使用 大语言模型 对基于 FMU 的模拟进行黑盒测试

我们提出了一种使用 大语言模型 (LLM) 进行功能模型单元 (FMU) 黑盒测试的人在环方法。目标是减少定义动态仿真模型测试场景的手动工作并提高结果的可解释性。该方法将 FMU 的功能和接口规范作为输入，并提示 LLM 以“Given-When-Then”格式生成结构化场景目标，定义模拟的初始输入条件、这些条件中可能的变化以及系统针对这些变化的预期输出行为。相应的场景计划指定输入模式并添加断言预言来描述场景目标中定义的预期输出模式。该方法为场景计划生成完整的输入时间序列，运行 FMU 模拟，并评估记录输出的断言。它生成人类可读的日志和图表，显示每个场景的统计数据，包括叠加、总通过率和每个目标的结果。生成的场景和结果被存储以供评估和稍后重新执行。我们评估润滑油冷却系统的方法，并讨论使该方法适合日常使用的设计选择。结果表明，LLM辅助场景生成可以促进动态仿真模型的自动测试设计和验证。