基于圖像識別技術的聯(lián)鎖系統(tǒng)自動測試技術研究

陳寧

廣州城市職業(yè)學院 廣東 廣州 510405

引言

計算機聯(lián)鎖系統(tǒng)是車站信號控制系統(tǒng)的核心設備，是保證行車安全高效作業(yè)的關鍵。確保聯(lián)鎖關系正確是聯(lián)鎖設計、設備制造、施工、維護應遵循的基本原則，而聯(lián)鎖試驗是驗證信號設備聯(lián)鎖關系正確的主要手段之一，正確的試驗方法、完整的試驗內容以及徹底的試驗過程是聯(lián)鎖試驗最基本的要求。

1 聯(lián)鎖測試概述

對聯(lián)鎖系統(tǒng)的測試通常采用黑盒測試方法，測試人員根據測試案例，在人機交互平臺操作相關命令，聯(lián)鎖系統(tǒng)在收到命令后，根據采集到的軌旁設備狀態(tài)進行邏輯運算，并將運算結果反饋給人機交互平臺，測試人員根據相關的設備狀態(tài)對測試結果進行判定。因此，對聯(lián)鎖系統(tǒng)進行自動化測試，需要[1]：①模擬測試人員的操作，自動形成仿真命令，并對測試結果進行判定；②模擬軌旁設備狀態(tài)，并將設備狀態(tài)實時發(fā)給聯(lián)鎖系統(tǒng)。結合上述測試需求，設計了測試平臺，其中控制平臺負責模擬測試人員生成并發(fā)送仿真命令，軌旁仿真用來模擬軌旁設備的狀態(tài)。測試過程為測試人員選擇測試項，測試平臺向被測聯(lián)鎖系統(tǒng)發(fā)送仿真命令和設備狀態(tài)數據，并接收狀態(tài)數據，解析后根據期望結果判定案例執(zhí)行結果。

2 研究思路

鐵路站場數據自動提取方法整體研究思路。計算機聯(lián)鎖上位機界面將站場信息通過圖形化方式顯示，作為圖像識別系統(tǒng)的輸入；分析信號設備顯示特征，提煉關鍵信息并構建站場數據模型；研究學習圖像識別相關算法，對不同類型的信號設備進行識別試驗；結合設備的顯示特征，設計流程識別信號設備，并將提取的站場數據保存在數據模型中。

3 自動測試平臺模型

根據自動化程度的不同，自動測試平臺可分為二大類：自動執(zhí)行類和自動判定類。自動執(zhí)行類測試可以實現(xiàn)自動下發(fā)操作命令，但是測試結果還需要通過人工識別并進行判定；自動判定類測試，在自動下發(fā)操作命令的基礎上，可自動判定測試結果的正確性。根據判定信息的不同，自動判定類測試又可分為邏輯判定型和顯示判定型。其中邏輯判定型是將聯(lián)鎖機運算結果與預期結果進行比較，確定其正確性；顯示判定型是將操作機顯示狀態(tài)信息與預期結果比較，確定其正確性。邏輯判定型自動仿真測試平臺主要是針對供應商的計算機聯(lián)鎖車站軟件測試進行設計開發(fā)，又稱為“供應商自動測試平臺”，其自動化程度相對更高。因此，本文選取該類平臺進行研究，主要分三步進行：①對自動測試平臺進行風險分析，識別失效模式，分析故障原因，判斷故障影響，制定風險控制措施；②設計一套應用自動測試平臺的聯(lián)鎖車站軟件測試方案（簡稱“新聯(lián)鎖車站軟件測試方案”）；③采用過程風險分析方法對新聯(lián)鎖車站軟件測試方案進行驗證。

4 基于通信接口的聯(lián)鎖軟件自動測試工具軟件

通過控顯軟件與聯(lián)鎖軟件之間的通信接口A，測試工具軟件向聯(lián)鎖軟件輸入各種操作命令，例如：辦理進路、單操道岔等；通過I/O接口仿真軟件與聯(lián)鎖軟件之間的通信接口B，測試工具軟件可以獲得信號設備的狀態(tài)信息（例如：區(qū)段狀態(tài)、道岔位置等），同時獲得聯(lián)鎖軟件輸出的控制命令（例如：開放或關閉信號，轉換道岔位置等）[2]。通過對比聯(lián)鎖軟件的輸出與預期結果的一致性，測試工具軟件即可實現(xiàn)對聯(lián)鎖軟件功能及配置數據的正確性、完整性的自動化測試。但是，除了聯(lián)鎖軟件以外，計算機聯(lián)鎖產品中還包括用于提供操作顯示界面的控顯軟件。即使聯(lián)鎖軟件中的功能邏輯和配置數據是正確的，如果控顯軟件存在缺陷，導致操作顯示界面的功能或顯示錯誤，仍然會影響車站運輸作業(yè)的安全和效率。因此，對于操作顯示界面的顯示及操作功能，以及控顯軟件與聯(lián)鎖軟件之間的通信接口，也必須進行測試，確認其正確性和完整性。但是，脫離了聯(lián)鎖軟件的配合，控顯軟件無法單獨實現(xiàn)任何顯示和操作功能。因此，要想測試操作顯示界面，必須同時運行聯(lián)鎖、控顯軟件，而且其測試方法和操作步驟與測試聯(lián)鎖軟件時有很大程度的重疊。

5 開始試車場景分析

信號系統(tǒng)試車：試車線獲得車輛段下發(fā)的試車線控制權，開始試車，列車可以在試車線進行信號系統(tǒng)功能測試和調試。在任何時候，僅允許一輛列車在試車線上試驗。試車線能夠測試車載信號系統(tǒng)ATP/ATO以及車載設備與車輛接口的功能，能對車載信號系統(tǒng)進行各種速度等級的列車自動休眠/喚醒、ATP功能、全自動駕駛、ATO自動駕駛、牽引和制動性能試驗、站臺自動發(fā)車、ATO精確停車、模擬站間運行、自動折返（試車線兩端都能自動折返）、車門及安全門的模擬控制、遠程復位、車輛接口、車-地通信及駕駛模式間轉換、聯(lián)鎖等功能的測試。傳統(tǒng)模式的試車線除具備正常功能驗證外，同時具備對各子系統(tǒng)的故障模擬測試、故障復現(xiàn)實驗、故障確認和軟硬件升級驗證等，均不會影響車輛段、正線的正常運營；但合用車輛段設備的試車線需要考慮測試的故障內容、測試故障影響范圍，測試故障對車輛段日常運營的影響。測試受限功能主要包含以下內容。

5.1 顯示特征分析

鐵路信號設備主要包括信號機、道岔和軌道電路，文獻對各信號設備在計算機聯(lián)鎖上位機界面中的繪制特點作了明確規(guī)定[3]。①列車信號機（包括出站兼調車）采用雙燈位，即用2個圓圈表示；調車信號機采用單燈位，即1個圓圈表示；信號機基座采用1段短豎線表示；高柱信號機在基座和圓圈之間增加1段短橫線來表示燈柱；信號機名稱用銀白色表示。②道岔斜線在屏幕中的傾斜角度宜一致，應提供道岔的狀態(tài)信息，如表示道岔開通位置的短線在道岔定位時顯示綠色，反位時顯示黃色等。③軌道區(qū)段線條不能有明顯鋸齒，表示到發(fā)線的線條間距統(tǒng)一，應提供軌道區(qū)段空閑、占用等狀態(tài)信息，軌道區(qū)段名稱采用銀白色。對道岔的凸包形狀進行了分析：單動道岔的凸包形狀為三角形和梯形，雙動道岔為斜直線，交叉渡線為菱形。

5.2 自動測試平臺風險分析

風險分析的方法之一，失效模式影響與危害性分析（Failure Mode Effects and Criticality Analysis，F(xiàn)MECA），主要用于識別產品失效模式及其可能產生的影響，是一種定性的分析技術。FMECA在產品生命周期各階段均可采用。在產品使用階段應用FMECA，可以分析研究產品使用過程中可能或實際發(fā)生的故障、原因及其影響，為提高產品可靠性、可用性、維護決策等提供依據。常用的FMECA方法可細分為功能FMECA、硬件FMECA、軟件FMECA、過程FMECA等。對于自動測試平臺的風險分析采用功能FMECA，研究步驟為：①功能分析；②約定分析層次；③識別失效模式；④分析故障原因；⑤判斷故障對于不同層次的影響；⑥制定風險控制措施。步驟③—步驟⑥以自動測試平臺FMECA表的形式體現(xiàn)。

5.3 基于實時視頻捕捉的圖像識別技術

用高清數字攝像機實時拍攝控顯機的顯示界面，通過適當的算法提取畫面中各個圖形元素的特征值，然后與已知的各種圖形元素的特征值（模板）進行比對，從而識別出當前界面中是否存在某個已知的圖形元素。這種技術方案與目前已經廣泛應用的人臉識別系統(tǒng)的原理比較類似。采用基于實時視頻捕捉及模板匹配的圖像識別技術，有以下幾個方面的優(yōu)點[4]。①測試主機及其外圍設備獨立于被測系統(tǒng)，不需要在被測系統(tǒng)中安裝任何用于圖像識別或自動測試的軟件，不會對被測系統(tǒng)的正常運行產生影響。②圖像識別算法屬于通用算法，經過多年的發(fā)展，大部分常用算法已經用各種常用編程語言實現(xiàn)，包括一些開源、免費的代碼庫（例如：OpenCV庫），從而降低了圖像識別功能的開發(fā)難度。

5.4 數據分析處理

在進行聯(lián)鎖試驗操作時，試驗分析系統(tǒng)實時采集聯(lián)鎖設備狀態(tài)及按鈕操作信息，并自動查找匹配當前操作的進路以及具體的試驗項。將采集篩選出的聯(lián)鎖試驗相關信息與該試驗項判定條件進行智能分析判定，確定該試驗項是否試驗正確、完整[5]。若該試驗項采集到的聯(lián)鎖設備狀態(tài)及按鈕操作信息與判定條件完全吻合，則系統(tǒng)判定該項試驗完成，系統(tǒng)自動在聯(lián)鎖試驗檢查表中該進路的該試驗項下打“√”符號。若該試驗項直至試驗結束采集到的聯(lián)鎖設備狀態(tài)及按鈕操作信息與判定條件部分吻合，則系統(tǒng)判定該項試驗不完整，系統(tǒng)自動在聯(lián)鎖試驗檢查表中該進路的該試驗項下用不同顏色標記，提示試驗人員該項試驗不完整。若系統(tǒng)一直未采集到與該試驗項判定條件相關的設備狀態(tài)及按鈕操作信息，則系統(tǒng)判定該項還未進行試驗操作，聯(lián)鎖試驗檢查表中該進路的該試驗項下一直處于空白狀態(tài)，提示試驗人員該項還未開始試驗。

5.5 模板匹配

模板匹配算法在圖像處理中通常被應用于字符識別，而字符識別算法也不僅限于模板匹配，應用較為廣泛的還有人工神經網絡（ANN，ArtificialNeural Network）與支持向量機（SVM，SupportVector Machine）算法，這2種算法在識別率和識別時間上均優(yōu)于模板匹配算法，但都需提前進行大量樣本字符的訓練，更適合對復雜文本進行識別[6]。在上位機界面中，設備名稱通常僅由字母和數字組成，構成簡單，從軟件設計成本考慮無須采用ANN或SVM，因此本文采用模板匹配算法對信號設備名稱進行識別。

6 新聯(lián)鎖車站軟件測試方案驗證

對新聯(lián)鎖車站軟件測試方案采用過程FMECA方法進行驗證。參約定過程FMECA分析層次：以新聯(lián)鎖車站軟件測試方案為初始約定層次；以預測試、出廠測試等環(huán)節(jié)為中間約定層次；以“P3-執(zhí)行預測試”“P4-生成自動測試案例”等活動為最低約定層次[7]。過程FMECA針對最低約定層次可能發(fā)生的失效模式進行識別及分析，對薄弱環(huán)節(jié)制定并采用改進措施，進而提高軟件測試結果的質量和可靠性。由于過程FMECA與功能FMECA的應用方法類似，故不再列舉完整記錄。以最低約定層次“P4-生成自動測試案例”為例，列舉過程FMECA記錄。按照上述分析方法逐一對新聯(lián)鎖車站軟件測試方案中所有活動進行分析，證明所有控制措施能將過程風險完全消除或減小到可接受水平，證明新聯(lián)鎖車站軟件測試方案有效、可靠。

7 結束語

本文研究了聯(lián)鎖系統(tǒng)的自動化測試技術，開發(fā)了基于圖像識別技術的自動化測試平臺，該平臺將專家經驗融合進了自動測試，可以對站場數據進行全覆蓋測試，特別適用于中型和大型站場測試。由于通信層可以增加和修改通信協(xié)議適配不同的被測對象，因此具有良好的可擴展性，同時也可以運用在其他安全系統(tǒng)，比如智能汽車等領域的自動化測試。該平臺大為提高了聯(lián)鎖系統(tǒng)測試的完備性和自動化程度，降低了成本。