CN115879610A - 接触器使用期限预测方法、装置、设备和存储介质 - Google Patents
接触器使用期限预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115879610A CN115879610A CN202211519668.8A CN202211519668A CN115879610A CN 115879610 A CN115879610 A CN 115879610A CN 202211519668 A CN202211519668 A CN 202211519668A CN 115879610 A CN115879610 A CN 115879610A
- Authority
- CN
- China
- Prior art keywords
- contactor
- service life
- data
- sample
- prediction 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 230000006870 function Effects 0.000 claims description 71
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
Images
Landscapes
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本申请涉及一种接触器使用期限预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待预测使用期限的接触器对应的温度数据和湿度数据；将温度数据和湿度数据输入预先构建的接触器使用期限预测模型，通过接触器使用期限预测模型，获取接触器的第一预测使用期限；接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；基于第一预测使用期限，以及接触器的第二预测使用期限，预测接触器的使用期限；第二预测使用期限基于接触器的电耐久程度和机械耐久程度得到。采用本方法能够准确地预测接触器的使用期限。
Description
技术领域
本申请涉及电力技术领域，特别是涉及一种接触器使用期限预测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着电力技术领域的发展，出现了接触器使用期限预测技术，该技术通过评估接触器的电耐久性和机械耐久性来预测接触器使用期限。
在上述技术方案中，由于某些接触器工作现场湿度较大，接触器使用期限往往比评估结果的时间短，导致通过评估接触器的电耐久性和机械耐久性预测得到的接触器使用期限与实际偏差较大，不能准确地反应接触器的真实运行使用期限。
发明内容
基于此，有必要针对上述技术问题，提供一种能够准确预测接触器使用期限的接触器使用期限预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种接触器使用期限预测方法。所述方法包括：
获取待预测使用期限的接触器对应的温度数据和湿度数据；
将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型，通过所述接触器使用期限预测模型，获取所述接触器的第一预测使用期限；所述接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
基于所述第一预测使用期限，以及所述接触器的第二预测使用期限，预测所述接触器的使用期限；所述第二预测使用期限基于所述接触器的电耐久程度和机械耐久程度得到。
在其中一个实施例中，所述将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型之前，还包括：基于所述多个样本数据，得到所述样本接触器在所述多个温湿度条件下分别对应的多个使用期限数据；利用所述多个使用期限数据，拟合出所述接触器使用期限预测模型的模型参数，得到所述接触器使用期限预测模型。
在其中一个实施例中，所述基于所述多个样本数据，得到所述样本接触器在所述多个温湿度条件下分别对应的多个使用期限数据，包括：基于所述多个样本数据，得到各个样本数据分别对应的所述样本接触器的运行时间与工作电流之间的对应关系；利用所述对应关系，获取所述工作电流为预设值时对应的目标运行时间；基于所述目标运行时间，得到所述样本接触器在所述各个温湿度条件下分别对应的使用期限数据。
在其中一个实施例中，所述利用所述多个使用期限数据，拟合出所述接触器使用期限预测模型的模型参数，包括：基于所述多个使用期限数据，拟合出所述多个使用期限数据对应的正态分布，以及累计失效概率与运行时间的对应关系；所述累计失效概率用于表征达到使用期限的样本接触器数量与样本接触器总数量的比值；基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型的模型参数。
在其中一个实施例中，所述基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型的模型参数，包括：基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型对应函数的对数转换函数的函数参数；基于所述函数参数，得到所述接触器使用期限预测模型的模型参数。
在其中一个实施例中，所述基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型对应函数的对数转换函数的函数参数，包括：基于所述正态分布，以及所述对应关系，得到所述多个使用期限数据对应的似然函数；基于所述似然函数，得到所述对数转换函数的函数参数。
第二方面，本申请还提供了一种接触器使用期限预测装置。所述装置包括：
温湿度数据获取模块，用于获取待预测使用期限的接触器对应的温度数据和湿度数据；
第一预测使用期限获取模块，用于将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型，通过所述接触器使用期限预测模型，获取所述接触器的第一预测使用期限；所述接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
使用期限预测模块，用于基于所述第一预测使用期限，以及所述接触器的第二预测使用期限，预测所述接触器的使用期限；所述第二预测使用期限基于所述接触器的电耐久程度和机械耐久程度得到。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待预测使用期限的接触器对应的温度数据和湿度数据；
将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型，通过所述接触器使用期限预测模型，获取所述接触器的第一预测使用期限；所述接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
基于所述第一预测使用期限，以及所述接触器的第二预测使用期限，预测所述接触器的使用期限；所述第二预测使用期限基于所述接触器的电耐久程度和机械耐久程度得到。
第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待预测使用期限的接触器对应的温度数据和湿度数据；
将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型，通过所述接触器使用期限预测模型，获取所述接触器的第一预测使用期限；所述接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
基于所述第一预测使用期限，以及所述接触器的第二预测使用期限，预测所述接触器的使用期限；所述第二预测使用期限基于所述接触器的电耐久程度和机械耐久程度得到。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取待预测使用期限的接触器对应的温度数据和湿度数据；
将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型，通过所述接触器使用期限预测模型，获取所述接触器的第一预测使用期限；所述接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
基于所述第一预测使用期限，以及所述接触器的第二预测使用期限，预测所述接触器的使用期限；所述第二预测使用期限基于所述接触器的电耐久程度和机械耐久程度得到。
上述接触器使用期限预测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取待预测使用期限的接触器对应的温度数据和湿度数据；将温度数据和湿度数据输入预先构建的接触器使用期限预测模型，通过接触器使用期限预测模型，获取接触器的第一预测使用期限；接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；基于第一预测使用期限，以及接触器的第二预测使用期限，预测接触器的使用期限；第二预测使用期限基于接触器的电耐久程度和机械耐久程度得到。本申请通过增加湿度和温度对接触器使用期限进行预测，能够准确地预测接触器的使用期限。
附图说明
图1为一个实施例中接触器使用期限预测方法的流程示意图；
图2为一个实施例中获取接触器使用期限预测模型的流程示意图；
图3为一个实施例中获取使用期限数据的流程示意图；
图4为一个实施例中获取模型参数的流程示意图；
图5为一个实施例中接触器使用期限预测装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，本发明实施例所涉及的术语“第一\第二”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
在一个实施例中，如图1所示，提供了一种接触器使用期限预测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
步骤S101，获取待预测使用期限的接触器对应的温度数据和湿度数据。
其中，接触器为利用线圈流过电流产生磁场，使触头闭合，以达到控制负载的电器，该接触器用于频繁操作和远距离控制，是自动控制系统中的重要元件之一。而使用期限为上述接触器的使用寿命，至于温度数据，为上述接触器运行环境的温度，湿度数据为上述接触器运行环境的湿度。
具体地，通过温度探测装置和湿度探测装置，获取待预测使用期限的接触器对应的温度数据和湿度数据。
步骤S102，将温度数据和湿度数据输入预先构建的接触器使用期限预测模型，通过接触器使用期限预测模型，获取接触器的第一预测使用期限；接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到。
其中，接触器使用期限预测模型为一种加电湿热(PECK)模型，而第一预测使用期限为基于温度和湿度得到的接触器使用期限。至于样本接触器为用于获取实验数据的接触器，而样本数据为温湿度实验中得到的实验数据，温湿度实验用于确定上述使用期限预测模型的参数。
具体地，将温度数据和湿度数据输入预先构建的接触器使用期限预测模型，得到接触器的第一预测使用期限。
步骤S103，基于第一预测使用期限，以及接触器的第二预测使用期限，预测接触器的使用期限；第二预测使用期限基于接触器的电耐久程度和机械耐久程度得到。
其中，第二预测使用期限为基于接触器的电耐久程度和机械耐久程度的使用期限，而使用期限为接触器综合第一预测使用期限和第二预测使用期限得到的接触器的使用期限。
具体地，使用第一预测使用期限对第二预测使用期限进行修正，得到的接触器的使用期限。
上述接触器使用期限预测方法中，通过获取待预测使用期限的接触器对应的温度数据和湿度数据；将温度数据和湿度数据输入预先构建的接触器使用期限预测模型，通过接触器使用期限预测模型，获取接触器的第一预测使用期限；接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；基于第一预测使用期限，以及接触器的第二预测使用期限，预测接触器的使用期限；第二预测使用期限基于接触器的电耐久程度和机械耐久程度得到。本申请通过增加湿度和温度对接触器使用期限进行预测，能够准确地预测接触器的使用期限。
在一个实施例中，如图2所示，将温度数据和湿度数据输入预先构建的接触器使用期限预测模型之前，还包括以下步骤：
步骤S201，基于多个样本数据，得到样本接触器在多个温湿度条件下分别对应的多个使用期限数据。
其中，温湿度条件为使用期限实验中预先设定的温度和湿度条件，而使用期限数据为上述实验中，在预先设定的温度和湿度条件下，得到的样本接触器的使用期限。
具体地，基于多个样本数据对应的样本接触器工作电流数据，得到样本接触器在多个温湿度条件下分别对应的多个使用期限数据。
步骤S202，利用多个使用期限数据，拟合出接触器使用期限预测模型的模型参数，得到接触器使用期限预测模型。
其中，模型参数为一种加电湿热(PECK)模型的模型参数。
具体地，基于多个使用期限数据，得到多个使用期限数据对应的正态分布，通过上述正态分布，得到接触器使用期限预测模型的模型参数，得到接触器使用期限预测模型。
本实施例中，通过得到样本接触器在多个温湿度条件下分别对应的多个使用期限数据，能准确拟合出接触器使用期限预测模型的模型参数，得到接触器使用期限预测模型。
在一个实施例中，如图3所示，基于多个样本数据，得到样本接触器在多个温湿度条件下分别对应的多个使用期限数据，包括以下步骤：
步骤S301，基于多个样本数据，得到各个样本数据分别对应的样本接触器的运行时间与工作电流之间的对应关系。
其中，样本接触器的运行时间与工作电流之间的对应关系，指的是样本接触器的运行时间与工作电流之间的函数关系，该函数关系为正比例函数关系，该函数关系表现于坐标图上为一条直线。
具体地，基于多个样本数据，通过坐标图上，拟合得到各个样本数据分别对应的样本接触器的运行时间与工作电流之间的对应关系。
步骤S302，利用对应关系，获取工作电流为预设值时对应的目标运行时间。
其中，预设值为预设的阈值，当工作电流小于该预设值时，样本接触器失效，而目标运行时间为样本接触器的使用期限。
具体地，基于对应关系，计算出工作电流为预设值时对应的目标运行时间。
步骤S303，基于目标运行时间，得到样本接触器在各个温湿度条件下分别对应的使用期限数据。
具体地，将目标运行时间作为样本接触器在各个温湿度条件下分别对应的使用期限数据。
本实施例中，通过得到各个样本数据分别对应的样本接触器的运行时间与工作电流之间的对应关系，能够达到准确地得到样本接触器在各个温湿度条件下分别对应的使用期限数据。
在一个实施例中，如图4所示，利用多个使用期限数据，拟合出接触器使用期限预测模型的模型参数，包括以下步骤：
步骤S401，基于多个使用期限数据，拟合出多个使用期限数据对应的正态分布，以及累计失效概率与运行时间的对应关系；累计失效概率用于表征达到使用期限的样本接触器数量与样本接触器总数量的比值。
其中，正态分布为多个使用期限数据通过预先得到的拟合软件拟合出的正态分布，其中多个使用期限数据可分为多组，每一组使用期限数据分别对应一个正态分布。而累计失效概率到使用期限的样本接触器数量与样本接触器总数量的比值。
具体地，基于多个使用期限数据，通过预先设定的拟合软件，拟合出多个使用期限数据对应的正态分布，以及累计失效概率与运行时间的对应关系。
步骤S402，基于正态分布，以及对应关系，得到接触器使用期限预测模型的模型参数。
具体地，通过正态分布，以及对应关系，计算得到接触器使用期限预测模型的模型参数。
本实施例中，通过拟合出多个使用期限数据对应的正态分布，以及累计失效概率与运行时间的对应关系，能够准确得到接触器使用期限预测模型的模型参数。
在一个实施例中，基于正态分布，以及对应关系，得到接触器使用期限预测模型的模型参数，包括以下步骤：
基于正态分布，以及对应关系，得到接触器使用期限预测模型对应函数的对数转换函数的函数参数；基于函数参数，得到接触器使用期限预测模型的模型参数。
其中，对应函数为接触器使用期限预测模型中的函数，即对应函数也就是接触器使用期限预测模型本身，也即加电湿热(PECK)模型。而对数转换函数的函数参数为对应函数对数变形后得到函数的函数参数。
具体地，将接触器使用期限预测模型对应函数进行对转换，得到对应函数的对数转换函数，然后基于正态分布，以及对应关系，计算得到接触器使用期限预测模型对应函数的对数转换函数的函数参数，进一步，通过对数转换函数的函数参数，得到接触器使用期限预测模型的模型参数。
本实施例中，通过获取接触器使用期限预测模型对应函数的对数转换函数的函数参数，能够准确得到接触器使用期限预测模型的模型参数。
在一个实施例中，基于正态分布，以及对应关系，得到接触器使用期限预测模型对应函数的对数转换函数的函数参数，包括以下步骤：
基于正态分布，以及对应关系，得到多个使用期限数据对应的似然函数；基于似然函数，得到对数转换函数的函数参数。
其中，似然函数为是一种统计上述对数转换函数参数的函数。
具体地，基于正态分布，以及对应关系，构建多个使用期限数据对应的似然函数，利用极大似然估计方法，计算出上述对数转换函数的函数参数。
本实施例中，通过构建多个使用期限数据对应的似然函数，能够准确地计算出上述对数转换函数的函数参数。
在一个应用实施例中，提供了一种接触器使用期限预测模型获取方法，具体步骤如下所示：
根据温度、湿度条件的不同将所述待测接触器的湿热加速失效时间试验分为低温低湿组、中温中湿组、高温中湿组、超高温高湿组。其中，湿热加速失效时间试验选取的温度、湿度为待测接触器在以下环境条件：低温低湿组(T＝50℃、RH＝60％)、中温中湿组(T＝85℃、RH＝85％)、高温中湿组(T＝100℃、RH＝85％)、超高温高湿组(T＝110℃、RH＝100％)。
将样本接触器的输入端与时间接触器电气连接，样本接触器的输出端与阻性负载电气连接。将样本接触器放入高温高湿箱中，高温高湿箱箱的温度设置为预设温度、湿度设置为预设湿度。按照试验周期向样本接触器间歇性供电，并监测样本接触器的线圈电流、线圈电压、触点电流、触点电压。根据所述线圈电流和所述线圈电压计算得到样本接触器的线圈电阻的阻值。根据触点电流和触点电压计算得到样本接触器的触点接触电阻的阻值。当样本接触器的工作电流小于预设阈值时，确定待测接触器失效并记录样本接触器的失效时间。
影响样品退化的敏感应力包括带电动作、高温和湿热，对应的加电湿热(PECK)模型表述为：
TTF＝A0(RH)-ne(Eaa/kT)；
其中：TTF为故障前工作时间，也可以是其他对失效时间的度量；A0为一个常数，通过对元器件的试验确定；RH为相对湿度，以百分比表示，100％RH表示饱和湿度；n为Peck相对湿度指数；e为自然对数的底；Eaa为激活能；k为波尔兹曼常数，8.62×10-5eV/K；T为温度(Kelvin)。
将其表达为高温高湿相对于常温常湿的加速因子(AF)形式：
其中，(RH)high为试验湿度、(RH)low为实际使用湿度、Eaa为激活能；Tlow为实际使用温度、Thigh为试验温度(均为开尔文温度)；K为玻尔兹曼常数。
根据潮热条件下接触器工作电流的退化路径，以工作电流<100mA作为失效判据，通过退化路径外推各样本的失效时间。利用失效数据对接触器的失效时间进行失效分布建模，分布检验结果显示，失效时间以最大拟合优度服从对数正态分布，各应力组对数处理后的累计失效概率与试验时间的关系。
失效时间以最大拟合优度服从对数正态分布如下所示：
ln(TTF)～N(μ，σ)；
其中μ为平均失效时间，是应力强度(包括温度和湿度)的函数，根据PECK模型公式，μ(Temp，RH)可以写为：
因此，可写出所有失效时间的联合概率密度，建立似然函数。用极大似然估计方法(MLE)求解对数转换模型参数b0、b1、b2，进一步得到PECK模型的参数，最后根据参数得到接触器使用期限预测模型。
本实施例中，通过实验数据准确的拟合出接触器使用期限预测模型参数，能够准确地得到接触器使用期限预测模型。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的接触器使用期限预测方法的接触器使用期限预测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个接触器使用期限预测装置实施例中的具体限定可以参见上文中对于接触器使用期限预测方法的限定，在此不再赘述。
在一个实施例中，如图5所示，提供了一种接触器使用期限预测装置，包括：温湿度数据获取模块501、第一预测使用期限获取模块502和使用期限预测模块503，其中：
温湿度数据获取模块501，用于获取待预测使用期限的接触器对应的温度数据和湿度数据；
第一预测使用期限获取模块502，用于将温度数据和湿度数据输入预先构建的接触器使用期限预测模型，通过接触器使用期限预测模型，获取接触器的第一预测使用期限；接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
使用期限预测模块503，用于基于第一预测使用期限，以及接触器的第二预测使用期限，预测接触器的使用期限；第二预测使用期限基于接触器的电耐久程度和机械耐久程度得到。
在其中一个实施例中，第一预测使用期限获取模块502，进一步用于基于多个样本数据，得到样本接触器在多个温湿度条件下分别对应的多个使用期限数据；利用多个使用期限数据，拟合出接触器使用期限预测模型的模型参数，得到接触器使用期限预测模型。
在其中一个实施例中，第一预测使用期限获取模块502，进一步用于基于多个样本数据，得到各个样本数据分别对应的样本接触器的运行时间与工作电流之间的对应关系；利用对应关系，获取工作电流为预设值时对应的目标运行时间；基于目标运行时间，得到样本接触器在各个温湿度条件下分别对应的使用期限数据。
在其中一个实施例中，第一预测使用期限获取模块502，进一步用于基于多个使用期限数据，拟合出多个使用期限数据对应的正态分布，以及累计失效概率与运行时间的对应关系；累计失效概率用于表征达到使用期限的样本接触器数量与样本接触器总数量的比值；基于正态分布，以及对应关系，得到接触器使用期限预测模型的模型参数。
在其中一个实施例中，第一预测使用期限获取模块502，进一步用于基于正态分布，以及对应关系，得到接触器使用期限预测模型对应函数的对数转换函数的函数参数；基于函数参数，得到接触器使用期限预测模型的模型参数。
在其中一个实施例中，第一预测使用期限获取模块502，进一步用于基于正态分布，以及对应关系，得到多个使用期限数据对应的似然函数；基于似然函数，得到对数转换函数的函数参数。
上述接触器使用期限预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种接触器使用期限预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种接触器使用期限预测方法，其特征在于，所述方法包括：
获取待预测使用期限的接触器对应的温度数据和湿度数据；
将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型，通过所述接触器使用期限预测模型，获取所述接触器的第一预测使用期限；所述接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
基于所述第一预测使用期限，以及所述接触器的第二预测使用期限，预测所述接触器的使用期限；所述第二预测使用期限基于所述接触器的电耐久程度和机械耐久程度得到。
2.一种接触器使用期限预测方法，其特征在于，所述将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型之前，还包括：
基于所述多个样本数据，得到所述样本接触器在所述多个温湿度条件下分别对应的多个使用期限数据；
利用所述多个使用期限数据，拟合出所述接触器使用期限预测模型的模型参数，得到所述接触器使用期限预测模型。
3.根据权利要求2所述的方法，其特征在于，所述基于所述多个样本数据，得到所述样本接触器在所述多个温湿度条件下分别对应的多个使用期限数据，包括：
基于所述多个样本数据，得到各个样本数据分别对应的所述样本接触器的运行时间与工作电流之间的对应关系；
利用所述对应关系，获取所述工作电流为预设值时对应的目标运行时间；
基于所述目标运行时间，得到所述样本接触器在所述各个温湿度条件下分别对应的使用期限数据。
4.根据权利要求2所述的方法，其特征在于，所述利用所述多个使用期限数据，拟合出所述接触器使用期限预测模型的模型参数，包括：
基于所述多个使用期限数据，拟合出所述多个使用期限数据对应的正态分布，以及累计失效概率与运行时间的对应关系；所述累计失效概率用于表征达到使用期限的样本接触器数量与样本接触器总数量的比值；
基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型的模型参数。
5.根据权利要求4所述的方法，其特征在于，所述基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型的模型参数，包括：
基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型对应函数的对数转换函数的函数参数；
基于所述函数参数，得到所述接触器使用期限预测模型的模型参数。
6.根据权利要求5所述的方法，其特征在于，所述基于所述正态分布，以及所述对应关系，得到所述接触器使用期限预测模型对应函数的对数转换函数的函数参数，包括：
基于所述正态分布，以及所述对应关系，得到所述多个使用期限数据对应的似然函数；
基于所述似然函数，得到所述对数转换函数的函数参数。
7.一种接触器使用期限预测装置，其特征在于，所述装置包括：
温湿度数据获取模块，用于获取待预测使用期限的接触器对应的温度数据和湿度数据；
第一预测使用期限获取模块，用于将所述温度数据和所述湿度数据输入预先构建的接触器使用期限预测模型，通过所述接触器使用期限预测模型，获取所述接触器的第一预测使用期限；所述接触器使用期限预测模型通过样本接触器在多个温湿度条件下的多个样本数据拟合得到；
使用期限预测模块，用于基于所述第一预测使用期限，以及所述接触器的第二预测使用期限，预测所述接触器的使用期限；所述第二预测使用期限基于所述接触器的电耐久程度和机械耐久程度得到。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211519668.8A CN115879610B (zh) | 2022-11-30 | 2022-11-30 | 接触器使用期限预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211519668.8A CN115879610B (zh) | 2022-11-30 | 2022-11-30 | 接触器使用期限预测方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115879610A true CN115879610A (zh) | 2023-03-31 |
| CN115879610B CN115879610B (zh) | 2024-03-29 |
Family
ID=85764903
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211519668.8A Active CN115879610B (zh) | 2022-11-30 | 2022-11-30 | 接触器使用期限预测方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115879610B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100882787B1 (ko) * | 2008-09-17 | 2009-02-25 | 주식회사 대륙 | 전자접촉기의 수명예측 장치 |
| CN105954667A (zh) * | 2016-04-26 | 2016-09-21 | 烟台大学 | 一种基于加速退化试验的pcb绝缘寿命快速预测方法及系统 |
| CN107632275A (zh) * | 2017-08-28 | 2018-01-26 | 厦门市产品质量监督检验院 | 一种led照明产品寿命和可靠性快速评价方法 |
| WO2018076475A1 (zh) * | 2016-10-26 | 2018-05-03 | 广东产品质量监督检验研究院 | 一种基于深度学习法构建的光伏组件加速退化模型及光伏组件寿命预测方法 |
| CN108663486A (zh) * | 2018-06-11 | 2018-10-16 | 河海大学常州校区 | 一种光伏组件不同地区耐候寿命系数的确定及验证方法 |
| CN110763435A (zh) * | 2019-09-30 | 2020-02-07 | 大族激光科技产业集团股份有限公司 | 半导体激光器寿命预估装置、方法、计算机设备及介质 |
| CN111007102A (zh) * | 2019-12-17 | 2020-04-14 | 河海大学常州校区 | 一种光伏组件温湿度加速老化因子的计算方法 |
| CN111125868A (zh) * | 2019-11-08 | 2020-05-08 | 航天科工防御技术研究试验中心 | 一种电子产品的多应力寿命评估方法及装置 |
| WO2020147105A1 (zh) * | 2019-01-18 | 2020-07-23 | 深圳市汇顶科技股份有限公司 | 触控屏温度状态的检测方法、装置、触控芯片及电子设备 |
| CN112464556A (zh) * | 2020-11-17 | 2021-03-09 | 沈阳工业大学 | 基于长短期记忆神经网络的交流接触器电寿命预测方法 |
| CN112825104A (zh) * | 2019-11-21 | 2021-05-21 | 株洲中车时代电气股份有限公司 | 基于温湿度因子的叠层片式电感可靠性预计修正方法及介质 |
| CN112926144A (zh) * | 2021-01-22 | 2021-06-08 | 北京航空航天大学 | 一种多应力加速寿命试验耦合效应分析及寿命预测方法 |
| CN113609760A (zh) * | 2021-07-19 | 2021-11-05 | 北京圣涛平试验工程技术研究院有限责任公司 | 集成电路寿命预估方法及装置、电子设备和存储介质 |
| CN114091281A (zh) * | 2021-11-26 | 2022-02-25 | 成都航天科工大数据研究院有限公司 | 产品寿命预测方法、装置、电子设备及存储介质 |
| CN115219891A (zh) * | 2022-07-22 | 2022-10-21 | 中车永济电机有限公司 | 轨道交通用接触器phm功能实现方法 |
-
2022
- 2022-11-30 CN CN202211519668.8A patent/CN115879610B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100882787B1 (ko) * | 2008-09-17 | 2009-02-25 | 주식회사 대륙 | 전자접촉기의 수명예측 장치 |
| CN105954667A (zh) * | 2016-04-26 | 2016-09-21 | 烟台大学 | 一种基于加速退化试验的pcb绝缘寿命快速预测方法及系统 |
| WO2018076475A1 (zh) * | 2016-10-26 | 2018-05-03 | 广东产品质量监督检验研究院 | 一种基于深度学习法构建的光伏组件加速退化模型及光伏组件寿命预测方法 |
| CN107632275A (zh) * | 2017-08-28 | 2018-01-26 | 厦门市产品质量监督检验院 | 一种led照明产品寿命和可靠性快速评价方法 |
| CN108663486A (zh) * | 2018-06-11 | 2018-10-16 | 河海大学常州校区 | 一种光伏组件不同地区耐候寿命系数的确定及验证方法 |
| WO2020147105A1 (zh) * | 2019-01-18 | 2020-07-23 | 深圳市汇顶科技股份有限公司 | 触控屏温度状态的检测方法、装置、触控芯片及电子设备 |
| CN110763435A (zh) * | 2019-09-30 | 2020-02-07 | 大族激光科技产业集团股份有限公司 | 半导体激光器寿命预估装置、方法、计算机设备及介质 |
| CN111125868A (zh) * | 2019-11-08 | 2020-05-08 | 航天科工防御技术研究试验中心 | 一种电子产品的多应力寿命评估方法及装置 |
| CN112825104A (zh) * | 2019-11-21 | 2021-05-21 | 株洲中车时代电气股份有限公司 | 基于温湿度因子的叠层片式电感可靠性预计修正方法及介质 |
| CN111007102A (zh) * | 2019-12-17 | 2020-04-14 | 河海大学常州校区 | 一种光伏组件温湿度加速老化因子的计算方法 |
| CN112464556A (zh) * | 2020-11-17 | 2021-03-09 | 沈阳工业大学 | 基于长短期记忆神经网络的交流接触器电寿命预测方法 |
| CN112926144A (zh) * | 2021-01-22 | 2021-06-08 | 北京航空航天大学 | 一种多应力加速寿命试验耦合效应分析及寿命预测方法 |
| CN113609760A (zh) * | 2021-07-19 | 2021-11-05 | 北京圣涛平试验工程技术研究院有限责任公司 | 集成电路寿命预估方法及装置、电子设备和存储介质 |
| CN114091281A (zh) * | 2021-11-26 | 2022-02-25 | 成都航天科工大数据研究院有限公司 | 产品寿命预测方法、装置、电子设备及存储介质 |
| CN115219891A (zh) * | 2022-07-22 | 2022-10-21 | 中车永济电机有限公司 | 轨道交通用接触器phm功能实现方法 |
Non-Patent Citations (3)
| Title |
|---|
| 杨建;金丽;曲?;阚妍;梁海涛;: "基于多应力退化模型的电表全寿命周期预测方法", 电子设计工程, no. 03 * |
| 王浩伟;徐廷学;王波;: "基于Wiener模型的某型导弹电连接器寿命预测", 战术导弹技术, no. 01 * |
| 王浩伟;徐廷学;米巧丽;程绍诚;: "加速应力下基于Gamma过程的寿命预测方法", 科学技术与工程, no. 35 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115879610B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hong et al. | Field-failure predictions based on failure-time data with dynamic covariate information | |
| US8208893B1 (en) | Performance metrics processing for anticipating unavailability | |
| CN112580187B (zh) | 干式变压器过热预警方法、装置、计算机设备、存储介质 | |
| CN115841046A (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
| CN115689018A (zh) | 物资需求预测方法、装置、设备、存储介质和程序产品 | |
| CN113295399B (zh) | 换流阀元件状态评估方法、装置、电子设备和存储介质 | |
| CN115879610B (zh) | 接触器使用期限预测方法、装置、设备和存储介质 | |
| CN115795928B (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
| CN116774056A (zh) | 评估电池的充电时间的方法、系统及计算机可读存储介质 | |
| CN117056776A (zh) | 碳排放量监测方法、装置、设备、介质和计算机程序产品 | |
| CN117031292A (zh) | 电池健康状态预测方法、装置、计算机设备和存储介质 | |
| CN116027202A (zh) | 电池健康度评估方法、装置、计算机设备和存储介质 | |
| CN113902121A (zh) | 一种电池劣化推测装置校验的方法、装置、设备及介质 | |
| CN112731150A (zh) | 电压暂降状态估计方法、装置、计算机设备和存储介质 | |
| CN116047343A (zh) | 电池状态评估方法、装置、设备、存储介质和程序产品 | |
| CN115754560A (zh) | 检测预充电阻可靠性的方法、装置、系统和计算机设备 | |
| Shukla et al. | Comparison of different statistical methods for prediction of lifetime of electrical connectors with short term tests | |
| CN117341477B (zh) | 磷酸铁锂动力电池内短路预警方法、装置和计算机设备 | |
| CN116187815A (zh) | 用户电量损失评估方法、装置、计算机设备和存储介质 | |
| CN116191443A (zh) | 电压暂升影响的评估方法、装置、计算机设备和存储介质 | |
| CN117665591A (zh) | 电池寿命评估方法、装置、计算机设备和存储介质 | |
| CN116244918A (zh) | 产品的可靠性评估方法、装置和计算机设备 | |
| CN116227727A (zh) | 润滑脂更换周期的评估方法、装置和计算机设备 | |
| CN116166511A (zh) | 电连接器工作寿命的评估方法、装置、设备和存储介质 | |
| Han et al. | Multi-parameter uncertainty analysis in power system dynamic simulation: A new solution based on the stochastic response surface method and trajectory sensitivity method |
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 |