1. 课程导入
在工业自动化项目中，PLC程序一旦投运，任何一次修改都可能牵动整条产线的节拍、联锁与安全逻辑。传统做法依赖工程师在实验室或现场反复下载、手动触发、凭经验观察，回归验证既耗时又容易漏测。本课程围绕“仿真回归测试”与“持续集成流水线”两条主线，帮助你把PLC程序验证从个人经验驱动，升级为可重复、可度量、可自动化的工程能力。
一、学习目标：从会写程序到会验证程序
本课程不是单纯讲解某个仿真软件的操作，而是建立一套完整的验证思维。学完之后，你应当能够独立完成以下任务：
- 理解PLC仿真回归测试的基本原理，区分单元级、集成级与系统级验证的边界；
- 能够搭建基于PLCSIM、CODESYS Simulation或OpenPLC等环境的仿真测试台；
- 能够为典型逻辑（启保停、互锁、顺控、PID、报警）编写可自动执行的测试用例；
- 能够把测试脚本接入GitLab CI、Jenkins或GitHub Actions，形成提交触发式流水线；
- 能够读懂测试报告，定位失败用例，并判断是程序缺陷、测试缺陷还是环境问题；
- 能够为既有项目设计渐进式回归测试改造路线，而不是推倒重来。
二、核心价值：为什么PLC也需要回归测试
PLC程序具有典型的“长生命周期、低频修改、高风险变更”特征。一次看似简单的定时器参数调整，可能破坏上下游握手；一个新增的互锁条件，可能让原有手动模式无法启动。回归测试的核心价值，就是把这些隐性风险在下载到真实设备之前暴露出来。
具体价值可以归纳为四点：第一，降低现场调试风险，把大部分逻辑验证前移到仿真阶段；第二，提升变更信心，每次修改都有历史用例兜底；第三，沉淀项目知识，测试用例本身就是可执行的需求文档；第四，支撑多人协作，流水线提供统一的验收标准，减少“在我这里没问题”的扯皮。
三、整体知识框架：四层能力模型
本课程的知识体系可以拆成四个层次，从下到上依次是环境层、用例层、执行层和流水线层。环境层解决“在哪里跑”，用例层解决“跑什么”，执行层解决“怎么跑”，流水线层解决“什么时候自动跑”。四层之间通过标准化接口衔接，任何一层缺失都会让自动化验证断链。
四、实战路线图：五步走通自动化回归
为了避免“一上来就搭流水线”导致挫败，课程建议按以下五步推进，每一步都有可验证的产出物。
- 环境搭建：选定仿真平台，完成PLC程序下载、变量表导入和基本读写验证，产出“能跑起来的仿真工程”。
- 单用例跑通：针对一个启保停回路，编写第一条自动化用例，完成置位、延时、断言输出，产出“第一条绿色用例”。
- 用例集组织：按功能模块和场景类型组织用例，加入前置条件、清理步骤和失败重试，产出“可维护的测试套件”。
- 接入流水线：把测试命令写入CI配置，设置提交触发和报告归档，产出“每次提交自动跑的流水线”。
- 报告与复盘：分析失败用例分布，区分程序缺陷与测试缺陷，持续补充边界场景，产出“回归测试改进清单”。
五、典型场景与常见误区
以一个包装线改造项目为例：原有手动/自动切换逻辑被修改，新增了安全门互锁。若只做人工验证，工程师通常只测“门开时能否停机”，却容易漏测“门关闭后自动模式能否恢复”“手动模式下门开是否也停机”“报警复位后状态是否一致”。这些场景正是回归测试用例的价值所在。
| 常见误区 | 后果 | 正确做法 |
|---|---|---|
| 只测正常流程，不测异常与边界 | 现场偶发故障无法复现 | 为每个功能补充异常、边界、复位场景 |
| 用例依赖固定延时，不做状态等待 | 仿真速度变化导致随机失败 | 用变量状态轮询替代固定sleep |
| 测试脚本与程序变量名硬编码 | 程序改名后用例大面积失效 | 集中维护变量映射表，统一引用 |
| 流水线失败只看日志不归档报告 | 无法追踪历史质量趋势 | 归档JUnit/HTML报告并保留趋势 |
| 把仿真测试当安全验证 | 安全回路风险被掩盖 | 安全功能仍需按标准独立验证 |
六、一个最小可运行示例
下面是一段典型的流水线测试命令示意，用于说明“提交后自动执行回归”的基本形态。后续章节会逐步展开每个参数的含义。
# .gitlab-ci.yml 片段
stages:
- regression
plc-regression:
stage: regression
script:
- python run_tests.py --suite smoke --sim plcsim
- python run_tests.py --suite full --report reports/junit.xml
artifacts:
when: always
paths:
- reports/
从这段配置可以看到，回归测试被拆成冒烟集和全量集两级：冒烟集快速反馈，全量集保证覆盖。这种分层策略在PLC项目中尤其重要，因为仿真环境启动和变量同步本身就有时间成本。
本章建立了课程的整体认知地图：以仿真环境为底座，以测试用例为核心资产，以执行器为桥梁，以流水线为自动化引擎。接下来，课程将沿着这条路线，从环境搭建开始，逐步带你完成一个可落地、可维护、可持续演进的PLC仿真回归测试体系。