以有效改善传统粒子群算法求解电力系统无功优化问题时存在的收敛精度不高、容易陷入局部最优等不足,一定程度上提高了粒子群算法的寻优能力。最后,通过在IEEE 30节点上进行仿真实验比较,结果表明该算法是可行和有效的,达到了提高供电质量、降低线损的目的。     

基于改进粒子群优化算法的PID控制器整定

由传统的Z-N(Ziegler-Nichols)整定公式得出的PID参数,不能得到最佳的控制性能.为此,本文提出一种基于适应度指数定标和边界缓冲墙相结合的改进型粒子群算法,应用于PID参数的整定.首先采用适应度指数定标的选中概率,挑选出粒子进行随机变异;其次对越界的粒子进行缓冲,保证粒子落在寻优空间内以增加粒子种群多样性,同时调整种群粒子个数、社会和认知因子以提高寻优效率.在仿真实验中,将改进的粒子群算法分别应用于5种不同的工业过程,整定他们的PID参数.对误差绝对值乘以时间积分的性能指标(ITAE)做最小化,得到了相应的PID参数,验证了这里提出的改进型粒子群算法的有效性.