数据驱动的诊断功能自动化测试验证
来源: | 作者:pmo9ca4dc | 发布时间: 2017-07-05 | 329 次浏览 | 分享到:

  
  自动生成测试用例的方法用于诊断协议的测试已经实践了很多年,这种方法是基于汽车OEM提供的诊断描述文件,通过一种可验证的方法高效地测试ECU的诊断接口,这大大提高了产品质量。除此之外,Claas公司和Vector公司的联合开发项目重新定义了非常完整的诊断描述文件,可以自动化验证诊断参数和故障代码DTC。
  

测试任务

Claas, 是一家农机产品生产商,负责在诊断数据中描述诊断参数和ECU输入输出之间的关系。关于故障判定标准的测试被正式文档化为新的测试任务。过去,这些都是通过手动测试实现的,或者测试工程师通过执行特殊的测试用例来实现。然而这并不能达到广泛的测试覆盖度

 

与Vector合作后,诊断参数与ECU I/O之间的关系自动关联到了已经存在的通信数据库和硬件描述文件中。完全自动化的诊断测试能够在基于CDD或ODX的测试环境中生成和执行。软硬件诊断集成的正确性测试通过仿真ECU环境进行自动化实现。通过修改总线上的仿真数据或者驱动特殊的硬件I/O,使得诊断参数的正确设置、故障状态的生成、故障信息的正确存储等测试成为可能。

为了执行诊断功能自动化测试,诊断参数和ECU I/O必须彼此关联。除了诊断数据库(ODX,CDD),与诊断不相关的其他数据也需要使用。这包括网络通信数据(dbc,arxml)或者测试环境配置数据,例如用于HIL台架配置的接口描述。这些系统信息主要用于激励和测量ECU的输入和输出。



故障码DTC的测试

故障码DTC的数据结构和格式来源于诊断数据,如果诊断描述文件能与ECU的外设关联,那么测试DTC是否被正确的存储在故障内存中就成为可能。此外,也可以验证DTC的状态跳转和DTC的正确清除

 

每个DTC的特定设置条件也必须明确,这包含至少以下内容:

  • I/O类型(输入输出,网络或者传感器/执行器)

  • I/O名称(报文名称,通道名称)

  • 故障类型(例如,短路到地)

故障类型能从标准的DTC故障类型字节中获取(如SAEJ2012)。此外还需要额外的信息:阈值,设置时间和故障发生时的监测信息等


诊断参数测试

类似于故障码测试,诊断参数测试需要知道诊断参数和ECU管脚之间的关系。诊断结果可以通过以下信息进行验证:

  • ECU 管脚的测量值

  • 总线信号

  • CCP/XCP的采集值

除了I/O类型和名称,转换关系也是必须的-例如传感器的电阻值转换成温度值。诊断参数或者ECU输出的更新频率也需要考虑。需要注意的是,测试值也需要用来做I/O激励,因为这些值通常都不会写在诊断文档中,而且合适的参数也不能从描述数据中查询到。


CLAAS的测试方案

Claas,用于测试执行的数据都是格式化描述的。因此基于这些数据实现自动化测试成为可能。Claas使用了Vector公司的CANoe.Diva进行自动化测试。CDD中I/O信息还有其他的一些数据被导入到CANoe.Diva进行参数化配置。之后,Diva生成器生成CANoe测试环境,并自动执行ECU的测试,如下图。


为了在ECU管脚上测量和仿真电压和电流信号,Claas使用Vector的VT System组建HIL系统,见下图。为了实现诊断描述文件和开发数据库中的数据自动化驱动VT系统,Claas对VT系统的端口名称也进行了定义。


在Claas,具有诊断功能的ECU不仅存在于联合收割机和拖车中,也存在于割草机和堆垛压缩机中。在大型的Claas机械中,会配备多达40个ECU。测试系统需涵盖所有这些ECU的测试。Claas最复杂的ECU拥有多达70路数字I/O,以及多达15路的执行机构,关于这些I/O有超过200条的DTC需要验证测试。

 

自动化测试能大大减少ECU测试验证的工作量。在Claas,定制化的自动化测试工具使故障存储和故障参数的测试覆盖度从55%增加到95%。此外,Claas设置了一个目标,要将所有ECU的自动化测试通过CANoe.Diva实现。


总结和展望

Claas,自动化测试是通过Vector公司的CANoe.Diva工具实现的,该测试方案增加了测试的深度,同时提高了测试的效率。目前在Claas,还无法实现完全自动化测试,某些功能还必须通过手动配置,例如,有些I/O的控制需要做非常复杂的参数化测试。类似的,有些故障码DTC的测试也需要提供先决条件以激活故障监测、DTC识别和DTC存储

数据的格式化描述促使高度优化的自动化测试成为可能。标准化正在进行当中(例如,AUTOSAR),开发集成化和互操作性的工具促进了更多样化的方式实现自动化测试。CANoe.Diva顺应这个趋势,将提供更多的功能实现更有效的自动化诊断测试执行。


自动化测试的可行性,数据驱动的测试已经进行了详尽描述,这个领域将保持持续的生机。


原文转自:https://link.springer.com/article/10.1007/s38314-015-0560-7,由怿星科技编辑发布

相关文章