如何在模型在环测试中高效进行故障注入测试

汽车测试领域，在模型测试阶段进行故障注入，是保障汽车安全性、可靠性的关键手段。如何提高故障注入测试的效率呢？

若需对模型中间层元素注入故障，典型实施步骤如下：

步骤一，在测试框架（testharness）中选择需要进行故障注入的模型中间元素；

步骤二，在GUI窗口中选择故障内容和故障触发方式；

步骤三，将测试用例与故障相关联；

步骤四，运行测试，查看结果。

通过上述步骤才能在用例执行期间注入故障。尽管一个模型元素可以创建多个故障，但一次仿真只能有一个故障处于激活状态，并且想要自定义故障内容还需要手动搭建故障模型，这就需要测试人员具有一定模型开发能力。

如此一来不仅影响效率，并且无法灵活应对复杂多变的测试需求，在一定程度上限制了故障注入的广度和深度。

难道就没有更高效、更灵活的方式吗？当然有！TPT新增模型故障注入功能，能够很好地提高测试效率。那TPT是如何进行故障注入的呢？

在测试框架中选定目标模型中间元素，以Server Function形式导入至TPT平台，即可在测试用例中直接调用。该方法无需额外关联操作或搭建故障模型，且支持单次仿真中对同一元素注入多类故障。

 

图1 TPT Server function

下面就以灯控模型为例，介绍TPT是如何进行故障注入测试的。

 

图2 模型以及信号位置

一、模拟数据停滞故障

故障场景：在light_intensity信号在6.99s时数值出现卡滞。

用例如下：

图3 用例内容

功能需求要求当light_switch为自动（2），并且light_intensity>70并持续3s时，头灯关闭。在运行结果中可以看到，光强数值在第6.99s时出现卡滞，未满足light_intensity>70的条件，因此在3s后headlight没有关闭。

图4 运行结果

二、模拟数据突变故障：

故障场景：筛选后的光照强度在故障触发信号light_switch_isAuto为true时出现异常值120。

用例如下：

图5 用例内容

在运行结果中可以看到，检测到信号light_switch_isAuto为true时，light_intensity数值发生了跳变，导致提前计时，并且在3s后headlight关闭。

图6 运行结果

三、自定义故障：

故障场景：模拟数据噪声影响。在TPT中添加Script，引入Python库，自定义函数加入高斯噪声。用例如下：

 

图7 用例内容

在运行结果中可以看到，当light_switch数值发生变化时，由于引入了噪声，light_intensity的数值>70，headlight关闭，功能正常。

图8 运行结果

通常情况下，由于引入噪声的不确定性，需要多次运行验证软件的一致性。如图所示，该测试用例运行5次仅有一次通过，且多次运行通过率并不相同。可在模型中更改阈值或加入滞回结构规避此类问题。

图9 多次运行结果

TPT灵活多样的激励方法为故障注入测试提供了新的选择。对于汽车软件来说，TPT 无疑是一个强大的 “利器”，让故障注入不再是负担，而是保障安全的有力手段。

故障注入测试前移不仅是测试效率的提升，更是平衡研发成本与周期的重要保证。北汇信息作为新思科技国内合作伙伴，始终以专业的 TPT 技术支持经验，为国内客户提供贴合行业需求的测试解决方案。我们将与您携手，共同推动汽车电子测试工作提质增效，为行业发展注入新的活力。