CN115184674A - 一种绝缘测试方法、装置、电子终端及存储介质 - Google Patents
一种绝缘测试方法、装置、电子终端及存储介质 Download PDFInfo
- Publication number
- CN115184674A CN115184674A CN202210773552.0A CN202210773552A CN115184674A CN 115184674 A CN115184674 A CN 115184674A CN 202210773552 A CN202210773552 A CN 202210773552A CN 115184674 A CN115184674 A CN 115184674A
- Authority
- CN
- China
- Prior art keywords
- test
- insulation
- random forest
- duration
- forest model
- 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.)
- Pending
Links
- 238000009413 insulation Methods 0.000 title claims abstract description 156
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000010998 test method Methods 0.000 title claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 233
- 238000007637 random forest analysis Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000003066 decision tree Methods 0.000 claims description 30
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
- G01R27/025—Measuring very high resistances, e.g. isolation resistances, i.e. megohm-meters
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Relating To Insulation (AREA)
Abstract
本发明实施例公开了一种绝缘测试方法、装置、电子终端及存储介质，该方法包括：获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列；根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与绝缘电阻值序列的分布情况的对应关系；通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长；根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。通过随机森林模型，基于大量历史测试数据可学习测试时长与绝缘值序列的对应关系。进而，可基于模型预测目标时长，期望在较短测试时长内得到较佳测试准确性，以达到测试效率和准确性的均衡。
Description
技术领域
本发明实施例涉及测试技术，尤其涉及一种绝缘测试方法、装置、电子终端及存储介质。
背景技术
现有技术中，常通过绝缘电阻测试仪器对被测产品进行绝缘测试。绝缘测试过程为一个持续测试的过程，即绝缘测试仪需接收测试时长的设置指令，并根据设置指令采集对应时长的数据，以判断被测产品绝缘性好坏。
现有技术的不足之处至少包括：设置指令对应的时长过长会影响绝缘测试效率，过短会影响绝缘性的判断准确性。因此，如何均衡绝缘测试的效率与准确性成为了亟待解决的技术问题。
发明内容
有鉴于此，本发明实施例提供了一种绝缘测试方法、装置、电子终端及存储介质，能够均衡绝缘测试的效率与准确性。
第一方面，本发明实施例提供了一种绝缘测试方法，包括：
获取样本对象的历史测试数据；所述历史测试数据包括，各历史测试过程的测试时长，以及各所述测试时长范围内的绝缘电阻值序列；
根据所述历史测试数据构建随机森林模型，以使所述随机森林模型学习所述测试时长与所述绝缘电阻值序列的分布情况的对应关系；
通过所述随机森林模型，预测所述绝缘电阻值序列满足预设分布情况时的目标时长；
根据所述目标时长，对与所述样本对象同规格的待测对象进行批量绝缘测试。
可选的，所述根据所述历史测试数据构建随机森林模型，包括：
对所述历史测试数据进行有放回抽样，得到预设数量个样本子集；
确定各所述样本子集的特征子空间，并根据各所述特征子空间构建各所述样本子集的决策树，由各所述决策树组成随机森林模型。
可选的，所述根据各所述特征子空间构建各所述样本子集的决策树，包括：
根据各所述样本子集划分后各分支之间的均方误差，循环从各所述特征子空间中选取目标特征；
根据各所述目标特征对各所述样本子集进行划分，直至各所述特征子空间中的特征皆已选取为止，构建得到各所述样本子集的决策树。
可选的，所述通过所述随机森林模型，预测所述绝缘电阻值序列满足预设分布情况时的目标时长，包括：
通过所述随机森林模型中的各决策树，预测所述绝缘电阻值序列满足预设分布情况时的各候选时长；
根据所述各候选时长确定目标时长。
可选的，在所述获取样本对象的历史测试数据之后，还包括：
对所述历史测试数据进行预处理操作；所述预处理操作包括下述至少一项：删除异常数据和填补缺失数据。
可选的，所述历史测试数据还包括，各所述测试时长范围内的温度序列和湿度序列；
相应的，在所述根据所述历史测试数据构建随机森林模型之前，还包括：
根据所述温度序列和所述湿度序列，对所述绝缘电阻值序列设置权重。
第二方面，本发明实施例还提供了一种绝缘测试装置，包括：
数据获取模块，用于获取样本对象的历史测试数据；所述历史测试数据包括，各历史测试过程的测试时长，以及各所述测试时长范围内的绝缘电阻值序列；
模型构建模块，用于根据所述历史测试数据构建随机森林模型，以使所述随机森林模型学习所述测试时长与所述绝缘电阻值序列的分布情况的对应关系；
时长预测模块，用于通过所述随机森林模型，预测所述绝缘电阻值序列满足预设分布情况时的目标时长；
绝缘测试模块，用于根据所述目标时长，对与所述样本对象同规格的待测对象进行批量绝缘测试。
第三方面，本发明实施例还提供了一种电子终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请任意实施例提供的绝缘测试方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本申请任意实施例提供的绝缘测试方法。
本发明实施例提供的一种绝缘测试方法、装置、电子终端及存储介质，该绝缘测试方法包括：获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列；根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与绝缘电阻值序列的分布情况的对应关系；通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长；根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。通过随机森林模型，基于大量历史测试数据可学习测试时长与绝缘值序列的对应关系。进而，可基于模型预测目标时长，期望在较短测试时长内得到较佳测试准确性，以达到测试效率和准确性的均衡。
附图说明
图1是本发明实施例一提供的一种绝缘测试方法的流程示意图；
图2是本发明实施例一提供的一种绝缘测试方法中数据采集存储过程的流程框图；
图3是本发明实施例一提供的一种绝缘测试方法中模型构建过程的流程框图；
图4是本发明实施例二提供的一种绝缘测试方法的流程示意图；
图5是本发明实施例三提供的一种绝缘测试装置的结构示意图；
图6是本发明实施例四提供的一种电子终端的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。
可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
实施例一
图1是本发明实施例一提供的一种绝缘测试方法的流程示意图。本实施例可适用于绝缘性测试的情况。该方法可以由本发明实施例提供的绝缘测试装置来执行，该装置可采用软件和/或硬件的方式实现，且可配置于电子终端中，例如配置于计算机中。
参见图1，本实施例提供的绝缘测试方法，可以包括：
S110、获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列。
在对某规格的待测试对象进行大批量绝缘测试前，可以从预设存储空间(例如预设数据库)中获取同规格的样本对象的历史测试数据。
示例性的，图2是本发明实施例一提供的一种绝缘测试方法中数据采集存储过程的流程框图。参见图2，可以根据具体业务场景，构建包含绝缘测试仪、切换模块、连接模块和被测产品的电路回路。其中，绝缘测试仪可输出一个远低于被测产品介电强度测试的直流电压；切换模块可用于将原本一组测试点位扩展至多组点位用于实际的测试需求；连接模块可用于将多组点位与被测产品的测试点位构建连接关系。
在绝缘电阻测试仪器和被测产品之间的测试回路中，可设计一串联的电流表，以用于检测测试回路中的电流情况。外部的数据采集装置可每隔预设时长(例如100ms)对绝缘测试仪的电压值以及电流表的电流值进行采集。并可通过欧姆定律，利用测试时间点对齐后的电压值序列除以电流子序列，即可得到测试时长范围内的绝缘电阻值序列。其中，绝缘电阻值序列可以用于评估被测产品的绝缘性。
之后，采集装置可以将测试过程的测试时长，以及测试时长范围内的绝缘电阻值序列存储至预设数据库中。预设数据库可记录下每次测试过程的历史测试数据，即每次历史测试过程的测试时长，以及测试时长范围内的绝缘电阻值序列。通过记录大规模的历史测试数据，可有利于后续时长预测模型的构建。
S120、根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与绝缘电阻值序列的分布情况的对应关系。
本实施例中，时长预测模型可以为随机森林模型。此外在一些其他实现方式中，时长预测模型也可以为其他的机器学习模型，例如神经网络模型等。
通过大量的历史测试数据可构建各决策树，由各决策树可组成随机森林模型。各决策树可分析出不同测试时长与绝缘电阻值序列的分布情况的对应关系，即学习不同测试时长与绝缘性评估结果的对应关系。
示例性的，图3是本发明实施例一提供的一种绝缘测试方法中模型构建过程的流程框图。参见图3，在一些可选的实施方式中，根据历史测试数据构建随机森林模型，可以包括：
对历史测试数据进行有放回抽样，得到预设数量个样本子集。例如，可以利用引导聚集算法(Bootstrap aggregating，Bagging)的思想进行有放回的抽取N次历史测试数据，形成N个样本子集。这其中每个样本子集所包含的样本量，例如可为历史测试数据样本量的2/3。
确定各样本子集的特征子空间，并根据各特征子空间构建各样本子集的决策树，由各决策树组成随机森林模型。例如，针对每个样本子集，可以随机子空间思想随机抽取总特征中的部分特征，作为对应样本子集的特征子空间。针对每个样本子集，在构建决策树时，可循环从特征子空间中挑选出当前最优特征，并以此开始进行节点分裂，直至特征子空间中特征皆被挑选为止。其中对每个样本子集的决策树，可任由其生长，不对其进行剪枝，最终可由这N棵决策树构成整个随机森林模型。
在一些具体实现方式中，根据各特征子空间构建各样本子集的决策树，可以包括：根据各样本子集划分后各分支之间的均方误差，循环从各特征子空间中选取目标特征；根据各目标特征对各样本子集进行划分，直至各特征子空间中的特征皆已选取为止，构建得到各样本子集的决策树。
在这些实现方式中，样本子集中的样本可按测试时长进行划分。在节点分裂时，可基于样本子集划分后各分支之间的测试时长的均方误差确定目标特征。例如，可将均方误差最小对应的特征作为目标特征。之后可将目标特征作为测试时长的分割点，对样本子集进行划分。重复进行节点分裂，可将各样本子集按对应的特征子空间将数据细分至各分支，得到各样本子集对应的决策树。其中，越靠后划分得到的分支其数据的相似程度越高。
S130、通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长。
其中，预设分布情况可以指绝缘电阻值序列稳定分布的情况。其中，目标时长可以指同时满足测试时长较短、评估结果较好的合理的测试时长，即均衡绝缘测试效率与准确性的时长。
当绝缘电阻值序列趋于稳定分布时，可评估得到更为准确的绝缘性能。其中，在得到随机森林模型后，可分析各决策树中各分支的绝缘电阻值序列的分布情况。进而，可根据绝缘电阻值序列的分布情况与预设分布情况相似的分支，预测出目标时长。
再次参见图3，在一些可选的实施方式中，通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长，可以包括：通过随机森林模型中的各决策树(例如决策树1-N)，预测绝缘电阻值序列满足预设分布情况时的各候选时长(例如候选时长1-N)；根据各候选时长确定目标时长。例如，可根据各候选时长确定中位值或平均值等数值，并将确定的该些数值作为目标时长。
S140、根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。
在确定目标时长后，可将目标时长设置为绝缘测试仪的测试时长，并对待测试对象进行批量测试。在大批量测试场景下，高效测试的优势将大大凸显。可以实现消耗较少的时长，得到较佳的绝缘性评估结果，从而均衡绝缘测试效率与准确性。
针对每种规格的待测试对象，皆可采用本实施例提供的绝缘测试方法，通过大量的历史测试数据预测出合理的目标时长，以均衡绝缘测试效率与准确性。可以满足产线批量测试产品绝缘性的要求，在保证测试准确性的基础上，可大大节省测试时长。
本发明实施例提供的一种绝缘测试方法，获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列；根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与绝缘电阻值序列的分布情况的对应关系；通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长；根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。通过随机森林模型，基于大量历史测试数据可学习测试时长与绝缘值序列的对应关系。进而，可基于模型预测目标时长，期望在较短测试时长内得到较佳测试准确性，以达到测试效率和准确性的均衡。
实施例二
本实施例提供的绝缘测试方法，能够与上述实施例中所提供的绝缘测试方法中各个可选方案相结合。本实施例提供的生绝缘测试方法，对模型构建之前的步骤进行了详细描述。例如，可以在获取历史测试数据后进行预处理操作，以提高测试数据质量。又如，可以在获取历史测试数据后分析温度、湿度对绝缘值的影响，以为绝缘值序列设置权重，有利于提高目标时长准确性。
图4是本发明实施例二提供的一种绝缘测试方法的流程示意图。参见图4，本实施例提供的绝缘测试方法，可以包括：
S410、获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列、温度序列和湿度序列。
再次参见图2，还可以通过温度计、湿度计检测被测产品所处环境的温度值和湿度值。相应的，数据采集装置可每隔相同的预设时长对温度值和湿度值进行采集。并将采集的温度值和湿度值存储在预设数据库中。
S420、对历史测试数据进行预处理操作；预处理操作包括下述至少一项：删除异常数据和填补缺失数据。
在数据预处理阶段，可是对历史测试数据中明显异常的数据进行删除。例如，可通过预设的合理数值范围，对异常数据进行筛选并删除。此外，还可以对历史测试数据中缺失的数据进行填充。例如，由于数据采集或存储过程中的故障，存在绝缘值序列中有些时间点的绝缘值丢失的情况，此时可根据序列中该缺失值的前后时间点的数值对该缺失数值进行补充，以保证后续模型的顺利构建和预测。
此外，其他对历史测试数据的预处理操作也可应用于此，通过对历史测试数据进行预处理可优化数据质量，可在一定程度上提高模型对目标时长的预测精度。
S430、根据温度序列和湿度序列，对绝缘电阻值序列设置权重。
待测对象所处环境(例如温度、湿度等)，对其绝缘性的测试可产生一定的影响。通过根据该些影响因子对绝缘电阻值带来的影响，来设置为绝缘电阻值序列设置不同的权重，可在目标时长预测过程中，更关注标准测试环境中的绝缘电阻值序列，从而可在一定程度上提高目标时长的预测准确度。
S440、根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与各权重的绝缘电阻值序列的分布情况的对应关系。
S450、通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长。
S460、根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。
本发明实施例提供的绝缘测试方法，对模型构建之前的步骤进行了详细描述。例如，可以在获取历史测试数据后进行预处理操作，以提高测试数据质量。又如，可以在获取历史测试数据后分析温度、湿度对绝缘值的影响，以为绝缘值序列设置权重，有利于提高目标时长准确性。此外，本实施例提供的绝缘测试方法与上述实施例提供的绝缘测试方法属于同一技术构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且相同的技术特征在本实施例与上述实施例中具有相同的有益效果。
实施例三
图5是本发明实施例三提供的一种绝缘测试装置的结构示意图。本实施例可适用于绝缘性测试的情况。
参见图5，本发明提供的绝缘测试装置，可以包括：
数据获取模块510，用于获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列；
模型构建模块520，用于根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与绝缘电阻值序列的分布情况的对应关系；
时长预测模块530，用于通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长；
绝缘测试模块540，用于根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。
在一些可选的实施方式中，模型构建模块，可以用于：
对历史测试数据进行有放回抽样，得到预设数量个样本子集；
确定各样本子集的特征子空间，并根据各特征子空间构建各样本子集的决策树，由各决策树组成随机森林模型。
在一些可选的实施方式中，模型构建模块，可以用于：
根据各样本子集划分后各分支之间的均方误差，循环从各特征子空间中选取目标特征；
根据各目标特征对各样本子集进行划分，直至各特征子空间中的特征皆已选取为止，构建得到各样本子集的决策树。
在一些可选的实施方式中，时长预测模块，可以用于：
通过随机森林模型中的各决策树，预测绝缘电阻值序列满足预设分布情况时的各候选时长；
根据各候选时长确定目标时长。
在一些可选的实施方式中，绝缘测试装置，还包括：
预处理模块，用于在获取样本对象的历史测试数据之后，对历史测试数据进行预处理操作；预处理操作包括下述至少一项：删除异常数据和填补缺失数据。
在一些可选的实施方式中，历史测试数据还包括，各测试时长范围内的温度序列和湿度序列；
相应的，模型构建模块，在根据历史测试数据构建随机森林模型之前，还可以用于：
根据温度序列和湿度序列，对绝缘电阻值序列设置权重。
本发明实施例所提供的绝缘测试装置可执行本发明实施例所提供的绝缘测试方法，具备执行方法相应的功能模块和有益效果。未详尽描述的技术细节，可参见本发明实施例所提供的绝缘测试方法。
实施例四
图6是本发明实施例四提供的一种电子终端的结构示意图。图6示出了适于用来实现本发明实施方式的示例性电子终端12的框图。图6显示的电子终端12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备12典型的是承担绝缘测试功能的电子终端。
如图6所示，电子终端12以通用计算设备的形式表现。电子终端12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储器28，连接不同组件(包括存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
电子终端12典型地包括多种计算机可读介质。这些介质可以是任何能够被电子终端12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机装置可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。电子终端12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品40，该程序产品40具有一组程序模块42，这些程序模块被配置以执行本发明各实施例的功能。程序产品40，可以存储在例如存储器28中，这样的程序模块42包括但不限于一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
电子终端12也可以与一个或多个外部设备14(例如键盘、鼠标、摄像头等和显示器)通信，还可与一个或者多个使得用户能与该电子终端12交互的设备通信，和/或与使得该电子终端12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子终端12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网WideArea Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子终端12的其它模块通信。应当明白，尽管图中未示出，可以结合电子终端12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)装置、磁带驱动器以及数据备份存储装置等。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的绝缘测试方法，包括：
获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列；根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与绝缘电阻值序列的分布情况的对应关系；通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长；根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。
当然，本领域技术人员可以理解，处理器还可以实现本发明实施例所提供的绝缘测试方法的技术方案。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的绝缘测试方法，该方法包括：
获取样本对象的历史测试数据；历史测试数据包括，各历史测试过程的测试时长，以及各测试时长范围内的绝缘电阻值序列；根据历史测试数据构建随机森林模型，以使随机森林模型学习测试时长与绝缘电阻值序列的分布情况的对应关系；通过随机森林模型，预测绝缘电阻值序列满足预设分布情况时的目标时长；根据目标时长，对与样本对象同规格的待测对象进行批量绝缘测试。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上的方法操作，还可以执行本发明实施例所提供的绝缘测试方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种绝缘测试方法，其特征在于，包括：
获取样本对象的历史测试数据；所述历史测试数据包括，各历史测试过程的测试时长，以及各所述测试时长范围内的绝缘电阻值序列；
根据所述历史测试数据构建随机森林模型，以使所述随机森林模型学习所述测试时长与所述绝缘电阻值序列的分布情况的对应关系；
通过所述随机森林模型，预测所述绝缘电阻值序列满足预设分布情况时的目标时长；
根据所述目标时长，对与所述样本对象同规格的待测对象进行批量绝缘测试。
2.根据权利要求1所述的方法，其特征在于，所述根据所述历史测试数据构建随机森林模型，包括：
对所述历史测试数据进行有放回抽样，得到预设数量个样本子集；
确定各所述样本子集的特征子空间，并根据各所述特征子空间构建各所述样本子集的决策树，由各所述决策树组成随机森林模型。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述特征子空间构建各所述样本子集的决策树，包括：
根据各所述样本子集划分后各分支之间的均方误差，循环从各所述特征子空间中选取目标特征；
根据各所述目标特征对各所述样本子集进行划分，直至各所述特征子空间中的特征皆已选取为止，构建得到各所述样本子集的决策树。
4.根据权利要求1所述的方法，其特征在于，所述通过所述随机森林模型，预测所述绝缘电阻值序列满足预设分布情况时的目标时长，包括：
通过所述随机森林模型中的各决策树，预测所述绝缘电阻值序列满足预设分布情况时的各候选时长；
根据所述各候选时长确定目标时长。
5.根据权利要求1所述的方法，其特征在于，在所述获取样本对象的历史测试数据之后，还包括：
对所述历史测试数据进行预处理操作；所述预处理操作包括下述至少一项：删除异常数据和填补缺失数据。
6.根据权利要求1所述的方法，其特征在于，所述历史测试数据还包括，各所述测试时长范围内的温度序列和湿度序列；
相应的，在所述根据所述历史测试数据构建随机森林模型之前，还包括：
根据所述温度序列和所述湿度序列，对所述绝缘电阻值序列设置权重。
7.一种绝缘测试装置，其特征在于，包括：
数据获取模块，用于获取样本对象的历史测试数据；所述历史测试数据包括，各历史测试过程的测试时长，以及各所述测试时长范围内的绝缘电阻值序列；
模型构建模块，用于根据所述历史测试数据构建随机森林模型，以使所述随机森林模型学习所述测试时长与所述绝缘电阻值序列的分布情况的对应关系；
时长预测模块，用于通过所述随机森林模型，预测所述绝缘电阻值序列满足预设分布情况时的目标时长；
绝缘测试模块，用于根据所述目标时长，对与所述样本对象同规格的待测对象进行批量绝缘测试。
8.根据权利要求7所述的装置，其特征在于，所述模型构建模块，用于：
对所述历史测试数据进行有放回抽样，得到预设数量个样本子集；
确定各所述样本子集的特征子空间，并根据各所述特征子空间构建各所述样本子集的决策树，由各所述决策树组成随机森林模型。
9.一种电子终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6中任一所述的绝缘测试方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的绝缘测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210773552.0A CN115184674A (zh) | 2022-07-01 | 2022-07-01 | 一种绝缘测试方法、装置、电子终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210773552.0A CN115184674A (zh) | 2022-07-01 | 2022-07-01 | 一种绝缘测试方法、装置、电子终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115184674A true CN115184674A (zh) | 2022-10-14 |
Family
ID=83516166
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210773552.0A Pending CN115184674A (zh) | 2022-07-01 | 2022-07-01 | 一种绝缘测试方法、装置、电子终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115184674A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117554766A (zh) * | 2024-01-09 | 2024-02-13 | 成都瑞讯物联科技有限公司 | 一种绝缘在线监测方法及监测装置 |
| CN118112415A (zh) * | 2024-04-17 | 2024-05-31 | 山东凯纳电气科技有限公司 | 一种电机绝缘性能的智能测试方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160131607A1 (en) * | 2014-11-06 | 2016-05-12 | Fluke Corporation | Method of combined use of infrared camera, non-contact infrared sensor, or contact temperature sensor with insulation resistance tester for automatic temperature normalization |
| JP2019163995A (ja) * | 2018-03-19 | 2019-09-26 | 株式会社東芝 | 劣化診断システム、抵抗値推定方法、およびコンピュータープログラム |
| CN110376493A (zh) * | 2019-07-12 | 2019-10-25 | 中国铁路北京局集团有限公司北京车辆段 | 一种绝缘值测量方法、装置及存储介质 |
| CN111985571A (zh) * | 2020-08-26 | 2020-11-24 | 国网湖南省电力有限公司 | 基于改进随机森林算法的低压智能监测终端故障预测方法、装置、介质及设备 |
| CN112668802A (zh) * | 2021-01-05 | 2021-04-16 | 广东工业大学 | 一种基于设计参数的施工碳排放预测方法 |
| CN113919212A (zh) * | 2021-09-29 | 2022-01-11 | 国网山东省电力公司电力科学研究院 | 一种基于机器学习的复合绝缘子芯棒性能预测方法 |
-
2022
- 2022-07-01 CN CN202210773552.0A patent/CN115184674A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160131607A1 (en) * | 2014-11-06 | 2016-05-12 | Fluke Corporation | Method of combined use of infrared camera, non-contact infrared sensor, or contact temperature sensor with insulation resistance tester for automatic temperature normalization |
| JP2019163995A (ja) * | 2018-03-19 | 2019-09-26 | 株式会社東芝 | 劣化診断システム、抵抗値推定方法、およびコンピュータープログラム |
| CN110376493A (zh) * | 2019-07-12 | 2019-10-25 | 中国铁路北京局集团有限公司北京车辆段 | 一种绝缘值测量方法、装置及存储介质 |
| CN111985571A (zh) * | 2020-08-26 | 2020-11-24 | 国网湖南省电力有限公司 | 基于改进随机森林算法的低压智能监测终端故障预测方法、装置、介质及设备 |
| CN112668802A (zh) * | 2021-01-05 | 2021-04-16 | 广东工业大学 | 一种基于设计参数的施工碳排放预测方法 |
| CN113919212A (zh) * | 2021-09-29 | 2022-01-11 | 国网山东省电力公司电力科学研究院 | 一种基于机器学习的复合绝缘子芯棒性能预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 邱欣;洪皓珏;杨青;肖上霖;: "基于APRIORI-GBDT算法的沥青路面路表温度预测", 公路交通科技, no. 05, pages 96 - 100 * |
| 郑海;张超;杨玺;: "基于组合决策树的输电线路绝缘故障检测系统设计", 电子设计工程, no. 11 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117554766A (zh) * | 2024-01-09 | 2024-02-13 | 成都瑞讯物联科技有限公司 | 一种绝缘在线监测方法及监测装置 |
| CN117554766B (zh) * | 2024-01-09 | 2024-03-26 | 成都瑞讯物联科技有限公司 | 一种绝缘在线监测方法及监测装置 |
| CN118112415A (zh) * | 2024-04-17 | 2024-05-31 | 山东凯纳电气科技有限公司 | 一种电机绝缘性能的智能测试方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115184674A (zh) | 一种绝缘测试方法、装置、电子终端及存储介质 | |
| CN109447156B (zh) | 用于生成模型的方法和装置 | |
| CN114494837B (zh) | 一种渔业资源的密度智能识别方法及系统 | |
| CN113884961B (zh) | Soc校准方法、建模方法、建模装置、计算机设备及介质 | |
| CN113010389A (zh) | 一种训练方法、故障预测方法、相关装置及设备 | |
| CN111881023B (zh) | 一种基于多模型对比的软件老化预测方法及装置 | |
| CN107080945B (zh) | 测试游戏中人工智能行为的方法、装置及电子设备 | |
| CN111949545A (zh) | 自动化测试方法、系统、服务器及存储介质 | |
| CN116306806A (zh) | 故障诊断模型确定方法、装置及非易失性存储介质 | |
| CN115204536A (zh) | 楼宇设备故障预测方法、装置、设备及存储介质 | |
| CN112291122A (zh) | 网络流量检测方法、装置、电子设备及可读存储介质 | |
| CN116148656A (zh) | 一种便携式模拟断路器故障检测方法 | |
| CN114020715A (zh) | 一种日志数据的处理方法、装置、介质及设备 | |
| CN112445687A (zh) | 一种计算设备的卡顿检测方法及相关装置 | |
| CN110852322A (zh) | 感兴趣区域的确定方法及装置 | |
| CN110263618A (zh) | 一种核身模型的迭代方法和装置 | |
| CN115659271A (zh) | 传感器异常检测方法、模型训练方法、系统、设备及介质 | |
| CN111027599B (zh) | 基于随机抽样的聚类可视化方法及装置 | |
| CN110674839B (zh) | 异常用户识别方法、装置、存储介质及电子设备 | |
| CN112163331A (zh) | 一种配网线路易损性计算方法及相关装置 | |
| CN114077663A (zh) | 应用日志的分析方法及装置 | |
| CN112579429A (zh) | 一种问题定位方法和装置 | |
| CN112149833A (zh) | 基于机器学习的预测方法、装置、设备和存储介质 | |
| CN112148764B (zh) | 特征的筛选方法、装置、设备和存储介质 | |
| CN107589444B (zh) | 地震数据的处理方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221014 |