CN117148023A - 一种智能电源适配器生产检测方法及系统 - Google Patents
一种智能电源适配器生产检测方法及系统 Download PDFInfo
- Publication number
- CN117148023A CN117148023A CN202311421073.3A CN202311421073A CN117148023A CN 117148023 A CN117148023 A CN 117148023A CN 202311421073 A CN202311421073 A CN 202311421073A CN 117148023 A CN117148023 A CN 117148023A
- Authority
- CN
- China
- Prior art keywords
- voltage
- power
- power supply
- adapter
- load voltage
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 66
- 238000001514 detection method Methods 0.000 title claims abstract description 57
- 230000000087 stabilizing effect Effects 0.000 claims abstract description 81
- 230000006641 stabilisation Effects 0.000 claims abstract description 55
- 238000011105 stabilization Methods 0.000 claims abstract description 55
- 230000005856 abnormality Effects 0.000 claims abstract description 26
- 230000003044 adaptive effect Effects 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 36
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000009413 insulation Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000010923 batch production Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000012777 electrically insulating material Substances 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0084—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring voltage only
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Control Of Voltage And Current In General (AREA)
- Measurement Of Current Or Voltage (AREA)
Abstract
本发明涉及电性能测试技术领域，提出了一种智能电源适配器生产检测方法及系统，包括：获取电源适配器的电源去空载电压；获取电源去空载电压时间序列，根据电源去空载电压时间序列获取高压施加跳变指数和电压稳定时长，进而获取高压施加稳定系数；根据高压施加稳定序列获取高压变化相关系数，进而获取每个种类电源适配器的自适应稳定系数，然后获取对应种类电源适配器的生产异常检测系数，进而确定自适应聚类数，根据自适应聚类数实现对应种类电源适配器的生产检测。本发明解决了不同电源适配器之间本身差异导致的电源适配器异常检测结果不精确的问题。
Description
技术领域
本发明涉及电性能测试技术领域，具体涉及一种智能电源适配器生产检测方法及系统。
背景技术
电源适配器又叫外置电源，是一种小型便携式电子设备及电子电器的供电变压器。电源适配器常见于手机、液晶显示器和笔记本电脑等小型电子产品上，已经成为了人们日常生活中必不可少的一种器件。电源适配器是将电源输入转换为适合设备使用的电力输出的重要设备，其性能和质量直接关系到设备的正常运行和用户的使用体验。电源适配器在批量生产时都需要进行检测，对电源适配器进行生产检测可以保证电源适配器的质量稳定性和安全性能，提高生产效率，防止由于适配器内部故障导致危险事件的发生。
现有可以对批量生产的电源适配器进行异常检测的方法为对电源适配器的电压进行聚类，将无法聚类到同一个聚类簇的电压对应的电源适配器判定为质量不合格，但不同电源适配器之间本身具有差异，现有的电源适配器异常检测方法无法对电源适配器本身差异导致的电压差异进行识别，导致对电源适配器的异常检测结果不精确。
发明内容
本发明提供一种智能电源适配器生产检测方法及系统，以解决不同电源适配器之间本身具有差异导致的电源适配器的异常检测结果不精确的问题，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种智能电源适配器生产检测方法，该方法包括以下步骤：
在对电源适配器进行耐压测试的过程中采集电源适配器的空载电压和输出电压，获取电源适配器的电源去空载电压；
根据电源去空载电压获取电源去空载电压时间序列，根据电源去空载电压时间序列获取稳压输入时间段的电源去空载电压相关程度，根据电源去空载电压相关程度、电源适配器的电源去空载电压和电源去空载电压对应的输入电压获取稳压输入时间段的高压施加跳变指数；
根据电源去空载电压时间序列获取电源去空载电压差分序列，进而获取稳压输入时间段的电压稳定时长，根据稳压输入时间段的高压施加跳变指数和电压稳定时长获取稳压输入时间段的高压施加稳定系数；
根据电源适配器的高压施加稳定序列获取电源适配器的高压变化相关系数，根据高压施加稳定系数获取同一种类所有电源适配器的自适应稳定系数，根据同一种类所有电源适配器的高压变化相关系数以及自适应稳定系数，获取对应种类电源适配器的生产异常检测系数，设置对应种类的电源适配器聚类数下限，根据对应种类的电源适配器的生产异常检测系数和聚类数下限确定自适应聚类数，根据自适应聚类数实现对应种类电源适配器的生产检测。
进一步，所述根据电源去空载电压获取电源去空载电压时间序列的获取方法为：
将电源适配器的电源去空载电压按照时间先后顺序进行排列，获取电源去空载电压时间序列。
进一步，所述根据电源去空载电压时间序列获取稳压输入时间段的电源去空载电压相关程度的获取方法为：
获取空载电压时间序列的自相关系数；
将对应同一稳压输入时间段的电源去空载电压时间序列的自相关系数的绝对值的平均值记为稳压输入时间段的电源去空载电压相关程度。
进一步，所述根据电源去空载电压时间序列获取电源去空载电压差分序列，进而获取稳压输入时间段的电压稳定时长的获取方法为：
将电源去空载电压时间序列的一阶差分序列记为电源去空载电压差分序列；
将电源去空载电压差分序列中包含的小于稳定阈值的数据数量记为电源去空载电压差分序列对应的稳压输入时间段的电压稳定时长。
进一步，所述根据稳压输入时间段的高压施加跳变指数和电压稳定时长获取稳压输入时间段的高压施加稳定系数的方法为：
将稳压输入时间段的电压稳定时长与稳压输入时间段内采集输出电压的次数的比值记为稳定比值；
将以自然常数为底数、以稳压输入时间段的高压施加跳变指数的相反数为指数的幂记为跳变指数幂；
将稳定比值与跳变指数幂的乘积记为稳压输入时间段的高压施加稳定系数。
进一步，所述根据电源适配器的高压施加稳定序列获取电源适配器的高压变化相关系数，根据高压施加稳定系数获取同一种类所有电源适配器的自适应稳定系数的方法为：
将每个电源适配器的所有稳压输入时间段的高压施加稳定系数按照获取时间的先后顺序进行排列，获取电源适配器的高压施加稳定序列；
将电源适配器的高压施加稳定序列的长期相关性评价指数记为电源适配器的高压变化相关系数；
将同一种类的电源适配器的所有稳压输入时间段的高压施加稳定系数的平均值记为对应种类电源适配器的自适应稳定系数。
进一步，所述根据同一种类所有电源适配器的高压变化相关系数以及自适应稳定系数，获取对应种类电源适配器的生产异常检测系数的方法为：
其中，为/>种类的电源适配器的生产异常检测系数；/>为以自然常数为底的指数函数；/>为第二调参系数，经验值为2；/>为/>种类的电源适配器中第/>个电源适配器的自适应稳定系数；/>为/>种类的电源适配器中第/>个电源适配器的自适应稳定系数；/>为/>种类的电源适配器中第/>个电源适配器的高压变化相关系数；/>为/>种类的电源适配器中第/>个电源适配器的高压变化相关系数；/>为/>种类的电源适配器中包含的电源适配器的数量；/>为将/>种类的电源适配器中包含的不同电源适配器两两组合后获取的不同组合数量；/>为第/>个电源适配器的高压变化相关系数。
进一步，所述设置对应种类的电源适配器聚类数下限的方法为：
将对应种类的电源适配器中包含的电源适配器的数量与预设分母取值的比值的算数平方根记为对应种类的电源适配器聚类数下限。
进一步，所述根据对应种类的电源适配器的生产异常检测系数和聚类数下限确定自适应聚类数，根据自适应聚类数实现对应种类电源适配器的生产检测的方法为：
将对应种类的电源适配器聚类数下限与电源适配器的生产异常检测系数的乘积的向下取整值记为对应种类的电源适配器的自适应聚类数；
分别以每个种类的电源适配器的自适应聚类数作为K-means聚类算法的聚类数，使用K-means聚类算法对该种类的所有电源适配器的电源去空载电压进行聚类，获取聚类簇；
当电源去空载电压没有聚类到某个簇或者聚类簇内的电源去空载电压与聚类簇的聚类中心的距离大于第一异常阈值时，判定电源去空载电压为异常电源去空载电压；
当电源适配器的电源去空载电压中异常电源去空载电压占比大于等于第二异常阈值时，认为异常电源去空载电压对应的电源适配器为异常电源适配器，否则，认为电源适配器为合格品，完成对电源适配器的生产检测。
第二方面，本发明实施例还提供了一种智能电源适配器生产检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
本发明的有益效果是：
本发明根据电源适配器的输出电压和空载电压获取电源适配器的电源去空载电压，在电源去空载电压进行分析，排除电源适配器的内阻对电源适配器检测的影响，提高电源适配器生产检测的准确性；根据稳压输入时间段内包含的电源去空载电压评价稳压输入时间段内电源去空载电压的跳变幅度和电压趋于稳定的时间长度，获取稳压输入时间段的高压施加跳变指数，进而获取高压施加稳定系数，提高高压施加稳定系数评价的可靠性；根据稳压输入时间段的高压施加稳定系数，获取每个种类电源适配器的生产异常检测系数，进而获取自适应聚类数，根据自适应聚类数对电源去空载电压对应的电源适配器质量进行监测，实现电源适配器的生产检测，提高对电源适配器进行异常检测的可靠性，解决不同电源适配器之间本身具有差异导致的电源适配器的异常检测结果不精确的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例所提供的一种智能电源适配器生产检测方法的流程示意图；
图2为电源去空载电压示意图；
图3为电源适配器生产检测流程图。
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，其示出了本发明一个实施例提供的一种智能电源适配器生产检测方法流程图，该方法包括以下步骤：
步骤S001，在对电源适配器进行耐压测试的过程中采集电源适配器的空载电压和输出电压，获取电源适配器的电源去空载电压。
通常，在用电高峰期，供电电压都会低于标称的电压值。并且，电器在长期工作中，不仅要承受额定工作电压的作用，还要承受操作过程中引起短时间的高于额定工作电压的过电压作用。在这些电压的作用下，电气绝缘材料的内部结构将发生变化。当过电压强度达到某一定值时，就会使材料绝缘击穿，电器将不能正常运行，操作者就可能触电，危及人身安全，合格的电源适配器应具有充分的安全隔离和可靠的绝缘保护。
电源适配器有自我保护功能，如果输入电压过高或过低，就会自动停止工作，但如果长期处于不适宜的电压环境中，电源适配器的内部组件和电路可能会受到损害。因此，不仅需要分析电源适配器在耐压测试下的绝缘性能，还要分析输入电压低于额定工作电压时电源适配器的特性。
其中，耐压测试是在测试的电源适配器带电部件和外壳一次和二次电路之间加数倍于额定工作电压的高压，用以检测电源适配器在瞬态高压下的绝缘能力是否合格。
对每个种类的所有电源适配器依次施加、/>、/>、/>、/>、/>、/>、、/>、/>和/>的输入电压，将输入电压相同的时间段记为稳压输入时间段，稳压输入时间段的长度为/>。其中，/>表示电源适配器的额定工作电压，经验取值为220伏特；/>经验取值为60秒；实施者可根据需要自行设定对所有电源适配器依次施加的输入电压的具体取值。
在每个稳压输入时间段内每隔秒使用万能表采集一次电源适配器的空载电压和输出电压，/>经验取值为10。
电源适配器的工作原理是将220V的交流电经过整流桥进行整流得到约310V的高压直流电，再通过电容滤波，使直流电更平滑，之后再通过脉宽调制、脉冲频率调制等方式，将高压直流电转换为高频交流信号，主要是通过芯片控制开关晶体管开通和关断，形成不断变化的电压，然后通过高频电压输出低压交流电，最后通过整流滤波得到低压直流电。
无论任何电源都有一定的内阻，因此当电源适配器输出电流的时候，会在内部产生压降。压降会导致产生热量，所以电源适配器会发热，同时，压降会导致输出电压降低。因此，电源适配器的输出电压受到空载电压和输入电压的影响，在对电源适配器的电压进行分析时应排除空载电压的影响，将电源适配器在同一采集时刻采集的空载电压和输出电压之和记为电源适配器的电源去空载电压。
电源去空载电压示意图如图2所示，电源去空载电压示意图反映不同稳压输入时间段内电源适配器的电源去空载电压的变化，电源去空载电压示意图的横轴为采集时刻，纵轴电源适配器的电源去空载电压。
至此，获取所有需要进行生产检测的电源适配器的电源去空载电压。
步骤S002，根据电源去空载电压获取电源去空载电压时间序列，根据电源去空载电压时间序列获取稳压输入时间段的电源去空载电压相关程度，根据电源去空载电压相关程度、电源适配器的电源去空载电压和电源去空载电压对应的输入电压获取稳压输入时间段的高压施加跳变指数。
稳定的电压是电能质量的重要指标之一，如果在机器设备的运转过程中电压的变化范围过大，电压不稳且变化幅度大，不仅会给机器设备的运转造成一定的影响，还会严重损坏设备以及烧毁设备线路等，威胁人身安全。
将电源适配器的电源去空载电压按照电源去空载电压对应的采集时间的先后顺序进行排列，得到电源去空载电压时间序列。计算空载电压时间序列的自相关系数ACF。
电源去空载电压时间序列的自相关系数ACF衡量了电源去空载电压时间序列中不同采集时刻的相关程度，当自相关系数ACF的绝对值越接近于1时，电源去空载电压时间序列中不同采集时刻的相关程度越大。
将稳压输入时间段对应的所有电源去空载电压时间序列的自相关系数的绝对值的平均值记为稳压输入时间段的电源去空载电压相关程度。
根据电源去空载电压相关程度、电源适配器的电源去空载电压和电源去空载电压对应的输入电压获取稳压输入时间段的高压施加跳变指数。
其中，为第/>个稳压输入时间段的高压施加跳变指数/>为第/>个稳压输入时间段对应的输入电压/>为第/>个稳压输入时间段对应的输入电压/>为第/>个稳压输入时间段的电源去空载电压相关程度/>为稳压输入时间段内采集输出电压的次数为第/>个稳压输入时间段内第/>个采集时刻的电源去空载电压，其中，/>；为第/>个稳压输入时间段内第/>个采集时刻的电源去空载电压/>为第一调参系数，经验值为1，作用为防止分母为0使式子无意义。
高压施加跳变指数用于衡量稳压输入时间段的输出电压的变化幅度，即稳压输入时间段的输出电压的稳定性。
当稳压输入时间段的输入电压与前一个稳压输入时间段的输入电压差异越大时，稳压输入时间段的输出电压的变化幅度越小，即高压施加跳变指数值越小，此时，稳压输入时间段的输出电压的稳定程度越大。
当稳压输入时间段的电源去空载电压相关程度越大、稳压输入时间段内相邻采集时刻的电源去空载电压差异越大时，稳压输入时间段的输出电压越稳定，即高压施加跳变指数值越小，此时，稳压输入时间段的输出电压的稳定程度越大。
所以，根据稳压输入时间段的输入电压与前一个稳压输入时间段的输入电压差异、稳压输入时间段的电源去空载电压相关程度和稳压输入时间段内相邻采集时刻的电源去空载电压差异确定的稳压输入时间段的高压施加跳变指数可以反映稳压输入时间段的输出电压的稳定程度，当稳压输入时间段的高压施加跳变指数越小时，稳压输入时间段的输出电压的稳定程度越大。
至此，获取所有需要进行生产检测的电源适配器的所有稳压输入时间段的高压施加跳变指数。
步骤S003，根据电源去空载电压时间序列获取电源去空载电压差分序列，进而获取稳压输入时间段的电压稳定时长，根据稳压输入时间段的高压施加跳变指数和电压稳定时长获取稳压输入时间段的高压施加稳定系数。
电源去空载电压时间序列的一阶差分序列，得到电源去空载电压差分序列，电源去空载电压差分序列的长度为。
将电源去空载电压差分序列中包含的所有数据分别于稳定阈值进行数值大小的比较，将电源去空载电压差分序列中包含的小于稳定阈值的数据数量记为电源去空载电压差分序列对应的稳压输入时间段的电压稳定时长。稳压输入时间段的电压稳定时长即为稳压输入时间段的电压稳定时长。其中，稳定阈值/>经验取值为5。
根据稳压输入时间段的高压施加跳变指数和电压稳定时长获取稳压输入时间段的高压施加稳定系数。
其中，为第/>个稳压输入时间段的高压施加稳定系数；/>为以自然常数为底的指数函数；/>为第/>个稳压输入时间段的高压施加跳变指数；/>为稳压输入时间段内采集输出电压的次数；/>为第/>个稳压输入时间段的电压稳定时长。
高压施加稳定系数用于衡量稳压输入时间段的输出电压的稳定程度。
当稳压输入时间段的高压施加跳变指数越小时，稳压输入时间段的输出电压的变化幅度越小、稳压输入时间段的输出电压越稳定，即稳压输入时间段的高压施加稳定系数值越大，此时，稳压输入时间段的输出电压的稳定程度越大。
稳压输入时间段的电压稳定时长为稳压输入时间段的电压稳定时长，稳压输入时间段内采集输出电压的次数为稳压输入时间段的总时长，当稳压输入时间段的电压稳定时长占稳压输入时间段内采集输出电压的次数的比例越大时，稳压输入时间段的输出电压越稳定，即高压施加稳定系数值越大，此时，稳压输入时间段的输出电压的稳定程度越大。
所以，根据高压施加跳变指数和稳压输入时间段的电压稳定时长占稳压输入时间段内采集输出电压的次数的比例确定的稳压输入时间段的高压施加稳定系数可以衡量稳压输入时间段的输出电压的稳定程度，当稳压输入时间段的高压施加稳定系数越大时，稳压输入时间段的输出电压的稳定程度越大。
至此，获取所有需要进行生产检测的电源适配器的所有稳压输入时间段的高压施加稳定系数。
步骤S004，根据电源适配器的高压施加稳定序列获取电源适配器的高压变化相关系数，根据高压施加稳定系数获取同一种类所有电源适配器的自适应稳定系数，根据同一种类所有电源适配器的高压变化相关系数以及自适应稳定系数，获取对应种类电源适配器的生产异常检测系数，设置对应种类的电源适配器聚类数下限，根据对应种类的电源适配器的生产异常检测系数和聚类数下限确定自适应聚类数，根据自适应聚类数实现对应种类电源适配器的生产检测。
伴随着着输入电压的不断升高，高压施加稳定系数也随之变化，为了衡量电源适配器的高压施加稳定系数随着输入电压变化的规律性，将每个电源适配器的所有稳压输入时间段的高压施加稳定系数按照高压施加稳定系数对应的稳压输入时间段的获取时间的先后顺序进行排列，获取电源适配器的高压施加稳定序列。
分别获取每个高压施加稳定序列的赫斯特指数。将电源适配器的高压施加稳定序列的赫斯特指数记为电源适配器的高压变化相关系数。
高压变化相关系数可以衡量电源适配器的高压施加稳定系数的长期相关性。
当高压变化相关系数越大时，电源适配器的高压施加稳定系数的长期相关性越显著。
其中，获取时间序列的赫斯特指数为公知技术，不再赘述。
同一种类电源适配器的各项指标较为接近，将同一种类的电源适配器的所有稳压输入时间段的高压施加稳定系数的平均值记为该种类电源适配器的自适应稳定系数。
根据同一种类所有电源适配器的高压变化相关系数以及自适应稳定系数，获取该种类电源适配器的生产异常检测系数。
其中，为/>种类的电源适配器的生产异常检测系数/>为以自然常数为底的指数函数；/>为第二调参系数，经验值为2；/>为/>种类的电源适配器中第/>个电源适配器的自适应稳定系数/>为/>种类的电源适配器中第/>个电源适配器的自适应稳定系数为/>种类的电源适配器中第/>个电源适配器的高压变化相关系数/>为/>种类的电源适配器中第/>个电源适配器的高压变化相关系数/>为/>种类的电源适配器中包含的电源适配器的数量/>为将/>种类的电源适配器中包含的不同电源适配器两两组合后获取的不同组合数量/>为第/>个电源适配器的高压变化相关系数。
当同一种类所有电源适配器之间的高压变化相关系数和自适应稳定系数相差越大时，该种类的电源适配器的性能差异越大，生产异常程度越高，即生产异常检测系数值越大；当同一种类的电源适配器的高压变化相关系数越大时，说明该种类的电源适配器的性能之间具有的长期相关性越为显著，这些电源适配器的异常程度越不显著，即生产异常检测系数值越小。
设置种类的电源适配器聚类数下限的经验取值为/>，其中，/>为/>种类的电源适配器中包含的电源适配器的数量。
根据种类的电源适配器的生产异常检测系数和聚类数下限，确定自适应聚类数。
其中，为/>种类的电源适配器的自适应聚类数；/>为向下取整函数；/>为/>种类的电源适配器聚类数下限；/>为/>种类的电源适配器的生产异常检测系数。
当生产异常检测系数越大时，说明该种类电源适配器的异常程度越高，出现生产异常的电源适配器越多，对电源适配器进行划分的类别数应该越多，应该设置越大的聚类数。
分别以每个种类的电源适配器的自适应聚类数作为K-means聚类算法的聚类数，使用K-means聚类算法对该种类的所有电源适配器的电源去空载电压进行聚类，获取聚类簇。
当电源去空载电压没有聚类到某个簇或者聚类簇内的电源去空载电压与聚类簇的聚类中心的距离大于第一异常阈值时，判定电源去空载电压为异常电源去空载电压。
当电源适配器的电源去空载电压中异常电源去空载电压占比大于等于第二异常阈值时，认为异常电源去空载电压对应的电源适配器为异常电源适配器；否则，认为电源适配器为合格品。
其中，第一异常阈值的经验值为聚类簇内包含的所有电源去空载电压到聚类中心距离的平均值的1.5倍；第二异常阈值的经验值为5%。
至此，完成对电源适配器的生产检测，电源适配器生产检测流程图如图3所示。
基于与上述方法相同的发明构思，本发明实施例还提供了一种智能电源适配器生产检测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种智能电源适配器生产检测方法中任意一项所述方法的步骤。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，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)
1.一种智能电源适配器生产检测方法，其特征在于，包括以下步骤：
在对电源适配器进行耐压测试的过程中采集电源适配器的空载电压和输出电压，获取电源适配器的电源去空载电压；
根据电源去空载电压获取电源去空载电压时间序列，根据电源去空载电压时间序列获取稳压输入时间段的电源去空载电压相关程度，根据电源去空载电压相关程度、电源适配器的电源去空载电压和电源去空载电压对应的输入电压获取稳压输入时间段的高压施加跳变指数；
根据电源去空载电压时间序列获取电源去空载电压差分序列，进而获取稳压输入时间段的电压稳定时长，根据稳压输入时间段的高压施加跳变指数和电压稳定时长获取稳压输入时间段的高压施加稳定系数；
根据电源适配器的高压施加稳定序列获取电源适配器的高压变化相关系数，根据高压施加稳定系数获取同一种类所有电源适配器的自适应稳定系数，根据同一种类所有电源适配器的高压变化相关系数以及自适应稳定系数，获取对应种类电源适配器的生产异常检测系数，设置对应种类的电源适配器聚类数下限，根据对应种类的电源适配器的生产异常检测系数和聚类数下限确定自适应聚类数，根据自适应聚类数实现对应种类电源适配器的生产检测。
2.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述根据电源去空载电压获取电源去空载电压时间序列的获取方法为：
将电源适配器的电源去空载电压按照时间先后顺序进行排列，获取电源去空载电压时间序列。
3.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述根据电源去空载电压时间序列获取稳压输入时间段的电源去空载电压相关程度的获取方法为：
获取空载电压时间序列的自相关系数；
将对应同一稳压输入时间段的电源去空载电压时间序列的自相关系数的绝对值的平均值记为稳压输入时间段的电源去空载电压相关程度。
4.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述根据电源去空载电压时间序列获取电源去空载电压差分序列，进而获取稳压输入时间段的电压稳定时长的获取方法为：
将电源去空载电压时间序列的一阶差分序列记为电源去空载电压差分序列；
将电源去空载电压差分序列中包含的小于稳定阈值的数据数量记为电源去空载电压差分序列对应的稳压输入时间段的电压稳定时长。
5.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述根据稳压输入时间段的高压施加跳变指数和电压稳定时长获取稳压输入时间段的高压施加稳定系数的方法为：
将稳压输入时间段的电压稳定时长与稳压输入时间段内采集输出电压的次数的比值记为稳定比值；
将以自然常数为底数、以稳压输入时间段的高压施加跳变指数的相反数为指数的幂记为跳变指数幂；
将稳定比值与跳变指数幂的乘积记为稳压输入时间段的高压施加稳定系数。
6.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述根据电源适配器的高压施加稳定序列获取电源适配器的高压变化相关系数，根据高压施加稳定系数获取同一种类所有电源适配器的自适应稳定系数的方法为：
将每个电源适配器的所有稳压输入时间段的高压施加稳定系数按照获取时间的先后顺序进行排列，获取电源适配器的高压施加稳定序列；
将电源适配器的高压施加稳定序列的长期相关性评价指数记为电源适配器的高压变化相关系数；
将同一种类的电源适配器的所有稳压输入时间段的高压施加稳定系数的平均值记为对应种类电源适配器的自适应稳定系数。
7.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述根据同一种类所有电源适配器的高压变化相关系数以及自适应稳定系数，获取对应种类电源适配器的生产异常检测系数的方法为：
其中，为/>种类的电源适配器的生产异常检测系数；/>为以自然常数为底的指数函数；/>为第二调参系数，经验值为2；/>为/>种类的电源适配器中第/>个电源适配器的自适应稳定系数；/>为/>种类的电源适配器中第/>个电源适配器的自适应稳定系数；/>为/>种类的电源适配器中第/>个电源适配器的高压变化相关系数；/>为/>种类的电源适配器中第个电源适配器的高压变化相关系数；/>为/>种类的电源适配器中包含的电源适配器的数量；/>为将/>种类的电源适配器中包含的不同电源适配器两两组合后获取的不同组合数量；为第/>个电源适配器的高压变化相关系数。
8.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述设置对应种类的电源适配器聚类数下限的方法为：
将对应种类的电源适配器中包含的电源适配器的数量与预设分母取值的比值的算数平方根记为对应种类的电源适配器聚类数下限。
9.根据权利要求1所述的一种智能电源适配器生产检测方法，其特征在于，所述根据对应种类的电源适配器的生产异常检测系数和聚类数下限确定自适应聚类数，根据自适应聚类数实现对应种类电源适配器的生产检测的方法为：
将对应种类的电源适配器聚类数下限与电源适配器的生产异常检测系数的乘积的向下取整值记为对应种类的电源适配器的自适应聚类数；
分别以每个种类的电源适配器的自适应聚类数作为K-means聚类算法的聚类数，使用K-means聚类算法对该种类的所有电源适配器的电源去空载电压进行聚类，获取聚类簇；
当电源去空载电压没有聚类到某个簇或者聚类簇内的电源去空载电压与聚类簇的聚类中心的距离大于第一异常阈值时，判定电源去空载电压为异常电源去空载电压；
当电源适配器的电源去空载电压中异常电源去空载电压占比大于等于第二异常阈值时，认为异常电源去空载电压对应的电源适配器为异常电源适配器，否则，认为电源适配器为合格品，完成对电源适配器的生产检测。
10.一种智能电源适配器生产检测系统，包括存储器、处理器以及存储在所述存储器中并在所述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计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311421073.3A CN117148023B (zh) | 2023-10-31 | 2023-10-31 | 一种智能电源适配器生产检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311421073.3A CN117148023B (zh) | 2023-10-31 | 2023-10-31 | 一种智能电源适配器生产检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117148023A true CN117148023A (zh) | 2023-12-01 |
| CN117148023B CN117148023B (zh) | 2024-01-26 |
Family
ID=88908494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311421073.3A Active CN117148023B (zh) | 2023-10-31 | 2023-10-31 | 一种智能电源适配器生产检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117148023B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865477A (zh) * | 2015-06-12 | 2015-08-26 | 广东欧珀移动通信有限公司 | 一种电源适配器检测方法和电源适配器检测装置 |
| CN104965139A (zh) * | 2015-06-26 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种智能检测适配器性能的方法和终端 |
| CN205844436U (zh) * | 2016-07-30 | 2016-12-28 | 刘敬英 | 智能机顶盒电源适配器性能检测仪 |
| CN111077384A (zh) * | 2019-10-17 | 2020-04-28 | 华北电力大学（保定） | 一种变压器内部故障在线监测方法 |
| CN213275905U (zh) * | 2020-05-29 | 2021-05-25 | 北京华清易点科技有限公司 | 一种电源测试系统 |
| WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
| CN115236527A (zh) * | 2021-04-23 | 2022-10-25 | 利萨·德雷克塞迈尔有限责任公司 | 用于确定电池单体的充电状态的电子电路 |
| CN115905832A (zh) * | 2022-10-24 | 2023-04-04 | 广西电网有限责任公司河池供电局 | 一种基于振动信号聚类识别的变压器故障诊断方法 |
| CN116454856A (zh) * | 2022-10-09 | 2023-07-18 | 贵州电网有限责任公司 | 一种基于sc-dtw算法的低压配电网户变拓扑辨识方法 |
| CN116819379A (zh) * | 2023-04-23 | 2023-09-29 | 东莞市冠锦电子科技有限公司 | 电源适配器的故障监测系统及其方法 |
-
2023
- 2023-10-31 CN CN202311421073.3A patent/CN117148023B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865477A (zh) * | 2015-06-12 | 2015-08-26 | 广东欧珀移动通信有限公司 | 一种电源适配器检测方法和电源适配器检测装置 |
| CN104965139A (zh) * | 2015-06-26 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种智能检测适配器性能的方法和终端 |
| CN205844436U (zh) * | 2016-07-30 | 2016-12-28 | 刘敬英 | 智能机顶盒电源适配器性能检测仪 |
| CN111077384A (zh) * | 2019-10-17 | 2020-04-28 | 华北电力大学（保定） | 一种变压器内部故障在线监测方法 |
| CN213275905U (zh) * | 2020-05-29 | 2021-05-25 | 北京华清易点科技有限公司 | 一种电源测试系统 |
| WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
| CN115236527A (zh) * | 2021-04-23 | 2022-10-25 | 利萨·德雷克塞迈尔有限责任公司 | 用于确定电池单体的充电状态的电子电路 |
| CN116454856A (zh) * | 2022-10-09 | 2023-07-18 | 贵州电网有限责任公司 | 一种基于sc-dtw算法的低压配电网户变拓扑辨识方法 |
| CN115905832A (zh) * | 2022-10-24 | 2023-04-04 | 广西电网有限责任公司河池供电局 | 一种基于振动信号聚类识别的变压器故障诊断方法 |
| CN116819379A (zh) * | 2023-04-23 | 2023-09-29 | 东莞市冠锦电子科技有限公司 | 电源适配器的故障监测系统及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117148023B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102543921B1 (ko) | 이완 전압들에 기반하여 모바일 장치에 대한 배터리 수명을 추정하는 방법 | |
| CN109471021B (zh) | 检测高压断路器分合闸性能的装置和方法 | |
| WO2016106501A1 (zh) | 一种电池等效电路模型 | |
| CN109765440A (zh) | 智能绝缘子雷电流监测设备 | |
| CN112986851A (zh) | 一种电源检测用储能放电系统测试平台 | |
| CN114035081A (zh) | 一种准确识别注液前电池电芯微短路问题的测试方法 | |
| CN117148023B (zh) | 一种智能电源适配器生产检测方法及系统 | |
| KR102368180B1 (ko) | 주파수별 매그니튜드의 변동량을 이용한 아크검출 방법 및 장치 | |
| CN103135063A (zh) | 一种铅酸蓄电池的检测及监控方法 | |
| CN112731177A (zh) | 干电池电量检测方法及装置 | |
| CN112378995B (zh) | 电火花发生装置、能量测试装置及电火花发生系统 | |
| CN110187263A (zh) | 基于燃弧时间评估触头失效的方法、装置及系统 | |
| CN115469241A (zh) | 直流电源系统充电模块故障检测方法及装置 | |
| CN114002551A (zh) | 一种基于二次电压特征的cvt故障确定方法及装置 | |
| CN112434567B (zh) | 一种利用噪声抖动性质的功率信号滤波方法和系统 | |
| CN110244115B (zh) | 一种基于信号连接性的负载开关事件检测方法及系统 | |
| CN110133365B (zh) | 一种负载的开关事件的检测方法和装置 | |
| CN110187167B (zh) | 一种基于流形分类的负载开关事件的检测方法和装置 | |
| CN111896817B (zh) | 一种在线式电容寿命估算系统和方法 | |
| CN104215821B (zh) | 一种电源设备输入浪涌电流检测方法 | |
| CN114207909A (zh) | 电化学装置管理方法、系统、电化学装置及电子设备 | |
| CN110196354B (zh) | 一种负载的开关事件的检测方法和装置 | |
| CN203444016U (zh) | 含压敏电阻的断路器的电阻测量装置 | |
| CN203275585U (zh) | 过电压保护器工频放电电压测试电路 | |
| CN110702981A (zh) | 一种利用分类树的负荷开关事件检测方法和系统 |
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 |