高可靠性飞行代码的自动化验证技术
图 4：使用 PIL 测试验证可执行目标代码。
代码特性执行报告在PIL测试过程中生成，用于评估瓶颈和优化设计，例如使用代码替换技术，这项技术以单指令/多数据(SIMD)和Intel集成性能基元(IPP)优化代替默认的ANSI/ISO C自动生成代码。MATLAB可基于代码特性执行数据生成图形，以便将来进行分析。DO-178和相关标准要求在复杂飞行硬件上验证复杂飞行软件，使PIL测试成为高完整性系统的关键验证环节(图5)。
图 5：使用 MATLAB 对执行周期进行特性分析。
2. 代码验证
借助基于模型的设计，可将用于验证模型的同样基于需求的仿真测试用例重用于SIL和PIL测试。工程师可应用模型仿真中使用的相同输入数据，然后使用Simulink Data Inspector工具将SIL和 PIL测试结果与模型仿真结果进行比较，以确定它们在数值上是否相等(图6)。
图 6：使用 Simulation Data Inspector 比较仿真和 PIL 测试结果。
DO-178B还需要进行软件的结构覆盖率分析，包括修正的判定覆盖率(MC/DC)，以评估代码在测试过程中是否完全被执行。模型覆盖率分析是模型级的类似概念，它通过Simulink Verification and Validation工具实现，用于评估模型是否已完全测试。总的来说，模型和代码覆盖率分析可检测设计、实现和测试中的潜在错误。Simulink Verification and Validation可提供模型覆盖率分析功能。在R2011b版中，Embedded Coder与LDRA Testbed集成在一起，从而支持代码覆盖率分析和其他DO-178工作流程。
总之，基于模型的设计可实现自动生成既高效又能够在模型、源代码和可执行目标代码级别轻松进行验证的飞行代码。通过将开发和验证集中在Simulink模型和仿真测试用例上这种方式可以使模型和测试用例得到重用，并有助于满足DO-178B和DO-178C软件目标，这样企业可极大地降低成本并缩短产品上市时间。集成和已发布的API可通过DO-178开发项目中使用的第三方工具实现整体解决方案。为补充这些软件开发过程改进，Simulink在与MathWorks产品搭配使用以进行系统物理建模、硬件在环(HIL)测试和FPGA的HDL代码生成时，通过其对系统工程和相关标准(例如，ARP 4754)以及硬件开发和相关标准(例如，DO-254)的支持提供了附加优势。
图 7：使用 Simulink 模型覆盖率分析工具和 LDRA Testbed 测量模型和代码覆盖率。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码