自动化测试

硬件测试方案

项目背景与目标
整体系统架构
GUI界面设计详细方案
仪器可编程控制层（核心）
自动数据采集与参数提取
规格书自动解析与标准建立
历史数据库与趋势分析
AI智能波形识别与异常检测
自动报告生成
完整测试流程与状态机
技术选型与依赖清单
项目开发阶段与里程碑
部署与运维

1. 项目背景与目标

1.1 传统测试痛点

痛点	影响
手动连接、设置、读数，每个测试点耗时5~10分钟	批量测试效率极低
肉眼判断波形异常（毛刺、振铃、过冲）	主观性强，漏检率高
测试数据手工记录，格式不统一	追溯困难，无法做SPC分析
规格书参数人工比对	易错，尤其当规格版本更新时
报告手工整理，每人格式不同	客户审核时难以统一

1.2 系统目标

一键测试：工程师仅需连接设备并点击“开始”，后续全自动。
标准化：所有测试步骤、判定准则、报告格式完全统一。
智能化：AI辅助波形判读，规格书自动解析，趋势预警告警。
平台化：支持多种仪器（示波器、电源、万用表、信号源）和多种产品类型。

1.3 适用场景

研发阶段的设计验证（DVT）
生产线的在线测试（ICT / FCT）
质量部门的来料检验（IQC）
售后故障复现与分析

2. 整体系统架构

采用六层分层架构，便于模块替换与扩展。

层级	功能	技术组件
表现层	GUI人机交互	PyQt5 / PySide6，QML可视化
控制层	测试流程编排、状态管理	自定义测试引擎（State Machine）
设备接入层	仪器连接与命令封装	PyVISA + 各厂商VICP/LAN驱动
数据处理层	参数提取、波形预处理、单位转换	NumPy, SciPy, Pandas
智能分析层	AI识别、规格解析、异常检测	OpenCV, PyTorch, Tesseract OCR
数据持久层	测试记录、规格库、历史趋势	SQLite / MySQL, MinIO（波形图存储）

架构图（文字描述）

[测试工程师] → [GUI (PyQt)]
        ↓
[测试引擎] → 解析用户选择的测试项，加载对应的测试序列（JSON/YAML）
        ↓
[设备管理器] → 根据序列指令，通过PyVISA控制示波器、电源等
        ↓
[数据采集器] → 读取波形数据（二进制或CSV）和测量参数（SCPI查询）
        ↓
[数据分析器] → 计算Vpp、Freq、RiseTime等，并做单位归一化
        ↓
[判定模块] → 结合规格书标准（来自DB）和历史趋势，输出Pass/Fail/Warning
        ↓
[报告生成器] → 填充模板，插入波形截图，输出PDF/Excel

3. GUI界面设计详细方案

3.1 主窗口布局（采用Dockable窗口）

区域	内容	实现说明
顶部工具栏	连接/断开设备、开始/停止测试、紧急停止	大按钮，颜色标识（绿/红/黄）
左侧面板	测试项目树形列表（按产品/板卡分类）	支持多选，批量测试
中央区	波形显示（Matplotlib嵌入）	实时刷新，支持缩放/游标测量
右侧面板	实时参数数值表（Vpp, Freq, …）	动态更新，Pass/Fail标色
底部日志	测试步骤日志、错误信息	支持保存至文件
状态栏	设备连接状态、当前测试进度条	显示剩余时间估算

3.2 关键界面设计细节

设备连接弹窗：自动扫描可用VISA资源，显示设备型号和序列号，支持手动输入地址（如TCP/IP）。
测试配置页：允许用户选择规格书版本（PDF自动解析后入库），选择测试项（如“上电时序”、“纹波噪声”），并可设定循环次数或批量样本数。
实时数据显示：以表格和仪表盘形式展示，例如电压用Gauge控件，频率用数字+趋势小图。
波形截图预览：每次测试自动保存截图，并缩略图显示在底部时间轴上，点击可放大查看。
报告预览：内置报告预览窗口，在生成前可检查内容和排版。

3.3 用户权限管理

管理员：可修改测试参数、规格书、仪器配置。
测试工程师：可执行测试、导出报告、查看历史。
访客：仅查看结果。

使用RBAC模型，登录采用LDAP或本地加密数据库。

4. 仪器可编程控制层（核心）

4.1 VISA通信框架

使用 PyVISA 作为统一抽象层，支持：
- USB (USB-TMC/ USB-RAW)
- LAN (VXI-11, HiSLIP, Socket)
- GPIB (需安装NI-488.2或linux-gpib)
- RS232 (通过VISA Serial)
兼容主流品牌：Keysight, Tektronix, R&S, Lecroy, Keithley, Fluke等。

4.2 设备抽象类设计（Python）

class InstrumentBase(ABC):
    @abstractmethod
    def connect(self, address: str, timeout=5000) -> bool: ...
    @abstractmethod
    def disconnect(self): ...
    @abstractmethod
    def query(self, cmd: str) -> str: ...
    @abstractmethod
    def write(self, cmd: str): ...
    @abstractmethod
    def read_raw(self) -> bytes: ...

class Oscilloscope(InstrumentBase):
    def setup_timebase(self, scale: float, position: float): ...
    def setup_channel(self, ch: int, vscale: float, vpos: float, coupling='DC'): ...
    def setup_trigger(self, source: int, level: float, slope='POS'): ...
    def acquire_single(self): ...
    def read_waveform(self, channel: int) -> np.ndarray: ...
    def measure_parameter(self, param: str, source: int) -> float: ...
    def save_screenshot(self, filepath: str): ...

4.3 常用SCPI命令封装（示波器为例）

功能	SCPI命令	示例
复位	`*RST`
自动量程	`:AUToscale`
设置水平刻度	`:TIMebase:SCALe 1e-3`	1ms/div
设置垂直刻度	`:CHANnel1:SCALe 2.0`	2V/div
设置触发边沿	`:TRIGger:A:EDGe:SLOPe POSitive`	上升沿
读取Vpp	`:MEASure:VPP? CHANnel1`	返回数值
读取波形数据	`:WAVeform:DATA?`	返回二进制字节流
硬拷贝（截图）	`:DISPlay:DATA? PNG`	返回PNG图像

4.4 设备自动发现与连接管理

程序启动时自动扫描所有VISA资源，缓存设备信息。
支持配置常用仪器列表（存储IP或USB地址），快速连接。
心跳检测：每5秒查询*IDN?，若超时则自动重连，并记录异常。

4.5 错误处理与重试机制

每次SCPI操作封装try-except，若超时则重试最多3次。
对于测量值明显异常（如NaN或超出物理范围），标记为“无效”并提示用户检查探头连接。

5. 自动数据采集与参数提取

5.1 参数读取方式

分为两类：

仪表内置测量（最快）：使用MEASure类SCPI命令直接读取Vpp, Freq, RiseTime等。
波形后处理（更灵活）：下载原始波形数据（Y轴电压数组+X轴时间数组），由软件使用NumPy计算：
- Vpp = max - min
- Vrms = sqrt(mean(square))
- 频率 = 通过过零检测或FFT
- 上升时间 = 10%~90%跨度时间
- 过冲 = (max - 稳定值) / 稳定值 ×100%

5.2 波形数据解析（二进制转数值）

示波器波形数据常见格式：

BYTE（8位）或 WORD（16位），带参考电压和缩放因子。
PyVISA读取后，按照示波器返回的:WAVeform:XINCrement?（时间增量）和:WAVeform:YREFerence?（参考点）等参数还原物理值。
示例解析函数：

def parse_waveform(raw_bytes, x_increment, x_origin, y_increment, y_origin, y_reference):
    # 将字节转为整型数组（有符号/无符号根据格式）
    int_vals = ... 
    voltages = (int_vals - y_reference) * y_increment + y_origin
    times = np.arange(len(voltages)) * x_increment + x_origin
    return times, voltages

5.3 多通道同步采集

支持同时读取多个通道（如CH1电压，CH2电流），时间对齐。
可配置触发源，保证多通道相位一致。

5.4 数据校验与单位转换

自动识别单位（V, mV, A, mA, Hz, kHz, s, ns等），统一转为SI单位后存储。
判异准则：若某参数超出传感器量程，立即终止测试并报警。

6. 规格书自动解析与标准建立

6.1 支持的文件格式

PDF（含文本层）：使用pdfplumber提取表格和段落。
PDF（扫描版/图片）：使用pytesseract (Tesseract OCR) + PIL 进行文字识别，再用正则提取参数。
Word (.docx)：使用python-docx读取表格。
Excel (.xlsx)：使用openpyxl或pandas，最稳定。
纯文本/CSV：直接解析。

6.2 参数提取规则（基于正则与关键词）

建立关键词词典，例如：

PATTERNS = {
    "voltage": r"(?:output voltage|vout|voltage).*?(\d+\.?\d*)\s*(V|mV)",
    "ripple": r"(?:ripple|纹波).*?(\d+\.?\d*)\s*(mV|V)",
    "rise_time": r"(?:rise time|tr).*?(\d+\.?\d*)\s*(ns|us|ms|s)",
    "tolerance": r"±(\d+\.?\d*)\s*%",
}

提取后存入数据库的spec_limits表，结构如下：

product_id	parameter	min_value	max_value	unit	tolerance_type
PSU-100	Vout	11.4	12.6	V	absolute
PSU-100	Ripple	0	100	mV	absolute
PSU-100	RiseTime	0	10	ms	absolute

6.3 规格书版本管理

每个产品可关联多个规格书版本（Rev1.0, Rev2.0）。
测试时选择当前有效版本，所有判定以此为准。
历史数据仍保留测试时使用的版本ID，方便追溯。

6.4 自动更新与审核

当解析到新规格书时，自动比对差异，提示管理员审核变更点。
变更记录审计日志。

7. 历史数据库与趋势分析

7.1 数据模型（核心表）

-- 测试记录主表
test_records (
    id INT PK,
    product_id VARCHAR(50),
    spec_version_id INT,
    tester VARCHAR(50),
    test_start_time DATETIME,
    test_end_time DATETIME,
    overall_result ENUM('PASS','FAIL','WARNING'),
    waveform_image_path VARCHAR(255)   -- 存储截图文件路径或MinIO URL
)

-- 测量参数详情表
test_measurements (
    id INT PK,
    record_id INT FK,
    param_name VARCHAR(50),
    value DOUBLE,
    unit VARCHAR(10),
    min_limit DOUBLE,
    max_limit DOUBLE,
    result ENUM('PASS','FAIL','WARNING')
)

-- 规格书表
spec_limits (
    id INT PK,
    product_id VARCHAR(50),
    param_name VARCHAR(50),
    min_value DOUBLE,
    max_value DOUBLE,
    unit VARCHAR(10),
    version VARCHAR(20),
    effective_date DATE
)

7.2 历史趋势分析

按产品/参数/时间维度查询，绘制控制图（X-bar, R图）或箱线图。
自动计算Cpk（过程能力指数），若Cpk<1.33则发出预警。
异常检测：使用移动极差或3σ规则，自动标记离群值。

7.3 数据库选择

研发/单机：SQLite（轻量，无需服务端）。
产线/多用户：MySQL / PostgreSQL（支持并发），可配合Redis做缓存。

7.4 数据备份与归档

每日自动备份到NAS或云存储。
超过一年的数据压缩归档，但仍支持查询。

8. AI智能波形识别与异常检测

8.1 当前实现方案（基于规则+图像处理）

OpenCV预处理：
- 灰度化 → 二值化 → 边缘检测（Canny） → 提取波形轮廓。
- 通过轮廓拟合得到波形曲线点集。
特征工程：
- 峰值数量、过冲幅度、振铃频率、噪声功率谱密度。
- 与理想波形（标准模板）做DTW（动态时间规整）相似度比较。
规则判定：
- 若过冲 > 5% → Fail
- 若振铃幅度 > 10% → Fail
- 若高频噪声超过阈值 → Warning

8.2 未来升级方向（深度学习）

数据集准备：收集历史测试波形截图，人工标注“正常”、“过冲”、“振铃”、“噪声异常”、“缺失”等标签。
模型选择：采用轻量级CNN如MobileNetV3或ResNet18，输入为波形截图（224x224）。
训练与部署：
- 使用PyTorch训练，导出ONNX模型。
- 推理时加载模型，对截图进行预测，输出各类别概率。
- 结合规则引擎（若模型置信度<0.8，则转为人工复核）。
持续学习：将人工复核后的数据回传，定期增量训练。

8.3 规格书文本理解（LLM辅助）

对于非结构化的规格书描述（如“上升时间应小于10ms，且过冲不超过5%”），可使用本地部署的轻量级LLM（如Qwen2.5-7B）进行信息抽取。
也可用于生成测试结论描述（例如：“Ripple为45mV，小于100mV，Pass；但波形存在轻微振铃，建议检查布局”），提高报告可读性。

8.4 性能优化

GPU推理（NVIDIA CUDA）或Intel OpenVINO加速。
对批量测试，使用异步队列，避免阻塞主流程。

9. 自动报告生成

9.1 报告模板引擎

使用 Jinja2 生成HTML中间格式，再通过 WeasyPrint 或 wkhtmltopdf 转换为PDF。
Excel报告使用 openpyxl 写入模板，支持图表嵌入。
报告内容：
- 封面：公司Logo、产品名称、测试日期、测试人。
- 测试配置：仪器型号、规格书版本、测试项目列表。
- 测试结果汇总表（所有参数值、限值、判定）。
- 波形截图（每个通道独立图片）。
- 趋势图（如果该产品有历史数据）。
- AI分析结论（异常描述）。
- 签名栏（电子签名）。

9.2 批量报告生成

支持一次测试多个样本（例如10个DUT），生成一个综合报告，包含每个DUT的独立表格和汇总统计（均值、标准差、PPM）。

9.3 自动化分发

报告生成后自动保存至指定网络路径。
可配置邮件通知（使用smtplib）发送给相关人员。
可上传至MES系统（通过REST API）。

10. 完整测试流程与状态机

10.1 测试引擎状态机

IDLE → CONNECTING → CONNECTED → CONFIGURING → ACQUIRING → ANALYZING → JUDGING → REPORTING → IDLE
                       ↓ (错误)
                    ERROR → 重试/停止

IDLE：就绪，等待用户操作。
CONNECTING：尝试连接所有所需仪器。
CONFIGURING：按照测试序列逐个设置仪器参数（时基、电压、触发等）。
ACQUIRING：发送“单次触发”命令，等待采集完成（轮询*OPC?）。
ANALYZING：读取测量参数和波形数据，进行数值计算和AI推理。
JUDGING：与规格书比较，结合历史趋势，输出每个参数结果和整体结论。
REPORTING：生成报告并保存。
ERROR：任一环节失败进入，可重试或跳过。

10.2 测试序列定义（JSON示例）

{
  "test_name": "Power Supply Startup Test",
  "instruments": {
    "oscilloscope": "192.168.1.100",
    "dc_power": "USB::0x1234::0x5678"
  },
  "steps": [
    {
      "step_id": 1,
      "action": "set_power_output",
      "params": {"voltage": 12, "current": 3}
    },
    {
      "step_id": 2,
      "action": "scope_setup",
      "params": {"timebase": 0.01, "ch1_vscale": 5, "trigger_level": 6}
    },
    {
      "step_id": 3,
      "action": "acquire_waveform",
      "channels": [1, 2]
    },
    {
      "step_id": 4,
      "action": "measure_params",
      "params": ["VPP", "FREQ", "RISE"]
    }
  ]
}

10.3 并行测试支持

对于多台相同仪器的产线，可启动多个测试实例（多进程），每个实例连接不同的仪器地址。
使用Redis队列管理任务分配，主控界面显示所有工位的测试状态。

11. 技术选型与依赖清单

11.1 核心框架

组件	技术	版本
编程语言	Python	3.10+
GUI框架	PyQt5 / PySide6	5.15+
仪器通信	PyVISA + pyvisa-py (纯Python后端)	1.13+
数值计算	NumPy, SciPy	1.24+
数据处理	Pandas	2.0+
数据库	SQLite (开发) / MySQL 8.0 (生产)
PDF生成	WeasyPrint / reportlab	60+
Excel读写	openpyxl	3.1+
图像处理	OpenCV-Python	4.8+
深度学习	PyTorch (或TensorFlow)	2.0+
OCR	pytesseract + Tesseract-OCR	5.0
PDF文本解析	pdfplumber, PyPDF2	0.10+
日志	logging + loguru
配置管理	PyYAML, python-dotenv
任务队列	Celery (可选，用于异步AI推理)

11.2 开发工具

IDE: PyCharm / VS Code
版本控制: Git + GitLab（CI/CD）
虚拟环境: Poetry / Conda
打包工具: PyInstaller (生成exe) / Inno Setup (安装包)

12. 项目开发阶段与里程碑

阶段	工作内容	预计周期	状态
P0 - 基础框架	搭建GUI主界面，设备连接模块（PyVISA），日志系统	2周	✅ 已完成
P1 - 示波器控制	实现示波器基本控制（时基、电压、触发），能读取截图和测量值	3周	✅ 已完成
P2 - 数据采集	实现波形下载和参数自动读取，支持多通道	2周	🔄 联调中
P3 - 测试用例管理	支持从Excel/CSV导入测试项，测试序列执行引擎	2周	🔄 开发中
P4 - 规格书解析	PDF/OCR解析，提取参数限值并存入数据库	3周	🔄 开发中
P5 - 历史数据对比	建立数据库模型，实现历史查询、趋势图、自动预警	2周	🔄 开发中
P6 - 报告生成	PDF/Excel报告模板，自动填充数据	2周	📋 规划中
P7 - AI识别模块	基于OpenCV的波形异常检测，深度学习模型训练与部署	4周	📋 规划中
P8 - 系统集成测试	端到端测试，性能优化，文档编写	2周	📋 规划中
P9 - 用户验收与部署	现场试运行，反馈修复，交付	2周	📋 规划中

总预估周期：约24周（6个月），可根据团队人力并行推进缩短。

13. 部署与运维

13.1 部署模式

单机版：安装在工程师PC或工控机上，使用SQLite本地数据库，适合研发测试。
服务器-客户端版：中心服务器部署MySQL+文件存储，客户端通过网络连接，适合产线多工位。

13.2 环境要求

操作系统：Windows 10/11（首选），支持Linux（Ubuntu 20.04+）。
仪器驱动：需安装NI-VISA或pyvisa-py（纯Python，无需额外驱动）。
对于USB设备，需配置相应权限（Linux下需添加udev规则）。

13.3 持续集成与更新

使用GitLab CI自动构建可执行文件。
提供自动更新功能（检查版本，下载差分包）。
配置远程日志收集（ELK或Sentry），便于故障诊断。

13.4 安全性

数据库连接加密（TLS）。
敏感配置（如数据库密码）使用环境变量或Windows凭据管理器。
操作日志记录所有用户的动作，满足审计要求。

14. 项目价值与展望

短期价值：测试效率提升70%以上，人为错误归零，报告规范化，客户满意度提升。
中期价值：积累大量测试数据，可开展质量预测、良率分析，辅助研发改进设计。
长期价值：AI模型持续进化，逐步实现全自动“黑灯测试”；可与MES、PLM系统深度集成，成为企业数字化制造的核心环节。

本方案文档版本 V2.0，最后更新于2026年7月。

posted @ 2026-07-13 10:53 mo686 阅读(30) 评论(0) 收藏举报

刷新页面返回顶部

mo686