CN108629124B - 一种基于活动图路径的仿真参数数据自动生成方法 - Google Patents
一种基于活动图路径的仿真参数数据自动生成方法 Download PDFInfo
- Publication number
- CN108629124B CN108629124B CN201810435011.0A CN201810435011A CN108629124B CN 108629124 B CN108629124 B CN 108629124B CN 201810435011 A CN201810435011 A CN 201810435011A CN 108629124 B CN108629124 B CN 108629124B
- Authority
- CN
- China
- Prior art keywords
- node
- path
- variable
- decision node
- relationship
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于活动图路径的仿真参数数据自动生成方法,通过对活动图路径的遍历自动生成仿真参数数据,并将生成的仿真数据导入Modelica模型中进行仿真。本发明在根据活动图路径生成仿真参数数据时涉及到的操作包括:(1)将活动图分为简单路径和并发路径进行遍历,并根据路径生成初始仿真参数数据;(2)根据活动图中节点关系定义参数变量的依赖关系和时间影响关系;(3)根据定义识别活动图中依赖关系和时间影响关系;(4)根据依赖关系和时间影响关系对初始仿真参数数据进行处理并生成最终仿真参数数据。
Description
技术领域
本发明属于模型仿真领域,具体涉及仿真参数数据的自动生成。通过对SysML活动图路径的遍历生成所有的仿真参数数据,之后将数据导入活动图对应的Modelica模型中进行仿真。
背景技术
在***建模过程中,SysML、UML等***建模语言虽然可以将***模型进行可视化,但是模型的一致性难以保证,需要利用各种方法对模型进行验证。仿真验证是相对简便有效的方法,通过对***模型进行仿真并分析仿真结果来验证***性质。
仿真验证需要对模型的参数进行配置,如何自动化生成参数数据并导入模型中进行仿真成为一个研究的热点。一般来说,当***模型中参数变量的个数不多时,工程师会选择手动设置仿真参数。这种方法主要依靠***工程师收集实际***运行数据并进行配置,或者从公开发表的研究成果、论文中进行收集。但是,当仿真参数有很多时,这种人工方法的人力成本较高。因此,需要考虑自动生成仿真参数数据。
发明内容
本发明的目的是提供一种基于活动图路径的仿真参数数据自动生成方法,通过对活动图简单路径以及并发路径的遍历来生成仿真参数数据;首先确定单个决定节点上关键变量数据的生成以及简单路径和并发路径的覆盖方法,并结合这两者生成仿真参数数据;之后根据活动图识别参数变量之间的依赖关系以及时间影响关系并进一步对仿真参数数据进行处理,最后将仿真参数数据导入Modelica模型。
实现本发明目的的具体技术方案是:
一种基于活动图路径的仿真参数数据自动生成方法,该方法包括以下具体步骤:
步骤1:将活动图分为简单路径和并发路径进行遍历,并根据路径生成初始仿真参数数据。具体为:
(i)将活动图路径划分为简单路径和并发路径;简单路径指的是在不含有并发路径的活动图中,从起始点到终点的一条路径;对活动图简单路径通过深度优先遍历算法(Depth-First-Search,DFS)进行遍历;并发路径由多个简单路径分支组成,分支节点(ForkNode)标记分支的起点;每一个并发分支通过遍历简单路径的方式进行覆盖,最后将多个并发分支进行组合;
(ii)单个决定节点上关键变量数据生成:关键变量数据生成指的是决定节点上条件表达式中关键变量数值的生成;条件表达式的一般形式为:E1op E2。其中E1为关键变量,E2为数值或布尔值,op为数学比较符号,op∈{<,≤,>,≥,==};仿真参数数据的生成根据决定节点上条件表达式以及所要覆盖的分支,可以分为以下几种情况:
●op为<或<=,若要覆盖决定节点true分支,生成仿真数据时关键变量E1的数值小于E2;
●op为<或<=,若要覆盖决定节点false分支,生成仿真数据时关键变量E1的数值大于E2;
●op为>或>=,若要覆盖决定节点true分支,生成仿真数据时关键变量E1的数值大于E2;
●op为>或>=,若要覆盖决定节点false分支,生成仿真数据时关键变量E1的数值小于E2;
●op为==,若要覆盖决定节点true分支,生成仿真数据时关键变量E1的数值与E2相同;
●op为==,若要覆盖决定节点false分支,E2为数值,生成仿真数据时关键变量E1的数值必须不等于E2;
●op为==,若要覆盖决定节点false分支,E2为布尔值,生成仿真数据时关键变量E1的布尔值必须相反于E2;
(iii)基于活动图路径的初始仿真参数数据生成:结合对活动图简单路径、并发路径的遍历以及单个决定节点上关键变量仿真数据的生成,确定基于活动图路径的所有参数数据的生成;首先找到活动图的初始节点、终止节点;如果活动图中不存在并发路径,那么直接按照简单路径生成参数数据;否则,找到并发路径的起点以及终点,每个并发分支按照简单路径进行参数数据生成并组合;并发路径之前以及之后的结构同样按照简单路径进行参数数据生成,最后将这三组数据进行组合并输出;简单路径参数数据生成的具体步骤如下:
(1)首先从简单路径的初始节点开始,向下进行图的深度遍历;每遇到一个决定节点时优先选择监值为true的转移边继续向下遍历,同时记录下决定节点上条件表达式以及转移边上的监值;
(2)当遇到简单路径的终点时,表示当前路径结束;根据记录下的条件表达式以及监值依次对单个决定节点上的关键变量生成数据;
(3)回溯该路径,依次在每一个决定节点处选择另一个还未覆盖的false分支,继续向下深度遍历并记录决定节点上的条件表达式以及监值;
(4)返回(2),直到遍历完所有的简单路径并生成参数数据时结束;
步骤2:根据活动图中节点关系定义参数变量的依赖关系和时间影响关系,具体为:
依赖关系:
活动图中决定节点上关键变量的会依赖于等待时间动作节点或另一个决定节点上的变量,说明变量之间存在依赖关系;定义如下两种类型的依赖关系:
(i)依赖关系(v,t),其中,v是决定节点D中提取的变量,t是等待时间动作节点提取的时间变量,该关系表示变量v依赖于时间变量t;表示为dependencyT(v,t);
(ii)依赖关系(v1,v2),其中,v1是决定节点D1中提取的变量,v2是决定节点D2中提取的变量,该关系表示决定节点D1上的变量v1依赖于决定节点D2上的变量v2;表示为dependencyD(v1,v2);
时间影响关系:
活动图中上游接受事件动作中信号出现的时间,如果能影响到它下游决定节点处路径的选择,就说它们之间存在时间上的影响关系;定义时间影响关系如下:
时间影响关系(t,acceptTime),其中,t是下游决定节点上关键变量依赖的延时时间,acceptTime是上游决定节点上关键变量接收到的时间;表示为timeAffection(t,acceptTime);
步骤3:根据定义识别活动图中依赖关系和时间影响关系,具体为:
依赖关系识别过程:
(i)决定节点上关键变量的值直接由基本动作节点决定,寻找能影响该基本动作节点上变量取值的节点;如果为等待时间动作节点,则存在依赖关系(v,t);如果为另一个决定节点,则存在依赖关系(v1,v2);
(ii)决定节点上关键变量的值由接受事件动作节点决定,寻找与该接受事件动作节点对应的发送信号动作节点并进一步找到影响发送信号动作节点的基本动作节点;之后的递推过程与(i)相同;
时间影响关系识别过程:
(i)对于每一个依赖关系(v,t),记包含变量v的决定节点为D;
(ii)寻找D的上游决定节点D’;
(iii)如果上游决定节点D’上的关键变量是由接受事件动作接收的,那么创建时间影响关系(t,acceptTime)。
步骤4:根据依赖关系和时间影响关系对仿真参数数据进行处理,具体为:
依赖关系处理:
(i)依赖关系(v,t):将时间变量t替换变量v;
(ii)依赖关系(v1,v2):在生成的参数数据中删除变量v2;
时间影响关系处理:
生成的参数数据中增加时间变量acceptTime并设置时间变量t和acceptTime的先后顺序。
基于活动图路径的仿真参数数据自动生成方法可以生成覆盖全路径的数据,并能够将工程师从繁琐的手工配置参数数据工作中解脱出来,提供了一种简便高效的仿真参数数据生成方法。
附图说明
图1为本发明实施例备用伞预处理活动图。
具体实施方式
本发明的一种基于活动图路径的仿真参数数据自动生成方法,包括以下步骤:
步骤1:将活动图分为简单路径和并发路径进行遍历,根据路径生成初始仿真参数数据:
(i)将活动图拆分成含有并发路径的部分和不含并发路径的部分;
(ii)对含有并发路径的部分,标记每一个并发分支的起点和终点,然后对每一个分支进行简单路径的遍历并将每个分支生成的数据进行组合;
(iii)对不含并发路径的部分,按照简单路径进行遍历并生成数据;
(iv)将含并发路径部分生成的数据与不含并发路径部分生成的数据进行组合,最后生成所有仿真参数数据。
步骤2:根据活动图中节点关系定义参数变量的依赖关系和时间影响关系。
步骤3:根据定义识别活动图中依赖关系和时间影响关系。
步骤4:根据依赖关系和时间影响关系对仿真参数数据进行处理,具体为:
(i)dependencyT(v,t)依赖关系:将时间变量t替换变量v;
(ii)dependencyD(v1,v2)依赖关系:在生成的参数数据中删除变量v2;
(iii)时间影响关系timeAffection(t,acceptTime):在生成的参数数据中增加时间变量acceptTime并设置时间变量t和acceptTime的先后顺序。
实施例
为了详细说明本发明的各步骤,本实施例选择备用降落伞预处理活动图例(图1所示)进行描述。
下面结合附图对本发明实施例描述如下:
步骤1:将活动图分为简单路径和并发路径进行遍历,根据路径生成初始仿真参数数据。示例活动图含有两个并发分支,每个并发分支进行简单路径的遍历。之后根据路径生成初始仿真参数数据,表1为遍历图1活动图路径生成的仿真参数数据。
表1.初始仿真参数数据
No. | OlValue | OnFlag | GZFlag |
1 | 17 | 1 | 1 |
2 | 17 | 0 | 1 |
3 | 13 | 1 | 1 |
4 | 13 | 0 | 1 |
5 | 17 | 1 | 0 |
6 | 17 | 0 | 0 |
7 | 13 | 1 | 0 |
8 | 13 | 0 | 0 |
步骤2:根据活动图中节点关系定义参数变量的依赖关系和时间影响关系。
步骤3:根据定义识别活动图中依赖关系和时间影响关系。活动图示例有如下两个依赖关系和一个时间影响关系:
依赖关系:
(i)dependencyT(OnFlag,T)依赖关系;
(ii)dependencyD(OlValue,GZFlag)依赖关系。
时间影响关系:时间影响关系timeAffection(T,acceptTime)
步骤4:根据依赖关系和时间影响关系对仿真参数数据进行处理,具体为:
(i)dependencyT(OnFlag,T)依赖关系:将时间变量T替换变量OnFlag
(ii)dependencyD(OlValue,GZFlag)依赖关系:在生成的参数数据中删除变量GZFlag
(iii)时间影响关系timeAffection(T,acceptTime):acceptTime为接收OlValue的时间,在生成的参数数据中增加时间变量acceptTime并设置时间变量T和acceptTime的先后顺序。
根据这些依赖关系以及时间影响关系的处理原则,对表1的数据进行处理。最后得到如表2所示的仿真参数数据。
表2.处理后的仿真参数数据
Claims (2)
1.一种基于活动图路径的仿真参数数据自动生成方法,其特征在于,该方法包括以下具体步骤:
步骤1:将活动图分为简单路径和并发路径进行遍历,并根据路径生成初始仿真参数数据;
步骤2:根据活动图中节点关系定义参数变量的依赖关系和时间影响关系;
步骤3:根据定义识别活动图中依赖关系和时间影响关系;
步骤4:根据依赖关系和时间影响关系对仿真参数数据进行处理并生成最终仿真参数数据;其中:
步骤2中,所述根据活动图中节点关系定义参数变量的依赖关系和时间影响关系,具体为:依赖关系:
活动图中,当决定节点上关键变量的值依赖于等待时间动作节点或另一个决定节点上的变量,说明变量之间存在依赖关系;定义如下两种类型的依赖关系:
(i)依赖关系(v,t),其中,v是决定节点D中提取的变量,t是等待时间动作节点提取的时间变量,该关系表示变量v依赖于时间变量t;
(ii)依赖关系(v1,v2),其中,v1是决定节点D1中提取的变量,v2是决定节点D2中提取的变量,该关系表示决定节点D1上的变量v1依赖于决定节点D2上的变量v2;
时间影响关系:
活动图中上游接受事件动作中信号出现的时间,如果能影响到它下游决定节点处路径的选择,就说它们之间存在时间上的影响关系;定义如下的时间影响关系:
时间影响关系(t,acceptTime),其中,t是下游决定节点上关键变量依赖的延时时间,acceptTime是上游决定节点上关键变量接收到的时间;
步骤3中,所述根据定义识别活动图中依赖关系和时间影响关系,具体为:
依赖关系识别过程:
(i)决定节点上关键变量的值直接由基本动作节点决定,寻找能影响该基本动作节点上变量取值的节点;如果为等待时间动作节点,则存在依赖关系(v,t);如果为另一个决定节点,则存在依赖关系(v1,v2);
(ii)决定节点上关键变量的值由接受事件动作节点决定,寻找与该接受事件动作节点对应的发送信号动作节点并进一步找到影响发送信号动作节点的基本动作节点;之后的递推过程与(i)相同;
时间影响关系识别过程:
(i)对于每一个依赖关系(v,t),记包含变量v的决定节点为D;
(ii)寻找D的上游决定节点D’;
(iii)如果上游决定节点D’上的关键变量是由接受事件动作接收的,那么创建时间影响关系(t,acceptTime);
在步骤4中,所述根据依赖关系和时间影响关系对仿真参数数据进行处理,具体为:
依赖关系处理:
(i)依赖关系(v,t):将时间变量t替换变量v;
(ii)依赖关系(v1,v2):在生成的参数数据中删除变量v2;
时间影响关系处理:
在生成的参数数据中增加时间变量acceptTime并设置时间变量t和acceptTime的先后顺序。
2.根据权利要求1所述的方法,其特征在于,步骤1中,将活动图分为简单路径和并发路径进行遍历,并根据路径生成初始仿真参数数据,具体过程如下:
(i)将活动图路径划分为简单路径和并发路径
简单路径指的是在不含有并发路径的活动图中,从起始点到终点的一条路径;对活动图简单路径通过深度优先遍历算法进行遍历;并发路径由多个简单路径分支组成,分支节点标记分支的起点;每一个并发分支通过遍历简单路径的方式进行覆盖,最后将多个并发分支进行组合;
(ii)单个决定节点上关键变量数据生成
关键变量数据生成指的是决定节点上条件表达式中关键变量数值的生成;条件表达式的一般形式为:E1 op E2;其中E1为关键变量,E2为数值或布尔值,op为数学比较符号,op∈{<,≤,>,≥,==};关键变量数据的生成过程根据决定节点上条件表达式以及所要覆盖的分支,分为以下几种情况:
·op为<或<=,若要覆盖决定节点true分支,生成仿真数据时关键变量E1的数值小于E2;
·op为<或<=,若要覆盖决定节点false分支,生成仿真数据时关键变量E1的数值大于E2;
·op为>或>=,若要覆盖决定节点true分支,生成仿真数据时关键变量E1的数值大于E2;
·op为>或>=,若要覆盖决定节点false分支,生成仿真数据时关键变量E1的数值小于E2;
·op为==,若要覆盖决定节点true分支,生成仿真数据时关键变量E1的数值与E2相同;
·op为==,若要覆盖决定节点false分支,E2为数值,生成仿真数据时关键变量E1的数值必须不等于E2;
·op为==,若要覆盖决定节点false分支,E2为布尔值,生成仿真数据时关键变量E1的布尔值必须相反于E2;
(iii)基于活动图路径的初始仿真参数数据生成:
结合对活动图简单路径、并发路径的遍历以及单个决定节点上关键变量仿真数据的生成,确定基于活动图路径的所有参数数据的生成,一条路径对应生成一组仿真参数数据;首先找到活动图的初始节点、终止节点;如果活动图中不存在并发路径,那么直接按照简单路径生成参数数据;否则,找到并发路径的起点以及终点,每个并发分支按照简单路径进行参数数据生成并组合;并发路径之前以及之后的结构同样按照简单路径进行参数数据生成,最后将这三组数据进行组合并输出;其中简单路径参数数据生成的具体步骤如下:
(1)首先从简单路径的初始节点开始,向下进行图的深度遍历;每遇到一个决定节点时优先选择监值为true的转移边继续向下遍历,同时记录下决定节点上条件表达式以及转移边上的监值;
(2)当遇到简单路径的终点时,表示当前路径结束;根据记录下的条件表达式以及监值依次对单个决定节点上的关键变量生成数据;
(3)回溯该路径,依次在每一个决定节点处选择另一个还未覆盖的false分支,继续向下深度遍历并记录决定节点上的条件表达式以及监值;
(4)返回步骤(2),直到遍历完所有的简单路径并生成参数数据时结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810435011.0A CN108629124B (zh) | 2018-05-09 | 2018-05-09 | 一种基于活动图路径的仿真参数数据自动生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810435011.0A CN108629124B (zh) | 2018-05-09 | 2018-05-09 | 一种基于活动图路径的仿真参数数据自动生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108629124A CN108629124A (zh) | 2018-10-09 |
CN108629124B true CN108629124B (zh) | 2022-07-08 |
Family
ID=63695948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810435011.0A Active CN108629124B (zh) | 2018-05-09 | 2018-05-09 | 一种基于活动图路径的仿真参数数据自动生成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629124B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110781557B (zh) * | 2019-10-14 | 2023-04-07 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种飞机***模型仿真测试流程优化方法 |
CN111046575A (zh) * | 2019-12-23 | 2020-04-21 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种保证仿真一致性的方法及*** |
CN113448846A (zh) * | 2021-06-23 | 2021-09-28 | 西安交通大学 | 基于关键程度划分的并发活动图测试场景生成方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7349863B1 (en) * | 2001-06-14 | 2008-03-25 | Massachusetts Institute Of Technology | Dynamic planning method and system |
CN101546273A (zh) * | 2009-05-08 | 2009-09-30 | 中国科学院软件研究所 | 一种预测软件过程执行时间的方法 |
WO2010057505A1 (en) * | 2008-11-20 | 2010-05-27 | Université De Neuchâtel | A deterministic version of the multiple point geostatistics simulation / reconstruction method wxth. the simulated / reconstructed values are directly taken from the training images without prior estimation of the conditional |
CN103246770A (zh) * | 2013-05-08 | 2013-08-14 | 南京大学 | 一种基于活动图模型的***行为仿真方法 |
-
2018
- 2018-05-09 CN CN201810435011.0A patent/CN108629124B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7349863B1 (en) * | 2001-06-14 | 2008-03-25 | Massachusetts Institute Of Technology | Dynamic planning method and system |
WO2010057505A1 (en) * | 2008-11-20 | 2010-05-27 | Université De Neuchâtel | A deterministic version of the multiple point geostatistics simulation / reconstruction method wxth. the simulated / reconstructed values are directly taken from the training images without prior estimation of the conditional |
CN101546273A (zh) * | 2009-05-08 | 2009-09-30 | 中国科学院软件研究所 | 一种预测软件过程执行时间的方法 |
CN103246770A (zh) * | 2013-05-08 | 2013-08-14 | 南京大学 | 一种基于活动图模型的***行为仿真方法 |
Non-Patent Citations (2)
Title |
---|
基于UML活动图的测试用例生成方法研究;苏翠翠等;《计算机技术与发展》;20100831;第20卷(第8期);全文 * |
基于UML的嵌入式软件测试用例生成方法研究;殷永峰等;《计算机应用研究》;20081031;第25卷(第10期);正文第3-4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN108629124A (zh) | 2018-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245496B (zh) | 一种源代码漏洞检测方法及检测器和其训练方法及*** | |
CN108629124B (zh) | 一种基于活动图路径的仿真参数数据自动生成方法 | |
US10261967B2 (en) | Data extraction | |
CN110515973B (zh) | 一种数据查询的优化方法、装置、设备及存储介质 | |
KR101617696B1 (ko) | 데이터 정규표현식의 마이닝 방법 및 장치 | |
CN104268216A (zh) | 一种基于互联网信息的数据清洗*** | |
US11055210B2 (en) | Software test equipment and software testing method | |
CN104077228A (zh) | 一种基于谓词依赖图的efsm可执行测试序列生成方法 | |
CN107679402A (zh) | 恶意代码行为特征提取方法 | |
CN113780367A (zh) | 分类模型训练和数据分类方法、装置、电子设备 | |
CN115934097A (zh) | 生成可执行语句的方法、装置、存储介质及电子装置 | |
CN115240048A (zh) | 面向图像分类的深度学习的算子定位融合方法及装置 | |
CN108009298B (zh) | 一种互联网人物搜索信息整合分析控制方法 | |
CN112434831A (zh) | 故障排查方法、装置、存储介质及计算机设备 | |
CN110928995B (zh) | 一种交互信息处理方法、装置、设备及存储介质 | |
CN110188432B (zh) | ***架构的验证方法、电子设备及计算机可读存储介质 | |
CN111193631B (zh) | 信息处理方法、***和计算机可读存储介质 | |
CN115130043B (zh) | 基于数据库的数据处理方法、装置、设备及存储介质 | |
Agrawal et al. | A hybrid-token and textual based approach to find similar code segments | |
CN114328525A (zh) | 数据处理方法及设备 | |
CN115062144A (zh) | 一种基于知识库和集成学习的日志异常检测方法与*** | |
CN114978765A (zh) | 服务于信息攻击防御的大数据处理方法及ai攻击防御*** | |
CN114861858A (zh) | 一种路面异常数据检测方法、装置、设备及可读存储介质 | |
CN110895529B (zh) | 结构化查询语言的处理方法及相关装置 | |
CN105354144A (zh) | 业务支撑***信息模型一致性自动化测试方法与*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |