CN115184193B - 线缆的自动化测试方法、装置、设备及存储介质 - Google Patents
线缆的自动化测试方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115184193B CN115184193B CN202211082044.4A CN202211082044A CN115184193B CN 115184193 B CN115184193 B CN 115184193B CN 202211082044 A CN202211082044 A CN 202211082044A CN 115184193 B CN115184193 B CN 115184193B
- Authority
- CN
- China
- Prior art keywords
- cable
- data
- state detection
- parameter matrix
- target
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/22—Investigating strength properties of solid materials by application of mechanical stress by applying steady torsional forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/0003—Steady
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/0005—Repeated or cyclic
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0016—Tensile or compressive
- G01N2203/0017—Tensile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0021—Torsional
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0026—Combination of several types of applied forces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0073—Fatigue
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及人工智能类型,公开了一种线缆的自动化测试方法、装置、设备及存储介质,用于提高线缆的自动化测试的准确率。所述方法包括:根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;将上下运动参数矩阵输入线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;根据线缆运动状态检测结果和线缆转动状态检测结果生成线缆性能评价指标,并根据线缆性能评价指标生成线缆自动化测试结果。
Description
技术领域
本发明涉及人工智能类型,尤其涉及一种线缆的自动化测试方法、装置、设备及存储介质。
背景技术
线缆测试可以评价待测试线缆的疲劳寿命,从而为改善和提升产品性能提供基础原始数据;自转、公转角度,速度设定。同时做拉伸、扭转和摆动运动,三者之间运动模式可以根据测试要求自由定义。
但是现有方案通常是由人工经验进行测试,这种测试方法不能实现智能化的测试,导致现有方案的准确率较低。
发明内容
本发明提供了一种线缆的自动化测试方法、装置、设备及存储介质,用于提高线缆的自动化测试的准确率。
本发明第一方面提供了一种线缆的自动化测试方法,所述线缆的自动化测试方法包括:按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据;根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵;将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果。
可选的,在本发明第一方面的第一种实现方式中,所述按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据,包括:按照预设的线缆测试策略对目标线缆进行自动化测试,并通过预置的线缆测试系统接收所述目标线缆中的信号传输线发送的测试状态信息;对所述测试状态信息进行数据特征标记,得到多个测试数据标签;根据所述测试状态信息和所述多个测试数据标签生成所述目标线缆对应的线缆测试数据。
可选的,在本发明第一方面的第二种实现方式中,所述对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据,包括:对所述线缆测试数据进行数据分类,得到初始扭转数据、初始摆转数据和初始上下运动数据;分别对所述初始扭转数据、所述初始摆转数据和所述初始上下运动数据进行数据整合处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据。
可选的,在本发明第一方面的第三种实现方式中,所述根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵,包括:获取所述目标线缆在自动化测试过程中对应的时间节点;根据所述时间节点对所述扭转数据进行节点分布排列,得到扭转数据序列,并根据所述扭转数据序列生成扭转参数矩阵;根据所述时间节点对所述摆转数据进行节点分布排列,得到摆转数据序列,并根据所述摆转数据序列生成摆转参数矩阵;根据所述时间节点对所述上下运动数据进行节点分布排列,得到上下运动数据序列,并根据所述上下运动数据序列生成上下运动参数矩阵。
可选的,在本发明第一方面的第四种实现方式中,所述将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果,包括:将所述上下运动参数矩阵输入预置的线缆运动状态检测模型,其中,所述线缆运动状态检测模型包括输入层、多层卷积网络、全连接网络;通过所述线缆运动状态检测模型对所述扭转参数矩阵进行特征提取和特征预测,得到目标特征值;根据所述目标特征值生成所述目标线缆对应的线缆运动状态检测结果。
可选的,在本发明第一方面的第五种实现方式中,所述对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果,包括:对所述摆转参数矩阵和所述上下运动参数矩阵进行矩阵融合,得到目标融合矩阵;将所述目标融合矩阵输入预置的线缆转动状态检测模型中,其中,所述线缆转动状态检测模型包括:编码器和解码器;通过所述线缆转动状态检测模型对所述目标融合矩阵进行特征分析,得到线缆转动状态检测结果。
可选的,在本发明第一方面的第六种实现方式中,所述根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果,包括:根据所述线缆运动状态检测结果和所述线缆转动状态检测结果对所述目标线缆进行性能分级,得到目标性能等级;将所述目标性能等级作为所述目标线缆对应的线缆性能评价指标;根据所述线缆性能评价指标生成线缆自动化测试结果。
本发明第二方面提供了一种线缆的自动化测试装置,所述线缆的自动化测试装置包括:采集模块,用于按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;预处理模块,用于对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据;处理模块,用于根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵;检测模块,用于将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;分析模块,用于对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;生成模块,用于根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果。
可选的,在本发明第二方面的第一种实现方式中,所述采集模块具体用于:按照预设的线缆测试策略对目标线缆进行自动化测试,并通过预置的线缆测试系统接收所述目标线缆中的信号传输线发送的测试状态信息;对所述测试状态信息进行数据特征标记,得到多个测试数据标签;根据所述测试状态信息和所述多个测试数据标签生成所述目标线缆对应的线缆测试数据。
可选的,在本发明第二方面的第二种实现方式中,所述预处理模块具体用于:对所述线缆测试数据进行数据分类,得到初始扭转数据、初始摆转数据和初始上下运动数据;分别对所述初始扭转数据、所述初始摆转数据和所述初始上下运动数据进行数据整合处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据。
可选的,在本发明第二方面的第三种实现方式中,所述处理模块具体用于:获取所述目标线缆在自动化测试过程中对应的时间节点;根据所述时间节点对所述扭转数据进行节点分布排列,得到扭转数据序列,并根据所述扭转数据序列生成扭转参数矩阵;根据所述时间节点对所述摆转数据进行节点分布排列,得到摆转数据序列,并根据所述摆转数据序列生成摆转参数矩阵;根据所述时间节点对所述上下运动数据进行节点分布排列,得到上下运动数据序列,并根据所述上下运动数据序列生成上下运动参数矩阵。
可选的,在本发明第二方面的第四种实现方式中,所述检测模块具体用于:将所述上下运动参数矩阵输入预置的线缆运动状态检测模型,其中,所述线缆运动状态检测模型包括输入层、多层卷积网络、全连接网络;通过所述线缆运动状态检测模型对所述扭转参数矩阵进行特征提取和特征预测,得到目标特征值;根据所述目标特征值生成所述目标线缆对应的线缆运动状态检测结果。
可选的,在本发明第二方面的第五种实现方式中,所述分析模块具体用于:对所述摆转参数矩阵和所述上下运动参数矩阵进行矩阵融合,得到目标融合矩阵;将所述目标融合矩阵输入预置的线缆转动状态检测模型中,其中,所述线缆转动状态检测模型包括:编码器和解码器;通过所述线缆转动状态检测模型对所述目标融合矩阵进行特征分析,得到线缆转动状态检测结果。
可选的,在本发明第二方面的第六种实现方式中,所述生成模块还包括:分级单元,用于根据所述线缆运动状态检测结果和所述线缆转动状态检测结果对所述目标线缆进行性能分级,得到目标性能等级;将所述目标性能等级作为所述目标线缆对应的线缆性能评价指标;生成单元,用于根据所述线缆性能评价指标生成线缆自动化测试结果。
本发明第三方面提供了一种线缆的自动化测试设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述线缆的自动化测试设备执行上述的线缆的自动化测试方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的线缆的自动化测试方法。
本发明提供的技术方案中,根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;将上下运动参数矩阵输入线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;根据线缆运动状态检测结果和线缆转动状态检测结果生成线缆性能评价指标,并根据线缆性能评价指标生成线缆自动化测试结果。本发明针对线缆的扭转数据和摆转数据构建线缆的线缆转动状态检测模型,以及根据线缆的上下运动数据构建线缆的线缆运动状态检测模型,通过这两个深度学习模型对线缆的性能进行分析,并且将这两个模型的分析结果进行性能指标转换,进而使得线缆自动化测试结果更加准确。
附图说明
图1为本发明实施例中线缆的自动化测试方法的一个实施例示意图;
图2为本发明实施例中线缆的自动化测试方法的另一个实施例示意图;
图3为本发明实施例中线缆的自动化测试装置的一个实施例示意图;
图4为本发明实施例中线缆的自动化测试装置的另一个实施例示意图;
图5为本发明实施例中线缆的自动化测试设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种线缆的自动化测试方法、装置、设备及存储介质,用于提高线缆的自动化测试的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中线缆的自动化测试方法的一个实施例包括:
101、按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;
可以理解的是,本发明的执行主体可以为线缆的自动化测试装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,对于线缆在生产过程中,由于线缆在高速运动过程中容易发生多线束线缆的弯折和扭转,这会对线缆寿命带来严峻的考验。本发明在对线束进行多次的测试之后,可以得到线缆在高速弯折和扭转状态下的磨损情况,并综合分析弯扭次数,以及弯扭前后线束的电阻、温度,从而评价多线束线缆的磨损性能,对制定高速运动线缆维护、更换的周期有指导意义。本发明可以测量线缆处于不同的恶劣环境下的磨损状态。
102、对线缆测试数据进行测试数据预处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据;
具体的,创建包含线缆测试字段的关键字集,获得测试网络内所有线缆的测试数据,对测试数据进行测试类型匹配并进行测试类型划分,根据经过测试类型划分的测试数据对线缆在各个类型内的测试行为活动进行分析,推测线缆的基本属性和测试行为特性进分类储存,实现面向测试类型的同源样本数据分类存储的预处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据。
103、根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;
具体的,获取目标线缆在自动化测试过程中对应的时间节点,根据时间节点对扭转数据进行节点分布排列,得到扭转数据序列,并根据扭转数据序列生成扭转参数矩阵,根据时间节点对摆转数据进行节点分布排列,得到摆转数据序列,并根据摆转数据序列生成摆转参数矩阵,并根据上下运动数据生成上下运动参数矩阵。
104、将上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;
需要说明的是,本申请中预置有加速度传感器,用于采集线缆的运动状态数据,并检测线缆是否有电流信号,对线缆进行实时定位,并根据运动状态数据检测线缆是否处于预设状态,当检测出线缆处于预设状态且线缆无电流信号时,进行线缆运动状态检测,得到线缆运动状态检测结果。
105、对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;
具体的,构建各测试线缆的动作矩阵步骤,求解各测试线缆的稀疏表示矩阵步骤、求解第一融合稀疏表示矩阵步骤、求解第二融合稀疏表示矩阵和动作识别步骤,根据第一融合稀疏,第二融合稀疏表示矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果,然后减少了不同线缆间的数据差异,减少了冗余信息,融合分类过程中的有效信息,使互补信息和协同信息得到最优化,提高人体动作识别的准确率。
106、根据线缆运动状态检测结果和线缆转动状态检测结果生成目标线缆对应的线缆性能评价指标,并根据线缆性能评价指标生成线缆自动化测试结果。
具体的,确定线缆质量评价的所有性能指标,根据灰色关联度法确定每个性能指标对应的重要影响参数,对每个性能指标分别建立两个独立的预测模型,预测模型用于对各个性能指标值进行预测,对于每个性能指标,基于信息熵的方法确定两个独立的预测模型得出的预测值的权重,进而得到综合两个预测模型的各个性能指标的预测值,并根据线缆性能评价指标生成线缆自动化测试结果,可以提升测试结果的准确度。
本发明实施例中,根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;将上下运动参数矩阵输入线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;根据线缆运动状态检测结果和线缆转动状态检测结果生成线缆性能评价指标,并根据线缆性能评价指标生成线缆自动化测试结果。本发明针对线缆的扭转数据和摆转数据构建线缆的线缆转动状态检测模型,以及根据线缆的上下运动数据构建线缆的线缆运动状态检测模型,通过这两个深度学习模型对线缆的性能进行分析,并且将这两个模型的分析结果进行性能指标转换,进而使得线缆自动化测试结果更加准确。
请参阅图2,本发明实施例中线缆的自动化测试方法的另一个实施例包括:
201、按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;
具体的,按照预设的线缆测试策略对目标线缆进行自动化测试,并通过预置的线缆测试系统接收目标线缆中的信号传输线发送的测试状态信息;对测试状态信息进行数据特征标记,得到多个测试数据标签;根据测试状态信息和多个测试数据标签生成目标线缆对应的线缆测试数据。
可选的,考虑测试数据集中标记与标记之间的二阶相关性,将标记进行分组,使其可以更好的适用于多标记数据集,根据特征在每个标记组计算出的得分确定各特征的最终得分,并从中选取得分较高的设定个数的特征,构成特征集合,然后基于得到的特征集合,根据测试数据集中各样本对于标记的分类间隔确定每个样本的邻域粒度,得到多标记邻域决策系统,利用改进的邻域粗糙集的依赖度计算重要度,对得到的特征集合进行筛选,从而实现对多标记测试数据的特征选择,最终得到线缆测试数据。
202、对线缆测试数据进行测试数据预处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据;
具体的,对线缆测试数据进行数据分类,得到初始扭转数据、初始摆转数据和初始上下运动数据;分别对初始扭转数据、初始摆转数据和初始上下运动数据进行数据整合处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据。
其中,服务器获取线缆测试数据,对线缆测试数据进行分类处理,得到线缆测试数据对应的分类结果,将线缆测试数据对应的分类结果与预设关键词库中的关键词进行匹配,并根据匹配结果确定线缆测试数据的标签,标签用于表征线缆测试数据对应的类别,关键词库包括与至少一个类别相关的至少一个关键词,根据线缆测试数据及线缆测试数据对应的标签,对初始文本分类模型进行训练,得到测试数据分类模型,最终服务器根据该测试数据分类模型得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据。
203、根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;
具体的,获取目标线缆在自动化测试过程中对应的时间节点;根据时间节点对扭转数据进行节点分布排列,得到扭转数据序列,并根据扭转数据序列生成扭转参数矩阵;根据时间节点对摆转数据进行节点分布排列,得到摆转数据序列,并根据摆转数据序列生成摆转参数矩阵;根据时间节点对上下运动数据进行节点分布排列,得到上下运动数据序列,并根据上下运动数据序列生成上下运动参数矩阵。
其中,基于线缆运动轨迹参数、拉扭组合参数、摩阻系数、线缆性能参数及拉扭力学性质参数生成拉扭拉力-扭力软杆模型,根据牛顿运动方程和该拉扭拉力-扭力软杆模型计算振动拉扭传递矩阵和轴向振动拉扭传递矩阵,根据该振动拉扭传递矩阵及该轴向振动拉扭传递矩阵分别计算拉扭振动共振频率及拉扭轴向振动共振频率,根据该拉扭振动共振频率、实时线缆转动转速、线缆转动扭矩波动及该振动拉扭传递矩阵生成振动的振动强度指数,根据该拉扭轴向振动共振频率、实时拉扭、线缆转动悬重波动及该轴向振动拉扭传递矩阵生成轴向振动的振动强度指数,最终得到摆转参数矩阵及上下运动参数矩阵。
204、将上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;
具体的,将上下运动参数矩阵输入预置的线缆运动状态检测模型,其中,线缆运动状态检测模型包括输入层、多层卷积网络、全连接网络;通过线缆运动状态检测模型对扭转参数矩阵进行特征提取和特征预测,得到目标特征值;根据目标特征值生成目标线缆对应的线缆运动状态检测结果。
可选的,服务器获取上下运动参数,将该上下运动参数输入至预先训练的运动状态检测模型,得到该上下运动参数的运动状态检测结果,其中,该运动状态检测模型用于表征包括线缆图像集合中图像与图像的运动状态检测结果之间的对应关系,响应于确定该运动状态检测结果表征的运动状态属于运动过量状态,确定该线缆图像对应的检测信息。
205、对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;
具体的,对摆转参数矩阵和上下运动参数矩阵进行矩阵融合,得到目标融合矩阵;将目标融合矩阵输入预置的线缆转动状态检测模型中,其中,线缆转动状态检测模型包括:编码器和解码器;通过线缆转动状态检测模型对目标融合矩阵进行特征分析,得到线缆转动状态检测结果。
其中,服务器对输入摆转参数矩阵和上下运动参数矩阵进行插值使其与模板矩阵具有相同的单元,将插值后的待处理矩阵全部拉成列按照顺序依次堆叠构成大数据矩阵,利用矩阵低秩分解算法对大数据矩阵分解得到低秩矩阵和稀疏矩阵,利用标准主成分分析融合算法对低秩矩阵和模板矩阵进行融合得到初步的粗略融合结果,将稀疏矩阵加至粗略融合结果得到目标融合矩阵,并通过线缆转动状态检测模型对目标融合矩阵进行特征分析,得到线缆转动状态检测结果。
206、根据线缆运动状态检测结果和线缆转动状态检测结果对目标线缆进行性能分级,得到目标性能等级;
207、将目标性能等级作为目标线缆对应的线缆性能评价指标;
208、根据线缆性能评价指标生成线缆自动化测试结果。
具体的,通过采集待检线缆的待检数据,并将待检数据与预设合格数据进行比对,进而快速筛选出合格线缆以及不良线缆,代替了传统采用人工筛查的方式,缩短了筛查周期,降低了筛查的出错率,通过建立不良线缆标签,并将不良线缆的溯源信息写入不良线缆标签中,进而方便工作人员能够从不良线缆标签中直接得到对应的不良线缆的溯源信息,通过采集不良线缆的待分级数据,服务器将待分级数据与预设报废数据进行比对,进而将不良品进行精准分类,其中,目标性能等级作为目标线缆对应的线缆性能评价指标,根据线缆性能评价指标生成线缆自动化测试结果,可以避免资源的浪费。
本发明实施例中,根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;将上下运动参数矩阵输入线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;根据线缆运动状态检测结果和线缆转动状态检测结果生成线缆性能评价指标,并根据线缆性能评价指标生成线缆自动化测试结果。本发明针对线缆的扭转数据和摆转数据构建线缆的线缆转动状态检测模型,以及根据线缆的上下运动数据构建线缆的线缆运动状态检测模型,通过这两个深度学习模型对线缆的性能进行分析,并且将这两个模型的分析结果进行性能指标转换,进而使得线缆自动化测试结果更加准确。
上面对本发明实施例中线缆的自动化测试方法进行了描述,下面对本发明实施例中线缆的自动化测试装置进行描述,请参阅图3,本发明实施例中线缆的自动化测试装置一个实施例包括:
采集模块301,用于按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;
预处理模块302,用于对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据;
处理模块303,用于根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵;
检测模块304,用于将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;
分析模块305,用于对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;
生成模块306,用于根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果。
本发明实施例中,根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;将上下运动参数矩阵输入线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;根据线缆运动状态检测结果和线缆转动状态检测结果生成线缆性能评价指标,并根据线缆性能评价指标生成线缆自动化测试结果。本发明针对线缆的扭转数据和摆转数据构建线缆的线缆转动状态检测模型,以及根据线缆的上下运动数据构建线缆的线缆运动状态检测模型,通过这两个深度学习模型对线缆的性能进行分析,并且将这两个模型的分析结果进行性能指标转换,进而使得线缆自动化测试结果更加准确。
请参阅图4,本发明实施例中线缆的自动化测试装置另一个实施例包括:
采集模块301,用于按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;
预处理模块302,用于对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据;
处理模块303,用于根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵;
检测模块304,用于将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;
分析模块305,用于对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;
生成模块306,用于根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果。
可选的,所述采集模块301具体用于:按照预设的线缆测试策略对目标线缆进行自动化测试,并通过预置的线缆测试系统接收所述目标线缆中的信号传输线发送的测试状态信息;对所述测试状态信息进行数据特征标记,得到多个测试数据标签;根据所述测试状态信息和所述多个测试数据标签生成所述目标线缆对应的线缆测试数据。
可选的,所述预处理模块302具体用于:对所述线缆测试数据进行数据分类,得到初始扭转数据、初始摆转数据和初始上下运动数据;分别对所述初始扭转数据、所述初始摆转数据和所述初始上下运动数据进行数据整合处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据。
可选的,所述处理模块303具体用于:获取所述目标线缆在自动化测试过程中对应的时间节点;根据所述时间节点对所述扭转数据进行节点分布排列,得到扭转数据序列,并根据所述扭转数据序列生成扭转参数矩阵;根据所述时间节点对所述摆转数据进行节点分布排列,得到摆转数据序列,并根据所述摆转数据序列生成摆转参数矩阵;根据所述时间节点对所述上下运动数据进行节点分布排列,得到上下运动数据序列,并根据所述上下运动数据序列生成上下运动参数矩阵。
可选的,所述检测模块304具体用于:将所述上下运动参数矩阵输入预置的线缆运动状态检测模型,其中,所述线缆运动状态检测模型包括输入层、多层卷积网络、全连接网络;通过所述线缆运动状态检测模型对所述扭转参数矩阵进行特征提取和特征预测,得到目标特征值;根据所述目标特征值生成所述目标线缆对应的线缆运动状态检测结果。
可选的,所述分析模块305具体用于:对所述摆转参数矩阵和所述上下运动参数矩阵进行矩阵融合,得到目标融合矩阵;将所述目标融合矩阵输入预置的线缆转动状态检测模型中,其中,所述线缆转动状态检测模型包括:编码器和解码器;通过所述线缆转动状态检测模型对所述目标融合矩阵进行特征分析,得到线缆转动状态检测结果。
可选的,所述生成模块306还包括:
分级单元3061,用于根据所述线缆运动状态检测结果和所述线缆转动状态检测结果对所述目标线缆进行性能分级,得到目标性能等级;将所述目标性能等级作为所述目标线缆对应的线缆性能评价指标;
生成单元3062,用于根据所述线缆性能评价指标生成线缆自动化测试结果。
本发明实施例中,根据扭转数据生成扭转参数矩阵,并根据摆转数据生成摆转参数矩阵,以及根据上下运动数据生成上下运动参数矩阵;将上下运动参数矩阵输入线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;对扭转参数矩阵和摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将目标融合矩阵输入线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;根据线缆运动状态检测结果和线缆转动状态检测结果生成线缆性能评价指标,并根据线缆性能评价指标生成线缆自动化测试结果。本发明针对线缆的扭转数据和摆转数据构建线缆的线缆转动状态检测模型,以及根据线缆的上下运动数据构建线缆的线缆运动状态检测模型,通过这两个深度学习模型对线缆的性能进行分析,并且将这两个模型的分析结果进行性能指标转换,进而使得线缆自动化测试结果更加准确。
上面图3和图4从模块化功能实体的角度对本发明实施例中的线缆的自动化测试装置进行详细描述,下面从硬件处理的角度对本发明实施例中线缆的自动化测试设备进行详细描述。
图5是本发明实施例提供的一种线缆的自动化测试设备的结构示意图,该线缆的自动化测试设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(central processing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对线缆的自动化测试设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在线缆的自动化测试设备500上执行存储介质530中的一系列指令操作。
线缆的自动化测试设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本类型技术人员可以理解,图5示出的线缆的自动化测试设备结构并不构成对线缆的自动化测试设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种线缆的自动化测试设备,所述线缆的自动化测试设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述线缆的自动化测试方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述线缆的自动化测试方法的步骤。
所属类型的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本类型的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种线缆的自动化测试方法,其特征在于,所述线缆的自动化测试方法包括:
按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;
对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据;
根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵;其中,所述根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵,包括:获取所述目标线缆在自动化测试过程中对应的时间节点;根据所述时间节点对所述扭转数据进行节点分布排列,得到扭转数据序列,并根据所述扭转数据序列生成扭转参数矩阵;根据所述时间节点对所述摆转数据进行节点分布排列,得到摆转数据序列,并根据所述摆转数据序列生成摆转参数矩阵;根据所述时间节点对所述上下运动数据进行节点分布排列,得到上下运动数据序列,并根据所述上下运动数据序列生成上下运动参数矩阵;
将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;其中,所述将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果,包括:将所述上下运动参数矩阵输入预置的线缆运动状态检测模型,其中,所述线缆运动状态检测模型包括输入层、多层卷积网络、全连接网络;通过所述线缆运动状态检测模型对所述扭转参数矩阵进行特征提取和特征预测,得到目标特征值;根据所述目标特征值生成所述目标线缆对应的线缆运动状态检测结果;
对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;其中,所述对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果,包括:对所述摆转参数矩阵和所述上下运动参数矩阵进行矩阵融合,得到目标融合矩阵;将所述目标融合矩阵输入预置的线缆转动状态检测模型中,其中,所述线缆转动状态检测模型包括:编码器和解码器;通过所述线缆转动状态检测模型对所述目标融合矩阵进行特征分析,得到线缆转动状态检测结果;
根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果。
2.根据权利要求1所述的线缆的自动化测试方法,其特征在于,所述按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据,包括:
按照预设的线缆测试策略对目标线缆进行自动化测试,并通过预置的线缆测试系统接收所述目标线缆中的信号传输线发送的测试状态信息;
对所述测试状态信息进行数据特征标记,得到多个测试数据标签;
根据所述测试状态信息和所述多个测试数据标签生成所述目标线缆对应的线缆测试数据。
3.根据权利要求2所述的线缆的自动化测试方法,其特征在于,所述对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据,包括:
对所述线缆测试数据进行数据分类,得到初始扭转数据、初始摆转数据和初始上下运动数据;
分别对所述初始扭转数据、所述初始摆转数据和所述初始上下运动数据进行数据整合处理,得到线缆测试数据对应的扭转数据、摆转数据和上下运动数据。
4.根据权利要求1所述的线缆的自动化测试方法,其特征在于,所述根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果,包括:
根据所述线缆运动状态检测结果和所述线缆转动状态检测结果对所述目标线缆进行性能分级,得到目标性能等级;
将所述目标性能等级作为所述目标线缆对应的线缆性能评价指标;
根据所述线缆性能评价指标生成线缆自动化测试结果。
5.一种线缆的自动化测试装置,其特征在于,所述线缆的自动化测试装置包括:
采集模块,用于按照预设的线缆测试策略对目标线缆进行自动化测试,并基于预置的线缆测试系统采集所述目标线缆在自动化测试过程中产生的测试数据,得到线缆测试数据;
预处理模块,用于对所述线缆测试数据进行测试数据预处理,得到所述线缆测试数据对应的扭转数据、摆转数据和上下运动数据;
处理模块,用于根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵;其中,所述根据所述扭转数据生成扭转参数矩阵,并根据所述摆转数据生成摆转参数矩阵,以及根据所述上下运动数据生成上下运动参数矩阵,包括:获取所述目标线缆在自动化测试过程中对应的时间节点;根据所述时间节点对所述扭转数据进行节点分布排列,得到扭转数据序列,并根据所述扭转数据序列生成扭转参数矩阵;根据所述时间节点对所述摆转数据进行节点分布排列,得到摆转数据序列,并根据所述摆转数据序列生成摆转参数矩阵;根据所述时间节点对所述上下运动数据进行节点分布排列,得到上下运动数据序列,并根据所述上下运动数据序列生成上下运动参数矩阵;
检测模块,用于将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果;其中,所述将所述上下运动参数矩阵输入预置的线缆运动状态检测模型进行线缆运动状态检测,得到线缆运动状态检测结果,包括:将所述上下运动参数矩阵输入预置的线缆运动状态检测模型,其中,所述线缆运动状态检测模型包括输入层、多层卷积网络、全连接网络;通过所述线缆运动状态检测模型对所述扭转参数矩阵进行特征提取和特征预测,得到目标特征值;根据所述目标特征值生成所述目标线缆对应的线缆运动状态检测结果;
分析模块,用于对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果;其中,所述对所述扭转参数矩阵和所述摆转参数矩阵进行矩阵融合,得到目标融合矩阵,并将所述目标融合矩阵输入预置的线缆转动状态检测模型进行线缆转动状态检测,得到线缆转动状态检测结果,包括:对所述摆转参数矩阵和所述上下运动参数矩阵进行矩阵融合,得到目标融合矩阵;将所述目标融合矩阵输入预置的线缆转动状态检测模型中,其中,所述线缆转动状态检测模型包括:编码器和解码器;通过所述线缆转动状态检测模型对所述目标融合矩阵进行特征分析,得到线缆转动状态检测结果;
生成模块,用于根据所述线缆运动状态检测结果和所述线缆转动状态检测结果生成所述目标线缆对应的线缆性能评价指标,并根据所述线缆性能评价指标生成线缆自动化测试结果。
6.一种线缆的自动化测试设备,其特征在于,所述线缆的自动化测试设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述线缆的自动化测试设备执行如权利要求1-4中任一项所述的线缆的自动化测试方法。
7.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-4中任一项所述的线缆的自动化测试方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211082044.4A CN115184193B (zh) | 2022-09-06 | 2022-09-06 | 线缆的自动化测试方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211082044.4A CN115184193B (zh) | 2022-09-06 | 2022-09-06 | 线缆的自动化测试方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115184193A CN115184193A (zh) | 2022-10-14 |
CN115184193B true CN115184193B (zh) | 2022-11-25 |
Family
ID=83523621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211082044.4A Active CN115184193B (zh) | 2022-09-06 | 2022-09-06 | 线缆的自动化测试方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115184193B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116068324B (zh) * | 2023-03-16 | 2023-06-20 | 国网辽宁省电力有限公司电力科学研究院 | 一种电缆线路测试方法、系统、设备及介质 |
CN117828314B (zh) * | 2024-03-05 | 2024-05-07 | 深圳永贵技术有限公司 | 充电枪绝缘电阻测试方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH096446A (ja) * | 1995-06-16 | 1997-01-10 | Nissin Electric Co Ltd | 自励式無効電力補償装置の制御方法 |
EP2158065A1 (fr) * | 2007-06-15 | 2010-03-03 | Commissariat à l'Energie Atomique | Procede de calibration de la position d'un systeme poly-articule, notamment d'un robot |
EP3218747A4 (en) * | 2014-11-11 | 2018-09-12 | Luna Innovations Incorporated | Optical fiber and method and apparatus for accurate fiber optic sensing under multiple stimuli |
WO2020128357A1 (fr) * | 2018-12-21 | 2020-06-25 | Supergrid Institute | Procede de modelisation d'un cable electrique |
CN114237076A (zh) * | 2021-12-17 | 2022-03-25 | 北京理工大学 | 一种基于位置动力学的活动线缆运动仿真的方法及控制器 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5736646A (en) * | 1994-03-09 | 1998-04-07 | International Business Machines Corporation | Circuit board assembly torsion tester and method |
US7386428B1 (en) * | 2004-12-29 | 2008-06-10 | Livermore Software Technology Corp. | Method and system for guided cable contact in finite element analysis |
US7328625B2 (en) * | 2005-04-28 | 2008-02-12 | Caterpillar Inc. | Systems and methods for determining fatigue life |
US9366451B2 (en) * | 2010-12-24 | 2016-06-14 | Commonwealth Scientific And Industrial Research Organisation | System and method for the detection of faults in a multi-variable system utilizing both a model for normal operation and a model for faulty operation |
US9400221B2 (en) * | 2012-03-05 | 2016-07-26 | Prysmian S.P.A. | Method for detecting torsion in a cable, electric cable with torsion sensor and method for manufacturing said cable |
JP6287392B2 (ja) * | 2013-08-21 | 2018-03-07 | 日立金属株式会社 | ケーブル面外変形予測方法およびケーブル面外変形の予測装置 |
WO2016076965A1 (en) * | 2014-11-13 | 2016-05-19 | United States Of America, As Represented By The Administrator Of The National Aeronautics And Space Administration | Simulation tool for damage in composite laminates |
CN110296885B (zh) * | 2019-03-14 | 2022-05-03 | 华北电力大学(保定) | 一种光电复合海缆的机械故障监测方法 |
CN112733584A (zh) * | 2019-10-29 | 2021-04-30 | 国网山西省电力公司忻州供电公司 | 通信光缆的智能告警方法和装置 |
DE102020204585B3 (de) * | 2020-04-09 | 2021-08-19 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zur Simulation der Faserorientierung faserverstärkter Kunststoffe im Spritzguss, Verfahren zur Berechnung makroskopischer physikalischer Parameter eines faserverstärkten Kunststoffs und Verfahren zur Simulation eines Spritzgusses eines Bauteils aus einem faserverstärkten Kunststoff |
US20210342500A1 (en) * | 2020-05-01 | 2021-11-04 | Steering Solutions Ip Holding Corporation | Systems and methods for vehicle modeling |
US11886174B2 (en) * | 2020-07-31 | 2024-01-30 | Dassault Systemes Americas Corp. | Virtualized cable modeling for manufacturing resource simulation |
CN112179852B (zh) * | 2020-09-02 | 2023-12-22 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种复合绝缘子的剩余寿命预测方法和装置 |
CN112613191A (zh) * | 2020-12-31 | 2021-04-06 | 广东电网有限责任公司广州供电局 | 电缆健康状态评估方法、装置、计算机设备和存储介质 |
CN113405920B (zh) * | 2021-05-11 | 2022-06-14 | 杭州电子科技大学 | 一种多线束空间扭转/弯折摩擦磨损测试方法及装置 |
CN113865681A (zh) * | 2021-09-01 | 2021-12-31 | 深圳永贵技术有限公司 | 智能化物料称重方法及系统 |
CN113962076A (zh) * | 2021-10-15 | 2022-01-21 | 国网河北省电力有限公司电力科学研究院 | 一种输电线路用防振锤性能评价方法及装置 |
CN114881257A (zh) * | 2022-04-18 | 2022-08-09 | 上海交通大学 | 一种配电线早期故障动态特征识别方法 |
CN114943182A (zh) * | 2022-06-07 | 2022-08-26 | 清华大学深圳国际研究生院 | 基于图神经网络的机器人线缆形状控制方法及设备 |
CN114781552B (zh) * | 2022-06-17 | 2022-09-02 | 深圳硅山技术有限公司 | 电机性能测试方法、装置、设备及存储介质 |
-
2022
- 2022-09-06 CN CN202211082044.4A patent/CN115184193B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH096446A (ja) * | 1995-06-16 | 1997-01-10 | Nissin Electric Co Ltd | 自励式無効電力補償装置の制御方法 |
EP2158065A1 (fr) * | 2007-06-15 | 2010-03-03 | Commissariat à l'Energie Atomique | Procede de calibration de la position d'un systeme poly-articule, notamment d'un robot |
EP3218747A4 (en) * | 2014-11-11 | 2018-09-12 | Luna Innovations Incorporated | Optical fiber and method and apparatus for accurate fiber optic sensing under multiple stimuli |
WO2020128357A1 (fr) * | 2018-12-21 | 2020-06-25 | Supergrid Institute | Procede de modelisation d'un cable electrique |
CN114237076A (zh) * | 2021-12-17 | 2022-03-25 | 北京理工大学 | 一种基于位置动力学的活动线缆运动仿真的方法及控制器 |
Also Published As
Publication number | Publication date |
---|---|
CN115184193A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115184193B (zh) | 线缆的自动化测试方法、装置、设备及存储介质 | |
US20210034980A1 (en) | Real-time visualization of machine learning models | |
CN111222290B (zh) | 一种基于多参数特征融合的大型设备剩余使用寿命预测方法 | |
CN111914883B (zh) | 一种基于深度融合网络的主轴轴承状态评估方法及装置 | |
CN112597038B (zh) | 软件缺陷预测方法及系统 | |
CN110413775A (zh) | 一种数据打标签分类方法、装置、终端及存储介质 | |
JP7017712B2 (ja) | 関係性分析装置、関係性分析方法およびプログラム | |
CN109815855B (zh) | 一种基于机器学习的电子设备自动测试方法及系统 | |
CN115673596B (zh) | 一种基于Actor-Critic强化学习模型的焊接异常实时诊断方法 | |
CN114139589A (zh) | 故障诊断方法、装置、设备与计算机可读存储介质 | |
Tornede et al. | Coevolution of remaining useful lifetime estimation pipelines for automated predictive maintenance | |
CN115456107A (zh) | 一种时间序列异常检测系统及方法 | |
JP7017711B2 (ja) | 関係性分析装置、関係性分析方法およびプログラム | |
CN115438897A (zh) | 一种基于blstm神经网络的工业过程产品质量预测方法 | |
CN117131425B (zh) | 一种基于反馈数据的数控机床加工状态监测方法及系统 | |
CN117371608A (zh) | 基于深度学习的猪舍多点位温湿度预测方法及系统 | |
CN110320802B (zh) | 基于数据可视化的复杂系统信号时序识别方法 | |
CN114818945A (zh) | 融入类别自适应度量学习的小样本图像分类方法及装置 | |
Balaram et al. | Software Fault Detection using Multi-Distinguished-Features Sampling with Ensemble Random Forest Classifier. | |
CN117435901B (zh) | 一种工业互联网数据获取方法、系统、终端及储存介质 | |
CN115905372B (zh) | 一种用于核电配电柜的抗震结构分析方法及系统 | |
CN115684835B (zh) | 配电网故障诊断方法、装置、设备及存储介质 | |
CN117592870B (zh) | 基于水环境监测信息的综合分析系统 | |
CN117216701B (zh) | 智慧桥梁监测预警方法及系统 | |
CN116128882B (zh) | 基于不平衡数据集的电机轴承故障诊断方法、设备及介质 |
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 |