基于Appium的手机应用程序自动化测试研究

随着智能手机应用的深入,智能手机应用程序也逐步从轻量级应用向更复杂的应用演化,应用端的自动化测试显得日益重要。现阶段手机应用测试都会遇到平台兼容性不佳和测试效率较低等问题,选择和搭建一个基于手机应用测试的自动化测试框架十分必要。选用时下兼容性和稳定性都较强的自动化测试框架Appium,通过研究其主要特性和工作原理,搭建了一个跨平台的手机自动化测试框架,解决了一些手机自动化测试难点,实现了一个具有高兼容性和易用性的跨平台自动化测试项目,通过比较评估了实际测试效果。

基于迁移成分分析的传动轴承故障诊断研究

针对深度学习模型的传动故障诊断样本量不足的问题,提出了一种基于迁移成分分析和卷积神经网络的轴承故障诊断方法。对采样的轴承数据依据转速进行分帧形成数据集,将数据映射到高维希尔伯特空间,基于数据边缘分布差异最小原则构建迁移特征集,再将特征集导入多层卷积神经网络等多种判别器实现轴承的跨工况故障诊断。结果表明:搭建的模型上具有较高的跨工况域故障诊断准确率,可满足轴承故障诊断的要求,为跨工况条件下轴承的故障检测提供新的思路。