[发明专利]一种测试用例生成方法及装置

权利要求书

1.一种测试用例生成方法，其特征在于，包括：

采集车辆不同工况下表征驾驶员操作的第一操作数据集；

将所述第一操作数据集输入预先所获取的标定神经网络模型，得到所述标定神经网络模型的输出参数集；

将所述第一操作数据集作为测试输入、所述标定神经网络模型作为执行条件、所述输出参数集作为预期结果，得到测试用例；

其中，所述将所述第一操作数据集输入预先所获取的标定神经网络模型，得到所述标定神经网络模型的输出参数集的步骤包括：

确定所述第一操作数据集中每一第一操作数据的数据类型；

根据所述第一操作数据的数据类型选择相对应的取值算法，得到每一所述第一操作数据对应的不同取值；

将所述第一操作数据集中第一操作数据的不同取值按照修正判定条件覆盖的原则进行组合，得到多个第一操作数据组合集；

将多个所述第一操作数据组合集分别输入所述标定神经网络模型，得到多个所述标定神经网络模型的输出参数集。

2.根据权利要求1所述的测试用例生成方法，其特征在于，所述方法还包括：

采集车辆不同工况下表征驾驶员操作的第二操作数据集以及对应所述第二操作数据集的车辆状态数据集；

通过所述第二操作数据集以及所述车辆状态数据集，对预设的初始神经网络模型进行训练，获得所述标定神经网络模型。

3.根据权利要求2所述的测试用例生成方法，其特征在于，所述采集车辆不同工况下表征驾驶员操作的第二操作数据集以及对应所述第二操作数据集的车辆状态数据集的步骤包括：

采集车辆在不同工况下运行时的工作数据；

从所述工作数据中筛选表征驾驶员操作的多组第二操作数据，得到第二操作数据集；

获取与第二操作数据集对应的多组车辆状态数据，得到车辆状态数据集。

4.根据权利要求2所述的测试用例生成方法，其特征在于，所述通过所述第二操作数据集以及所述车辆状态数据集，对预设的初始神经网络模型进行训练，获得所述标定神经网络模型的步骤包括：

分别对所述第二操作数据集以及所述车辆状态数据集进行处理，得到多个操作特征值以及多个车辆状态特征值；

将多个所述操作特征值输入预设的初始神经网络模型，得到多个车辆状态计算值；

根据多个所述车辆状态计算值以及多个所述车辆状态特征值，调整所述初始神经网络模型隐含层的权重值，获得所述标定神经网络模型。

5.根据权利要求4所述的测试用例生成方法，其特征在于，所述分别对所述第二操作数据集以及所述车辆状态数据集进行处理，得到多个操作特征值以及多个车辆状态特征值的步骤包括：

确定所述第二操作数据集中每一第二操作数据的数据类型以及所述车辆状态数据集中每一车辆状态数据的数据类型；

根据所述第二操作数据的数据类型以及所述车辆状态数据的数据类型，分别选择相对应的取值算法，得到多个操作特征值以及多个车辆状态特征值。

6.根据权利要求5所述的测试用例生成方法，其特征在于，所述数据类型包括：布尔类型、枚举类型或者连续信号类型；

当所述数据类型为布尔类型时，分别针对真和假两种情况生成多个操作特征值以及多个车辆状态特征值；

当所述数据类型为枚举类型或者连续信号类型时，通过等价类划分生成多个操作特征值以及多个车辆状态特征值。

7.根据权利要求1所述的测试用例生成方法，其特征在于，所述将所述第一操作数据集作为测试输入、所述标定神经网络模型作为执行条件、所述输出参数集作为预期结果，得到测试用例的步骤包括：

将多个所述第一操作数据组合集作为测试输入，所述标定神经网络模型作为执行条件，多个所述输出参数集作为预期结果，获得测试用例。