自动化测试框架: 所见即所寻

本文探讨了软件测试中主窗体控件定位的难题,特别是如何处理重复及不可见控件的问题。通过判断控件可见性及解决层叠显示问题,实现了更简便高效的控件定位。

经过一段时期的框架准备和测试方案编写,实际的冒烟测试已经开始进行。目前还算比较顺利。当然了,工作忙了一点,所以博客的更新速度也降低了。

在编写的过程中,发现对于独立的子窗体的处理还是比较方便和简单的。这些窗体的普遍特点就是结构简单,功能单一,所以对应的处理过程也比较方便。但是对于主窗体来讲,就非常不一样了。可以说,一个系统中的绝大多数窗体,都包含在主窗体中,那么,对于主窗体上的控件的定位问题,就没有我们刚开始设想得那么简单了。

最大的问题,在于重复的问题。我们一般通过控件的一些特征描述,来描述一个控件。但是,在主窗体中,往往拥有相同特征描述的控件不止一个。这是非常有可能存在的事实。

并且,由于很多控件的重叠特性(有些控件被覆盖住了),导致最初设想的“方位”特性,也有可能出错!这个问题困扰我们很久,不光是难以定位控件,也会让测试代码不易读和维护,且受界面影响的可能性就变得更大了。

在解决这个问题的过程中,我们考虑到作为人,来识别界面上控件的时候,并没有遇到任何障碍,其中最关键的原因,就是人已经屏蔽掉了所有不可见(包括隐藏和被覆盖的控件)的控件。这样,人在识别的过程中,就少了很多干扰,定位也越发的简单直接。

判断控件的可见性是非常简单的。但是对于真正不可见的控件的实现,遇到了很多问题,也曾经考虑过绕过去,但是最终我们还是确定,这是一个非常好的原则,必须坚持下去,它将大大改善编写测试代码的简单性和可读性。

首先遇到的是一种方式,是将控件的位置,设置在远离屏幕的位置,比如说在(-10000, -10000)到(0,0)之间,那么其区域并不在桌面上,最后也必然不可见。

最复杂的是控件的层叠。在Delphi中,针对Controls,存在一个ZOrder的概念。不同的语言有着不同的处理。Delphi中是不可以直接设置ZOrder的,但是提供了BringToFront和SendToBack两个方法来简单改变ZOrder。我们平时看到的控件层叠,都是通过这个方式来实现的。针对这种层叠方式,我们通过判断其是否被ZOrder更高的控件覆盖来判断。

通过对几种常见的可见性方式的判断,我们发现主窗体中的控件定位变得非常简单。这为我们下一步的测试代码编写提供了非常好的基础。

在这过程中,感受最深的就是,好的原则一定要坚持下去。好的设计往往不在于最初的设想,而在于过程中的坚持!

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值