CN116449247A - 一种开关电源故障检测方法、系统、设备及介质 - Google Patents
一种开关电源故障检测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116449247A CN116449247A CN202310471882.9A CN202310471882A CN116449247A CN 116449247 A CN116449247 A CN 116449247A CN 202310471882 A CN202310471882 A CN 202310471882A CN 116449247 A CN116449247 A CN 116449247A
- Authority
- CN
- China
- Prior art keywords
- detected
- power supply
- information
- power
- fault
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims description 49
- 238000010586 diagram Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000007499 fusion processing Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000004927 fusion Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/40—Testing power supplies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/28—Supervision thereof, e.g. detecting power-supply failure by out of limits supervision
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种开关电源故障检测方法、系统、设备及介质，涉及开关电源技术领域。在该方法中，包括以下步骤：获取待检测PC电源的待检测电源标识信息；根据待检测电源标识信息获取待检测PC电源的待检测电源信息，待检测电源信息至少包括待检测电源型号信息与待检测电源波形信息；根据待检测电源型号信息在云数据库中查找与待检测PC电源对应的故障检测模型；将待检测电源波形信息输入故障检测模型，生成第一故障判断信息，完成待检测PC电源的故障点定位。通过采用本申请提供的技术方案，基于数据驱动的方式对PC电源进行故障点定位，使得维修人员能够较快的定位PC电源的故障点，从而能够较好的对PC电源进行维修。
Description
技术领域
本申请涉及开关电源技术领域，尤其是涉及一种开关电源故障检测方法、系统、设备及介质。
背景技术
开关电源是一种高频化电能转换装置，是的一种。开关电源的输入多半是，而输出多半是需要直流电源的设备，在日常生活中，我们接触得较多的开关电源就是PC（个人电脑）电源。
PC电源的作用是将家用高压交流电转化为纯净的低压直流电以供个人电脑的其他设备使用，PC电源为个人电脑提供动力，是个人电脑中相当重要的设备。但由于用户使用不当、PC电源品质参差不齐等等原因，PC电源也是个人电脑设备中比较容易损坏的设备。
目前对于PC电源的故障检测多是基于原理驱动的故障检测，即根据PC电源的电源拓扑图对PC电源内部的各个元器件进行检测，但PC电源的生产厂家众多且型号众多，导致基于原理驱动的故障检测方法在解决实际问题时操作相对复杂，维修人员较难在短时间内准确定位到PC电源的故障点所在。
发明内容
为了使得维修人员能够较快的定位PC电源的故障点，从而能够较好的对PC电源进行维修，本申请提供一种开关电源故障检测方法、系统、设备及介质。
第一方面，本申请提供了一种开关电源故障检测方法，所述方法包括以下步骤：
获取待检测PC电源的待检测电源标识信息，所述待检测电源标识信息与所述待检测PC电源唯一对应；
根据所述待检测电源标识信息获取所述待检测PC电源的待检测电源信息，所述待检测电源信息至少包括待检测电源型号信息与待检测电源波形信息；
根据所述待检测电源型号信息在云数据库中查找与所述待检测PC电源对应的故障检测模型；
将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息，完成所述待检测PC电源的故障点定位。
通过采用上述技术方案，基于待检测PC电源的电源标识信息获取待检测PC电源的待检测电源信息与对应的故障检测模型，根据待检测电源信息通过故障检测模型检测待检测电源的故障点所在。基于数据驱动的方式对待检测PC电源进行故障检测，使得维修人员能够不通过待检测PC电源的原理图纸排查故障，较快的完成待检测PC电源的故障点定位，从而能够较好的对PC电源进行维修。
可选的，获取待检测PC电源的待检测电源标识信息包括：
通过二维码扫描、条形码扫描以及人工录入中的一种或多种方式获取所述待检测电源标识信息。
通过采用上述技术方案，多种方式组合获取待检测电源标识信息，对于维修人员更加友好。
可选的，所述待检测电源波形信息具体包括：
第一待检测电源波形信息，所述第一待检测电源波形信息来自于所述待检测PC电源的开关管；
第二待检测电源波形信息，所述第二待检测电源波形信息来自于所述待检测PC电源的PWM芯片组；
第三待检测电源波形信息，所述第三待检测电源波形信息来自于所述待检测PC电源的电源管理芯片组。
通过采用上述技术方案，待检测电源波形信息包括待检测PC电源的开关管输出波形、PWM芯片组输出波形以及电源管理芯片组输出波形，这三部分部件是PC电源中最易损坏的部分，通过获取这三部分的输出波形，进一步的缩小故障点范围，使得维修人员能够更快的定位故障点。
可选的，在将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息中，具体包括以下步骤：
根据所述待检测电源波形信息提取所述待检测PC电源的电信号特征，所述电信号特征包括电信号时序特征与电信号形态特征；
对所述电信号特征进行融合处理，生成所述待检测PC电源的特征表示；
通过所述故障检测模型中的分类器对所述特征表示进行处理，生成所述第一故障判断信息。
通过采用上述技术方案，引入多特征对待检测PC电源进行描述，相较于单一特征对待检测PC电源进行描述的方式，多特征能够在多个维度上对待检测PC电源进行解释，有利于提高故障检测模型的准确性。
可选的，在对所述电信号特征进行融合处理，生成所述待检测PC电源的特征表示中，进一步包括：
基于特征图求和的方式对所述电信号特征进行融合处理。
通过采用上述技术方案，对特征的融合处理分为特征通道叠加的方式融合与特征图求和的方式融合，特征通道叠加只是单纯增加特征通道，将不同维度特征同时映射到相同的类别空间中，不同维度特征之间并无关联；特征图求和的融合方式要求不同维度特征的通道数相同，将不同维度特征包含的特征图逐个相加，特征之间存在一定的融合性，有利于提高故障检测模型的准确性。
可选的，在将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息前，包括对所述故障检测模型进行训练的过程，在所述对故障检测模型进行训练中，具体包括：
根据所述待检测电源型号信息在所述云数据库中查找训练集电源信息，所述训练集电源信息包括训练集电源型号信息与训练集电源波形信息，所述训练集电源型号信息与所述待检测电源型号信息相同；
根据所述训练集电源信息获取所述训练集电源的第二故障判断信息；
根据所述训练集电源波形信息与所述第二故障判断信息对所述故障检测模型进行训练。
通过采用上述技术方案，用于训练故障检测模型的训练集来源于与待检测PC电源相同电源型号的PC电源，使得故障检测模型与待检测PC电源更加适应，有利于提高故障检测模型的准确性。
可选的，在将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息，完成所述待检测PC电源的故障点定位后，还包括：
获取所述待检测PC电源的准确故障点信息；
将所述待检测电源信息、所述第一故障判断信息以及所述准确故障点信息存放至与所述待检测电源对应的所述故障检测模型的训练集内，以对所述故障检测模型进行进一步训练。
通过采用上述技术方案，在维修人员根据第一故障判断信息对待检测电源进行维修并查找出准确的故障点后，维修人员将准确故障点信息进行上传，使得完成维修的待检测PC电源的待检测电源信息能够作为与待检测PC电源对应的故障检测模型的训练集的一部分训练数据，从而进一步优化故障检测模型。
在本申请的第二方面提供了一种开关电源故障检测系统，所述系统包括以下模块：
待检测电源标识信息获取模块：用于获取待检测PC电源的待检测电源标识信息，所述待检测电源标识信息与所述待检测PC电源唯一对应；
待检测电源信息获取模块：用于根据所述待检测电源标识信息获取所述待检测PC电源的待检测电源信息，所述待检测电源信息至少包括待检测电源型号信息与待检测电源波形信息；
故障检测模型查找模块：用于根据所述待检测电源型号信息在云数据库中查找与所述待检测PC电源对应的故障检测模型；
第一故障判断信息生成模块：用于将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息，完成所述待检测PC电源的故障点定位。
在本申请的第三方面提供了一种电子设备；
在本申请的第四方面提供了一种计算机可读存储介质；
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、基于数据驱动的方式对待检测PC电源进行故障检测，使得维修人员能够不通过待检测PC电源的原理图纸排查故障，较快的完成待检测PC电源的故障点定位，从而能够较好的对PC电源进行维修。
2、基于与待检测PC电源相同电源型号的PC电源的电源波形信息训练故障检测模型，使得故障检测模型与待检测PC电源更加适应，有利于提高故障检测模型的准确性。
3、提取待检测PC电源的波形信息的多维度特征，对待检测故障电源进行更加全面的描述。
附图说明
图1是本申请实施例提供的一种开关电源故障检测方法的应用场景图。
图2是本申请实施例提供的一种开关电源故障检测方法的流程示意图。
图3是本申请实施例公开的一种开关电源故障检测系统的结构示意图。
图4是本申请实施例的公开的一种电子设备的结构示意图。
附图标记说明：301、待检测电源标识信息获取模块；302、待检测电源信息获取模块；303、故障检测模型查找模块；304、第一故障判断信息生成模块；400、电子设备；401、处理器；402、通信总线；403、用户接口；404、网络接口；405、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为更清楚的说明本申请提供的技术方案，在对本申请一种可行的实施例的具体步骤进行描述前，首先对本申请一种可行的实施例的实际运用场景进行描述。
参照图1，本申请提供的技术方案可运用于云数据库，用户的个人电脑与云数据库能够进行数据传输，将个人电脑中的PC电源的实时电源波形信息上传至云数据库，可以理解的是，这种数据传输时实时进行的，因此即便PC电源由于故障原因而停止工作，PC电源在故障前的电源波形信息也已经被上传至云数据库中，并与PC电源的电源标识信息相关联，通过PC电源的电源标识信息能够在云数据库中查找到PC电源的电源波形信息
参照图2，本申请提供了一种开关电源故障检测方法，该方法具体包括以下步骤：
S01：获取待检测PC电源的待检测电源标识信息；
具体的，通过二维码扫描、条形码扫描以及人工录入中的一种或多种方式获取待检测电源标识信息，在待检测PC电源的外部封装上粘贴有包含待检测电源标识信息的二维码或条形码，通过扫描二维码或条形码获取待检测PC电源的待检测电源标识信息，待检测电源标识信息可以是一串编号，待检测电源标识信息与待检测PC电源唯一对应。
在本申请一种可行的实施例中，可以直接将待检测PC电源的待检测电源标识信息进行人工录入，以唯一确定该待检测PC电源。
S02：根据待检测电源标识信息获取待检测PC电源的待检测电源信息，待检测电源信息至少包括待检测电源型号信息与待检测电源波形信息；
具体的，通过获取到的待检测PC电源的待检测电源标识信息，在预置的数据库中查找待检测PC电源的待检测电源信息，待检测电源信息包括待检测电源型号信息以及待检测电源波形信息，待检测电源型号信息用于说明待检测PC电源的生产厂家与出厂型号，待检测电源波形信息为待检测PC电源中设置的检测点的电压波形图。
当待检测PC电源正常接入个人电脑开始工作后，通过设置在待检测PC电源内的检测点与信息采集工具会实时记录待检测PC电源中的各检测点的电压波形图，并将记录的电压波形图上传至云数据库中，信息采集工具可以是LabVIEW的多通道数据采集系统。
待检测电源波形信息具体包括第一待检测电源波形信息、第二待检测电源波形信息以及第三待检测电源波形信息，第一待检测电源波形信息来源于第一检测点，第一检测点设置在待检测PC电源内的开关管处；第二待检测电源波形信息来源于第二检测点，第二检测点设置在待检测PC电源内的PWM芯片组处；第三待检测电源波形信息来源于第三检测点，第三检测点设置在待检测PC电源内的电源管理芯片组处；基于历史维修经验与电路原理分析，开关管、PWM芯片组以及电源管理芯片组为PC电源内最容易出现故障的三处部件，将检测点设置在这三处，能够进一步缩小维修人员检测故障点的范围。
S03：根据待检测电源型号信息在云数据库中查找与待检测PC电源对应的故障检测模型；
具体的，在云数据库中查找与待检测PC电源对应的故障检测模型，与待检测PC电源对应的故障检测模型基于与待检测PC电源具有相同电源型号信息训练集电源的训练集电源信息训练生成，训练集电源的训练集电源信息是从其他PC电源用户处采集的，并且训练集电源是否发生故障已知，若发生故障则故障类别已知，即第二故障判断信息已知。
根据用于训练故障检测模型的训练集电源的训练集电源型号信息为故障检测模型添加标签，当输入待检测PC电源的待检测电源型号信息时，只需根据故障检测模型的标签即可查找到与待检测PC电源对应的故障检测模型。
S04：将待检测电源波形信息输入故障检测模型，生成第一故障判断信息；
具体的，故障检测模型包括特征提取器与分类器，特征提取器用于提取待检测PC电源的待检测电源波形信息中的电信号特征，分类器用于基于电信号特征对待检测PC电源进行分类，将待检测PC电源划分为不同的故障类别或无故障类别，在本申请一实施例中，分类器能够将待检测PC电源划分为无故障、开关管故障、PWM芯片组故障以及电源管理芯片组故障供四个类别。特征提取器包括一个LSTM（长短时记忆循环神经网络）与一个CNN（卷积神经网络），LSTM用于提取待检测电源波形信息中的电信号时序特征，CNN用于提取待检测电源波形信息中的电信号形态特征，通过神经网络提取电信号特征为现有技术，在此对其原理不进行过多赘述。
在完成对电信号特征的提取后，将提取出的电信号时序特征与电信号形态特征进行融合处理，基于特征图求和的方式对电信号特征进行融合，生成待检测电源波形信息的特征表示，待检测电源波形信息的特征表示能够在时序与形态两个方面对待检测电源波形信息进行描述。
再将待检测电源波形信息的特征表示输入故障检测模型的分类器中，对待检测电源波形信息进行分类，将待检测PC电源划分为不同类别，根据划分的结果输出第一故障判断信息，分类器可以是Softmax分类器。
故障检测模型的训练过程与上述待检测PC电源的故障检测过程类似，将训练集电源的训练集电源波形信息输入故障检测模型，对训练集电源波形信息中的各类电信号特征进行提取，基于训练集电源波形信息的电信号特征对训练集电源波形信息进行划分，输出一个输出量，根据已知的训练集电源的第二故障判断信息与输出量不断对故障检测模型进行反向校准，直至故障检测模型的模型参数符合预期值，完成对故障检测模型的训练。
在完成第一故障判断信息的输出后，维修人员可以根据第一故障判断信息快速的大致定位到待检测PC电源的故障点，对待检测PC电源进行维修。在完成维修后，维修人员可以得知待检测PC电源的准确故障，根据待检测PC电源的准确故障向云数据库上传该待检测PC电源的准确故障点信息，此时在云数据库中包括了该待检测PC电源的电源信息、第一故障判断信息以及准确故障点信息，将这些信息作为该待检测PC电源对应的故障检测模型的训练集中的一部分训练数据，对故障检测模型进行优化。
基于上述步骤，在本申请一种可行的实施例中，对待检测PC电源的故障点判断的具体操作过程为：当PC电源发生故障后，维修人员扫描PC电源上粘贴的二维码或条形码，获取该PC电源的电源标识信息，将电源标识信息上传至云数据库中，根据电源标识信息查找该PC电源的电源信息，该PC电源即为待检测PC电源，该PC电源的电源信息即为待检测电源信息；在云数据库中还包含有多个故障检测模型，根据PC电源的电源信息中的电源型号信息选取对应的故障检测模型；与PC电源的电源型号信息对应的故障检测模型基于与该PC电源相同型号的其他用户的电源信息训练得到，基于故障检测模型对PC电源进行检测，输出故障判断信息，大致定位PC电源的故障点；维修人员在参考故障判断信息后，根据故障判断信息对PC电源进行维修，查找PC电源的准确故障，在确定准确的故障后，将PC电源的准确故障点信息上传，完成整个对PC电源的维修过程。
参照图3，本申请还提供了一种开关电源故障检测系统，该系统具体包括以下模块：
待检测电源标识信息获取模块301：用于获取待检测PC电源的待检测电源标识信息，待检测电源标识信息与待检测PC电源唯一对应；
待检测电源信息获取模块302：用于根据待检测电源标识信息获取待检测PC电源的待检测电源信息，待检测电源信息至少包括待检测电源型号信息与待检测电源波形信息；
故障检测模型查找模块303：用于根据待检测电源型号信息在云数据库中查找与待检测PC电源对应的故障检测模型；
第一故障判断信息生成模块304：用于将待检测电源波形信息输入故障检测模型，生成第一故障判断信息，完成待检测PC电源的故障点定位。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请还公开一种电子设备400。参照图4，图4是本申请实施例的公开的一种电子设备400的结构示意图。该电子设备400可以包括：至少一个处理器401，至少一个网络接口404，用户接口403，存储器405，至少一个通信总线402。
其中，通信总线402用于实现这些组件之间的连接通信。
其中，用户接口403可以包括显示屏（Display）、摄像头（Camera），可选用户接口403还可以包括标准的有线接口、无线接口。
其中，网络接口404可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器401可以包括一个或者多个处理核心。处理器401利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器405内的指令、程序、代码集或指令集，以及调用存储在存储器405内的数据，执行服务器的各种功能和处理数据。可选的，处理器401可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器401可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器401中，单独通过一块芯片进行实现。
其中，存储器405可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器405包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器405可用于存储指令、程序、代码、代码集或指令集。存储器405可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器405可选的还可以是至少一个位于远离前述处理器401的存储装置。参照图4，作为一种计算机存储介质的存储器405中可以包括操作系统、网络通信模块、用户接口模块以及一种开关电源故障检测方法的应用程序。
在图4所示的电子设备400中，用户接口403主要用于为用户提供输入的接口，获取用户输入的数据；而处理器401可以用于调用存储器405中存储一种开关电源故障检测方法的应用程序，当由一个或多个处理器401执行时，使得电子设备400执行如上述实施例中一个或多个所述的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。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服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
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，在本申请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，也可以采用软件功能单元的形式实现。
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器405中。基于这样的理解，本申请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器405中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器405包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (10)
1.一种开关电源故障检测方法，其特征在于，所述方法包括以下步骤：
获取待检测PC电源的待检测电源标识信息，所述待检测电源标识信息与所述待检测PC电源唯一对应；
根据所述待检测电源标识信息获取所述待检测PC电源的待检测电源信息，所述待检测电源信息至少包括待检测电源型号信息与待检测电源波形信息；
根据所述待检测电源型号信息在云数据库中查找与所述待检测PC电源对应的故障检测模型；
将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息，完成所述待检测PC电源的故障点定位。
2.根据权利要求1所述的开关电源故障检测方法，其特征在于，获取待检测PC电源的待检测电源标识信息包括：
通过二维码扫描、条形码扫描以及人工录入中的一种或多种方式获取所述待检测电源标识信息。
3.根据权利要求1所述的开关电源故障检测方法，其特征在于，所述待检测电源波形信息具体包括：
第一待检测电源波形信息，所述第一待检测电源波形信息来自于所述待检测PC电源的开关管；
第二待检测电源波形信息，所述第二待检测电源波形信息来自于所述待检测PC电源的PWM芯片组；
第三待检测电源波形信息，所述第三待检测电源波形信息来自于所述待检测PC电源的电源管理芯片组。
4.根据权利要求1所述的开关电源故障检测方法，其特征在于，在将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息中，具体包括以下步骤：
根据所述待检测电源波形信息提取所述待检测PC电源的电信号特征，所述电信号特征包括电信号时序特征与电信号形态特征；
对所述电信号特征进行融合处理，生成所述待检测PC电源的特征表示；
通过所述故障检测模型中的分类器对所述特征表示进行处理，生成所述第一故障判断信息。
5.根据权利要求4所述的开关电源故障检测方法，其特征在于，在对所述电信号特征进行融合处理，生成所述待检测PC电源的特征表示中，进一步包括：
基于特征图求和的方式对所述电信号特征进行融合处理。
6.根据权利要求1所述的开关电源故障检测方法，其特征在于，在将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息前，包括对所述故障检测模型进行训练的过程，在所述对故障检测模型进行训练中，具体包括：
根据所述待检测电源型号信息在所述云数据库中查找训练集电源信息，所述训练集电源信息包括训练集电源型号信息与训练集电源波形信息，所述训练集电源型号信息与所述待检测电源型号信息相同；
根据所述训练集电源信息获取所述训练集电源的第二故障判断信息；
根据所述训练集电源波形信息与所述第二故障判断信息对所述故障检测模型进行训练。
7.根据权利要求1所述的开关电源故障检测方法，其特征在于，在将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息，完成所述待检测PC电源的故障点定位后，还包括：
获取所述待检测PC电源的准确故障点信息；
将所述待检测电源信息、所述第一故障判断信息以及所述准确故障点信息存放至与所述待检测电源对应的所述故障检测模型的训练集内，以对所述故障检测模型进行进一步训练。
8.一种基于权利要求1-7任一项所述的开关电源故障检测方法的系统，其特征在于，所述系统包括：
待检测电源标识信息获取模块(301)：用于获取待检测PC电源的待检测电源标识信息，所述待检测电源标识信息与所述待检测PC电源唯一对应；
待检测电源信息获取模块(302)：用于根据所述待检测电源标识信息获取所述待检测PC电源的待检测电源信息，所述待检测电源信息至少包括待检测电源型号信息与待检测电源波形信息；
故障检测模型查找模块(303)：用于根据所述待检测电源型号信息在云数据库中查找与所述待检测PC电源对应的故障检测模型；
第一故障判断信息生成模块(304)：用于将所述待检测电源波形信息输入所述故障检测模型，生成第一故障判断信息，完成所述待检测PC电源的故障点定位。
9.一种电子设备，其特征在于，包括处理器(401)、存储器(405)、用户接口(403)及网络接口(404)，所述存储器(405)用于存储指令，所述用户接口(403)和网络接口(404)用于给其他设备通信，所述处理器(401)用于执行所述存储器(405)中存储的指令，以使所述电子设备(400)执行如权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-7任意一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310471882.9A CN116449247A (zh) | 2023-04-25 | 2023-04-25 | 一种开关电源故障检测方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310471882.9A CN116449247A (zh) | 2023-04-25 | 2023-04-25 | 一种开关电源故障检测方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116449247A true CN116449247A (zh) | 2023-07-18 |
Family
ID=87121930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310471882.9A Pending CN116449247A (zh) | 2023-04-25 | 2023-04-25 | 一种开关电源故障检测方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116449247A (zh) |
-
2023
- 2023-04-25 CN CN202310471882.9A patent/CN116449247A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020252784A1 (zh) | 电力负荷数据的预测方法、装置及存储介质 | |
| CN107731228B (zh) | 英文语音信息的文本转换方法和装置 | |
| CN111986172A (zh) | 一种面向电力设备的红外图像故障检测方法及装置 | |
| CN110221979A (zh) | 应用程序的性能测试方法、装置、设备及存储介质 | |
| EP2857994A1 (en) | Data management apparatus and method of energy management system | |
| CN113409284B (zh) | 电路板故障检测方法、装置、设备以及存储介质 | |
| CN116027161A (zh) | 电力设备局部放电脉冲信号监测方法、装置、设备及介质 | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| CN114782769A (zh) | 训练样本的生成方法、装置、系统及目标对象的检测方法 | |
| CN114429640A (zh) | 图纸分割方法、装置及电子设备 | |
| CN116449247A (zh) | 一种开关电源故障检测方法、系统、设备及介质 | |
| CN117110794A (zh) | 一种电缆故障智能诊断系统及方法 | |
| CN115713669B (zh) | 一种基于类间关系的图像分类方法、装置、存储介质及终端 | |
| CN111914863B (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
| CN112347889B (zh) | 一种变电站作业行为辨识方法及装置 | |
| CN111292767B (zh) | 一种音频事件检测方法和装置以及设备 | |
| Hasan et al. | Machine learning-based sensor drift fault classification using discrete cosine transform | |
| JP7136329B2 (ja) | 異常検知装置、制御方法、及びプログラム | |
| CN114626545A (zh) | 用于人工智能模型的数据准备 | |
| CN112801078A (zh) | 兴趣点poi的匹配方法、装置、电子设备及存储介质 | |
| CN115080445B (zh) | 一种游戏测试管理方法及其系统 | |
| CN112651447B (zh) | 一种基于本体的资源分类标注方法及系统 | |
| JP7010364B2 (ja) | データ作成装置、データ分類装置、データ処理システム、データ作成方法、データ分類方法及びプログラム | |
| CN115684835B (zh) | 配电网故障诊断方法、装置、设备及存储介质 | |
| CN118035120A (zh) | 测试用例生成方法、装置、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 |