CN116929459A - 一种基于物联网的电子设备自动化测试预警系统及方法 - Google Patents

一种基于物联网的电子设备自动化测试预警系统及方法 Download PDF

Info

Publication number
CN116929459A
CN116929459A CN202311168491.6A CN202311168491A CN116929459A CN 116929459 A CN116929459 A CN 116929459A CN 202311168491 A CN202311168491 A CN 202311168491A CN 116929459 A CN116929459 A CN 116929459A
Authority
CN
China
Prior art keywords
electronic equipment
electronic device
electronic
moment
early warning
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
CN202311168491.6A
Other languages
English (en)
Other versions
CN116929459B (zh
Inventor
刘伟
汤小敏
郏金鹏
邹毅
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.)
Jiangsu Manwang Semiconductor Technology Co.,Ltd.
Original Assignee
Changzhou Manwang Semiconductor 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 Changzhou Manwang Semiconductor Technology Co ltd filed Critical Changzhou Manwang Semiconductor Technology Co ltd
Priority to CN202311168491.6A priority Critical patent/CN116929459B/zh
Publication of CN116929459A publication Critical patent/CN116929459A/zh
Application granted granted Critical
Publication of CN116929459B publication Critical patent/CN116929459B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)

Abstract

本发明公开了一种基于物联网的电子设备自动化测试预警系统及方法，属于电子设备测试技术领域。本发明包括：S10：对电子设备内部各电子器件在各时刻的工作温度进行预测；S20：对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测；S30：基于电子设备内部各电子器件的重要程度，对电子设备在各时刻发生故障的概率进行预测：S40：根据S30中预测的电子设备在各时刻发生故障的概率，选择是否向测试端界面发送预警信息。本发明通过对各电子器件在各时刻被腐蚀的程度进行预测，基于预测值能够在电子器件被大幅度腐蚀前对对应电子器件进行维修和保养处理，有利于提高电子设备的使用寿命，本发明相较于现有技术而言，对电子设备的测试结果更加精确。

Description

一种基于物联网的电子设备自动化测试预警系统及方法
技术领域
本发明涉及电子设备测试技术领域，具体为一种基于物联网的电子设备自动化测试预警系统及方法。
背景技术
电子设备是指通过电子技术控制和处理信号、能量和信息的设备。这些设备可以采用数字电路、模拟电路、微处理器等技术，以实现各种不同的功能和应用。
电子设备中包含多种电子器件，而电子器件在潮热环境下容易被腐蚀，从而导致电子设备发生故障或存在潜在危险，而现有系统在对电子器件的腐蚀情况进行分析时，无法对电子器件的腐蚀程度进行精准确定，以及无法提前预知电子设备的故障时间，导致无法对电子设备进行提前维修和保养，缩短了电子设备的使用寿命。
发明内容
本发明的目的在于提供一种基于物联网的电子设备自动化测试预警系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于物联网的电子设备自动化测试预警方法，所述方法包括：
S10：基于互联网对电子设备内部各电子器件所使用的材料，以及电子设备的额定功率进行采集，根据电子设备的运行情况和电子设备内部各电子器件的设置位置，对电子设备内部各电子器件在各时刻的工作温度进行预测；
S20：基于S10中预测的电子设备内部各电子器件在各时刻的工作温度，结合电子设备内部各电子器件被灰尘污染的情况，对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测；
S30：基于电子设备内部各电子器件的重要程度，对电子设备在各时刻发生故障的概率进行预测：
S40：根据S30中预测的电子设备在各时刻发生故障的概率，选择是否向测试端界面发送预警信息。
进一步的，所述S10包括：
S101：根据电子设备内部各电子器件所使用的材料和设置位置，对电子设备的三维模型进行构建，利用距离计算公式对各电子器件距离电子设备内表面的最短距离值进行计算，通过互联网对电子设备内部各电子器件对应的导热系数进行获取；
S102：利用扫描式红外测温仪对电子设备外表面各位置的温度值进行采集，结合S101中计算的各电子器件距离电子设备内表面的最短距离值，对电子设备内部各电子器件在各时刻的工作温度值进行确定，具体的确定公式为：
Tir=tir/[Fi*eWr-W´*e-di]；
其中，i=1,2,…,n，表示电子器件对应的编号，n表示电子设备内部电子器件总数，r表示时间，tir表示与编号为i的电子器件距离最短的电子设备外表面在r时刻的温度值，Fi表示编号为i的电子器件的导热系数，Wr表示电子设备在时间为r时对应的实际工作功率，W´表示电子设备的额定功率，di表示编号为i的电子器件距离电子设备内表面的最短距离值，e为自然常数，且e＞1，Tir表示编号为i的电子器件在r时刻的工作温度值，由于各电子器件之间存在热导效应，因此利用电子设备外表面采集的温度值，对距离电子外表面距离最短的电子器件的工作温度值进行计算，精确度较高。
进一步的，所述S20包括：
S201：根据电子设备的运行状态，对电子设备在对应运行状态下对灰尘的吸收系数进行采集，结合电子设备所在位置在不同运行状态下空气中灰尘的分布情况，对电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行预测，具体的预测公式为：
Ki(R´+R+y)={{[(h1*V)/S´]*Si}*R´/u}+{{[(h2*V)/S´]*Si}*R/u}；
其中，h1表示电子设备在工作时电子设备所在位置每立方米空气中含有的灰尘含量，h2表示电子设备在关机状态时电子设备所在位置每立方米空气中含有的灰尘含量，R表示电子设备处于关机状态的时间长度值，R´表示电子设备处于工作状态的时间长度值，u表示电子设备内部与外界环境之间的气体交换间隔时间，Si表示编号为i的电子器件的表面积，V表示电子设备内腔的体积，S´表示电子设备内部灰尘能够进行粘附的面积总和，Ki(R´+R+y)表示编号为i的电子器件表面在(R´+R+y)时刻吸附的灰尘含量，y表示电子设备开始使用的时间，Ki(R´+R+y)的单位为毫克；
S202：基于S102中预测的电子设备内部各电子器件在各时刻的工作温度，在各时刻对电子设备内部各电子器件被腐蚀的程度进行预测，具体的预测方法为：
对电子设备所在位置在各时刻的相对湿度值Cr进行采集，若Cr与各电子器件的临界相对湿度之间的差值≥0，且对应电子器件在对应时刻的工作温度值大于电解液的形成温度，灰尘中的可溶解性盐吸水后附在电子器件的金属表面的微孔内，在潮热环境下形成电解液，则表示对应电子器件会被腐蚀，反之，则表示对应电子器件不会被腐蚀；
根据S201中预测的电子设备内部各电子器件表面在各时刻吸附的灰尘含量，对对应电子器件表面在各时刻形成的电解液中的酸根离子含量进行确定，具体的确定公式为：P1i=Ki(R´+R+y)*α，P2i=Ki(R´+R+y)*β，其中，α表示每毫克灰尘中氯离子的含量，β表示每毫克灰尘中硫酸根离子的含量，P1i表示当时间为(R´+R+y)时编号为i的电子器件表面形成的电解液中的氯离子含量，P2i表示当时间为(R´+R+y)时编号为i的电子器件表面形成的电解液中的硫酸根离子含量，P1i、P2i的单位均为毫克；
根据确定的当时间为(R´+R+y)时各电子器件表面形成的电解液中各类酸根离子的含量，以及电子设备所在位置在对应时间的相对湿度值，通过互联网技术对电解液的含量进行确定，利用x1=P1i/(P1i+X), x2=P2i/(P2i+X)分别对电解液中氯离子和硫酸根离子的浓度进行计算，基于计算结果，对各电子器件中金属在反应后对应的金属化合价进行确定，其中，X表示电解液的含量，x1表示电解液中氯离子的浓度，x2表示电解液中硫酸根离子的浓度，X的单位为毫克；
根据各电子器件所使用的材料，当时间为(R´+R+y)时对电子设备内部各电子器件被腐蚀的程度进行预测，具体的预测公式为：
Ei=(Gi-1.5X´*fi)/Gi；
其中，X´表示电解液的体积，单位为毫升，Gi表示编号为i的电子器件中金属的质量，fi表示编号为i的电子器件中金属与1毫升氯离子反应所消耗的金属质量，Ei表示编号为i的电子器件中金属被腐蚀的程度，Gi的单位为毫克。
进一步的，所述S30对电子设备内部各电子器件对应的重要程度进行采集，对各电子器件对应重要程度与对应电子器件在(R´+R+y)时刻被腐蚀的程度之间的乘积进行计算，对计算的乘积进行累加处理，得到电子设备在(R´+R+y)时刻发生故障的概率。
进一步的，所述S40将S30中预测的电子设备在(R´+R+y)时刻发生故障的概率与设定阈值进行比较，若故障概率值≥设定阈值，则向测试端界面发送预警信息，若故障概率值＜设定阈值，则无需向测试端界面发送预警信息。
一种基于物联网的电子设备自动化测试预警系统，所述系统包括电子器件工作温度预测模块、电子器件被腐蚀情况预测模块、电子设备故障预测模块和预警模块；
所述电子器件工作温度预测模块用于对电子设备内部各电子器件在各时刻的工作温度进行预测，并将预测的工作温度值传输至电子器件被腐蚀情况预测模块；
所述电子器件被腐蚀情况预测模块用于对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测，并将预测的腐蚀程度传输至电子设备故障预测模块；
所述电子设备故障预测模块用于对电子设备在各时刻发生故障的概率进行预测，并将预测结果传输至预警模块；
所述预警模块用于向测试端界面发送预警信息。
进一步的，所述电子器件工作温度预测模块包括三维模型构建单元、导热系数获取单元和工作温度预测单元；
所述三维构建单元根据电子设备内部各电子器件所使用的材料和设置位置，对电子设备的三维模型进行构建，根据构建的三维模型，对各电子器件距离电子设备内表面的最短距离值进行计算，并将计算结果传输至工作温度预测单元；
所述导热系数获取单元通过互联网对电子设备内部各电子器件对应的导热系数进行获取，并将获取的导热系数传输至工作温度预测单元；
所述工作温度预测单元对三维构建单元传输的最短距离值和导热系数获取单元传输的导热系数进行接收，结合电子设备外表面各位置的温度值，对电子设备内部各电子器件在各时刻的工作温度值进行确定，并将确定结果传输至电子器件被腐蚀情况预测模块。
进一步的，所述电子器件被腐蚀情况预测模块包括灰尘含量预测单元、腐蚀判断单元、酸根离子含量确定单元、反应程度确定单元和腐蚀程度预测单元；
所述灰尘含量预测单元根据电子设备在不同运行状态下对灰尘的吸收系数，以及电子设备所在位置在不同运行状态下空气中灰尘的分布情况，对电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行预测，并将预测的灰尘含量传输至酸根离子含量确定单元；
所述腐蚀判断单元对工作温度预测单元传输的电子设备内部各电子器件在各时刻的工作温度值进行接收，腐蚀判断单元将电子设备所在位置在各时刻的相对湿度值与各电子器件的临界相对湿度进行比较，结合对应电子器件在对应时刻的工作温度值与电解液的形成温度的比较结果，判断对应电子器件是否会被腐蚀，并将判断结果传输至酸根离子含量确定单元；
所述酸根离子含量确定单元对腐蚀判断单元传输的判断结果进行接收，若判断对应电子器件会被腐蚀，则对灰尘含量预测单元传输的电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行接收，基于接收信息，对对应电子器件表面在各时刻形成的电解液中的酸根离子含量进行确定，并将确定结果传输至反应程度确定单元；
所述反应程度确定单元对酸根离子含量确定单元传输的确定结果进行接收，结合电子设备所在位置在对应时间的相对湿度值，对各电子器件中金属在反应后对应的金属化合价进行确定，并将确定结果传输至腐蚀程度预测单元；
所述腐蚀程度预测单元对反应程度确定单元传输的确定结果进行接收，结合各电子器件所使用的材料和电解液的体积，对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测，并将预测结果传输至电子设备故障预测模块。
进一步的，所述电子设备故障预警模块对腐蚀程度预测单元传输的电子设备内部各电子器件在各时刻被腐蚀的程度进行接收，电子设备故障预警模块对电子设备内部各电子器件对应的重要程度进行采集，基于接收信息和采集信息，对电子设备在各时刻发生故障的概率进行预测，并将预测结果传输至预警模块。
进一步的，所述预警模块对电子设备故障预警模块传输的故障概率进行接收，将故障概率与设定阈值进行比较，根据比较结果选择是否向测试端界面发送预警信息。
与现有技术相比，本发明所达到的有益效果是：
1.本发明通过对电子设备内部各电子器件在各时刻的工作温度进行获取，结合电子设备所在位置的相对湿度值，对电子设备内部各电子器件是否会被腐蚀进行判断，基于判断结果，对电子设备内部灰尘形成的电解液中酸根离子的含量进行确定，以及对各电子器件与酸根离子的反应程度进行确定，基于确定结果，对各电子器件在各时刻被腐蚀的程度进行预测，基于预测值能够在电子器件被大幅度腐蚀前对对应电子器件进行维修和保养处理，有利于提高电子设备的使用寿命。
2.本发明通过根据电子设备内部各电子器件被腐蚀的程度，对电子设备进行功能测试，相较于现有技术中通过电压和电流的变化情况对电子设备的功能进行测试而言，无需考虑电子设备输入的工作电压变化而产生的影响，降低了对电子设备测试的复杂程度，相较于现有技术中根据电压和电流的浮动情况对各电子器件的腐蚀情况进行预测而言，本发明精确度更高，提高了系统的测试效率。
3.本发明根据预测的各电子器件在各时刻被腐蚀的程度，以及各电子器件对应的重要程度，对电子设备的安全性能进行评估，保证电子设备在发生故障或出现潜在危险前对电子设备进行维护管理，有利于提高系统的安全性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于物联网的电子设备自动化测试预警系统及方法的工作流程示意图；
图2是本发明一种基于物联网的电子设备自动化测试预警系统及方法的工作原理结构示意图。
具体实施方式
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，所描述的实施例仅仅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。
请参阅图1和图2，本发明提供技术方案：一种基于物联网的电子设备自动化测试预警方法，方法包括：
S10：基于互联网对电子设备内部各电子器件所使用的材料，以及电子设备的额定功率进行采集，根据电子设备的运行情况和电子设备内部各电子器件的设置位置，对电子设备内部各电子器件在各时刻的工作温度进行预测；
S10包括：
S101：根据电子设备内部各电子器件所使用的材料和设置位置，对电子设备的三维模型进行构建，利用距离计算公式对各电子器件距离电子设备内表面的最短距离值进行计算，通过互联网对电子设备内部各电子器件对应的导热系数进行获取；
S102：利用扫描式红外测温仪对电子设备外表面各位置的温度值进行采集，结合S101中计算的各电子器件距离电子设备内表面的最短距离值，对电子设备内部各电子器件在各时刻的工作温度值进行确定，具体的确定公式为：
Tir=tir/[Fi*eWr-W´*e-di]；
其中，i=1,2,…,n，表示电子器件对应的编号，n表示电子设备内部电子器件总数，r表示时间，tir表示与编号为i的电子器件距离最短的电子设备外表面在r时刻的温度值，Fi表示编号为i的电子器件的导热系数，Wr表示电子设备在时间为r时对应的实际工作功率，W´表示电子设备的额定功率，di表示编号为i的电子器件距离电子设备内表面的最短距离值，e为自然常数，且e＞1，Tir表示编号为i的电子器件在r时刻的工作温度值，由于各电子器件之间存在热导效应，因此利用电子设备外表面采集的温度值，对距离电子外表面距离最短的电子器件的工作温度值进行计算，精确度较高。
S20：基于S10中预测的电子设备内部各电子器件在各时刻的工作温度，结合电子设备内部各电子器件被灰尘污染的情况，对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测；
S20包括：
S201：根据电子设备的运行状态，对电子设备在对应运行状态下对灰尘的吸收系数进行采集，结合电子设备所在位置在不同运行状态下空气中灰尘的分布情况，对电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行预测，具体的预测公式为：
Ki(R´+R+y)={{[(h1*V)/S´]*Si}*R´/u}+{{[(h2*V)/S´]*Si}*R/u}；
其中，h1表示电子设备在工作时电子设备所在位置每立方米空气中含有的灰尘含量，h2表示电子设备在关机状态时电子设备所在位置每立方米空气中含有的灰尘含量，R表示电子设备处于关机状态的时间长度值，R´表示电子设备处于工作状态的时间长度值，u表示电子设备内部与外界环境之间的气体交换间隔时间，Si表示编号为i的电子器件的表面积，V表示电子设备内腔的体积，S´表示电子设备内部灰尘能够进行粘附的面积总和，Ki(R´+R+y)表示编号为i的电子器件表面在(R´+R+y)时刻吸附的灰尘含量，y表示电子设备开始使用的时间，Ki(R´+R+y)的单位为毫克；
S202：基于S102中预测的电子设备内部各电子器件在各时刻的工作温度，在各时刻对电子设备内部各电子器件被腐蚀的程度进行预测，具体的预测方法为：
对电子设备所在位置在各时刻的相对湿度值Cr进行采集，若Cr与各电子器件的临界相对湿度之间的差值≥0，且对应电子器件在对应时刻的工作温度值大于电解液的形成温度，灰尘中的可溶解性盐吸水后附在电子器件的金属表面的微孔内，在潮热环境下形成电解液，则表示对应电子器件会被腐蚀，反之，则表示对应电子器件不会被腐蚀；
根据S201中预测的电子设备内部各电子器件表面在各时刻吸附的灰尘含量，对对应电子器件表面在各时刻形成的电解液中的酸根离子含量进行确定，具体的确定公式为：P1i=Ki(R´+R+y)*α，P2i=Ki(R´+R+y)*β，其中，α表示每毫克灰尘中氯离子的含量，β表示每毫克灰尘中硫酸根离子的含量，P1i表示当时间为(R´+R+y)时编号为i的电子器件表面形成的电解液中的氯离子含量，P2i表示当时间为(R´+R+y)时编号为i的电子器件表面形成的电解液中的硫酸根离子含量，P1i、P2i的单位均为毫克；
根据确定的当时间为(R´+R+y)时各电子器件表面形成的电解液中各类酸根离子的含量，以及电子设备所在位置在对应时间的相对湿度值，通过互联网技术对电解液的含量进行确定，利用x1=P1i/(P1i+X), x2=P2i/(P2i+X)分别对电解液中氯离子和硫酸根离子的浓度进行计算，基于计算结果，对各电子器件中金属在反应后对应的金属化合价进行确定，其中，X表示电解液的含量，x1表示电解液中氯离子的浓度，x2表示电解液中硫酸根离子的浓度，X的单位为毫克；
根据各电子器件所使用的材料，当时间为(R´+R+y)时对电子设备内部各电子器件被腐蚀的程度进行预测，具体的预测公式为：
Ei=(Gi-1.5X´*fi)/Gi；
其中，X´表示电解液的体积，单位为毫升，Gi表示编号为i的电子器件中金属的质量，fi表示编号为i的电子器件中金属与1毫升氯离子反应所消耗的金属质量，Ei表示编号为i的电子器件中金属被腐蚀的程度，Gi的单位为毫克。
S30：基于电子设备内部各电子器件的重要程度，对电子设备在各时刻发生故障的概率进行预测：
S30对电子设备内部各电子器件对应的重要程度进行采集，对各电子器件对应重要程度与对应电子器件在(R´+R+y)时刻被腐蚀的程度之间的乘积进行计算，对计算的乘积进行累加处理，得到电子设备在(R´+R+y)时刻发生故障的概率，电子设备内部各电子器件对应的重要程度之和为1。
S40：根据S30中预测的电子设备在各时刻发生故障的概率，选择是否向测试端界面发送预警信息。
S40将S30中预测的电子设备在(R´+R+y)时刻发生故障的概率与设定阈值进行比较，若故障概率值≥设定阈值，则向测试端界面发送预警信息，若故障概率值＜设定阈值，则无需向测试端界面发送预警信息。
一种基于物联网的电子设备自动化测试预警系统，系统包括电子器件工作温度预测模块、电子器件被腐蚀情况预测模块、电子设备故障预测模块和预警模块；
电子器件工作温度预测模块用于对电子设备内部各电子器件在各时刻的工作温度进行预测，并将预测的工作温度值传输至电子器件被腐蚀情况预测模块；
电子器件工作温度预测模块包括三维模型构建单元、导热系数获取单元和工作温度预测单元；
三维构建单元根据电子设备内部各电子器件所使用的材料和设置位置，对电子设备的三维模型进行构建，根据构建的三维模型，对各电子器件距离电子设备内表面的最短距离值进行计算，并将计算结果传输至工作温度预测单元；
导热系数获取单元通过互联网对电子设备内部各电子器件对应的导热系数进行获取，并将获取的导热系数传输至工作温度预测单元；
工作温度预测单元对三维构建单元传输的最短距离值和导热系数获取单元传输的导热系数进行接收，结合电子设备外表面各位置的温度值，对电子设备内部各电子器件在各时刻的工作温度值进行确定，并将确定结果传输至电子器件被腐蚀情况预测模块。
电子器件被腐蚀情况预测模块用于对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测，并将预测的腐蚀程度传输至电子设备故障预测模块；
电子器件被腐蚀情况预测模块包括灰尘含量预测单元、腐蚀判断单元、酸根离子含量确定单元、反应程度确定单元和腐蚀程度预测单元；
灰尘含量预测单元根据电子设备在不同运行状态下对灰尘的吸收系数，以及电子设备所在位置在不同运行状态下空气中灰尘的分布情况，对电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行预测，并将预测的灰尘含量传输至酸根离子含量确定单元；
腐蚀判断单元对工作温度预测单元传输的电子设备内部各电子器件在各时刻的工作温度值进行接收，腐蚀判断单元将电子设备所在位置在各时刻的相对湿度值与各电子器件的临界相对湿度进行比较，结合对应电子器件在对应时刻的工作温度值与电解液的形成温度的比较结果，判断对应电子器件是否会被腐蚀，并将判断结果传输至酸根离子含量确定单元；
酸根离子含量确定单元对腐蚀判断单元传输的判断结果进行接收，若判断对应电子器件会被腐蚀，则对灰尘含量预测单元传输的电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行接收，基于接收信息，对对应电子器件表面在各时刻形成的电解液中的酸根离子含量进行确定，并将确定结果传输至反应程度确定单元；
反应程度确定单元对酸根离子含量确定单元传输的确定结果进行接收，结合电子设备所在位置在对应时间的相对湿度值，对各电子器件中金属在反应后对应的金属化合价进行确定，并将确定结果传输至腐蚀程度预测单元；
腐蚀程度预测单元对反应程度确定单元传输的确定结果进行接收，结合各电子器件所使用的材料和电解液的体积，对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测，并将预测结果传输至电子设备故障预测模块。
电子设备故障预测模块用于对电子设备在各时刻发生故障的概率进行预测，并将预测结果传输至预警模块；
电子设备故障预警模块对腐蚀程度预测单元传输的电子设备内部各电子器件在各时刻被腐蚀的程度进行接收，电子设备故障预警模块对电子设备内部各电子器件对应的重要程度进行采集，基于接收信息和采集信息，对电子设备在各时刻发生故障的概率进行预测，并将预测结果传输至预警模块。
预警模块用于向测试端界面发送预警信息。
预警模块对电子设备故障预警模块传输的故障概率进行接收，将故障概率与设定阈值进行比较，根据比较结果选择是否向测试端界面发送预警信息。
实施例1：设电子设备内部有电子器件A、B、C，电子器件A、B、C在(R´+R+y)时刻被腐蚀的程度分别为40%、20%和50%，电子器件A、B、C对应的重要程度分别为0.2、0.5和0.3，电子设备的预警阈值为0.4，则电子设备在(R´+R+y)时刻发生故障的概率为：
故障概率=40%*0.2+20%*0.5+50%*0.3=0.33；
由于0.33＜0.4，因此控制终端无需向测试端发送预警信息。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。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)

1.一种基于物联网的电子设备自动化测试预警方法，其特征在于：所述方法包括：
S10：基于互联网对电子设备内部各电子器件所使用的材料，以及电子设备的额定功率进行采集，根据电子设备的运行情况和电子设备内部各电子器件的设置位置，对电子设备内部各电子器件在各时刻的工作温度进行预测；
S20：基于S10中预测的电子设备内部各电子器件在各时刻的工作温度，结合电子设备内部各电子器件被灰尘污染的情况，对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测；
S30：基于电子设备内部各电子器件的重要程度，对电子设备在各时刻发生故障的概率进行预测：
S40：根据S30中预测的电子设备在各时刻发生故障的概率，选择是否向测试端界面发送预警信息。
2.根据权利要求1所述的一种基于物联网的电子设备自动化测试预警方法，其特征在于：所述S10包括：
S101：根据电子设备内部各电子器件所使用的材料和设置位置，对电子设备的三维模型进行构建，利用距离计算公式对各电子器件距离电子设备内表面的最短距离值进行计算，通过互联网对电子设备内部各电子器件对应的导热系数进行获取；
S102：利用扫描式红外测温仪对电子设备外表面各位置的温度值进行采集，结合S101中计算的各电子器件距离电子设备内表面的最短距离值，对电子设备内部各电子器件在各时刻的工作温度值进行确定，具体的确定公式为：
Tir=tir/[Fi*eWr-W´*e-di]；
其中，i=1,2,…,n，表示电子器件对应的编号，n表示电子设备内部电子器件总数，r表示时间，tir表示与编号为i的电子器件距离最短的电子设备外表面在r时刻的温度值，Fi表示编号为i的电子器件的导热系数，Wr表示电子设备在时间为r时对应的实际工作功率，W´表示电子设备的额定功率，di表示编号为i的电子器件距离电子设备内表面的最短距离值，e为自然常数，且e＞1，Tir表示编号为i的电子器件在r时刻的工作温度值。
3.根据权利要求2所述的一种基于物联网的电子设备自动化测试预警方法，其特征在于：所述S20包括：
S201：根据电子设备的运行状态，对电子设备在对应运行状态下对灰尘的吸收系数进行采集，结合电子设备所在位置在不同运行状态下空气中灰尘的分布情况，对电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行预测，具体的预测公式为：
Ki(R´+R+y)={{[(h1*V)/S´]*Si}*R´/u}+{{[(h2*V)/S´]*Si}*R/u}；
其中，h1表示电子设备在工作时电子设备所在位置每立方米空气中含有的灰尘含量，h2表示电子设备在关机状态时电子设备所在位置每立方米空气中含有的灰尘含量，R表示电子设备处于关机状态的时间长度值，R´表示电子设备处于工作状态的时间长度值，u表示电子设备内部与外界环境之间的气体交换间隔时间，Si表示编号为i的电子器件的表面积，V表示电子设备内腔的体积，S´表示电子设备内部灰尘能够进行粘附的面积总和，Ki(R´+R+y)表示编号为i的电子器件表面在(R´+R+y)时刻吸附的灰尘含量，y表示电子设备开始使用的时间；
S202：基于S102中预测的电子设备内部各电子器件在各时刻的工作温度，在各时刻对电子设备内部各电子器件被腐蚀的程度进行预测，具体的预测方法为：
对电子设备所在位置在各时刻的相对湿度值Cr进行采集，若Cr与各电子器件的临界相对湿度之间的差值≥0，且对应电子器件在对应时刻的工作温度值大于电解液的形成温度，灰尘中的可溶解性盐吸水后附在电子器件的金属表面的微孔内，在潮热环境下形成电解液，则表示对应电子器件会被腐蚀，反之，则表示对应电子器件不会被腐蚀；
根据S201中预测的电子设备内部各电子器件表面在各时刻吸附的灰尘含量，对对应电子器件表面在各时刻形成的电解液中的酸根离子含量进行确定，具体的确定公式为：P1i=Ki(R´+R+y)*α，P2i=Ki(R´+R+y)*β，其中，α表示每毫克灰尘中氯离子的含量，β表示每毫克灰尘中硫酸根离子的含量，P1i表示当时间为(R´+R+y)时编号为i的电子器件表面形成的电解液中的氯离子含量，P2i表示当时间为(R´+R+y)时编号为i的电子器件表面形成的电解液中的硫酸根离子含量；
根据确定的当时间为(R´+R+y)时各电子器件表面形成的电解液中各类酸根离子的含量，以及电子设备所在位置在对应时间的相对湿度值，通过互联网技术对电解液的含量进行确定，利用x1=P1i/(P1i+X), x2=P2i/(P2i+X)分别对电解液中氯离子和硫酸根离子的浓度进行计算，基于计算结果，对各电子器件中金属在反应后对应的金属化合价进行确定，其中，X表示电解液的含量，x1表示电解液中氯离子的浓度，x2表示电解液中硫酸根离子的浓度；
根据各电子器件所使用的材料，当时间为(R´+R+y)时对电子设备内部各电子器件被腐蚀的程度进行预测，具体的预测公式为：
Ei=(Gi-1.5X´*fi)/Gi；
其中，X´表示电解液的体积，单位为毫升，Gi表示编号为i的电子器件中金属的质量，fi表示编号为i的电子器件中金属与1毫升氯离子反应所消耗的金属质量，Ei表示编号为i的电子器件中金属被腐蚀的程度。
4.根据权利要求3所述的一种基于物联网的电子设备自动化测试预警方法，其特征在于：所述S30对电子设备内部各电子器件对应的重要程度进行采集，对各电子器件对应重要程度与对应电子器件在(R´+R+y)时刻被腐蚀的程度之间的乘积进行计算，对计算的乘积进行累加处理，得到电子设备在(R´+R+y)时刻发生故障的概率。
5.根据权利要求4所述的一种基于物联网的电子设备自动化测试预警方法，其特征在于：所述S40将S30中预测的电子设备在(R´+R+y)时刻发生故障的概率与设定阈值进行比较，若故障概率值≥设定阈值，则向测试端界面发送预警信息，若故障概率值＜设定阈值，则无需向测试端界面发送预警信息。
6.一种执行如权利要求1-5任一项所述基于物联网的电子设备自动化测试预警方法的基于物联网的电子设备自动化测试预警系统，其特征在于：所述系统包括电子器件工作温度预测模块、电子器件被腐蚀情况预测模块、电子设备故障预测模块和预警模块；
所述电子器件工作温度预测模块用于对电子设备内部各电子器件在各时刻的工作温度进行预测，并将预测的工作温度值传输至电子器件被腐蚀情况预测模块；
所述电子器件被腐蚀情况预测模块用于对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测，并将预测的腐蚀程度传输至电子设备故障预测模块；
所述电子设备故障预测模块用于对电子设备在各时刻发生故障的概率进行预测，并将预测结果传输至预警模块；
所述预警模块用于向测试端界面发送预警信息。
7.根据权利要求6所述的一种基于物联网的电子设备自动化测试预警系统，其特征在于：所述电子器件工作温度预测模块包括三维模型构建单元、导热系数获取单元和工作温度预测单元；
所述三维构建单元根据电子设备内部各电子器件所使用的材料和设置位置，对电子设备的三维模型进行构建，根据构建的三维模型，对各电子器件距离电子设备内表面的最短距离值进行计算，并将计算结果传输至工作温度预测单元；
所述导热系数获取单元通过互联网对电子设备内部各电子器件对应的导热系数进行获取，并将获取的导热系数传输至工作温度预测单元；
所述工作温度预测单元对三维构建单元传输的最短距离值和导热系数获取单元传输的导热系数进行接收，结合电子设备外表面各位置的温度值，对电子设备内部各电子器件在各时刻的工作温度值进行确定，并将确定结果传输至电子器件被腐蚀情况预测模块。
8.根据权利要求7所述的一种基于物联网的电子设备自动化测试预警系统，其特征在于：所述电子器件被腐蚀情况预测模块包括灰尘含量预测单元、腐蚀判断单元、酸根离子含量确定单元、反应程度确定单元和腐蚀程度预测单元；
所述灰尘含量预测单元根据电子设备在不同运行状态下对灰尘的吸收系数，以及电子设备所在位置在不同运行状态下空气中灰尘的分布情况，对电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行预测，并将预测的灰尘含量传输至酸根离子含量确定单元；
所述腐蚀判断单元对工作温度预测单元传输的电子设备内部各电子器件在各时刻的工作温度值进行接收，腐蚀判断单元将电子设备所在位置在各时刻的相对湿度值与各电子器件的临界相对湿度进行比较，结合对应电子器件在对应时刻的工作温度值与电解液的形成温度的比较结果，判断对应电子器件是否会被腐蚀，并将判断结果传输至酸根离子含量确定单元；
所述酸根离子含量确定单元对腐蚀判断单元传输的判断结果进行接收，若判断对应电子器件会被腐蚀，则对灰尘含量预测单元传输的电子设备内部各电子器件表面在各时刻吸附的灰尘含量进行接收，基于接收信息，对对应电子器件表面在各时刻形成的电解液中的酸根离子含量进行确定，并将确定结果传输至反应程度确定单元；
所述反应程度确定单元对酸根离子含量确定单元传输的确定结果进行接收，结合电子设备所在位置在对应时间的相对湿度值，对各电子器件中金属在反应后对应的金属化合价进行确定，并将确定结果传输至腐蚀程度预测单元；
所述腐蚀程度预测单元对反应程度确定单元传输的确定结果进行接收，结合各电子器件所使用的材料和电解液的体积，对电子设备内部各电子器件在各时刻被腐蚀的程度进行预测，并将预测结果传输至电子设备故障预测模块。
9.根据权利要求8所述的一种基于物联网的电子设备自动化测试预警系统，其特征在于：所述电子设备故障预警模块对腐蚀程度预测单元传输的电子设备内部各电子器件在各时刻被腐蚀的程度进行接收，电子设备故障预警模块对电子设备内部各电子器件对应的重要程度进行采集，基于接收信息和采集信息，对电子设备在各时刻发生故障的概率进行预测，并将预测结果传输至预警模块。
10.根据权利要求9所述的一种基于物联网的电子设备自动化测试预警系统，其特征在于：所述预警模块对电子设备故障预警模块传输的故障概率进行接收，将故障概率与设定阈值进行比较，根据比较结果选择是否向测试端界面发送预警信息。
CN202311168491.6A 2023-09-12 2023-09-12 一种基于物联网的电子设备自动化测试预警系统及方法 Active CN116929459B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311168491.6A CN116929459B (zh) 2023-09-12 2023-09-12 一种基于物联网的电子设备自动化测试预警系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311168491.6A CN116929459B (zh) 2023-09-12 2023-09-12 一种基于物联网的电子设备自动化测试预警系统及方法

Publications (2)

Publication Number Publication Date
CN116929459A true CN116929459A (zh) 2023-10-24
CN116929459B CN116929459B (zh) 2023-12-05

Family

ID=88375579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311168491.6A Active CN116929459B (zh) 2023-09-12 2023-09-12 一种基于物联网的电子设备自动化测试预警系统及方法

Country Status (1)

Country Link
CN (1) CN116929459B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120253262A1 (en) * 2011-03-31 2012-10-04 John Lemke Switch Validation Circuit and Method
CN102749572A (zh) * 2012-06-26 2012-10-24 南京航空航天大学 基于iecmac参数辨识的功率电子电路故障预测方法
CN107046784A (zh) * 2017-01-20 2017-08-15 成都百胜野牛科技有限公司 电子电器设备容纳装置及电子电器设备
CN109096859A (zh) * 2018-08-22 2018-12-28 郑州云海信息技术有限公司 一种提高主板耐腐蚀性能的方法
WO2020125839A1 (de) * 2018-12-18 2020-06-25 GRID INVENT gGmbH Elektronisches element und elektrisch angesteuertes anzeigeelement
CN115065877A (zh) * 2022-05-09 2022-09-16 国动网络通信集团股份有限公司 一种具有自检测功能的免维护型通信基站
CN116663722A (zh) * 2023-05-25 2023-08-29 淮北矿业股份有限公司涡北选煤厂 一种基于数据分析的选煤机电设备故障预测系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120253262A1 (en) * 2011-03-31 2012-10-04 John Lemke Switch Validation Circuit and Method
CN102749572A (zh) * 2012-06-26 2012-10-24 南京航空航天大学 基于iecmac参数辨识的功率电子电路故障预测方法
CN107046784A (zh) * 2017-01-20 2017-08-15 成都百胜野牛科技有限公司 电子电器设备容纳装置及电子电器设备
CN109096859A (zh) * 2018-08-22 2018-12-28 郑州云海信息技术有限公司 一种提高主板耐腐蚀性能的方法
WO2020125839A1 (de) * 2018-12-18 2020-06-25 GRID INVENT gGmbH Elektronisches element und elektrisch angesteuertes anzeigeelement
CN115065877A (zh) * 2022-05-09 2022-09-16 国动网络通信集团股份有限公司 一种具有自检测功能的免维护型通信基站
CN116663722A (zh) * 2023-05-25 2023-08-29 淮北矿业股份有限公司涡北选煤厂 一种基于数据分析的选煤机电设备故障预测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴鹏: "电磁式开关类器件寿命预测研究", CNKI_工程科技Ⅱ辑, pages 62 *

Also Published As

Publication number Publication date
CN116929459B (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
CN106597313A (zh) 电池剩余寿命的预测方法及系统
JP2006343063A (ja) 設備機器の異常予知システム、設備機器の異常予知装置および設備機器の異常予知方法
CN106597176A (zh) 电解电容器剩余寿命的预测方法及系统
Yu et al. Self-powered wireless corrosion monitoring sensors and networks
US10578329B2 (en) Performance forecasting method
US20210080138A1 (en) Performance diagnosis device and performance diagnosis method for air conditioner
CN103473480A (zh) 基于改进万有引力支持向量机的在线监测数据校正方法
Knowles et al. The state of the art in fuel cell condition monitoring and maintenance
CN116827264B (zh) 一种用于光伏发电的预警系统
CN111043685A (zh) 储冰量调整系统与储冰量调整方法
CN112765149B (zh) 储能系统容量的计算系统及方法
CN110059446A (zh) 一种预测光伏组件积灰程度的方法
CN109428134B (zh) 二次电池的再利用方法和二次电池系统
WO2016084445A1 (ja) センサネットワークシステムおよびその動作方法
Barros et al. Optimization of replacement times using imperfect monitoring information
KR20170126623A (ko) 멀티변수를 기반으로 한 태양광 발전설비의 효율성 진단시스템
CN118072496B (zh) 一种基于物联网的电器设备智能安全检测系统及方法
CN202631283U (zh) 一种冷却塔热力性能在线智能监测系统
CN116972910A (zh) 一种火电厂电气设备的监测方法及系统
CN116929459B (zh) 一种基于物联网的电子设备自动化测试预警系统及方法
CN115649005A (zh) 电池温度采样故障预警方法、系统、电子设备及存储介质
CN117310538A (zh) 一种电量剩余转化效率自检测的储能电池电量监控系统
CN105719007A (zh) 一种红外热轴音频通道故障预测方法
CN117200223A (zh) 日前电力负荷预测方法和装置
CN105069305B (zh) 挂壁式空调系统可靠性评估方法

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 213000, 5th Floor, Building 1, Fubei Industrial Park, Tianning District, Changzhou City, Jiangsu Province

Patentee after: Jiangsu Manwang Semiconductor Technology Co.,Ltd.

Country or region after: China

Address before: 213000, 5th Floor, Building 1, Fubei Industrial Park, Tianning District, Changzhou City, Jiangsu Province

Patentee before: Changzhou manwang Semiconductor Technology Co.,Ltd.

Country or region before: China