数据流分析如何写

❶ 汽车数据流怎么分析

1、数值分析法：指对所获取的数据的变化规律与变化范围进行分析或与标准数据进行比较。
2、时间分析法：指对所获取的数据流的数值通过看其是否随时间的变化而变化进行分析。如冷却液温度。
3、因果分析法：指对相互之间有因果关系(或有联系)的数据间响应情况和响应速度进行对比判断。
4、关联分析法：指对彼此有关联的数据进行分析,对比后来查看故障是否存在。
5、比较分析法：指对相同年款、相同品牌车型、相同系统的两台车,在相同条件下的数据进行比较。

❷ 需求分析----数据流图

结构化分析中，常用到数据模型为实体关系图，功能模型是数据流图 DFD

可以认为，一个基于计算机的信息处理系统由数据流和一系列的转换构成，这些转换将输入数据流变换为输出数据流。数据流图就是用来刻画数据流和转换的信息系统建模技术的。它用简单的图形记号分别表示数据流、转换、数据源以及外部实体。

数据对象由其属性刻画 实体-关系图是表示数据对象及其关系的图形语言机制  数据对象彼此之间相互连接的方式称为关系，也称为联系。可以是一对一联系(1∶1)、一对多联系(1∶N)、多对多联系(M∶N)联系也可能有属性。

数据流图的功能主要为（1）描绘数据在系统中各逻辑功能模块之间的流动和处理过程，是一种功能型模型 （2）主要刻画“功能的输入和输出数据”、“数据的源头和目的地” （3）在数据流图中没有任何具体的物理部件，它只是描绘数据在软件中流动和被处理的逻辑过程。它与数据字典一起用来构成系统的逻辑模型。

 数据流图中个个对象的表示一般来说源点与终点：通常指外部对象，用长方形或长方体表示。处理（加工）:可以代表一系列程序、单个程序或者程序的一个模块，还可代表人工过程等，用圆形或圆角矩形表示。数据存储：表示需要保存的数据流向，指处于静止状态的数据，用平行线或开口矩形表示。数据流：指处理运行中的数据，用箭头表示。

数据流图的设计原则：

（1）：父图-子图平衡原则：

子图可以理解为父图中部分环节的细化。例如我们给出父图：

我们想对其中的成绩处理环节进行细化，画成如下数据流图：

其中一定要保证父图输入输出数据流 = 子图输入输出数据流

（2）数据守恒原则：

所有的输出数据流必须是通过加工的，且通过加工能直接产生。一般情况下要注意一下3个错误：

    *1* 外部实体与外部实体间无数据流。

    *2* 外部实体与数据存储文件无数据流。

    *3* 数据存储文件间无数据流。

（3）守恒加工原则：

对于同一个加工，其输入与输出的名字必须不同。通常来说要注意一下2点：

*1* 对于每一个加工，都应该有输入、输出。

*2* 数据流与加工有关，且必须经过加工。

在数据流方法中，对数据的精化是伴随着对转换的精化而同步进行的。DFD是自顶向下分解的。顶层DFD图通过系统和尾部世界之间的联机来描述系统的范围，没有数据流图的雏形，只是一种思想的表达，所以也成为关联图。将顶层DFD的系统分解为若干个子系统，决定每个子系统间的数据接口和活动关系，得到0层DFD图，然后继续向下细化，得到1、2、3…DFD图。最后得到的那个叫做底层DFD图，底层的DFD图最为详细，操作也是基本操作。参照底层的DFD图来实施。

例如：简单的考务处理系统

有如下的一个简单考务处理系统，要求完成一下工作：

1. 对考生送来的报名单进行检查;

2. 对合格的报名单编好准考证号后将准考证送给考生，并将汇总后的考生名单送给阅卷站;

3. 对阅卷站送来的成绩单进行检查，并根据考试中心制定的合格标准审定合格者;

4. 制作考生通知单(含成绩及合格/不合格标志)送给考生;

5. 按地区进行成绩分类统计和试题难度分析，产生统计分析表。

我们对需求进行关键字提取，并用绿色标出实体，红色标出关键的数据流。

答：（1）顶层数据流图：

（2）一层数据流图：

（3）二层数据流图：

例：图书预订系统

书店向顾客发放订单，顾客将所填订单交由系统处理，系统首先依据图书目录对订单进行检查并对合格订单进行处理，处理过程中根据顾客情况和订单数目将订单分为优先订单与正常订单两种，随时处理优先订单，定期处理正常订单。最后系统将所处理的订单汇总，并按出版社要求发给出版社。

答：（1）构建顶层数据流图

（2）构建0层数据流图（细化顶层数据流图）

（3）逐层细化数据流图

❸ 发动机数据流分析

喷油脉宽是由发动机微机控制的喷油器每次喷油的时间长度，是喷油器工作是否正常的最重要指标。

喷油脉宽信号参数显示的喷油脉宽数值单位为ms，参数显示值大，意味着喷油器每次都会开很长时间，发动机会得到浓混合气；该参数的显示值较小，这意味着每次喷油器短时间开启燃油喷射时，发动机都会得到稀混合气。

燃油喷射脉冲宽度没有固定的标准，它会随着发动机转速和负载而变化。影响喷油脉冲宽度的主要因素如下:

(1)λ调节；活性炭罐的?Mixture浓度；。

燃油喷射过量的常见原因如下:

(1)空气体流量计损坏；信号喷油脉宽控制点火在汽车故障诊断中的应用

第二，用怠速脉冲宽度诊断油路。

1。热车正常怠速时，脉冲宽度一般为1.5ms-2.9ms，如果脉冲宽度达到2.9-5。5毫秒，喷嘴通常堵塞。新车行驶一段时间后，喷油嘴会有不同程度的堵塞，会减少喷油量。计算机认为空燃油比会增加，怠速会降低，这会修正喷油脉宽和怠速控制信号，使怠速达到目标速度值。

重复这个循环，空闲脉冲宽度变得越来越大。同时，发动机控制计算机会存储此时怠速控制阀的位置，供下次启动时参考。每个气缸的喷油嘴堵塞程度不同，发动机控制计算机提供给喷油嘴的喷油脉宽相同，导致发动机运转不稳定，动力不足，加速不良，油耗增加。这时，一个好的喷油器清洁剂就能解决问题。维护示例:

时间超人清洗前的脉冲宽度为3.31毫秒，清洗后的脉冲宽度为1.70毫秒，需要注意的是，新清洗的喷嘴加载后，发动机转速收敛并增大。这是因为ECU长期燃油修正的结果，学习后记忆数据，从而控制怠速，使空燃比过浓。这里有一个再学习的过程。因为模式不同，学习时间也不一样。有些车只需要几秒钟，而有些车需要更长的时间。

2。如果喷油嘴干净的车辆怠速脉冲宽度仍然很大，并且已经通过数据流空确认空气流量计、进气压力传感器、氧气传感器和冷却水温度传感器没有故障，那么故障的根本原因很可能是燃油压力低，这时就需要用燃油压力表来判断油泵或油压调节器的故障。h tt ps:// @2019

❹ 软件测试走查中的静态分析技术中的数据流分析问题

代码如下：
void f1(int *p1, int p2, int p3)
{
*p1 = p3 - p2;
}
main()
{
int a,x,y;
printf ("Type in a value for a");
scanf ("%d",&a);
printf ("\n");
y = 0;
if (x != 0)
{
f1 (&y,a,x);
}
printf ("A is %d\n",a);
}
对上面代码进行数据流分析，结果如下：
变量 x： UR（未初始化就引用）
变量y： DU（初始化后未被引用就出作用域了）
变量y： DD（初始化后未被引用就再次被初始化）

1）x 的 UR异常是由于在“if“的条件之前未给x 赋初值引起的。
修正：
在原码中给x 赋初值或从键盘输入一个值给 x。

2）Y的 DU异常是由于 Y被赋初值0 后，或是在f1 函数中再次赋值后，都
没有被引用就出了其作用域。
修正：
在程序末尾，在打印语句中加入 y。

3）y 的 DD 异常是在 Y 被赋初始值 0 后如果是走 if 的真分支那么 Y 在没有
被引用的情况下就再次被赋了初值。这是由于使用了不完整的 if 语句造
成的。
修正：
用 if-then-else结构重写if语句。

❺ 数据流程分析的包括的内容

数据流程分析主要包括对信息的流动、变换、存贮等的分析。其目的是要发现和解决数据流动中的问题。这些问题有：数据流程不畅，前后数据不匹配，数据处理过程不合理等等。问题产生的原因有的是属于现行管理混乱，数据处理流程本身有问题，有的也可能是我们调查了解数据流程有误或作图有误。调查的目的就是要尽量地暴露系统存在的问题，并找出加以解决的方法。

❻ 汽车故障数据流分析方法

静态数据流是指当点火开关接通且发动机未起动时，故障诊断仪读取的发动机电子控制系统的数据。例如，进气压力传感器的静态数据应接近标准大气压；当汽车寒冷时，冷却液温度传感器的静态数据应接近环境温度。以下是使用“静态数据流”进行诊断的示例。

◆案例一:一辆 捷达 （ 查成交价 | 车型详解 ）王轿车在入冬后的某个早晨无法启动。

首先，司机反映前几天早上起步很困难，有时候时间长了就能启动，启动后一切正常。

该车已在其他修理厂修理过，检查过发动机的燃油压力和缸压、喷油器、气门正时、点火正时和火花塞闪络，但问题一直没有解决。维修人员仔细复查了以上项目，没有发现问题。发动机不缺燃料和高压，但就是发动不起来。原因是什么？

后来发现火花塞虽然多次启动，但没有“水淹”的迹象，说明故障是冷启动时加浓不足造成的。如果冷启动浓缩不够，是什么原因造成的？冷却液温度传感器是否正常？

用故障诊断仪检查发动机电子控制单元，没有故障代码输出。通过读取汽车发动机的静态数据流，发现发动机ECU输出的冷却液温度为105℃，而发动机的实际温度仅为2~3℃。很明显，发动机ECU接收到的水温信号是错误的，说明冷却液温度传感器有问题。为了进一步确认，用万用表测量冷却液温度传感器和电脑之间的线束，既没有开路也没有短路，电脑给冷却液温度传感器的5V参考电压也正常，所以更换冷却液温度传感器，重新启动，正常，排除故障。

这个故障案例其实并不复杂。对于有经验的维护人员来说，可以直接从冷却液温度传感器中找到问题的症结所在。但这说明了一个问题，就是电控燃油喷射发动机系统的ECU并不会记忆一些故障，比如这款车的冷却液温度传感器既没有开路也没有短路，只是信号失真，所以ECU的自诊断功能不会认为是故障。

如复氧传感器反馈信号失真，空气体流量计检测到的进气量与空气体流量计电压信号漂移引起的实际进气量差异等。不能被电子控制单元识别为故障。

在这种情况下，读取控制单元数据成为解决问题的关键。 @2019

❼ 数据流程分析怎么分析

数据流程分析就是把数据在现行系统内部的流动情况抽象出来，舍去了具体组织机构、信息载体、处理工作等物理组成，单纯从数据流动过程来考察实际业务的数据处理模式。数据流程分析主要包括对信息的流动、变换、存贮等的分析。其目的是要发现和解决数据流动中的问题。现有的数据流程分析多是通过分层的数据流程图(data flow diagram，简称DFD)来实现的。

❽ 数据流分析之有故障码时的分析步骤

利用数据流分析进行故障诊断有两种情况：一种是电控系统已经存储了故障码；另一种是无故障码。我们来看看数据流分析中出现故障码时的分析步骤。
在汽车电控系统故障排除过程中，通过故障码读取和确认操作，当故障码确实存在时，数据流分析的一般步骤如下：
先检查故障码记录时的冻结数据帧，再确认故障码产生时车辆的运行状况，使车辆在冻结数据帧指示的条件下验证故障，利用故障码快速准确地确定故障位置。
当一个故障码被确认后，还可以直接找出与故障码相关的每组数据进行分析，并根据故障码设定的条件分析故障码产生的原因，再分析数据的数值波形，最终找出故障点。
示例：
一辆东风雪铁龙爱丽舍SX1轿车配备AL4自动变速器。仪表盘上的“S”和“*”灯偶尔闪烁，自动变速器升档太晚。使用专用故障诊断仪PROXIA测试自动变速器ECU，读取故障代码，找到下表所列的故障信息。
根据记录的故障代码，首先检查节气门位置传感器的数据流，以确定故障。当点火开关置于M位置，发动机未起动，油门踏板完全松开时，自动变速器参数由PROXIA测量。发现节气门开度参数从11.5到40.8保持变化。用手拉节气门位置传感器的接线头时，节气门开度参数稳定在11.5。同时，自动变速器故障指示灯停止闪烁，再次拉动时，节气门开度参数再次保持变化，自动变速器故障指示灯再次闪烁。
通过以上动态数据检测，可以判断车辆的故障是节气门位置传感器的接插件接触不良。由于自动变速器的ECU得不到准确的油门位置信号，在正常情况下无法控制换挡，导致换挡延迟。更换油门位置传感器后，对延迟换档进行故障排除。

❾ 如何进行大数据分析及处理

提取有用信息和形成结论。

用适当的统计、分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

要求在标题栏中注明各个量的名称、符号、数量级和单位等：根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。从图线上可以简便求出实验需要的某些结果，还可以把某些复杂的函数关系，通过一定的变换用图形表示出来。

(9)数据流分析如何写扩展阅读：

大数据分析及处理的相关要求规定：

1、以数据流引领技术流、物质流、资金流、人才流，将深刻影响社会分工协作的组织模式，促进生产组织方式的集约和创新。

2、大数据推动社会生产要素的网络化共享、集约化整合、协作化开发和高效化利用，改变了传统的生产方式和经济运行机制，可显着提升经济运行水平和效率。

3、大数据持续激发商业模式创新，不断催生新业态，已成为互联网等新兴领域促进业务创新增值、提升企业核心价值的重要驱动力。大数据产业正在成为新的经济增长点，将对未来信息产业格局产生重要影响。

❿ 【课程笔记】南大软件分析课程4——数据流分析基础（课时5/6）

关于这一节 zcc 的笔记已经够完美了，我就直接在他基础上记录了。

上节课是介绍了3种数据流分析迭代算法，本节课将从数学理论的角度来讨论数据流分析，加深对数据流分析算法的理解。

本质 ：常见的数据流迭代算法，目的是通过迭代计算，最终得到一个稳定的不变的解。

定义1 ：给定有k个节点（基本块）的CFG，迭代算法就是在每次迭代时，更新每个节点n的OUT[n]。

定义2 ：设数据流分析的值域是V，可定义一个 k-元组 ： (OUT[n 1 ], OUT[n 2 ], ... , OUT[n k ])。是集合 (V 1 V 2 ... V k ) （幂集，记为V k ）的一个元素，表示每次迭代后k个节点整体的值。

定义3 ：每一次迭代可看作是V k 映射到新的V k ，通过转换规则和控制流来映射，记作函数F：V k V k 。

迭代算法本质 ：通过不断迭代，直到相邻两次迭代的 k-元组 值一样，算法结束。

不动点 ：当X i = F(X i )时，就是不动点。

问题 ：

定义 ：给定偏序集(P, )， 是集合P上的二元关系，若满足以下性质则为偏序集：

例子 ：

定义 ：给定偏序集(P, )，且有P的子集S⊆P：

最小上界 ：least upper bound（lub 或者称为join），用⊔S表示。上确界？

定义：对于子集S的任何一个上界u，均有⊔S⊑u。

最大下界 ：greatest lower bound（glb 或者称为meet），用⊓S表示。下确界？

定义：对于子集S的任何一个下界l，均有l⊑⊓S。

若S只包含两个元素，a、b（S = {a, b}）那么上界可以表示为a⊔b，下界可以表示为a⊓b。

都是基于上下确界来定义的。

定义 ：给定一个偏序集(P,⊑)，∀a,b∈P，如果存在a⊔b和a⊓b，那么就称该偏序集为格。偏序集中的 任意两个元素 构成的集合均 存在最小上界和最大下界 ，那么该偏序集就是格。

例子 ：

定义 ：给定一个偏序集(P,⊑)，∀a,b∈P：
当且仅当a⊔b存在（上确界），该偏序集叫做 join semilatice；

当且仅当a⊓b存在（下确界），该偏序集叫做 meet semilatice

定义 ：对于格点 (S, ) （前提是格点）的任意子集S，⊔ S 上确界和⊓S下确界都存在，则为全格complete lattice。

例子 ：

符号 ： = P ，叫做top； = P，叫做bottom。

性质 ：有穷的格点必然是complete lattice。全格一定有穷吗？ 不一定，如实数界[0, 1]。

定义 ：给定一组格，L 1 =(P 1 , 1 )，L 2 =(P 2 , 2 )，... ，L n =(P n , n )，都有上确界 i 和下确界 i ，则定义格点积 L n = (P, )：

性质 ：格点积也是格点；格点都是全格，则格点积也是全格。

数据流分析框架(D, L, F) ：

数据流分析可以看做是 迭代算法 对 格点 利用 转换规则 和 meet/join操作 。

目标问题：迭代算法一定会停止（到达不动点）吗？

（1）单调性

定义 ：函数f: L L，满足∀x,y∈L，x⊑y⇒f(x)⊑f(y)，则为单调的。

（2）不动点理论

定义 ：给定一个 完全lattice(L,⊑) ，如果f:L→L是 单调 的，并且 L有限

那么我们能得到最小不动点，通过迭代：f(⊥),f(f(⊥)),...,f k (⊥)直到找到最小的一个不动点。

同理 我们能得到最大不动点，通过迭代：f(⊤),f(f(⊤)),...,fk(⊤)直到找到最大的一个不动点。

（3）证明

不动点的存在性；

最小不动点证明。

问题 ：我们如何在理论上证明 迭代算法有解 、 有最优解 、 何时到达不动点 ？那就是将迭代算法转化为 不动点理论 。因为不动点理论已经证明了，单调、有限的完全lattice，存在不动点，且从⊤开始能找到最大不动点，从⊥开始能找到最小不动点。

目标 ：证明迭代算法是一个 完全lattice(L, ) ，是 有限 的， 单调 的。

根据第5小节，迭代算法每个 节点（基本块）的值域 相当于一个 lattice ，每次迭代的 k个基本块的值域 就是一个 k-元组 。k-元组可看作 lattice积 ，根据格点积性质：若L k 中每一个lattice都是完全的，则L k 也是 完全 的。

迭代算法中，值域是0/1，是有限的，则lattice有限，则L k 也有限。

函数F：BB中转换函数f i ：L → L + BB分支之间的控制流影响（汇聚是join / meet 操作，分叉是拷贝操作）。

总结 ：迭代算法是完全lattice，且是有限、单调的，所以一定有解、有最优解。

定义 ： lattice高度 —从lattice的top到bottom之间最长的路径。

最坏情况迭代次数 ：设有n个块，每次迭代只有1个BB的OUT/IN值的其中1位发生变化（则从top→bottom这1位都变化），则最多迭 ( n × h ) 次。

说明 ：may 和 must 分析算法都是从不安全到安全（是否安全取决于safe-aprroximate过程），从准确到不准确。

以 Reaching Definitions分析为例：

以available expressions分析为例：

迭代算法转化到lattice上，may/must分析分别初始化为最小值 和最大值 ，最后求最小上界/最大下界。

目的 ：MOP（meet-over-all-paths）衡量迭代算法的精度。

定义 ：最终将所有的路径一起来进行join/meet操作。

路径P = 在cfg图上从entry到基本块s i 的一条路径（P = Entry → s 1 → s 2 → ... → s~i ）。

路径P上的转移函数F p ：该路径上所有语句的转移函数的组合f s1 ，f s2 ，... ，f si-1 ，从而构成F P 。

MOP ：从entry到s i 所有路径的F P 的meet操作。本质—求这些值的最小上界/最大下界。

MOP准确性 ：有些路径不会被执行，所以不准确；若路径包含循环，或者路径爆炸，所以实操性不高，只能作为理论的一种衡量方式。

对于以上的CFG，抽象出itter和MOP公式。

证明 ：

结论 ：所以，MOP更准确。若F满足分配律，则迭代算法和MOP精确度一样 F ( x ⊔ y )= F ( x )⊔ F ( y )。一般，对于控制流的join/meet，是进行集合的交或并操作，则满足分配律。

问题描述 ：在程序点p处的变量x，判断x是否一定指向常量值。

类别 ： must分析 ，因为要考虑经过p点所有路径上，x的值必须都一样，才算作一定指向常量。

表示 ：CFG每个节点的OUT是pair（x, v）的集合，表示变量x是否指向常数v。

（1）D：forward更直观

（2）L：lattice

变量值域 ：所有实数。must分析，所以 是UNDEF未定义（unsafe）， 是NAC非常量（safe）。

meet操作 ：must分析， 。在每个路径汇聚点PC，对流入的所有变量进行meet操作，但并非常见的交和并，所以 不满足分配律 。

（3） F转换函数

OUT[s] = gen U (IN[s] - {(x, _})

输出 = BB中新被赋值的 U 输入 - BB中相关变量值已经不是f常量的部分。

对所有的赋值语句进行分析（不是赋值语句则不管，用val(x)表示x指向的值）：

（4） 性质 ：不满足分配律

可以发现，MOP更准确。F(X Y) F(X) F(Y)，但是是单调的。

本质 ：对迭代算法进行优化，采用队列来存储需要处理的基本块，减少大量的冗余的计算。

软件分析——数据流分析2