一种列车网络控制系统软件可靠性评估方法技术方案

本发明专利技术涉及一种列车网络控制系统软件可靠性评估方法，包括以下步骤：步骤1：根据收集的失效数据，计算可靠性因子；步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断数据趋势；步骤3：基于多个软件可靠性模型分别评估软件的可靠性；步骤4：根据软件可靠性预计的相对准确性对多个软件可靠性模型分别进行预计质量评价。本发明专利技术的列车网络控制系统软件可靠性评估方法，在得到失效数据之后，在选择具体模型之前对数据进行趋势分析，分析结果可作为模型选择及有效数据使用的指导；在评估软件的可靠性之后，根据预计有效性对模型进行预计质量评价，从而可以根据可靠性评估的合理性和相对准确程度，得到最佳的可靠性评估结果。靠性评估结果。靠性评估结果。

【技术实现步骤摘要】
一种列车网络控制系统软件可靠性评估方法


[0001]本专利技术涉及列车网络控制系统
，特别涉及一种列车网络控制系统软件可靠性评估方法。

技术介绍

[0002]软件可靠性评估(software reliability assessment)或软件可靠性评价(software reliability evaluation)是指“确定现有系统或系统部件可靠性所达到的水平的过程”。软件可靠性评估被定义为“统计学技术在系统测试和运行期间收集的可观测失效数据上的应用，用于评价软件的可靠性”。软件可靠性评估是在获得了软件的失效数据之后对软件可靠性水平的定量估计和评价。
[0003]软件的失效数据可以在下述两种情况下获得，一是在测试阶段后期，通过软件可靠性测试，收集测试过程中的失效数据，对软件的可靠性水平进行估计，并能够对未来可能达到的可靠性水平进行预计；二是在软件投入使用后，通过收集实际使用过程中软件的失效数据，对软件可靠性进行评估，并对未来软件可能达到的可靠性水平进行预计。此时的软件可靠性评估结果被认为是真正意义上“软件完成规定功能的能力”的反映，即：此时的可靠性评估结果，不仅可以给出实际的可靠性水平，也可以为下一代软件或同类型软件的可靠性定量要求的确定提供参考。
[0004]收集失效数据的主要目的之一是为了建立软件可靠性模型，以便对软件的可靠性进行评估。以往的做法是直接利用数据建立可靠性增长模型，但在实际应用中发现在程序开发早期和程序调试后期使用可靠性增长模型的效果是不理想的。

技术实现思路
/>[0005]本专利技术要解决现有技术中的技术问题，提供一种列车网络控制系统软件可靠性评估方法。
[0006]为了解决上述技术问题，本专利技术的技术方案具体如下：
[0007]一种列车网络控制系统软件可靠性评估方法，包括以下步骤：
[0008]步骤1：根据收集的失效数据，计算可靠性因子；
[0009]步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断数据趋势；
[0010]步骤3：基于多个软件可靠性模型分别评估软件的可靠性；
[0011]步骤4：根据软件可靠性预计的相对准确性对多个软件可靠性模型分别进行预计质量评价。
[0012]在上述技术方案中，步骤1具体为：
[0013]当收集的失效数据是失效间隔时间时，设θ
j
,j＝1，2...L为随机变量T
j
的一个实现，对于每一个失效i，则可靠性因子u(i)满足：
[0014][0015]当收集的失效数据是失效强度时，设时间区间[0,t]被均匀分为k份，n(i)为单位时间的失效数，i＝1
…
k，则可靠性因子u(k)满足：
[0016][0017]当收集的失效数据是累计失效数时，设N(k)为第k个时间单位前的累计失效数，则可靠性因子u(k)满足：
[0018][0019]在上述技术方案中，步骤2具体为：正态分布下的显著性水平为5％时，当|u(k)|或者|u(i)|<1.96时，则认为趋势稳定；
[0020]当不满足|u(k)|或者|u(i)|<1.96时：如果u(k)或者u(i)<1.645，则认为可靠性增长；如果u(k)或者u(i)>
‑
1.645，则认为可靠性下降。
[0021]在上述技术方案中，步骤3中的软件可靠性模型包括：Jelinski
─
Moranda模型，Goel—Okumoto模型，Duane模型。
[0022]在上述技术方案中，步骤4具体为：
[0023]在j
‑
1个失效发生后，第j个失效发生的时间T
j
服从真实分布，该真实分布的失效率为f
j
(t)，A模型和B模型基于前面j
‑
1个失效时间分别对f
j
(t)分别做出预计，预计结果分别为和
[0024]在软件运行过程中，观测得到第j个失效发生的时间t
j
，将t
j
代入到和中去，得到和
[0025]如果则更接近于f
j
(t)的大值，则A模型预计质量更好；
[0026]如果则更接近于f
j
(t)的大值，则B模型预计质量更好；
[0027]如果则A模型和B模型的预计质量相同。
[0028]本专利技术的有益效果是：
[0029]本专利技术的列车网络控制系统软件可靠性评估方法，在得到失效数据之后，在选择具体模型之前对数据进行趋势分析，分析结果可作为模型选择及有效数据使用的指导。失
效数据的趋势分析可以对模型类型进行初步筛选，这样可以在很大程度上提高建模效率，一定程度上避免盲目性。
[0030]本专利技术的列车网络控制系统软件可靠性评估方法，在评估软件的可靠性之后，根据预计有效性对模型进行预计质量评价，从而可以根据可靠性评估的合理性和相对准确程度，得到最佳的可靠性评估结果。
附图说明
[0031]下面结合附图和具体实施方式对本专利技术作进一步详细说明。
[0032]图1为本专利技术的列车网络控制系统软件可靠性评估方法的步骤流程示意图。
具体实施方式
[0033]下面结合附图对本专利技术做以详细说明。
[0034]如图1所示，本专利技术的列车网络控制系统软件可靠性评估方法，包括以下步骤：
[0035]步骤1：根据收集的失效数据，计算可靠性因子。
[0036]对软件可靠性测试中收集到的失效数据，分析其规律，就可以评估软件的可靠性。被检验的数据可以是失效间隔时间也可以是失效强度或累计失效数。
[0037]当收集的失效数据是失效间隔时间时，假设失效数据服从非齐次泊松分布(NHPP)，设θ
j
,j＝1，2...L为随机变量T
j
的一个实现，对于每一个失效i，则可靠性因子u(i)满足：
[0038][0039]当收集的失效数据是失效强度时，假设失效数据服从非齐次泊松分布(NHPP)，设时间区间[0,t]被均匀分为k份，n(i)为单位时间的失效数，i＝1
…
k，则可靠性因子u(k)满足：
[0040][0041]随着t的增加，k也不断增加，但单位时间长度不变。
[0042]当收集的失效数据是累计失效数时，假设失效数据服从非齐次泊松分布(NHPP)，设N(k)为第k个时间单位(含)前的累计失效数，则可靠性因子u(k)满足：
[0043][0044]步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断
数据趋势。
[0045]实际应用中，一般要考虑在正态分布下的显著性水平，当显著性水平取5％时，所有的i或k满足：
[0046]当|u(k)|或者|u(i)|<1.96时，则认为趋势稳定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种列车网络控制系统软件可靠性评估方法，其特征在于，包括以下步骤：步骤1：根据收集的失效数据，计算可靠性因子；步骤2：根据正态分布下的显著性水平和计算出的失效数据的可靠性因子来判断数据趋势；步骤3：基于多个软件可靠性模型分别评估软件的可靠性；步骤4：根据软件可靠性预计的相对准确性对多个软件可靠性模型分别进行预计质量评价。2.根据权利要求1所述的列车网络控制系统软件可靠性评估方法，其特征在于，步骤1具体为：当收集的失效数据是失效间隔时间时，设θ
j
,j＝1，2...L为随机变量T
j
的一个实现，对于每一个失效i，则可靠性因子u(i)满足：当收集的失效数据是失效强度时，设时间区间[0,t]被均匀分为k份，n(i)为单位时间的失效数，i＝1
…
k，则可靠性因子u(k)满足：当收集的失效数据是累计失效数时，设N(k)为第k个时间单位前的累计失效数，则可靠性因子u(k)满足：3.根据权利要求2所述的列车网络控制系统软件可靠性评估方法，其特征在于，步骤2具体为：正态分布下的显著性水平为5％时，当|u(k)|或者|u(i)|<1.96时，则认为趋势稳定；当不满足|u(k)|或者|u(i)|<1.96时：如果u(k)或者u...

【专利技术属性】
技术研发人员：马志瑜，赵强，李锋，田集稔，
申请(专利权)人：中车长春轨道客车股份有限公司，
类型：发明
国别省市：