文章目录
前言
在汽车电子经典V模型框架下:
A:V模型左侧由OEM和Supplier共同指定出该项目ECU对应的诊断需求规范;
B:将需求规范释放给Supplier,其基于需求规范做功能实现(代码功能实现);
C:V模型右侧是集成测试,测试目的是验证ECU功能实现是否是按照需求规范定义内容实现。
对于测试解决方案,传统流程如下:
一、诊断测试现状
在如上图所示,整个流程中:
首先需要工程师基于诊断需求规范提炼出诊断测试规范;
再需要工程师基于测试规范编写测试用例;
最后由测试工程师执行测试用例
在如上整个过程中,有很多的主观性存在:
1、基于需求规范提炼出测试规范时,需要工程师保证:
A:测试逻辑正确、严谨;
B:基于需求做到测试点全覆盖。
2、基于测试规范编写测试用例,需要工程师保证:
A:测试步骤正确无误;
B:测试点全覆盖;
C:具备较强的诊断知识储备,对每个步骤的预期响应了然于胸。
但活于世间,烦心事总伴身边。而心情是影响人逻辑判断正确性很大的因素,因此上述内容有很大的不确定性。
并且对于车载诊断测试实现方法目前有如下三种:
1、全手动测试
业界常用方案是将诊断数据库加载到CANoe中,在诊断控制台“Diagnostic Console”中进行手动测试。
2、半自动化测试(手动编写测试脚本,运行环境自动化运行)
基于PC端运行环境,通过编写测试脚本,实现测试目的。
本文基于业界常用工具CANoe作为运行环境,通过编辑CAPL脚本,实现对车载诊断方面测试。
3、全自动化测试解决方案(自动化生成诊断测试用例,并自动化运行测试用例)
全自动化测试解决方案优势在于大量解决测试成本(时间/金钱),避免参与者的主观性因素,大大提高测试质量。
此处以CANoe.DiVa为例,介绍下全自动化测试解决方案:
二、CANoe.DiVa功能介绍
如下图:
因为每个项目诊断需求规范都不一样,因此需要通过诊断数据库来描述该项目的诊断内容。
通过数据库贯穿整个V模型全流程,有效保证了数据的一致性和有效性。
而对于自动生成测试用例的核心如下:
在CANoe.DiVa中以库的形式已经集成了几万条测试用例,通过识别加载的CDD/ODX数据库中包含的诊断描述内容与库中测试用例Map,有交互点的就对应生成测试用。识别点可以是:
A:Service
B:DID
C:DTC
每一个交汇点对应一个测试用例。
总结
这样就可以实现通过加载诊断数据库,自动生成对应的测试用例。
将生成的测试工程加载到CANoe中,可以自动执行,达到全自动化的解决方案。
版权归原作者 车载诊断技术 所有, 如有侵权,请联系我们删除。