CN115098475B - 一种基于二次筛选的巡检机器人电池异常数据记录方法 - Google Patents

一种基于二次筛选的巡检机器人电池异常数据记录方法 Download PDF

Info

Publication number
CN115098475B
CN115098475B CN202210713836.0A CN202210713836A CN115098475B CN 115098475 B CN115098475 B CN 115098475B CN 202210713836 A CN202210713836 A CN 202210713836A CN 115098475 B CN115098475 B CN 115098475B
Authority
CN
China
Prior art keywords
data
sub
multidimensional
array
abnormal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210713836.0A
Other languages
English (en)
Other versions
CN115098475A (zh
Inventor
柳鹏
王伟钊
宋海良
王胜强
连志军
王志龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Yijiahe Technology R & D Co ltd
Original Assignee
Shenzhen Yijiahe Technology R & D Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Yijiahe Technology R & D Co ltd filed Critical Shenzhen Yijiahe Technology R & D Co ltd
Priority to CN202210713836.0A priority Critical patent/CN115098475B/zh
Publication of CN115098475A publication Critical patent/CN115098475A/zh
Application granted granted Critical
Publication of CN115098475B publication Critical patent/CN115098475B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/23—Updating
    • G06F16/2379—Updates performed during online database operations; commit processing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种基于二次筛选的巡检机器人电池异常数据记录方法，该方法首先获得电池的电量、电压、电流、温度数据；然后建立多维数组，将实时数据进行移位处理；在移位处理过程中，对第二子多维数组中的数据进行异常处理分析得到分析结果；将本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据进行相似性判断。本发明通过对数据进行异常处理分析和相似性判断，减少无效数据的存储，从而降低数据覆盖的可能，保证有效数据；同时，只对多维数组中第二子多维数组的数据进行处理，发现异常数据则将异常数据前后的数据都进行存储，降低了处理数据的量，同时也保证了异常数据前后的完整性。

Description

一种基于二次筛选的巡检机器人电池异常数据记录方法
技术领域
本发明涉及机器人电池技术领域，具体涉及一种基于二次筛选的巡检机器人电池异常数据记录方法。
背景技术
电池作为自动巡检机器人的核心部件之一，经常因电池馈电、过温等因素导致电池无法正常充放电，进而造成机器人无法按预期执行巡检任务，另一方面，自动巡检机器人一般工作在无人值守环境中，故障发现不及时(经常数天)，同时故障电池从运维人员到达检测实验室亦需要时间，经常遇到现场故障电池到达检测实验室已恢复正常，无法有效定位根因，导致问题反复出现。故需要电池数据具有记录发生异常的功能，以便可有效定位，解决问题。
目前，记录电池数据有通过使用系统存储在云端、电池内部实时记录存储和通过硬件装置识别后记录异常点方式三种；通过使用系统存储在云端，受使用系统影响，一般在电池产生异常时已停止向系统供电，系统处于关机状态无法存储后续数据；电池内部实时记录存储产生数据量大，若无法及时处理则容易数据覆盖，导致有效数据丢失；通过硬件装置识别记录异常点方式，无法定位发生异常过程，同时重复的相同异常点数据也有数据覆盖的可能。
总之，现有技术存在的问题是：通过使用系统存储在云端受限于系统是否正常工作；电池内部实时记录存储和通过硬件装置识别后记录异常点方式存在数据覆盖丢失有效数据可能，且后者无过程数据。
发明内容
发明目的：本发明目的是提供一种基于二次筛选的巡检机器人电池异常数据记录方法，解决了现有的异常数据记录受限于系统是否正常工作的问题，还解决了现有的异常数据记录存在数据覆盖丢失有效数据，且无过程数据的问题。本发明通过对数据进行异常处理分析和相似性判断，使得电池发生异常时间段的数据得到有效完整记录，为后期对电池故障的解决提供了精准数据支撑。
技术方案：本发明一种基于二次筛选的巡检机器人电池异常数据记录方法，包括以下步骤：
(1)实时获取电池的电量、电压、电流、温度数据；
(2)建立多维数组，多维数组分为第一至第三子多维数组，将实时获得的电池电量、电压、电流、温度数据进行移位处理，使上述数据依次从第一子多维数组移位至第三子多维数组，并将从第三子多维数组移位溢出的数据丢弃；
(3)当第二子多维数组首次被实时获得的电池电量、电压、电流、温度数据填充满时以及第二子多维数组中数据进行移位处理被完全更新时，截取第二子多维数组中的数据，对第二子多维数组中的数据进行异常处理分析得到分析结果，若分析结果存在异常，将第二子多维数组中数据进行步骤(4)处理；否则，等待对下一次的数据进行异常处理分析；
(4)判断分析结果存在异常的第二子多维数组中数据是否为第一组异常数据，若为第一组异常数据，则将对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；否则，将本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据进行相似性判断，若不相似，则将对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；若相似，则丢弃分析结果存在异常的第二子多维数组中数据；
(5)将步骤(4)得到的多维数组中第一至第三子多维数组的数据和该多维数组中第二子多维数组数据进行异常处理分析得到的分析结果进行存储。
进一步的，所述步骤(2)中多维数组的结构为：
定义多维数组为P，多维数组P分为第一至第三子多维数组,其结构为：
其中，多维数组P的第一至第四行分别输入电池电量S、电压V、电流I、温度C的数据。
进一步的，所述移位处理的具体过程为：
实时获得的电池电量数据从第一子多维数组S11位置开始向S1n方向移动填充，当移动到S1n后溢出的数据从第二子多维数组S21位置继续向S2n方向移动填充，当移动到S2n后溢出的数据从第三子多维数组S31位置继续向S3n方向移动填充，移动到S3n后溢出的数据丢弃；实时获得的电池电压数据采用与实时获得的电池电量数据相同的移位处理过程，将电池电压数据从第一子多维数组V11移位至第三子多维数组V3n，移动到V3n后溢出的数据丢弃；实时获得的电池电流数据采用与实时获得的电池电量数据相同的移位处理过程，将电池电流数据从第一子多维数组I11移位至第三子多维数组I3n，移动到I3n后溢出的数据丢弃；实时获得的电池温度数据采用与实时获得的电池电量数据相同的移位处理过程，将电池温度数据从第一子多维数组C11移位至第三子多维数组C3n，移动到C3n后溢出的数据丢弃。
进一步的，所述第二子多维数组中数据进行移位处理被完全更新时是指，上一次进行异常处理分析时所对应的第二子多维数组中的数据全部被移位处理离开第二子多维数组。
进一步的，所述截取第二子多维数组中的数据，对第二子多维数组中的数据进行异常处理分析的具体过程为：
1)截取第二子多维数组中的数据，即
2)将电池的电量、电压、电流、温度相邻数据分别做差值处理：
Δs＝{S22-S21………S2n-S2(n-1)}
Δv＝{V22-V21………V2n-V2(n-1)}
Δi＝{I22-I21………I2n-I2(n-1)}
Δc＝{C22-C21………C2n-C2(n-1)}；
将电量、电压、电流、温度的差值阈值分别设定为Sset、Vset、Iset、Cset，并定义分析结果F＝{fS,fV,fI,fC}，用于将分析结果记下：
将Δs的绝对值分别与Sset比较，若有超出，则记fS＝1；否则，记fS＝0；
将Δv的绝对值分别与Vset比较，若有超出，则记fV＝1；否则，记fV＝0；
将Δi的绝对值分别与Iset比较，若有超出，则记fI＝1；否则，记fI＝0；
将Δc的绝对值分别与Cset比较，若有超出，则记fC＝1；否则，记fC＝0；
3)判断F中是否存在非0数据，若存在非0数据，则分析结果存在异常，将第二子多维数组中数据进行步骤(4)处理；否则，等待对下一次的数据进行异常处理分析。
进一步的，所述将本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据进行相似性判断的具体过程为：
S1、获取上一次分析结果存在异常的第二子多维数组中数据的分析结果记为Fpre，获取本次分析结果存在异常的第二子多维数组中数据的分析结果F，将本次分析结果F与上次异常分析结果Fpre进行一次相似性计算：
其中，dot()为返回两个向量的标量点积，sqrt()为开平方函数，sum()为求和函数；
S2、判断α是否小于0.95，若小于0.95，表示本分析结果F与上次异常分析结果Fpre不相似，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；若α不小于0.95，则进行下一步S3；
S3、对本次分析结果F中的非0数据进行二次相似性计算：
若fS＝1，则获取上一次分析结果存在异常的第二子多维数组中电量相邻数据做差值处理的结果，记为Δspre，获取本次分析结果存在异常的第二子多维数组中电量相邻数据做差值处理的结果Δs，将Δs与Δspre进行二次相似性计算：
若βs小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fV＝1，则获取上一次分析结果存在异常的第二子多维数组中电压相邻数据做差值处理的结果，记为Δvpre，获取本次分析结果存在异常的第二子多维数组中电压相邻数据做差值处理的结果Δv，将Δv与Δvpre进行二次相似性计算：
若βv小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fI＝1，则获取上一次分析结果存在异常的第二子多维数组中电流相邻数据做差值处理的结果，记为Δipre，获取本次分析结果存在异常的第二子多维数组中电流相邻数据做差值处理的结果Δi，将Δi与Δipre进行二次相似性计算：
若βi小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fC＝1，则获取上一次分析结果存在异常的第二子多维数组中温度相邻数据做差值处理的结果，记为Δipre，获取本次分析结果存在异常的第二子多维数组中温度相邻数据做差值处理的结果Δi，将Δi与Δipre进行二次相似性计算：
若βc小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
本次分析结果F中的非0数据二次相似性计算结果若全部不小于0.95，则相似，丢弃分析结果存在异常的第二子多维数组中数据；否则，存在至少一个非0数据二次相似性计算结果小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理。
进一步的，所述实时获取电池的电量、电压、电流、温度数据通过MCU经过IIC总线从电池管理系统中实时获得。
进一步的，所述多维数组中第一至第三子多维数组的数据和该多维数组中第二子多维数组数据进行异常处理分析得到的分析结果进行存储时，将分析结果打上时间戳进行存储。
与现有技术相比，本发明的有益效果为：
1、有效数据不易丢失：通过对数据进行异常处理分析和相似性判断，减少无效数据的存储，从而降低数据覆盖的可能，保证有效数据；
2、异常数据前后记录完整：只对多维数组中第二子多维数组的数据进行处理，发现异常数据则将异常数据前后的数据都进行存储，降低了处理数据的量，同时也保证了异常数据前后的完整性。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合实施例对本发明做进一步描述：
如图1所示；本发明一种基于二次筛选的巡检机器人电池异常数据记录方法，包括以下步骤：
(1)实时获取电池的电量、电压、电流、温度数据，该实时数据通过MCU经过IIC总线从电池管理系统中实时获得；MCU可为STM32F103处理器，IIC为通信总线的硬件单板系统，将该单板系统装在电池内部；
(2)建立多维数组，多维数组分为第一至第三子多维数组，多维数组的结构为：
定义多维数组为P，多维数组P分为第一至第三子多维数组,其结构为：
其中，多维数组P的第一至第四行分别输入电池电量S、电压V、电流I、温度C的数据；第一子多维数组为异常后的数据，第二子多维数组异常的数据，第三子多维数组为异常前的数据；
然后，将实时获得的电池电量、电压、电流、温度数据进行移位处理，使实时获得的电池电量、电压、电流、温度数据依次从第一子多维数组移位至第三子多维数组，并将从第三子多维数组移位溢出的数据丢弃；
其中，移位处理的具体过程为：以电池电量数据为例，实时获得的电池电量数据从第一子多维数组S11位置开始向S1n方向移动填充，当移动到S1n后溢出的数据从第二子多维数组S21位置继续向S2n方向移动填充，当移动到S2n后溢出的数据从第三子多维数组S31位置继续向S3n方向移动填充，移动到S3n后溢出的数据丢弃；实时获得的电池电压、电流、温度数据也采用相同的方法，实时获得的电池电压数据采用与实时获得的电池电量数据相同的移位处理过程，将电池电压数据从第一子多维数组V11移位至第三子多维数组V3n，移动到V3n后溢出的数据丢弃；实时获得的电池电流数据采用与实时获得的电池电量数据相同的移位处理过程，将电池电流数据从第一子多维数组I11移位至第三子多维数组I3n，移动到I3n后溢出的数据丢弃；实时获得的电池温度数据采用与实时获得的电池电量数据相同的移位处理过程，将电池温度数据从第一子多维数组C11移位至第三子多维数组C3n，移动到C3n后溢出的数据丢弃。
(3)当第二子多维数组首次被实时获得的电池电量、电压、电流、温度数据填充满时，也就是实时获得的电池电量、电压、电流、温度数据分别移动到S2n、V2n、I2n、C2n位置并未溢出的时刻；以及第二子多维数组中数据进行移位处理被完全更新时，也就是上一次进行异常处理分析时所对应的第二子多维数组中的数据全部被移位处理离开第二子多维数组的时刻；满足以上条件，则截取第二子多维数组中的数据，对第二子多维数组中的数据进行异常处理分析得到分析结果，若分析结果存在异常，将第二子多维数组中数据进行步骤(4)处理；否则，等待对下一次的数据进行异常处理分析；
截取第二子多维数组中的数据，对第二子多维数组中的数据进行异常处理分析的具体过程为：
1)截取第二子多维数组中的数据，即
2)将电池的电量、电压、电流、温度相邻数据分别做差值处理：
Δs＝{S22-S21………S2n-S2(n-1)}
Δv＝{V22-V21………V2n-V2(n-1)}
Δi＝{I22-I21………I2n-I2(n-1)}
Δc＝{C22-C21………C2n-C2(n-1)}；
将电量、电压、电流、温度的差值阈值分别设定为Sset、Vset、Iset、Cset，并定义分析结果F＝{fS,fV,fI,fC}，用于将分析结果记下：
将Δs的绝对值分别与Sset比较，若有超出，则记fS＝1；否则，记fS＝0；
将Δv的绝对值分别与Vset比较，若有超出，则记fV＝1；否则，记fV＝0；
将Δi的绝对值分别与Iset比较，若有超出，则记fI＝1；否则，记fI＝0；
将Δc的绝对值分别与Cset比较，若有超出，则记fC＝1；否则，记fC＝0；
3)判断F中是否存在非0数据，若存在非0数据，则分析结果存在异常，将第二子多维数组中数据进行步骤(4)处理；否则，等待对下一次的数据进行异常处理分析。由此可见，数据进行异常处理分析只对多维数组中第二子多维数组的数据进行处理，保证了处理的效率；
(4)判断分析结果存在异常的第二子多维数组中数据是否为第一组异常数据，若为第一组异常数据，则将分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；因为进入步骤(4)的数据都是步骤(3)分析结果存在异常的数据，若该数据为第一组异常数据，第一组异常数据没有与其他异常数据重复可言，直接进行步骤(5)处理；否则，将本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据进行相似性判断，若不相似，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；若相似，则丢弃分析结果存在异常的第二子多维数组中数据；
将本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据进行相似性判断的具体过程为：
S1、获取上一次分析结果存在异常的第二子多维数组中数据的分析结果记为Fpre，获取本次分析结果存在异常的第二子多维数组中数据的分析结果F，将本次分析结果F与上次异常分析结果Fpre进行一次相似性计算：
其中，dot()为返回两个向量的标量点积，sqrt()为开平方函数，sum()为求和函数；
S2、判断α是否小于0.95，若小于0.95，表示本分析结果F与上次异常分析结果Fpre不相似，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；若α不小于0.95，则进行下一步S3；
S3、对本次分析结果F中的非0数据进行二次相似性计算：
若fS＝1，则获取上一次分析结果存在异常的第二子多维数组中电量相邻数据做差值处理的结果，记为Δspre，获取本次分析结果存在异常的第二子多维数组中电量相邻数据做差值处理的结果Δs，将Δs与Δsbre进行二次相似性计算：
若βs小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fV＝1，则获取上一次分析结果存在异常的第二子多维数组中电压相邻数据做差值处理的结果，记为Δvpre，获取本次分析结果存在异常的第二子多维数组中电压相邻数据做差值处理的结果Δv，将Δv与Δvpre进行二次相似性计算：
若βv小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fI＝1，则获取上一次分析结果存在异常的第二子多维数组中电流相邻数据做差值处理的结果，记为Δipre，获取本次分析结果存在异常的第二子多维数组中电流相邻数据做差值处理的结果Δi，将Δi与Δipre进行二次相似性计算：
若βi小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fC＝1，则获取上一次分析结果存在异常的第二子多维数组中温度相邻数据做差值处理的结果，记为Δipre，获取本次分析结果存在异常的第二子多维数组中温度相邻数据做差值处理的结果Δi，将Δi与Δipre进行二次相似性计算：
若βc小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
本次分析结果F中的非0数据二次相似性计算结果若全部不小于0.95，则相似，丢弃分析结果存在异常的第二子多维数组中数据；否则，存在至少一个非0数据二次相似性计算结果小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理。
相似度判断用于判断本次存在异常的第二子多维数组中数据与上一次存在异常的第二子多维数组中数据是否为重复的异常数据，若是重复相似的数据则丢弃，反之保存；相似度判断分为两步，第一步首先将本次分析结果存在异常的第二子多维数组中数据的分析结果与上一次分析结果存在异常的第二子多维数组中数据的分析结果进行一次相似性计算，其为了判断本次的第二子多维数组中数据异常是否与上一次的第二子多维数组中数据异常相似，若相似进行第二步相似度判断，若不相似就进行步骤(5)；第二步进一步对本次分析结果F中的非0数据进行二次相似性计算，若全部不小于0.95，则相似，说明本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据相似，可丢弃避免重复保存，若存在至少一个非0数据二次相似性计算结果小于0.95，说明两者不相似，就进行步骤(5)；
(5)将步骤(4)得到的多维数组中第一至第三子多维数组的数据和该多维数组中第二子多维数组数据进行异常处理分析得到的分析结果进行存储，分析结果进行存储时，将分析结果打上时间戳进行存储。最终，当出现由于电池异常导致机器人无法按预期执行巡检任务时,可通过获取存储的数据进行分析。
本发明通过对数据进行异常处理分析和相似性判断，减少无效数据的存储，从而降低数据覆盖的可能，保证有效数据；同时，只对多维数组中第二子多维数组的数据进行处理，发现异常数据则将异常数据前后的数据都进行存储，降低了处理数据的量，同时也保证了异常数据前后的完整性。

Claims (8)

1.一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：包括以下步骤：
(1)实时获取电池的电量、电压、电流、温度数据；
(2)建立多维数组，多维数组分为第一至第三子多维数组，将实时获得的电池电量、电压、电流、温度数据进行移位处理，使上述数据依次从第一子多维数组移位至第三子多维数组，并将从第三子多维数组移位溢出的数据丢弃；
(3)当第二子多维数组首次被实时获得的电池电量、电压、电流、温度数据填充满时以及第二子多维数组中数据进行移位处理被完全更新时，截取第二子多维数组中的数据，对第二子多维数组中的数据进行异常处理分析得到分析结果，若分析结果存在异常，将第二子多维数组中数据进行步骤(4)处理；否则，等待对下一次的数据进行异常处理分析；
(4)判断分析结果存在异常的第二子多维数组中数据是否为第一组异常数据，若为第一组异常数据，则将对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；否则，将本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据进行相似性判断，若不相似，则将对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；若相似，则丢弃分析结果存在异常的第二子多维数组中数据；
(5)将步骤(4)得到的多维数组中第一至第三子多维数组的数据和该多维数组中第二子多维数组数据进行异常处理分析得到的分析结果进行存储。
2.根据权利要求1所述的一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：所述步骤(2)中多维数组的结构为：
定义多维数组为P，多维数组P分为第一至第三子多维数组,其结构为：
其中，多维数组P的第一至第四行分别输入电池电量S、电压V、电流I、温度C的数据。
3.根据权利要求2所述的一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：所述移位处理的具体过程为：
实时获得的电池电量数据从第一子多维数组S11位置开始向S1n方向移动填充，当移动到S1n后溢出的数据从第二子多维数组S21位置继续向S2n方向移动填充，当移动到S2n后溢出的数据从第三子多维数组S31位置继续向S3n方向移动填充，移动到S3n后溢出的数据丢弃；实时获得的电池电压数据采用与实时获得的电池电量数据相同的移位处理过程，将电池电压数据从第一子多维数组V11移位至第三子多维数组V3n，移动到V3n后溢出的数据丢弃；实时获得的电池电流数据采用与实时获得的电池电量数据相同的移位处理过程，将电池电流数据从第一子多维数组I11移位至第三子多维数组I3n，移动到I3n后溢出的数据丢弃；实时获得的电池温度数据采用与实时获得的电池电量数据相同的移位处理过程，将电池温度数据从第一子多维数组C11移位至第三子多维数组C3n，移动到C3n后溢出的数据丢弃。
4.根据权利要求3所述的一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：所述第二子多维数组中数据进行移位处理被完全更新时是指，上一次进行异常处理分析时所对应的第二子多维数组中的数据全部被移位处理离开第二子多维数组。
5.根据权利要求3所述的一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：所述截取第二子多维数组中的数据，对第二子多维数组中的数据进行异常处理分析的具体过程为：
1)截取第二子多维数组中的数据，即
2)将电池的电量、电压、电流、温度相邻数据分别做差值处理：
Δs＝{S22-S21………S2n-S2(n-1)}
Δv＝{V22-V21………V2n-V2(n-1)}
Δi＝{I22-I21………I2n-I2(n-1)}
Δc＝{C22-C21………C2n-C2(n-1)}；
将电量、电压、电流、温度的差值阈值分别设定为Sset、Vset、Iset、Cset，并定义分析结果F＝{fS,fV,fI,fC}，用于将分析结果记下：
将Δs的绝对值分别与Sset比较，若有超出，则记fS＝1；否则，记fS＝0；
将Δv的绝对值分别与Vset比较，若有超出，则记fV＝1；否则，记fV＝0；
将Δi的绝对值分别与Iset比较，若有超出，则记fI＝1；否则，记fI＝0；
将Δc的绝对值分别与Cset比较，若有超出，则记fC＝1；否则，记fC＝0；
3)判断F中是否存在非0数据，若存在非0数据，则分析结果存在异常，将第二子多维数组中数据进行步骤(4)处理；否则，等待对下一次的数据进行异常处理分析。
6.根据权利要求3所述的一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：所述将本次分析结果存在异常的第二子多维数组中数据与上一次分析结果存在异常的第二子多维数组中数据进行相似性判断的具体过程为：
S1、获取上一次分析结果存在异常的第二子多维数组中数据的分析结果记为Fpre，获取本次分析结果存在异常的第二子多维数组中数据的分析结果F，将本次分析结果F与上次异常分析结果Fpre进行一次相似性计算：
其中，dot( )为返回两个向量的标量点积，sqrt()为开平方函数，sum()为求和函数；
S2、判断α是否小于0.95，若小于0.95，表示本分析结果F与上次异常分析结果Fpre不相似，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；若α不小于0.95，则进行下一步S3；
S3、对本次分析结果F中的非0数据进行二次相似性计算：
若fS＝1，则获取上一次分析结果存在异常的第二子多维数组中电量相邻数据做差值处理的结果，记为Δspre，获取本次分析结果存在异常的第二子多维数组中电量相邻数据做差值处理的结果Δs，将Δs与Δspre进行二次相似性计算：
若βs小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fV＝1，则获取上一次分析结果存在异常的第二子多维数组中电压相邻数据做差值处理的结果，记为Δvpre，获取本次分析结果存在异常的第二子多维数组中电压相邻数据做差值处理的结果Δv，将Δv与Δvpre进行二次相似性计算：
若βv小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fI＝1，则获取上一次分析结果存在异常的第二子多维数组中电流相邻数据做差值处理的结果，记为Δipre，获取本次分析结果存在异常的第二子多维数组中电流相邻数据做差值处理的结果Δi，将Δi与Δipre进行二次相似性计算：
若βi小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
若fC＝1，则获取上一次分析结果存在异常的第二子多维数组中温度相邻数据做差值处理的结果，记为Δipre，获取本次分析结果存在异常的第二子多维数组中温度相邻数据做差值处理的结果Δi，将Δi与Δipre进行二次相似性计算：
若βc小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理；
本次分析结果F中的非0数据二次相似性计算结果若全部不小于0.95，则相似，丢弃分析结果存在异常的第二子多维数组中数据；否则，存在至少一个非0数据二次相似性计算结果小于0.95，则将本次分析结果存在异常的第二子多维数组中数据所对应时刻的多维数组中第一至第三子多维数组的数据进行步骤(5)处理。
7.根据权利要求1所述的一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：所述实时获取电池的电量、电压、电流、温度数据通过MCU经过IIC总线从电池管理系统中实时获得。
8.根据权利要求1所述的一种基于二次筛选的巡检机器人电池异常数据记录方法，其特征在于：所述多维数组中第一至第三子多维数组的数据和该多维数组中第二子多维数组数据进行异常处理分析得到的分析结果进行存储时，将分析结果打上时间戳进行存储。
CN202210713836.0A 2022-06-22 2022-06-22 一种基于二次筛选的巡检机器人电池异常数据记录方法 Active CN115098475B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210713836.0A CN115098475B (zh) 2022-06-22 2022-06-22 一种基于二次筛选的巡检机器人电池异常数据记录方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210713836.0A CN115098475B (zh) 2022-06-22 2022-06-22 一种基于二次筛选的巡检机器人电池异常数据记录方法

Publications (2)

Publication Number Publication Date
CN115098475A CN115098475A (zh) 2022-09-23
CN115098475B true CN115098475B (zh) 2024-03-19

Family

ID=83293275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210713836.0A Active CN115098475B (zh) 2022-06-22 2022-06-22 一种基于二次筛选的巡检机器人电池异常数据记录方法

Country Status (1)

Country Link
CN (1) CN115098475B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114353881A (zh) * 2022-03-18 2022-04-15 广东银纳增材制造技术有限公司 一种基于复合传感器的设备异常监测方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6356842B1 (en) * 2000-04-18 2002-03-12 Carmel Systems, Llc Space weather prediction system and method

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114353881A (zh) * 2022-03-18 2022-04-15 广东银纳增材制造技术有限公司 一种基于复合传感器的设备异常监测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
用于数据仓储的一种改进的多维存储结构;冯建华, 蒋旭东, 周立柱;软件学报;20020823(08);全文 *

Also Published As

Publication number Publication date
CN115098475A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
KR20220021973A (ko) 신경망 기반의 배터리 셀 불량 및 화재 사전 진단 방법 및 장치
CN108363678B (zh) 一种用于燃料电池电堆测试数据快速自动处理系统
CN101093462A (zh) 数据库应用集群压力测试自动化方法
CN113391211B (zh) 一种小样本条件下的锂电池剩余寿命预测方法
US20230236265A1 (en) Methods, systems and terminal devices for analyzing states of battery packs in battery cluster
CN113485305B (zh) 一种飞机外勤故障诊断系统与方法
CN117273489A (zh) 光伏状态评估方法及装置
CN115098475B (zh) 一种基于二次筛选的巡检机器人电池异常数据记录方法
CN113161599A (zh) 电池析锂监测方法及装置
CN114397579A (zh) 电池数据处理方法、装置、设备、介质及程序产品
CN116609670A (zh) 一种电池包故障预警方法、装置及设备
CN102569118B (zh) 一种半导体制程中的偏移管理的良率提升系统
CN110927587B (zh) 一种电池包充放电测试报告生成的方法和装置
CN112885049B (zh) 基于运行数据的智能电缆预警系统、方法及装置
CN109767062B (zh) 一种电网任务处置方案的动态生成方法
CN112485676B (zh) 一种数字镜像下的电池储能系统状态估计预警方法
Vidyaratne et al. Initial studies of cavity fault prediction at Jefferson Laboratory
CN114002601B (zh) 一种退役锂离子电池电芯容量的计算方法及装置
CN110457833B (zh) 一种用于电池安全与性能分析的数据构建方法
CN115061043A (zh) 一种缺陷电芯的筛选方法、装置和电子设备
US20240183913A1 (en) Method for rapid battery diagnosis based on edge computing, storage medium, and electronic device
CN118606791A (zh) 基于多模态融合的智慧园区管理方法
KR20230026615A (ko) 배터리 시스템의 대규모 임피던스 추출을 위해 설계된 측정 시스템용 아키텍처
CN117031316A (zh) 一种电池包电芯内短路识别方法、装置、介质及设备
CN117993694A (zh) 一种快捷的多实验室动态巡检系统及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant