基于DCS 系統組件的變力度組合測試方法

2021-09-15 07:36:18肖安洪吳志強陽小華

計算機工程 2021年9期

周進，劉杰，肖安洪，曾輝，吳志強，陳智，陽小華

（1.南華大學計算機學院，湖南衡陽 421001；2.中國核動力研究設計院核反應堆系統設計技術重點實驗室，成都 610041）

0 概述

隨著核電產業的不斷發展，核電廠的安全問題引起眾多業內人士的關注。核電數字化儀控系統（Digital Instrument and Control System，DCS）用于監測和控制核電廠熱能和電能生產，負責完成系統數據計算、處理等任務，是整個核電廠儀控系統的神經中樞和控制中樞。如何確保DCS 系統運行時的安全性和可靠性是測試者必須考慮的問題［1-2］。

DCS 系統由一系列已開發好的基礎組件搭建而成，通過將基礎組件接收到的不同輸入信號與其內部參數進行邏輯運算產生相應的輸出信號，從而控制相關設備工作，保證反應堆安全可靠運行。由于DCS 系統所含基礎組件數量龐大，在工作過程中不同組件參與其運行的參數以及它們之間相互作用往往不同。例如，閾值檢測組件THC 中所含參數包括輸入信號、輸出信號、組件設定參數、信號狀態等，其中每類參數對應的取值與其他參數均能組成不同的組件工作模式，如報警產生、報警狀態、報警恢復等。參數之間的不同交互關系會產生不同的輸出信號。如何針對目標待測組件所具有的交互關系，設計出相應的測試數據集是本文要解決的問題。

組合測試是通過參數組合的方式來檢測由各參數以及它們之間相互作用所引起軟件故障的一種測試方法［3］。在保證測試質量的前提下，采用盡可能少的測試數據覆蓋盡可能多的影響參數。待測軟件模型生成測試數據是近年來組合測試的重點研究方向之一［4-5］。根據方法思想不同，組合測試主要分為數學方法［6-7］、啟發式搜索算法［8-10］、貪心算法［11-13］、隨機方法。相比其他方法，貪心算法的處理速度較快、適用范圍廣，故在工業界中應用最廣泛［14］。貪心算法是通過從空矩陣開始，不斷擴展初始矩陣以得到目標覆蓋矩陣，按擴展方式不同可分為一維擴展和二維擴展。一維擴展的代表性工具為美國貝爾實驗室的COHEN 和DALAL等［15］開發的自動化高效測試生成器（Automation Efficient Test Generator，AETG），是一種基于啟發式的兩兩組合測試數據生成工具，每次生成的測試數據最多覆蓋當前未被覆蓋的組合測試數據，直至未覆蓋組合全部被覆蓋；二維擴展的代表性算法是LEI和TAI等［16］提出的逐參數擴展（In-Parameter-Order，IPO）方法，主要從重復水平擴展和垂直擴展步驟來實現待測軟件所有參數取值的兩兩組合覆蓋。

將傳統基于貪心算法的組合測試數據生成方法應用于實際系統測試，系統中存在的實際參數交互關系根據人為選定組合覆蓋標準來確定［17］。在眾多軟件系統中，不同參數間所存在的交互關系往往千差萬別，對其一概而論會帶來極大的測試成本。文獻［18］也證明了這一點。BACH 等［19］提出成功應用組合測試方法的關鍵條件是能夠準確獲取待測軟件的交互關系。針對DCS 系統基于組件開發的特性，傳統組合測試方法很難尋找一個合適的正整數n來確定其所含的交互關系，若n值選取太大，則會導致測試數據過度冗余，增加測試成本；若n值選取太小，系統組件中某些關鍵參數間的交互關系將難以進行全面檢測，從而降低測試數據的錯誤檢測能力［20］。由于貪心算法的本質缺陷，即易導致局部最優解的大量產生，從而可能造成數據集規模較大、檢錯能力降低等一系列問題。

本文是基于高安全應用開發環境（Safety-Critical Application Development Environment，SCADE）平臺上對核電DCS 系統進行研究，采用組件式軟件開發方法開發軟件系統。根據儀控系統自身需求及其特點，在原有IPO 算法基礎上提出一種具有可變力度機制的IPO_VD 算法。該算法綜合考慮目標待測系統存在的實際交互關系，并在水平擴展過程中對參數取值選擇策略進行改進，從而應用在核電DCS 系統堆芯測量時有效減小測試數據規模，同時實現對組件間實際交互關系的全覆蓋。

1 問題定義

本文所述的組件是DCS 系統中實現數據和信號處理的算法單元，只能通過組件接口與外界交互。其接口的具體組成可被視為一個三元組<輸入信號，輸出信號，組件參數>。

1）輸入信號：由一個n元向量（x1，x2，…，xn）來表示，每個分量xi可視為一個二元組，“value”代表輸入信號的具體取值，其來源情況分為外部傳感器數據輸入和系統內部組件間信號傳遞，“state”代表“value”的狀態，有真、假兩種狀態。

2）輸出信號：由一個m元向量（y1，y2，…，ym）來表示，每個分量yi和輸入分量也通過一個二元組表示。

3）組件參數：是一個k元向量（p1，p2，…，pk），代表組件所含內部參數集合，此參數集內所含參數值通過對輸入信號進行相應邏輯運算，決定組件的工作模式。

DCS 系統測試需保證在正常或異常操作下其功能是否正常且穩定。針對各基礎組件所含參數各異、交互力度不一致等情況，通過分析單一輸入信號只得到復雜多樣的測試數據，不能體現系統組件間的交互性，導致測試數據的檢錯能力低，無法檢測由兩個及兩個以上參數相互作用產生的故障。對所有基礎組件進行籠統固定維度組合測試忽略其實際存在的相互作用，導致測試效率低。DCS 系統測試的難點是對不同待測組件所包含不同相互作用的具體分析，以及針對各待測組件的實際情況，在保證測試覆蓋度的情況下采用較少的測試數據對該組件進行較全面測試。

假設某待測組件c的k個參數間具有m條交互關系：r1，r2，…，rm，每條交互關系中所包含的參數具有若干個取值。由于待測組件具有不同交互關系的不同取值會產生N種不同工作情景，設計出相應的測試數據集對其進行覆蓋，即：

為滿足組件功能覆蓋的充分性與有效性，矩陣T需滿足對任意m個交互關系r1，r2，…，rm均能實現符合其各自的組合覆蓋標準。

2 變力度組合測試模型

在DCS 系統中，假設其待測組件共有n個相關參數p1，p2，…，pn參與運行，這些參數共同構成一個有限集合P=｛p1，p2，…，pn｝；對于每個參數Pi，令Vi為Pi的一系列合理取值集合（0

定義1（測試數據）一個n元組test=（x1，x2，…，xn），其中（x1∈V1，x2∈V2，…，xn∈Vn），稱為待測組件的一條測試數據。由多個這樣的n元組構成的集合為待測組件的一個測試數據集。

定義2（組合覆蓋矩陣）假設A=（xij）m×n為m×n的矩陣，其中第i行表示每條測試數據，第j列表示待測組件的參數Pj（j=1，2，…，n）。若矩陣A中任意兩列參數Pi，Pj全部取值的兩兩組合至少一次出現在第i行和第j列形成的測試數據中，則稱A是二維組合覆蓋矩陣；同理，如果任意選擇N個參數（1≤N≤n），若矩陣A中任意N列，即參數P1，P2，…，PN均滿足集合V1，V2，…，VN中元素所形成的N元組合均在矩陣A中至少出現一次，則稱A為N維組合覆蓋矩陣。

根據參數覆蓋程度不同，組合測試可分為單參數覆蓋標準、二維組合覆蓋標準、n維組合覆蓋標準、可變強度覆蓋標準。其中不同的組合覆蓋標準所對應的檢錯能力有很大的不同，據美國國家標準和技術協會的一項研究表明［21］，單參數覆蓋標準能檢出42%的缺陷，二維組合覆蓋標準可檢測出70%的缺陷，覆蓋強度達到六維則能檢測出所有缺陷。

定義3（參數交互關系）假設組件參數集合P中存在一組具有相互作用的參數，將這些參數納入到一個子集r中，其中r?P，子集r中所包含的參數間將存在一個交互力度均為|r|的相互作用。類似地，將系統中所存在所有參數的交互作用提取出來形成集合R=｛r1，r2，…，rk｝，集合R為待測系統的參數交互關系集合。

定義5對某含n個參數的待測組件，每個參數Pi的水平數為k［i］，i=1，2，…，n，其中某m個參數Pi1，Pi2，…，Pim（0

3 基于IPO 策略的測試數據生成

3.1 IPO 策略

IPO 策略最初由北卡羅來納大學的LEI 和TAI提出［13］，是一種基于參數順序漸進擴充的成對組合測試數據生成方法。IPO 算法是以待測軟件的參數為對象，以參數水平數為依據進行遞減排序，針對前兩個參數及其取值構造初始覆蓋矩陣，進而向這個測試集逐個添加未覆蓋的參數，每加入一個參數Pi，同時構造一個未覆蓋集合UnderCover，此集合包含當前參數與已有覆蓋矩陣中所有其他參數的二維取值組合。通過不斷重復水平擴展和垂直擴展直至擴展完未覆蓋集合中所有組合。

3.2 IPO 算法影響因子分析及改進

將IPO 算法應用在DCS 系統的測試過程中，DCS 系統所特有的一些因素會對IPO 算法產生影響。例如，針對不同的基礎組件進行測試時，不同組件所含的參數交互關系各不相同，籠統地對其進行固定維度組合測試是不可行的。由于貪心算法不會從整體上考慮各參數取值情況，僅在當前狀態下做出最好選擇，易存在陷入局部最優的問題。

針對上述問題，本文在原有IPO 算法的基礎上，提出一個具有可變力度機制的IPO_VD算法以應用于DCS系統測試領域。IPO_VD 算法的核心思想是先通過解析系統組件開發文檔來獲取待測組件的相關信息，并按組件所含參數的實際交互關系生成不同覆蓋力度的初始組合覆蓋矩陣，進而利用“臨時數組”記錄算法水平擴展過程出現的局部最優解，并在垂直擴展時從未覆蓋組合集合中取值來替換。最終垂直擴展綜合考慮已有覆蓋數組和未覆蓋集合里的元素，得到最終測試數據集。IPO_VD 算法流程如圖1 所示。

圖1 IPO_VD 算法流程Fig.1 Procedure of IPO_VD algorithm

3.2.1 初始組合覆蓋矩陣生成

原IPO 算法在構造初始組合覆蓋矩陣時，采用隨機方法任意選擇兩個待擴展參數生成初始組合覆蓋矩陣，并未考慮其間的相互作用以及后續擴展過程的復雜性，導致測試數據集檢錯能力降低和算法性能較差。本文通過解析DCS 系統組件開發文檔的方式獲取組件的參數交互關系集R。由于集合R中所含交互關系各異，因此需對其所含具體參數進行分析，選擇一個合適的交互關系子集rk構造初始覆蓋表。針對其生成一個為|CombSetk|×n的初始組合覆蓋矩陣。選擇合適的交互關系子集對于提高傳統組合測試效能具有重要意義，在R中確定一個合適的交互關系子集rk，本文提出以下兩種策略：

1）選取一個包含參數個數及其取值數量最多的子集ri。通過擴大初始測試數據矩陣規模以及降低一定的算法時間性能，以減少水平擴展和垂直擴展步驟的復雜度，但此策略忽視了與其他待擴展交互關系子集所含參數間存在的相互作用，會出現較為嚴重的組合冗余現象，從而導致最終的測試數據集檢錯能力降低。

2）選取所含交集參數最多的一個子集rj。該策略的出發點是防止測試數據集產出冗余測試數據，通過優先處理與其他交互關系子集參數間存在相互作用最多的子集，在滿足交互關系覆蓋率的同時達到控制測試數據的規模。針對核電DCS 系統測試中對組合覆蓋率的嚴格要求，本文將采用該策略生成初始組合覆蓋矩陣。

算法1初始變力度組合覆蓋矩陣構造算法

輸入交互關系R，參數集P及其取值集合｛Vi1，Vi2，…，Vin｝

輸出變力度組合測試數據集TC

3.2.2 水平擴展與垂直擴展

在水平擴展時，原IPO 算法根據貪心算法選取當前狀態下UnderCover 集合里出現次數最多的一個t元組來確定當前待擴展參數的取值，將待擴展參數Pi的k［i］個取值依次擴展到已有矩陣中，若此時UnderCover 集合不為空，則將其所含剩余取值通過新增行向當前矩陣進行垂直擴展；反之，繼續通過貪心算法進行賦值，直至完成水平擴展。

1）水平擴展

依次為待擴展參數列中的每個待賦值項按矩陣行順序計算其參數值對應的重復組合數量ReComb。選擇最小ReComb 值進行取值并填充，若發生取值相等則通過“臨時數組”的方式來記錄當前擴展行中重復組合數量，將擴展后存在的局部最優解進行重置。不斷進行水平擴展直至所有待擴展參數均已被添加入矩陣，然后進行垂直擴展。

2）垂直擴展

針對水平擴展后得到的不完整矩陣，尋找UnderCover 中是否存在相應配對確定已有矩陣中的未賦值項。若不存在，則新增一行選擇其中出現次數最多的參數作為覆蓋數組中新的一行中首個待擴展參數，進而逐一考慮當前待擴展參數與其余參數的組合情況，選擇能覆蓋UnderCover 中最多組合的參數，得到最終測試數據集TC。

算法2水平擴展算法

輸入初始變力度覆蓋矩陣TC，Temp

輸出水平擴展完的臨時數據集TC_temp

算法3垂直擴展算法

輸入水平擴展后的覆蓋矩陣TC、UnderCover

輸出變力度組合測試數據集TC

4 實驗

4.1 堆芯測量系統

反應堆堆芯測量系統是核電DCS 系統中重要的安全子系統，其主要功能是通過對反應堆堆芯的實時工況參數進行監測，防止堆內溫度熱分布不均衡而發生安全事故。堆芯溫度測量系統共分為4 個區域，由外圍的3 個區域P1、P2、P3 和中心區域C 共同組成。每個區域均設置不同數量的傳感器。其中P1區域設置了5 個溫度傳感器，P2 區域設置7 個溫度傳感器，P3 區域設置6 個溫度傳感器，中心區域C 設置4 個溫度傳感器。具體結構如圖2 所示。

圖2 堆芯測量區域Fig.2 Core measurement area

當某個區域內傳感器的最大和最小溫差大于閾值時，將產生該區域的報警信號。該區域報警功能的實現過程實質上是溫度測量信號到報警信號的信號轉換。信號處理過程如圖3 所示。

圖3 信號處理過程Fig.3 Signal processing

1）輸入信號去噪過程：溫度采樣信號采用FI1一階低通濾波組件進行去噪處理，防止噪聲數據對其他組件模塊的正常運行造成干擾。

2）溫度值求差過程：通過分析去噪模塊傳來的溫度數值信號，利用MAX、MIN 組件求出溫度最大、最小值，再通過SUM組件得到溫度最大和最小值之間的差值。

3）閾值檢測過程：通過比較溫差模塊傳來的溫差信號值與報警信號閾值，當溫差超過監測閾值時產生報警信號。

通過分析和研究區域C 的工作流程、功能模塊組成結構、組件接口協議、內部參數配置等信息，從測試數據規模和安全性角度考慮，該區域模塊的參數信息如表1～表3 所示。

表1 FI1 組件參數信息Table 1 FI1 component parameters information

表2 SUM 組件參數信息Table 2 SUM component parameters information

表3 THC 組件參數信息Table 3 THC component parameters information

4.2 實驗結果與分析

4.2.1 測試數據規模與覆蓋率比較

本文從生成測試數據規模、交互關系覆蓋率、檢錯能力對上述3 個模塊進行不同維數組合測試，以驗證IPO_VD 算法在DCS 系統堆芯測量模塊測試數據生成方面的充分性、有效性和實用性。選取堆芯測量模塊作為實驗對象，通過靜態分析獲取其相關待測組件所包含的組件參數集、取值集合、參數交互關系集合等信息。基于本文方法生成初始變力度覆蓋矩陣，根據改進IPO 策略，通過不斷進行水平擴展得到最終的測試數據集。測試數據規模比較如表4所示，各算法覆蓋率比較如表5 所示。

表4 測試數據規模比較Table 4 Comparison of test data scale

表5 不同算法覆蓋率比較Table 5 Comparison of coverage rate between different algorithms

從表4 和表5 可以看出，在滿足待測組件測試覆蓋準則的前提下，具有可變力度機制的IPO_VD 算法可以保證交互關系所含任意n個參數取值間的所有組合都能被覆蓋，并且與固定力度下的相應維度組合測試相比，有效減小了數據集的規模。

4.2.2 測試數據檢錯能力比較

針對待測組件的參數交互關系和目前已知組件的故障類型，本文將組件故障類型分為兩類，反應堆堆芯測量系統可能存在的故障及其故障描述如表6所示。

表6 組件故障類型Table 6 Component failure type

按照表6 故障定義可知，符合單參數覆蓋標準的測試數據僅能發現單體故障類別的故障，利用更高維度的覆蓋標準才能發現產生原因更復雜的交互故障。如表6 中I/O 信號狀態不一致的故障需利用能同時覆蓋輸入信號狀態和輸出信號狀態的測試數據才能檢出。對交互關系中所含參數組合的覆蓋能力是決定測試數據檢錯能力的主要原因。為了證明變力度組合測試算法在檢錯能力上的優勢，本文通過將測試數據作為輸入以此檢測THC 組件的實際檢出故障數量。上述4 種算法的故障檢測能力對比如圖4 所示。

圖4 不同算法故障檢測能力比較Fig.4 Comparison of fault detection capabilities between different algorithms

5 結束語

本文通過對DCS 系統組件進行分析，對原有IPO 策略中目標待測組件間實際交互關系和水平擴展過程中的參數取值選擇策略進行改進，提出具有可變力度機制的IPO_VD 算法。實驗結果表明，IPO_VD 算法在保證參數組合覆蓋率的同時，其產生的測試數據集檢錯能力與測試數據規模優于固定力度下的IPO 算法。后續將對IPO_VD 算法的復雜度進行簡化，提高算法在測試交互關系復雜組件情況下測試數據的生成效率。