【技术实现步骤摘要】
本专利技术涉及轨道交通运行控制，特别是指一种基于模型与数据驱动的车载软件故障诊断方法及系统。
技术介绍
1、模型与数据驱动指的是使用模型和数据两种方法共同驱动故障诊断过程，而车载软件故障是指在列车车载系统中运行的软件出现了异常或错误，导致其无法正常执行预期的功能或操作，车载软件故障会严重影响列车的控制、监控和安全系统，从而对列车的运行造成影响。
2、以车载为核心的新型列车运行控制系统（简称新型列控系统）软件故障是影响列车运行安全的重要因素，面向车载软件开发阶段进行高效、准确、不同粒度的故障诊断具有重要意义。
3、然而传统的车载软件故障诊断主要基于测试案例集的离线测试及人工调试等方法，存在故障检测实时性和完备性不足、故障定位效率低和故障检测准确率低等问题，难以满足当前智能交通和列车控制系统对安全性和可靠性的高标准要求。
技术实现思路
1、为了解决现有技术存在的传统的车载软件故障诊断主要基于测试案例集的离线测试及人工调试等方法，存在故障检测实时性和完备性不足、故障定位效率低和故障检测准确率低等问题，难以满足当前智能交通和列车控制系统对安全性和可靠性的高标准要求的技术问题，本专利技术提供了一种基于模型与数据驱动的车载软件故障诊断方法及系统。
2、本专利技术实施例提供的技术方案如下：
3、第一方面
4、本专利技术实施例提供的一种基于模型与数据驱动的车载软件故障诊断方法，包括：
5、s1：基于程序控制时序和模型变异算子，
6、s2：基于故障可诊断性验证结果，从实际软件和模型接口上完成中间件的配置，建立物理符号和真实数据流之间的映射关系；
7、s3：获取待诊断车载软件的实测数据；
8、s4：将实测数据输入至车载软件故障诊断物理模型，基于物理符号和真实数据流之间的映射关系，输出不同变异算子的故障版本；
9、s5：通过时间相对一致性关系检测算法，对故障版本进行分析，生成待诊断车载软件的故障诊断结果；
10、s6：通过车载软件故障诊断数据模型，提取车载软件故障诊断物理模型执行过程中的语句执行特征数据，形成程序执行谱信息；
11、s7：基于元启发算法和神经网络算法，对被诊断模块的程序实体进行可疑度预测，得到可疑度排序列表，进行故障定位。
12、第二方面
13、本专利技术实施例提供的一种基于模型与数据驱动的车载软件故障诊断系统，包括：
14、处理器；
15、存储器，存储器上存储有计算机可读指令，计算机可读指令被处理器执行时，实现如第一方面的基于模型与数据驱动的车载软件故障诊断方法。
16、第三方面
17、本专利技术实施例提供的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面的基于模型与数据驱动的车载软件故障诊断方法。
18、本专利技术实施例提供的技术方案带来的有益效果至少包括：
19、在本专利技术中，通过对程序控制时序和模型变异算子的验证来判断系统的故障可诊断性，基于故障可诊断性验证结果将物理符号和实际数据流关联起来，接着将获取到的实测数据输入至车载软件故障诊断物理模型，基于物理符号和真实数据流之间的映射关系，输出不同变异算子的故障版本，通过时间相对一致性关系检测算法，对故障版本进行分析，生成待诊断车载软件的故障诊断结果，进一步在故障诊断过程中利用车载软件故障诊断数据模型提取程序执行的特征信息，形成程序执行谱，为故障定位提供深层信息，最后结合元启发算法和神经网络算法，生成故障定位的可疑度排序列表，实现故障定位。该方法基于模型和数据双驱动的新型列控系统车载软件故障诊断方法采用并联融合结构实现，即利用数据模型和物理模型共同作用实现车载软件故障版本分析和故障诊断，具有良好的灵活性和高检测效率、有效避免大量测试套件的生成过程并保障检测准确性，又能有效提高程序调试效率和故障定位检查率，特别适合大规模软件故障版本小样本代码片段诊断发现大多数故障版本中的软件缺陷，可实现新型列控系统车载软件运行时故障在线精准诊断，为行车运行提供安全防护，从而大大提升了诊断的准确性、实时性和适应性，提高了故障定位效率。
本文档来自技高网...【技术保护点】
1.一种基于模型与数据驱动的车载软件故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述S1具体包括：
3.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述实测数据包括：
4.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述S5具体包括：
5.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述元启发算法为粒子群优化算法，所述神经网络算法为循环神经网络算法。
6.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述S7具体包括：
7.根据权利要求6所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述S702具体包括：
8.根据权利要求7所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述满足停止条件具体为达到最大迭代次数或性能提升不明显。
9.一种基于模型与数据驱动的车载软件故障诊断系统，
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至8中任一项所述的基于模型与数据驱动的车载软件故障诊断方法。
...【技术特征摘要】
1.一种基于模型与数据驱动的车载软件故障诊断方法，其特征在于，包括：
2.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述s1具体包括：
3.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述实测数据包括：
4.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述s5具体包括：
5.根据权利要求1所述的基于模型与数据驱动的车载软件故障诊断方法，其特征在于，所述元启发算法为粒子群优化算法，所述神经网络算法为循环神经网络算法。
6.根据权利要求1所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。