组合测试是实现高覆盖率测试的有效方法,可以用尽可能少的测试用例实现高的测试覆盖率,在组合测试中,在已知部分测试用例集运行结果时,如何能够根据引发系统故障的测试用例进行快速有效的定位故障是一个重要的问题,研究组合测试快速故障定位技术有助于帮助测试人员找寻故障来源并进行有效的修正以实现被测系统的改进。嵌入式软件的输入具有时序特性,包括输入参数次序以及参数的注入时刻,其中注入时刻是包含输入次序的,输入次序仅考虑时间上的先后顺序,时序要求较低,而注入时刻比较复杂时序要求更高。本课题针对输入参数注入时刻时序特性,提出取值与时刻联合覆盖数组故障定位算法。针对较大规模联合覆盖数组的优先级排序问题提出了基于机器学习的测试用例集优先排序方法。为实时性嵌入式系统高可靠性验证提供基础保障。针对具有取值与时刻联合覆盖要求的嵌入式软件系统时序测试用例故障定位,提出了一种针对取值与时刻联合覆盖数组的故障定位算法。通过进行索引伪安全值组计算,确定非确定交互集,并用自适应替换策略生成附加测试用例,多次迭代计算生成索引安全值组,实现取值与时刻联合数组联合故障定位。联合覆盖数组在规模较大时,在测试成本有限情况下,难以全部运行测试用例集的问题,设计了针对部分测试结果的部分测试用例集的故障定位算法,对于取值组合故障选定符合特定标准的正确用例作为定位用例集,采用循环累加替换策略实现左右故障因子的定位;对于联合故障,首先进行故障测试用例所含故障类型分类,依据取值、时刻组合故障采用部分循环累加替换策略,联合故障执行索引值循环累加替换策略,实现部分测试用例集的故障定位。针对较大规模的测试覆盖数组执行过程中将花费大量的时间和成本的问题。为了在有限测试成本下选择能够保证更高故障检测率的测试用例子集。提出了一种基于支持向量机的组合测试用例优先排序方法。首先对一个低力度覆盖数组的测试结果使用支持向量机进行训练,并依据训练结果预测一个同输入参数高力度覆盖数组,其次对高力度覆盖数组的较少部分测试结果数据进行训练,预测该覆盖数组的其余部分。根据预测结果对覆盖数组中的测试用例进行排序。将预测结果会导致被测系统故障的测试用例提前排序。从排序后的有序覆盖数组中选择子集,可以合理地替换整个覆盖数组,节省测试成本。在此基础上提出了迭代学习迭代分类排序方法,结果表明生成的有序覆盖数组子集可以实现覆盖更多的故障交互。基于以上算法,开发了故障定位工具,该工具可以实现联合故障定位、部分测试用例集的故障定位,并搭建了复杂嵌入式软件高覆盖率平台,验证本文算法在实际半实物仿真系统中进行组合测试取值与时刻联合故障定位、部分测试用例集的故障定位的有效性。