CN116087622A - 检测准确度预测方法、装置、处理设备及存储介质 - Google Patents

检测准确度预测方法、装置、处理设备及存储介质 Download PDF

Info

Publication number
CN116087622A
CN116087622A CN202310376484.9A CN202310376484A CN116087622A CN 116087622 A CN116087622 A CN 116087622A CN 202310376484 A CN202310376484 A CN 202310376484A CN 116087622 A CN116087622 A CN 116087622A
Authority
CN
China
Prior art keywords
detection
value
preset
resistor
insulation
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
Application number
CN202310376484.9A
Other languages
English (en)
Other versions
CN116087622B (zh
Inventor
徐磊
舒伟
董汉
陈超
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.)
Suzhou Tsing Standard Automobile Technology Co ltd
Original Assignee
Suzhou Tsing Standard Automobile Technology 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 Suzhou Tsing Standard Automobile Technology Co ltd filed Critical Suzhou Tsing Standard Automobile Technology Co ltd
Priority to CN202310376484.9A priority Critical patent/CN116087622B/zh
Publication of CN116087622A publication Critical patent/CN116087622A/zh
Application granted granted Critical
Publication of CN116087622B publication Critical patent/CN116087622B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Measurement Of Resistance Or Impedance (AREA)

Abstract

本发明提供一种检测准确度预测方法、装置、处理设备及存储介质，涉及计算机技术领域。该检测准确度预测方法包括：获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度。可以确定出在检测环境参数对应的状态下，采用测试设备对第一绝缘电阻检测时，获取的检测值的准确度，自动确定测试设备检测的检测值是否可靠，预测出测试设备的检测准确度，不需要在对待测试部件进行测试时，先对测试设备进行点检，提升了测试效率。

Description

检测准确度预测方法、装置、处理设备及存储介质
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种检测准确度预测方法、装置、处理设备及存储介质。
背景技术
在电动汽车及零部件的生产过程中，都需要进行绝缘电阻的测试，整车绝缘电阻测试及零部件的测试方式有所区别，在针对单一零部件进行测试时，大多采用测试设备（例如绝缘电阻测试仪）对被测零部件进行绝缘电阻的测试。
相关技术中，需要先对测试设备进行点检，对测试设备的测量值和工装进行比对，来确定测试设备是否可以进行测试，在对测试设备的点检完成之后，才允许采用测试设备对零部件进行绝缘电阻的测试。
但是，相关技术中，需要人工先对测试设备先进行点检，才能进行正式测试流程，降低了测试效率。
发明内容
本发明的目的在于，针对上述现有技术中的不足，提供一种检测准确度预测方法、装置、处理设备及存储介质，以便解决相关技术中所存在的上述技术问题。
为实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种检测准确度预测方法，所述方法包括：
获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；
根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度。
可选的，所述预测模型包括：多个预设环境参数以及对应的预设检测误差范围之间的对应关系，以及预设预测算法；
所述根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度，包括：
根据所述检测环境参数，在所述对应关系中查找与所述检测环境参数匹配的目标预设检测误差范围；
采用所述预设预测算法，根据所述检测值以及所述预设基准值，计算所述检测值的误差；
根据所述检测值的误差以及所述目标预设检测误差范围，得到所述检测准确度。
可选的，所述根据所述检测值的误差以及所述目标预设检测误差范围，得到所述检测准确度，包括：
若所述检测值的误差在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确；
若所述检测值的误差不在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测不准确。
可选的，在所述根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度之前，所述方法还包括：
获取所述测试设备在研发的过程中的第一样本数据，并获取所述测试设备在维护过程中的第二样本数据；
采用预设优化算法，根据所述第一样本数据、所述第二样本数据、预设小波核函数、预设组合核函数对初始预测模型的模型参数进行更新，直至更新次数满足预设条件，得到所述预测模型，所述组合核函数包括：局部核函数和全局核函数。
可选的，所述获取所述测试设备在研发的过程中的第一样本数据，包括：
在所述测试设备研发的过程中，获取所述测试设备内部的多个第一环境参数，以及每个第一环境参数下所述测试设备检测的第一标准电阻的检测值；
在所述测试设备研发的过程中，获取所述第一标准电阻的阻值以及所述第一标准电阻所在环境的第二环境参数；
所述第一样本数据包括：所述多个第一环境参数、所述第一标准电阻的检测值、所述第一标准电阻的阻值、以及所述第二环境参数。
可选的，所述获取所述测试设备在维护过程中的第二样本数据，包括：
在所述测试设备维护过程中，获取第二标准电阻的标准值、所述测试设备检测的所述第二标准电阻的检测值、所述第二标准电阻所在环境的第三环境参数，以及所述测试设备内部的第四环境参数；
所述第二样本数据包括：第二标准电阻的标准值、所述第二标准电阻的检测值、所述第三环境参数以及所述第四环境参数。
可选的，所述根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度，包括：
根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值、所述检测值对应的所述测试设备内部的检测环境参数、所述检测值对应的所述待检测部件的检测环境参数，采用预设的预测模型进行处理，得到所述检测准确度。
第二方面，本发明实施例还提供了一种检测准确度预测装置，所述装置包括：
获取模块，用于获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；
处理模块，用于根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度。
可选的，所述预测模型包括：多个预设环境参数以及对应的预设检测误差范围之间的对应关系，以及预设预测算法；
所述处理模块，具体用于根据所述检测环境参数，在所述对应关系中查找与所述检测环境参数匹配的目标预设检测误差范围；采用所述预设预测算法，根据所述检测值以及所述预设基准值，计算所述检测值的误差；根据所述检测值的误差以及所述目标预设检测误差范围，得到所述检测准确度。
可选的，所述处理模块，具体用于若所述检测值的误差在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确；若所述检测值的误差不在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测不准确。
可选的，所述装置还包括：
第一获取模块，用于获取所述测试设备在研发的过程中的第一样本数据，并获取所述测试设备在维护过程中的第二样本数据；
更新模块，用于采用预设优化算法，根据所述第一样本数据、所述第二样本数据、预设小波核函数、预设组合核函数对初始预测模型的模型参数进行更新，直至更新次数满足预设条件，得到所述预测模型，所述组合核函数包括：局部核函数和全局核函数。
可选的，所述第一获取模块，具体用于在所述测试设备研发的过程中，获取所述测试设备内部的多个第一环境参数，以及每个第一环境参数下所述测试设备检测的第一标准电阻的检测值；在所述测试设备研发的过程中，获取所述第一标准电阻的阻值以及所述第一标准电阻所在环境的第二环境参数；
所述第一样本数据包括：所述多个第一环境参数、所述第一标准电阻的检测值、所述第一标准电阻的阻值、以及所述第二环境参数。
可选的，所述第一获取模块，具体用于在所述测试设备维护过程中，获取所述第二标准电阻的标准值、所述测试设备检测的所述第二标准电阻的检测值、所述第二标准电阻所在环境的第三环境参数，以及所述测试设备内部的第四环境参数；所述第二样本数据包括：第二标准电阻的标准值、所述第二标准电阻的检测值、所述第三环境参数以及所述第四环境参数。
可选的，所述处理模块，具体用于根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值、所述检测值对应的所述测试设备内部的检测环境参数、所述检测值对应的所述待检测部件的检测环境参数，采用预设的预测模型进行处理，得到所述检测准确度。
第三方面，本发明实施例还提供了一种处理设备，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的检测准确度预测方法。
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，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述第一方面任一项所述的检测准确度预测方法。
本发明的有益效果是：本发明实施例提供一种检测准确度预测方法，该方法可以包括：获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度。可以确定出在检测环境参数对应的状态下，采用测试设备对第一绝缘电阻检测时，获取的检测值的准确度，即可以自动确定测试设备检测的检测值是否可靠，预测出测试设备的检测准确度，不需要在对待测试部件进行测试时，先对测试设备进行点检，提升了测试效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种检测准确度预测方法的流程示意图一；
图2为本发明实施例提供的一种检测准确度预测方法的流程示意图二；
图3为本发明实施例提供的一种检测准确度预测方法的流程示意图三；
图4为本发明实施例提供的一种检测准确度预测方法的流程示意图四；
图5为本发明实施例提供的一种测试设备研发过程中采集系统的结构示意图；
图6为本发明实施例提供的一种维护过程中测试采集系统的结构示意图；
图7为本发明实施例提供的一种实际采集系统的结构示意图；
图8为本发明实施例提供的一种检测准确度预测装置的结构示意图；
图9为本发明实施例提供的一种处理设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。
因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请的描述中，需要说明的是，若出现术语“上”、“下”、等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，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”等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。此外，术语“包括”和“具有”以及他们的任何变形，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。
需要说明的是，在不冲突的情况下，本申请的实施例中的特征可以相互结合。
相关技术中，需要先对测试设备进行点检，对测试设备的测量值和工装进行比对，来确定测试设备是否可以进行测试，在对测试设备的点检完成之后，才允许采用测试设备对零部件进行绝缘电阻的测试。但是，相关技术中，需要人工先对测试设备先进行点检，才能进行正式测试流程，降低了测试效率。
针对相关技术中所存在的上述技术问题，本申请实施例提供一种检测准确度预测方法，采用预设的预测模型，根据待检测部件的第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度，即可以自动确定测试设备检测的检测值是否可靠，预测出测试设备的测试性能，不需要在对待测试部件进行测试时，先对测试设备进行点检，提升了测试效率。
本申请实施例提供一种检测准确度预测方法，可以应用于处理设备，该处理设备可以为终端设备或者服务器，若处理设备为终端设备，终端设备可以为下述中的任一项：台式电脑、笔记本电脑、平板电脑、智能手机等等。
以下对本申请实施例提供的一种检测准确度预测方法进行解释说明。
图1为本发明实施例提供的一种检测准确度预测方法的流程示意图一，如图1所示，该方法可以包括：
S101、获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值。
在本申请实施例中，测试设备无需进行点检，采用测试设备直接对待检测部件的第一绝缘电阻进行检测，得到待检测部件的第一绝缘电阻的检测值，测试设备获取该第一绝缘电阻的检测值。
S102、根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度。
其中，测试设备针对第一绝缘电阻的检测准确度，即测试设备对第一绝缘电进行检测时的准确度。也就是说，检测准确度可以表征，在检测环境参数对应的状态下测试设备所检测的第一绝缘电阻的检测值是否可靠，进而可以反应测试设备的检测准确度、测试性能等。
在一些实施方式中，将待检测部件的第一绝缘电阻的检测值以及检测值对应的检测环境参数输入预设的预测模型中，预测模型可以查找该待检测部件的第一绝缘电阻对应的预设基准值，预测模型根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数进行处理，输出在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度。
示例的，预测模型中可以具有多类部件对应的预设基准值，将待检测部件的类型也输入至预测模型中，预测模型可以根据该待检测部件的类型确定出该待检测部件的第一绝缘电阻对应的预设基准值。另外，针对不同的待检测部件的绝缘电阻，该待检测部件的绝缘电阻对应的预设基准值也不相同，预测模型可以支持在不同的检测环境下，测试设备对不同的待检测部件的绝缘电阻进行检测时的准确度。
另外，预测模型可以为预先训练好的模型。
在本申请实施例中，无需对测试设备先进行人工点检，再采用测试设备对待检测部件的第一绝缘电阻进行检测。可以直接采用测试设备对待检测部件的第一绝缘电阻进行检测，继而执行上述S101和上述S102的过程，得到检测准确度，可以实现自动确定测试设备所检测第一绝缘电阻的检测值是否准确、可靠。
综上所述，本发明实施例提供一种检测准确度预测方法，该方法可以包括：获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度。可以确定出在检测环境参数对应的状态下，采用测试设备对第一绝缘电阻检测时，获取的检测值的准确度，即可以自动确定测试设备检测的检测值是否可靠，预测出测试设备的检测准确度，不需要在对待测试部件进行测试时，先对测试设备进行点检，提升了测试效率。
可选的，图2为本发明实施例提供的一种检测准确度预测方法的流程示意图二，如图2所示，该预测模型可以包括：多个预设环境参数以及对应的预设检测误差范围之间的对应关系，以及预设预测算法。
其中，对应关系是对预测模型进行训练的过程中，预测模型所学习到的关系。
上述S102中根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度，可以包括：
S201、根据检测环境参数，在对应关系中查找与检测环境参数匹配的目标预设检测误差范围。
在一些实施方式中，根据检测环境参数，在对应关系的多个预设环境参数中查找与检测环境参数匹配的目标预设环境参数，将目标预设环境参数对应的预设检测误差范围，作为目标预设检测误差范围。
在本申请实施中，对应关系中预设环境参数对应的预设检测误差范围，可以表征在预设环境参数对应的状态下，标准值与测试值（采用测试设备测试的值）之间的正常误差，也即是可以表征标称值和测试值之间的模型关系。
S202、采用预设预测算法，根据检测值以及预设基准值，计算检测值的误差。
其中，采用预设预测算法，根据检测值以及预设基准值，计算检测值的误差或者检测值的误差范围。
在一些实施方式中，采用预设预测算法，计算预设基准值和检测值的比值，根据预设基准值和检测值的比值，计算检测值的误差或者检测值的误差范围。
S203、根据检测值的误差以及目标预设检测误差范围，得到检测准确度。
在本申请实施例中，可以对检测值的误差以及目标预设检测误差范围进行比较，判断检测值的误差是否在目标预设检测误差范围内，得到检测准确度。
可选的，上述S203中根据检测值的误差以及目标预设检测误差范围，得到检测准确度，可以包括：
若检测值的误差在目标预设检测误差范围内，则在检测环境参数对应的状态下，所述测试设备针对第一绝缘电阻的检测准确。
其中，在检测环境参数对应的状态下，第一绝缘电阻的检测值准确，说明在检测环境参数对应的状态下，测试设备所检测的检测值准确、可靠，测试设备的检测准确度较高，测试性能良好。
若检测值的误差不在目标预设检测误差范围内，则在检测环境参数对应的状态下，所述测试设备针对第一绝缘电阻的检测不准确。
其中，在检测环境参数对应的状态下，第一绝缘电阻的检测值不准确，说明在检测环境参数对应的状态下，测试设备所检测的检测值不准确、不可靠，测试设备的检测准确度较低，测试性能不佳。
可选的，图3为本发明实施例提供的一种检测准确度预测方法的流程示意图三，如图3所示，在根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度之前，该方法还可以包括：
S301、获取测试设备在研发的过程中的第一样本数据，并获取测试设备在维护过程中的第二样本数据。
其中，可以间隔预设时间段对测试设备进行维护。
在一些实施方式，第一样本数据可以为在测试设备研发过程中测试数据集，可以间隔预设时间段对测试设备进行维护，在对测试设备维护的过程中，可以得到第二样本数据。
可选的，第一样本数据和第二样本数据可以预先存储在数据库中，处理设备可以从数据库中获取第一样本数据和第二样本数据。
在本申请实施例中，可以先获取第一样本数据，再获取第二样本数据；也可以先获取第二样本数据，再获取第一样本数据，还可以同时获取第一样本数据和第二样本数据，本申请实施例对此不进行具体限制。
S302、采用预设优化算法，根据第一样本数据、第二样本数据、预设小波核函数、预设组合核函数对初始预测模型的模型参数进行更新，直至更新次数满足预设条件，得到预测模型。
其中，组合核函数可以包括：局部核函数和全局核函数。核函数是支持向量机的重要组成部分，直接影响预测模型的结果。
在一些实施方式中，根据第一样本数据、预设组合核函数对初始预测模型的模型参数进行更新，得到初步训练后的预测模型；根据第二样本数据，确定初步训练后的预测模型的预测是否准确；若预测准确，则得到所述预设预测模型。第一样本数据可以作为训练集，第二样本数据可以作为测试集。
在本申请实施例中，可以采用归一化公式，对第一样本数据和第二样本数据先进行归一化处理，得到归一化处理后的第一样本数据，以及归一化处理后的第二样本数据，根据归一化处理后的第一样本数据以及归一化处理后的第二样本数据训练得到预测模型。
上述归一化公式表示如下：
x'=(x-X_min)/(X_max-X_min)
其中，X_min表示最大的样本数据，X_min表示最小的样本数据，x表示样本数据，x'表示归一化处理后的样本数据。
在本申请实施例中，训练集中的数据量可以为测试集中的数据量的两倍，示例的，训练集：测试集=8:2。
在本申请实施例中，采用Mercer定理（任何半正定对称函数都可以作为核函数）推导出了Morlet小波核函数（为支持向量机允许的核函数），使其具有局部化、多层次、多分辨的优点。
需要说明的是，可以选择具有代表性的径向基(RBF，Radial Basis FunctionKernel)核函数和多项式(Poly)核函数构建出局部性和全局性相结合的线性组合核函数，基于线性组合核函数所得到的预测模型保留RBF核函数所赋予的优越学习能力以及Poly核函数所拥有的强泛化能力。
另外，上述预设优化算法可以为PSO（Particle Swarm Optimization，粒子群优化）算法，采用PSOK可以对初始预测模型的惩罚参数、核参数、权重、尺度因子等模型参数进行寻优，不但极大程度避免了算法陷入局部最优解，同时可在良好的时间复杂度内获得更优的预测结果。
上述预测模型建立了基于组合核的PSO-LSSVM模型，其中，LSSVM要求调整的参数有两个：gam和sig2。其中，gam是正则化参数,决定了适应误差的最小化和平滑程度，sig2是RBF函数的参数。使用建立的预测模型，对绝缘电阻的测试误差进行了预测。
其中，可以自定义LSSVM的核函数类型，通过线性组合构造出下列组合核函数，使其同时具有局部核函数和全局核函数的特征，以此提高学习精度。构造Morlet小波核函数、RBF(Radial Basis Function)+Poly核函数矩阵运算。具体公式如下所示：
其中，为核函数，为核权重系数，q为核函数参数，xi Rm,为内核参数。
在一些实施方式中，输入训练样本集，建立LSSVM预测回归模型。通过适应度函数进行适应度比较，更新粒子个体的最佳适应度值和全局适应度值，获得模型的最优参数。其中，采用均方根误差为适应度函数，表示如下：
其中，yj为第j个样本的实际值，为第j个样本的预测值，n为预测样本数，F(xi)为适应度函数。
另外，根据PSO算法更新初始预测模型中的粒子的速度和位置，获得新的LSSVM参数（模型参数）。迭代次数达到上界或适应度值满足要求时，终止迭代，获得优化参数，建立PSO-LSSVM模型，即预测模型。
需要说明的是，可以计算预测与实际的平均绝对误差MAE、均方根误差RMSE、相关系数R来评价预测方法的精度。
可选的，图4为本发明实施例提供的一种检测准确度预测方法的流程示意图四，如图4所示，上述S301中获取测试设备在研发的过程中的第一样本数据的过程，可以包括：
S401、在测试设备研发的过程中，获取测试设备内部的多个第一环境参数，以及每个第一环境参数下测试设备检测的第一标准电阻的检测值。
其中，测试设备检测的第一标准电阻的检测值是可靠的，示例的，可以为先对测试设备进行点检后，测试设备再对第一标准电阻进行检测所得到的值。
S402、在测试设备研发的过程中，获取第一标准电阻的阻值以及第一标准电阻所在环境的第二环境参数。
其中，第一样本数据可以包括：多个第一环境参数、第一标准电阻的检测值、第一标准电阻的阻值、以及第二环境参数。
需要说明的是，可以先执行上述S401的过程再执行上述S402的过程，也可以先执行S402的过程再执行上述S401的过程，还可以同时执行S401的过程和上述S402的过程。
图5为本发明实施例提供的一种测试设备研发过程中采集系统的结构示意图，如图5所示，该采集系统中可以包括：测试设备、恒温恒湿箱以及温湿度计，测试设备与恒温恒湿箱、温度计均连接。
其中，如图5所示，温湿度计分别与测试设备、恒温恒湿箱连接，用于采集测试设备中的温湿度信息（第一环境参数），以及恒温恒湿箱中的温湿度信息（第二环境参数）。
另外，如图5所示，测试设备中可以包括机柜空调、绝缘电阻测试系统、绝缘测试切换模块，机柜空调用于调整测试设备内部的温度，绝缘电阻测试系统用于控制绝缘测试切换模块进行切换检测，以检测到不同的第一标准电阻的检测值。
在本申请实施例中，如图5所示，恒温恒湿箱中可以设置有标准电阻切换模块以及第一标准电阻，其中，标准电阻切换模块可以切换第一标准电阻，不同第一标准电阻的阻值不同，第一标准电阻的阻值为预设的第一标准电阻的标准阻值。因此，第一样本数据中可以包括：多个第一标准电阻的阻值、多个第一标准电阻的检测值、每个第一标准电阻的检测值对应的第一环境参数以及每个第一标准电阻所在环境的第二环境参数。
如图5所示，标准电阻切换模块与绝缘测试切换模块可以通过连接装置连接，实现电源的互通。
在实际应用中，处理设备可以从测试设备中获取每个第一环境参数下第一标准电阻的检测值，从恒温恒湿箱中获取第一标准电阻所在环境的第二环境参数。可以从温湿度计中获取第一环境参数以及第二环境参数。
可选的，上述S301中获取测试设备在维护过程中的第二样本数据的过程，可以包括：
在测试设备维护过程中，获取第二标准电阻的标准值、测试设备检测的第二标准电阻的检测值、第二标准电阻所在环境的第三环境参数，以及测试设备内部的第四环境参数；
其中，第二样本数据可以包括：第二标准电阻的标准值、第二标准电阻的检测值、第三环境参数以及第四环境参数。测试设备检测的第二标准电阻的检测值是可靠的，示例的，可以为先对测试设备进行点检后，测试设备再对第二标准电阻进行检测所得到的值。
图6为本发明实施例提供的一种维护过程中测试采集系统的结构示意图，如图6所示，测试设备通过连接装置与第二标准电阻连接，温湿度计分别与第二标准电阻、测试设备连接，处理设备、温度计均与测试设备连接。
其中，第二标准电阻可以为OK件或者NG件，其中，OK件的阻值可以为750兆欧，NG件的阻值可以为30兆欧，当然还可以为其它值，本申请实施例对此不进行具体限制。
在一些实施方式中，温度计可以采集第二标准电阻所在环境的第三环境参数，以及测试设备内部的第四环境参数，处理设备可以从温度计中获取第三环境参数以及第四环境参数。从测试设备中获取第二标准电阻的标准值、测试设备检测的第二标准电阻的检测值。
需要说明的是，测试设备中可以包括机柜空调、绝缘电阻测试系统、绝缘测试切换模块，测试设备内部的连接关系以及实现过程，可以参考上述相关内容，此处不再赘述。
在本申请实施例中，可以将第一样本数据和第二样本数据作为输入样本，对初始预测模型进行训练得到预测模型；也可以将第一样本数据作为输入样本对初始预测模型进行训练得到预测模型，继而再采用第二样本数据对预测模型进行维护和数据更新，本申请实施例对此不进行具体限制。
在一些实施方式中，训练过程可以包括：根据第一样本数据对初始预测模型进行训练时，将多个第一标准电阻的阻值、多个第一标准电阻的检测值、每个第一标准电阻的检测值对应的第一环境参数以及每个第一标准电阻所在环境的第二环境参数输入至初始预测模型中，结合预设小波核函数、预设组合核函数对初始预测模型的模型参数进行更新，直至对于模型参数的更新次数满足预设条件，得到预测模型。其中，第一样本数据中的多个第一标准电阻的检测值是可靠的，基于第一样本数据进行模型训练，训练好的预测模型中可以包括：多个预设环境参数以及对应的预设检测误差范围之间的对应关系，这里的预设检测误差范围是指每个预设环境参数下测试设备所检测的检测值的合理误差范围，训练好的预测模型可以用来输出测试设备的检测准确度。
同理的，根据第二样本数据对预测模型进行维护更新时，可以对训练好的预测模型中可以包括：多个预设环境参数以及对应的预设检测误差范围之间的对应关系进行更新。
在采用预测模型进行预测时，测试设备无需进行点检，直接对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；预设的预测模型的输入包括：第一绝缘电阻的检测值、检测值对应的检测环境参数，预设的预测模型的输出包括：测试设备的检测准确度。
其中，将第一绝缘电阻的检测值、检测值对应的检测环境参数输入预设的预测模型，预设的预测模型确定出第一绝缘电阻的预设基准值（具体确定过程可以参考上述，此处不再赘述），根据检测值以及预设基准值计算检测值的误差；在对应关系中查找与检测环境参数匹配的目标预设检测误差范围；若检测值的误差在目标预设检测误差范围内，则预测模型输出测试设备的针对第一绝缘电阻的检测准确，测试设备的测试性能良好。
另外，若检测值的误差不在目标预设检测误差范围内，则预测模型输出测试设备针对第一绝缘电阻的检测不准确，测试设备的测试性能不佳。
上述S102中根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值以及检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在检测环境参数对应的状态下，测试设备针对第一绝缘电阻的检测准确度的过程，可以包括：
根据第一绝缘电阻的检测值、第一绝缘电阻的预设基准值、检测值对应的测试设备内部的检测环境参数、检测值对应的待检测部件的检测环境参数，采用预设的预测模型进行处理，得到检测准确度。
图7为本发明实施例提供的一种实际采集系统的结构示意图，如图7所示，测试设备通过连接装置与待检测部件连接，温湿度计分别与待检测部件、测试设备连接，温度计、处理设备均与测试设备连接。
在一些实施方式中，温度计可以采集检测值对应的测试设备内部的检测环境参数，以及检测值对应的待检测部件的检测环境参数，处理设备可以从温度计中获取检测值对应的测试设备内部的检测环境参数、以及检测值对应的待检测部件的检测环境参数。从测试设备中获取第一绝缘电阻的检测值、第一绝缘电阻的预设基准值。
需要说明的是，测试设备中可以包括机柜空调、绝缘电阻测试系统、绝缘测试切换模块，测试设备内部的连接关系以及实现过程，可以参考上述相关内容，此处不再赘述。
在本申请实施例中，温湿度是绝缘电阻测试的重要影响因素，所以一方面是外部测试环境增加恒温恒湿箱来施加不同条件，另外测试设备本身内部也集成了机柜空调，保证测试设备的测试条件处于一个固定环境中。
综上所述，确定出在检测环境参数对应的状态下，测试设备针对第一绝缘电阻检测时，获取的检测值的准确度，即可以自动确定测试设备检测的检测值是否可靠，预测出测试设备的检测准确度，不需要在对待测试部件进行测试时，先对测试设备进行点检，提升了测试效率。
下述对用以执行本申请所提供的检测准确度预测方法的检测准确度预测装置、处理设备及存储介质等进行说明，其具体的实现过程以及技术效果参见上述检测准确度预测方法的相关内容，下述不再赘述。
图8为本发明实施例提供的一种检测准确度装置的结构示意图，如图8所示，该装置可以包括：
获取模块801，用于获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；
处理模块802，用于根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度。
可选的，所述预测模型包括：多个预设环境参数以及对应的预设检测误差范围之间的对应关系，以及预设预测算法；
所述处理模块802，具体用于根据所述检测环境参数，在所述对应关系中查找与所述检测环境参数匹配的目标预设检测误差范围；采用所述预设预测算法，根据所述检测值以及所述预设基准值，计算所述检测值的误差；根据所述检测值的误差以及所述目标预设检测误差范围，得到所述检测准确度。
可选的，所述处理模块802，具体用于若所述检测值的误差在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确；若所述检测值的误差不在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测不准确。
可选的，所述装置还包括：
第一获取模块，用于获取所述测试设备在研发的过程中的第一样本数据，并获取所述测试设备在维护过程中的第二样本数据；
更新模块，用于采用预设优化算法，根据所述第一样本数据、所述第二样本数据、预设小波核函数、预设组合核函数对初始预测模型的模型参数进行更新，直至更新次数满足预设条件，得到所述预测模型，所述组合核函数包括：局部核函数和全局核函数。
可选的，所述第一获取模块，具体用于在所述测试设备研发的过程中，获取所述测试设备内部的多个第一环境参数，以及每个第一环境参数下所述测试设备检测的第一标准电阻的检测值；在所述测试设备研发的过程中，获取所述第一标准电阻的阻值以及所述第一标准电阻所在环境的第二环境参数；
所述第一样本数据包括：所述多个第一环境参数、所述第一标准电阻的检测值、所述第一标准电阻的阻值、以及所述第二环境参数。
可选的，所述第一获取模块，具体用于在所述测试设备维护过程中，获取所述第二标准电阻的标准值、所述测试设备检测的所述第二标准电阻的检测值、所述第二标准电阻所在环境的第三环境参数，以及所述测试设备内部的第四环境参数；所述第二样本数据包括：第二标准电阻的标准值、所述第二标准电阻的检测值、所述第三环境参数以及所述第四环境参数。
可选的，所述处理模块802，具体用于根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值、所述检测值对应的所述测试设备内部的检测环境参数、所述检测值对应的所述待检测部件的检测环境参数，采用预设的预测模型进行处理，得到所述检测准确度。
上述装置用于执行前述实施例提供的方法，其实现原理和技术效果类似，在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路（Application Specific Integrated Circuit，简称ASIC），或，一个或多个微处理器（digital singnal processor，简称DSP），或，一个或者多个现场可编程门阵列（Field Programmable Gate Array，简称FPGA）等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器（CentralProcessing Unit，简称CPU）或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统（system-on-a-chip，简称SOC）的形式实现。
图9为本发明实施例提供的一种处理设备的结构示意图，如图9所示，该装置包括：处理器901、存储器902。
其中，存储器902用于存储程序，处理器901调用存储器902存储的程序，以执行上述方法实施例。具体实现方式和技术效果类似，这里不再赘述。
可选地，本发明还提供一种程序产品，例如计算机可读存储介质，包括程序，该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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）或处理器（英文：processor）执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（英文：Read-Only Memory，简称：ROM）、随机存取存储器（英文：Random Access Memory，简称：RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种检测准确度预测方法，其特征在于，所述方法包括：
获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；
根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度。
2.根据权利要求1所述的方法，其特征在于，所述预测模型包括：多个预设环境参数以及对应的预设检测误差范围之间的对应关系，以及预设预测算法；
所述根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度，包括：
根据所述检测环境参数，在所述对应关系中查找与所述检测环境参数匹配的目标预设检测误差范围；
采用所述预设预测算法，根据所述检测值以及所述预设基准值，计算所述检测值的误差；
根据所述检测值的误差以及所述目标预设检测误差范围，得到所述检测准确度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述检测值的误差以及所述目标预设检测误差范围，得到所述检测准确度，包括：
若所述检测值的误差在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确；
若所述检测值的误差不在所述目标预设检测误差范围内，则在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测不准确。
4.根据权利要求1所述的方法，其特征在于，在所述根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度之前，所述方法还包括：
获取所述测试设备在研发的过程中的第一样本数据，并获取所述测试设备在维护过程中的第二样本数据；
采用预设优化算法，根据所述第一样本数据、所述第二样本数据、预设小波核函数、预设组合核函数对初始预测模型的模型参数进行更新，直至更新次数满足预设条件，得到所述预测模型，所述组合核函数包括：局部核函数和全局核函数。
5.根据权利要求4所述的方法，其特征在于，所述获取所述测试设备在研发的过程中的第一样本数据，包括：
在所述测试设备研发的过程中，获取所述测试设备内部的多个第一环境参数，以及每个第一环境参数下所述测试设备检测的第一标准电阻的检测值；
在所述测试设备研发的过程中，获取所述第一标准电阻的阻值以及所述第一标准电阻所在环境的第二环境参数；
所述第一样本数据包括：所述多个第一环境参数、所述第一标准电阻的检测值、所述第一标准电阻的阻值、以及所述第二环境参数。
6.根据权利要求4所述的方法，其特征在于，所述获取所述测试设备在维护过程中的第二样本数据，包括：
在所述测试设备维护过程中，获取第二标准电阻的标准值、所述测试设备检测的所述第二标准电阻的检测值、所述第二标准电阻所在环境的第三环境参数，以及所述测试设备内部的第四环境参数；
所述第二样本数据包括：第二标准电阻的标准值、所述第二标准电阻的检测值、所述第三环境参数以及所述第四环境参数。
7.根据权利要求1所述的方法，其特征在于，所述根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度，包括：
根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值、所述检测值对应的所述测试设备内部的检测环境参数、所述检测值对应的所述待检测部件的检测环境参数，采用预设的预测模型进行处理，得到所述检测准确度。
8.一种检测准确度预测装置，其特征在于，所述装置包括：
获取模块，用于获取测试设备对待检测部件的第一绝缘电阻进行检测得到的第一绝缘电阻的检测值；
处理模块，用于根据所述第一绝缘电阻的检测值、所述第一绝缘电阻的预设基准值以及所述检测值对应的检测环境参数，采用预设的预测模型进行处理，得到在所述检测环境参数对应的状态下，所述测试设备针对所述第一绝缘电阻的检测准确度。
9.一种处理设备，其特征在于，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现上述权利要求1-7任一项所述的检测准确度预测方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被读取并执行时，实现上述权利要求1-7任一项所述的检测准确度预测方法。
CN202310376484.9A 2023-04-11 2023-04-11 检测准确度预测方法、装置、处理设备及存储介质 Active CN116087622B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310376484.9A CN116087622B (zh) 2023-04-11 2023-04-11 检测准确度预测方法、装置、处理设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310376484.9A CN116087622B (zh) 2023-04-11 2023-04-11 检测准确度预测方法、装置、处理设备及存储介质

Publications (2)

Publication Number Publication Date
CN116087622A true CN116087622A (zh) 2023-05-09
CN116087622B CN116087622B (zh) 2023-09-05

Family

ID=86212414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310376484.9A Active CN116087622B (zh) 2023-04-11 2023-04-11 检测准确度预测方法、装置、处理设备及存储介质

Country Status (1)

Country Link
CN (1) CN116087622B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201576052U (zh) * 2009-12-18 2010-09-08 深圳市普禄科智能检测设备有限公司 一种具有湿度补偿功能的绝缘测试装置
CN104220887A (zh) * 2012-03-27 2014-12-17 株式会社Lg化学 具有故障自诊断功能的绝缘电阻测量设备及使用该设备的故障自诊断方法
CN206863201U (zh) * 2017-04-26 2018-01-09 国网江苏省电力公司检修分公司 一种应用于现场的变压器常用试验仪器比对装置
CN108398622A (zh) * 2018-03-28 2018-08-14 湖南二三智能科技有限公司 一种电气绝缘检测系统、方法及装置
DE102020007246A1 (de) * 2020-11-27 2022-06-02 Daimler Ag Verfahren zum Kalibrieren eines ersten Isolationswächters eines elektrischen Bordnetzes, sowie elektrisches Bordnetz
JP2022120236A (ja) * 2021-02-05 2022-08-18 株式会社豊田自動織機 絶縁抵抗低下検出装置および絶縁抵抗低下検出装置の故障診断方法
US20220299558A1 (en) * 2019-09-06 2022-09-22 Lg Energy Solution, Ltd. Apparatus and Method for Diagnosing Insulation Resistance Measurement Circuit
CN115656905A (zh) * 2022-05-20 2023-01-31 深圳市道通合创新能源有限公司 电动汽车绝缘检测功能的失效诊断系统、方法及设备
WO2023006443A1 (de) * 2021-07-30 2023-02-02 Sensor-Technik Wiedemann Gmbh Verfahren zur eigendiagnose einer schaltung zur isolationswiderstandsmessung eines hochspannungssystems

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201576052U (zh) * 2009-12-18 2010-09-08 深圳市普禄科智能检测设备有限公司 一种具有湿度补偿功能的绝缘测试装置
CN104220887A (zh) * 2012-03-27 2014-12-17 株式会社Lg化学 具有故障自诊断功能的绝缘电阻测量设备及使用该设备的故障自诊断方法
CN206863201U (zh) * 2017-04-26 2018-01-09 国网江苏省电力公司检修分公司 一种应用于现场的变压器常用试验仪器比对装置
CN108398622A (zh) * 2018-03-28 2018-08-14 湖南二三智能科技有限公司 一种电气绝缘检测系统、方法及装置
US20220299558A1 (en) * 2019-09-06 2022-09-22 Lg Energy Solution, Ltd. Apparatus and Method for Diagnosing Insulation Resistance Measurement Circuit
DE102020007246A1 (de) * 2020-11-27 2022-06-02 Daimler Ag Verfahren zum Kalibrieren eines ersten Isolationswächters eines elektrischen Bordnetzes, sowie elektrisches Bordnetz
JP2022120236A (ja) * 2021-02-05 2022-08-18 株式会社豊田自動織機 絶縁抵抗低下検出装置および絶縁抵抗低下検出装置の故障診断方法
WO2023006443A1 (de) * 2021-07-30 2023-02-02 Sensor-Technik Wiedemann Gmbh Verfahren zur eigendiagnose einer schaltung zur isolationswiderstandsmessung eines hochspannungssystems
CN115656905A (zh) * 2022-05-20 2023-01-31 深圳市道通合创新能源有限公司 电动汽车绝缘检测功能的失效诊断系统、方法及设备

Also Published As

Publication number Publication date
CN116087622B (zh) 2023-09-05

Similar Documents

Publication Publication Date Title
CN110968985A (zh) 集成电路修补算法确定方法及装置、存储介质、电子设备
JP2019510215A (ja) バッテリーの充電状態を推定する方法及びセンサーシステム
CN112180258B (zh) 电池平均库伦效率的测定方法、装置、介质、终端、及系统
US11709474B2 (en) Method and apparatus for detecting abnormality of manufacturing facility
CN108982915A (zh) 一种加速度传感器温度补偿方法
CN105335379B (zh) 突变测试中对突变、测试用例、随机种子的组合排序的方法和设备
CN117471227B (zh) 汽车线束参数性能测试方法及测试系统
CN111460380B (zh) 一种基于高斯过程回归的多工况续驶里程预测方法及系统
CN114707632A (zh) 一种传感网络传感器故障定位方法、系统、设备及介质
CN112558027A (zh) 雷达校验方法、装置、设备及存储介质
CN115841046A (zh) 基于维纳过程的加速退化试验数据处理方法和装置
CN112985867B (zh) 舵机测试方法、装置、设备及存储介质
CN116087622B (zh) 检测准确度预测方法、装置、处理设备及存储介质
CN111985163A (zh) 一种铷钟寿命预测方法及装置
CN111274686B (zh) 一种批量化微小卫星试验方法及装置
CN108169631A (zh) 局部放电定位误差校正方法、系统、终端及可读存储介质
CN115932144B (zh) 色谱仪性能检测方法、装置、设备和计算机介质
CN114252771B (zh) 一种电池参数在线辨识方法及系统
CN116415686A (zh) 温升模型校准方法、装置、超声成像设备及存储介质
EP3913547A1 (en) Modelling input-output relation of computer-controlled entity
CN111741526B (zh) 定位方法、装置、电子设备以及计算机存储介质
CN111595433B (zh) 航空发动机整机振动传感器的位置确定方法及系统
CN107506824B (zh) 一种配电网的不良观测数据检测方法及装置
CN110389947A (zh) 一种黑名单生成方法、装置、设备及介质
CN116070972B (zh) 汽车零部件抽检的方法、装置、电子设备及存储介质

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