CN117271196B - 一种智能交互平板的故障检测方法及系统 - Google Patents
一种智能交互平板的故障检测方法及系统 Download PDFInfo
- Publication number
- CN117271196B CN117271196B CN202311532883.6A CN202311532883A CN117271196B CN 117271196 B CN117271196 B CN 117271196B CN 202311532883 A CN202311532883 A CN 202311532883A CN 117271196 B CN117271196 B CN 117271196B
- Authority
- CN
- China
- Prior art keywords
- electric quantity
- charging
- stage
- rising
- mutation
- 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.)
- Active
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 76
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 238000007600 charging Methods 0.000 claims abstract description 172
- 230000035772 mutation Effects 0.000 claims abstract description 101
- 230000000630 rising effect Effects 0.000 claims abstract description 100
- 230000005856 abnormality Effects 0.000 claims abstract description 65
- 230000009194 climbing Effects 0.000 claims abstract description 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 35
- 230000008859 change Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 5
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 20
- 230000002159 abnormal effect Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 2
- 238000010280 constant potential charging Methods 0.000 description 2
- 238000010277 constant-current charging Methods 0.000 description 2
- 229910052744 lithium Inorganic materials 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 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
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电数字数据处理技术领域，具体涉及一种智能交互平板的故障检测方法及系统，采集智能交互平板在每个采集时刻的电压、电流和电量；根据采集时刻的电量获取每个采集时刻的电量攀升相对速度，进而获得电量攀升规律系数；根据采集时刻的电压和电流获取电压攀升相对速度和电流攀升相对速度，进而获得充电阶段子序列和突变显著度；获取阶段突变点的阶段偏离度，结合突变显著度获得阶段异常指数；根据充电阶段子序列的电量攀升相对速度获得电量贡献系数；根据阶段异常指数、电量贡献系数和电量攀升规律系数获得综合异常指数，根据综合异常指数对智能交互平板进行故障检测。本发明解决了现有算法对智能交互平板故障检测的可靠性不高的问题。
Description
技术领域
本发明涉及电数字数据处理技术领域，具体涉及一种智能交互平板的故障检测方法及系统。
背景技术
智能交互平板通过无线网络连接到互联网，集成了投影机、电子白板、幕布、音响、电视机、视频会议终端等多种功能，使用户能够随时随地获取各类型的信息，同时，用户也可以通过智能交互平板将自己的想法、观点和信息传播到网络上，促进了信息的广泛流动和共享，在信息获取、教育学习、娱乐休闲等方面发挥着越来越重要的作用。
电池是智能交互平板的重要组成部分，当电池出现故障时，可能会危及用户的人身安全和设备的完整性，通过在出厂前对智能交互平板的电池进行故障检测，可以及时发现并解决智能交互平板潜在的问题，提高智能交互平板质量的可靠性和稳定性。
现有的异常检测算法能够根据电池在充电过程中的数据对电池进行故障检测，但是未考虑到电池充电过程中的阶段性特征，导致对智能交互平板故障检测的可靠性不高。
发明内容
本发明提供一种智能交互平板的故障检测方法及系统，以解决现有的异常检测算法对智能交互平板故障检测的可靠性不高的问题。
第一方面，本发明一个实施例提供了一种智能交互平板的故障检测方法，该方法包括以下步骤：
采集智能交互平板在每个采集时刻的检测数据，检测数据包括电压、电流和电量；
根据采集时刻的电量获取每个采集时刻的电量攀升绝对速度；将所述电量攀升绝对速度的归一化值作为采集时刻的电量攀升相对速度；根据所有采集时刻的电量攀升相对速度获得电量攀升规律系数；根据采集时刻的电压和电流获取采集时刻的电压攀升相对速度和电流攀升相对速度；根据电压攀升相对速度和电流攀升相对速度获得充电周期时间序列，并将充电周期时间序列划分为充电阶段子序列；根据充电阶段子序列中包含的所有采集时刻的电压攀升相对速度和电流攀升相对速度，获取充电阶段子序列的阶段电压攀升规律系数和阶段电流攀升规律系数；获取充电阶段子序列中的阶段突变点，根据阶段电压攀升规律系数、阶段电流攀升规律系数和赫斯特指数获取突变显著度；
获取阶段突变点的阶段偏离度，结合突变显著度获得阶段异常指数；根据充电周期时间序列中包含的所有充电阶段子序列的电量攀升相对速度获得充电阶段子序列的电量贡献系数；根据阶段异常指数、电量贡献系数和电量攀升规律系数获得综合异常指数，进而根据综合异常指数对智能交互平板进行故障检测。
进一步，所述采集时刻获取的具体方法为：
将预设时间长度作为一个电池充电周期；
将电池充电周期平均划分为第一预设数量个时间段；
将电池充电周期与时间段的数量的比值记为时间段长度；
在电池充电周期内，每间隔一个时间段长度设置一个采集时刻。
进一步，所述根据采集时刻的电量获取每个采集时刻的电量攀升绝对速度，包括的具体方法为：
分别将每个采集时刻记为待分析时刻；
将待分析时刻后一个采集时刻的电量与待分析时刻前一个采集时刻的电量之间的差值记为待分析时刻的邻域电量差异；
将邻域电量差异与两倍时间段长度的比值记为待分析时刻的电量攀升绝对速度。
进一步，所述根据所有采集时刻的电量攀升相对速度获得电量攀升规律系数，包括的具体方法为：
将所有采集时刻的电量攀升相对速度的最大值记为最大攀升速度；
将所有采集时刻的电量攀升相对速度的最小值记为最小攀升速度；
将最大攀升速度与最小攀升速度的差值记为攀升速度差值；
将攀升速度差值与预设极小值的和记为攀升速度极差；
将所有采集时刻的电量攀升相对速度的标准差与攀升速度极差的乘积记为电量变化差异度；
将所有采集时刻的电量攀升相对速度的赫斯特指数与电量变化差异度的比值记为智能交互平板的电量攀升规律系数。
进一步，所述根据电压攀升相对速度和电流攀升相对速度获得充电周期时间序列，并将充电周期时间序列划分为充电阶段子序列，包括的具体方法为：
将待分析时刻的电压攀升相对速度与电流攀升相对速度的平均值记为待分析时刻的攀升特征指数；
将所有采集时刻的攀升特征指数按照时间顺序排列，获得充电周期时间序列；
使用分段算法将充电周期时间序列划分为第二预设数量个充电阶段子序列。
进一步，所述获取充电阶段子序列中的阶段突变点，根据阶段电压攀升规律系数、阶段电流攀升规律系数和赫斯特指数获取突变显著度，包括的具体方法为：
使用突变点检测算法对充电阶段子序列进行检测，获取充电阶段子序列中的阶段突变点；
分别将每个阶段突变点记为待分析突变点；
将充电阶段子序列的阶段电压攀升规律系数与剔除待分析突变点后的充电阶段子序列的阶段电压攀升规律系数之间的差值的绝对值记为待分析突变点的电压突变度；
将充电阶段子序列的阶段电流攀升规律系数与剔除待分析突变点后的充电阶段子序列的阶段电流攀升规律系数之间的差值的绝对值记为待分析突变点的电流突变度；
将充电阶段子序列的赫斯特指数与剔除待分析突变点后的充电阶段子序列的赫斯特指数之间的差值的绝对值记为待分析突变点的突变离散度；
将电压突变度与电流突变度的和与突变离散度的乘积记为待分析突变点的突变显著度。
进一步，所述获取阶段突变点的阶段偏离度，结合突变显著度获得阶段异常指数，包括的具体方法为：
使用异常检测算法对充电阶段子序列进行检测，获得每个阶段突变点的离群因子；
将阶段突变点的离群因子记为阶段突变点的阶段偏离度；
将待分析突变点的突变显著度与阶段偏离度的乘积记为待分析突变点的异常程度；
将充电阶段子序列中所有阶段突变点的异常程度之和记为充电阶段子序列的阶段异常指数。
进一步，所述根据充电周期时间序列中包含的所有充电阶段子序列的电量攀升相对速度获得充电阶段子序列的电量贡献系数，包括的具体方法为：
将充电阶段子序列中所有采集时刻的电量攀升相对速度之和记为充电阶段子序列的电量贡献份额；
将充电周期时间序列中包含的所有充电阶段子序列的电量贡献份额之和记为电量攀升总额；
将充电阶段子序列的电量贡献份额与电量攀升总额的比值记为充电阶段子序列的电量贡献系数。
进一步，所述根据阶段异常指数、电量贡献系数和电量攀升规律系数获得综合异常指数，进而根据综合异常指数对智能交互平板进行故障检测，包括的具体方法为：
将充电阶段子序列的阶段异常指数与电量贡献系数的乘积记为充电阶段子序列的阶段异常指数；
将充电周期时间序列中包含的所有充电阶段子序列的阶段异常指数之和记为智能交互平板的周期异常指数；
将智能交互平板的周期异常指数与电量攀升规律系数之和记为智能交互平板的综合异常指数；
将综合异常指数大于预设异常阈值的智能交互平板判定为故障平板。
第二方面，本发明实施例还提供了一种智能交互平板的故障检测系统，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：本发明通过分析智能交互平板出现电池故障对电压、电流和电量产生的影响，根据每个采集时刻的电压、电流和电量，计算电量攀升规律系数以及每个采集时刻的攀升特征指数，获取充电阶段子序列，计算充电阶段子序列的阶段异常指数和电量贡献系数，根据电池充电过程中的阶段性特征，将电池充电周期划分为不同的阶段，提高了充电阶段子序列划分的可靠性；充电阶段子序列的阶段异常指数衡量的是电池充电过程的各个阶段的异常程度，通过综合考虑电池充电过程中电量上升整体趋势的异常程度以及各个阶段的异常程度，根据所有充电阶段子序列的阶段异常指数、电量贡献系数以及智能交互平板的电量攀升规律系数，获取智能交互平板的综合异常指数，提高了对智能交互平板充电过程中异常程度评估的准确性，解决了现有算法未考虑到电池充电过程中的阶段性特征，导致对智能交互平板故障检测的可靠性不高的问题。
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为本发明的一种智能交互平板的故障检测方法的实施例的流程图；
图2为电池充电阶段示意图。
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。
本发明的一种智能交互平板的故障检测方法的实施例，如图1所示，包括：
S1、采集智能交互平板每个采集时刻的电压、电流和电量。
设置电池充电周期为分钟，将电池充电周期平均划分为/>个时间段，则时间段长度为/>分钟。在电池充电周期内每隔/>分钟设置一个采集时刻，采集一次智能交互平板的电压、电流和电量，共采集/>次，/>经验取值为180，/>经验取值为20。
至此，获得智能交互平板在每个采集时刻的电压、电流和电量。
S2、根据智能交互平板每个采集时刻的电压、电流和电量，计算智能交互平板的电量攀升规律系数以及每个采集时刻的攀升特征指数，获取充电阶段子序列；获取充电阶段子序列中的阶段突变点，计算阶段突变点的突变显著度。
根据电池充电周期内所有采集时刻的电量，将第个采集时刻的电量攀升绝对速度表示为第/>个采集时刻的电量与第/>个采集时刻的电量的差值与两倍时间段长度的比值， />的取值范围为2到/>之间的整数，其中第1个采集时刻的电量攀升绝对速度为第2个采集时刻的电量与第1个采集时刻的电量的差值与时间段长度的比值；第/>个采集时刻的电量攀升绝对速度为第/>个采集时刻的电量与第/>个采集时刻的电量的差值与时间段长度的比值。当相邻的两个采集时刻的电量相差越大时，电量攀升绝对速度值越大。
为了减少计算量，统一量纲，将所有采集时刻的电量攀升绝对速度进行归一化处理，得到电量攀升相对速度。智能交互平板的充电过程中，电池电量的升高呈现稳定上升的趋势，根据电池充电周期内所有采集时刻的电量攀升相对速度，获取智能交互平板的电量攀升规律系数/>，计算公式为：
其中，为智能交互平板的电量攀升规律系数，/>为电池充电周期内所有采集时刻的电量攀升相对速度的标准差，代表电量攀升相对速度的离散程度，/>为电池充电周期内所有采集时刻的电量攀升相对速度的赫斯特指数，/>代表电池充电周期内所有采集时刻的电量攀升相对速度的最大值，/>代表电池充电周期内所有采集时刻的电量攀升相对速度的最小值，/>为一个极小值，经验取值为1，防止分母为0。
当电量攀升相对速度的离散程度越高、赫斯特指数越小时，说明电池在充电过程中电量的增长速度忽高忽低，电量的变化越不具有规律性、长期相关性，则电量攀升规律系数值越小，智能交互平板越可能出现电池故障；当电量攀升相对速度的最大值和最小值相差越大时，说明电池电量的变化相差越大，电池电量的变化越不具有规律性，电量攀升规律系数值越小，智能交互平板越可能出现电池故障。
智能交互平板的电池通常为锂电池，如图2所示，横轴为充电的时间，纵轴分别为电压和电流，代表了锂电池的充电过程的四个阶段：涓流充电、恒流充电、恒压充电以及充电终止。当电池的电压低于涓流充电阈值时，先使用涓流充电对完全放电的电池单元进行预充；当电池电压上升到涓流充电阈值以上时，提高充电电流进行恒流充电；当电池电压上升到恒压充电阈值时，恒流充电结束，开始恒压充电阶段；充电终止。涓流充电阈值经验取值为3V，恒压充电阈值经验取值为4V。
因此，在电池充电周期的不同阶段内，电池的电压、电流的变化特征不同。在对智能交互平板的电池进行故障检测时，需要先根据电压、电流的变化将电池充电周期划分为不同的阶段。按照电量攀升相对速度的计算方法，根据采集时刻的电压和电流获取电压攀升相对速度、电流攀升相对速度。将第个采集时刻的攀升特征指数表示为第/>个采集时刻的电压攀升相对速度与第/>个采集时刻的电流攀升相对速度的平均值。
将所有采集时刻的攀升特征指数按照获取的时间顺序排列，构建充电周期时间序列。当在电池的充电过程中，从一个阶段向另一个阶段过渡时，充电周期时间序列的元素值会发生变化，使用PLR_FPIP基于重要点的时间序列固定分段数分段算法将充电周期时间序列划分为四个充电阶段子序列。
在对智能交互平板充电时，电池充电周期的同一个阶段内，电池的电压和电流的变化均呈现一定的规律性，或保持不变，或逐渐上升，当电池的电压和电流的变化出现突变时，则极有可能出现故障。使用Pettitt突变点检测算法，获取每个充电阶段子序列中的所有阶段突变点。
根据充电阶段子序列中包含的所有采集时刻的电压攀升相对速度、电流攀升相对速度，按照电量攀升规律系数的计算方法，获取充电阶段子序列的阶段电压攀升规律系数、阶段电流攀升规律系数。根据去除阶段突变点前后充电阶段子序列的阶段电压攀升规律系数、阶段电流攀升规律系数的变化获取充电阶段子序列中阶段突变点的突变显著度，计算公式为：
其中，为第/>个充电阶段子序列中第/>个阶段突变点的突变显著度，/>为第/>个充电阶段子序列的阶段电压攀升规律系数，/>为第/>个充电阶段子序列中去除第/>个阶段突变点后的阶段电压攀升规律系数，/>为第/>个充电阶段子序列的阶段电流攀升规律系数，/>为第/>个充电阶段子序列中去除第/>个阶段突变点后的阶段电流攀升规律系数，/>为第/>个充电阶段子序列的赫斯特指数，/>为第/>个充电阶段子序列中去除第/>个阶段突变点后的赫斯特指数，/>取值范围为1到4之间的整数。
当去除某一个阶段突变点前后，充电阶段子序列的阶段电压攀升规律系数、阶段电流攀升规律系数和赫斯特指数相差越大时，说明该阶段突变点对整体趋势的影响程度越大，越可能为电池充电过程中出现故障的关键突变点，突变显著度值越大。
至此，获得充电阶段子序列中每个阶段突变点的突变显著度。
S3、根据电量攀升相对速度计算充电阶段子序列的阶段异常指数和电量贡献系数；根据所有充电阶段子序列的阶段异常指数、电量贡献系数以及智能交互平板的电量攀升规律系数，获取智能交互平板的综合异常指数。
设置LOF异常检测算法的k值为5，使用LOF异常检测算法获取充电阶段子序列中所有阶段突变点的LOF离群因子，将阶段突变点的LOF离群因子记为阶段突变点的阶段偏离度。
在电池充电过程中，可能由于偶然因素造成电压、电流的变化出现轻微的突变，并不能正确反映电池的性能是否出现异常，在对电池的性能进行评估时，应该给予较小的权重。获取充电阶段子序列中阶段突变点的数量，根据充电阶段子序列中所有阶段突变点的阶段偏离度、突变显著度，将充电阶段子序列的阶段异常指数表示如下：
其中，为第/>个充电阶段子序列的阶段异常指数，/>为第/>个充电阶段子序列中阶段突变点的数量，/>为第/>个充电阶段子序列中第/>个阶段突变点的突变显著度，为第/>个充电阶段子序列中第/>个阶段突变点的阶段偏离度。
当阶段突变点的突变显著度越高时，越可能为电池充电过程中出现故障的关键突变点，应该给予阶段突变点越高的权重；当各个阶段突变点的阶段偏离度越大时，说明电池在对应阶段越可能出现异常，充电阶段子序列的阶段异常指数值越大。
在电池充电过程的不同阶段，电池电量的上升是不同的，在对智能交互平板的电池进行故障检测时，应该对电池电量上升较多的阶段给予更高的权重。
将充电阶段子序列中所有采集时刻的电量攀升相对速度之和记为充电阶段子序列的电量贡献份额，将所有充电阶段子序列的电量贡献份额之和记为电量贡献总份额，将充电阶段子序列的电量贡献份额与电量贡献总份额的比值记为充电阶段子序列的电量贡献系数。当充电阶段子序列中电量攀升相对速度相比于整体的电量攀升相对速度越大时，在充电阶段子序列中电量上升的越多，对电池充电过程中的电量贡献越多，电量贡献系数值越大。
智能交互平板的电量攀升规律系数衡量的是电池充电过程中电量上升整体趋势的异常程度，根据所有充电阶段子序列的阶段异常指数、电量贡献系数，对电量攀升规律系数进行校正，获取智能交互平板的综合异常指数，计算公式为：
其中，为智能交互平板的综合异常指数，/>为智能交互平板的电量攀升规律系数，/>为第/>个充电阶段子序列的阶段异常指数，/>为第/>个充电阶段子序列的电量贡献系数。
当智能交互平板的电量攀升规律系数、充电阶段子序列的阶段异常指数越大时，智能监护平板的电池在充电过程中越可能出现异常，综合异常指数值越大。
至此，获取智能交互平板的综合异常指数。
S4、根据智能交互平板的综合异常指数对智能交互平板进行故障检测。
充电阶段子序列的阶段异常指数衡量的是电池充电过程的各个阶段的异常程度，综合考虑电池充电过程中电量上升整体趋势的异常程度以及各个阶段的异常程度，获取智能交互平板的综合异常指数，提高了对智能交互平板充电过程中异常程度评估的可靠性。
因此，本发明将综合异常指数大于异常阈值的智能交互平板判定为出现故障，异常阈值/>经验取值为0.7。
至此，完成对智能交互平板的故障检测。
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交互平板的故障检测系统，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交互平板的故障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而已，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)
1.一种智能交互平板的故障检测方法，其特征在于，包括：
采集智能交互平板在每个采集时刻的检测数据，检测数据包括电压、电流和电量；
根据采集时刻的电量获取每个采集时刻的电量攀升绝对速度；将所述电量攀升绝对速度的归一化值作为采集时刻的电量攀升相对速度；根据所有采集时刻的电量攀升相对速度获得电量攀升规律系数；根据采集时刻的电压和电流获取采集时刻的电压攀升相对速度和电流攀升相对速度；根据电压攀升相对速度和电流攀升相对速度获得充电周期时间序列，并将充电周期时间序列划分为充电阶段子序列；根据充电阶段子序列中包含的所有采集时刻的电压攀升相对速度和电流攀升相对速度，获取充电阶段子序列的阶段电压攀升规律系数和阶段电流攀升规律系数；获取充电阶段子序列中的阶段突变点，根据阶段电压攀升规律系数、阶段电流攀升规律系数和赫斯特指数获取突变显著度；
获取阶段突变点的阶段偏离度，结合突变显著度获得阶段异常指数；根据充电周期时间序列中包含的所有充电阶段子序列的电量攀升相对速度获得充电阶段子序列的电量贡献系数；根据阶段异常指数、电量贡献系数和电量攀升规律系数获得综合异常指数，进而根据综合异常指数对智能交互平板进行故障检测。
2.根据权利要求1所述的一种智能交互平板的故障检测方法，其特征在于，所述采集时刻获取的具体方法为：
将预设时间长度作为一个电池充电周期；
将电池充电周期平均划分为第一预设数量个时间段；
将电池充电周期与时间段的数量的比值记为时间段长度；
在电池充电周期内，每间隔一个时间段长度设置一个采集时刻。
3.根据权利要求2所述的一种智能交互平板的故障检测方法，其特征在于，所述根据采集时刻的电量获取每个采集时刻的电量攀升绝对速度，包括的具体方法为：
分别将每个采集时刻记为待分析时刻；
将待分析时刻后一个采集时刻的电量与待分析时刻前一个采集时刻的电量之间的差值记为待分析时刻的邻域电量差异；
将邻域电量差异与两倍时间段长度的比值记为待分析时刻的电量攀升绝对速度。
4.根据权利要求1所述的一种智能交互平板的故障检测方法，其特征在于，所述根据所有采集时刻的电量攀升相对速度获得电量攀升规律系数，包括的具体方法为：
将所有采集时刻的电量攀升相对速度的最大值记为最大攀升速度；
将所有采集时刻的电量攀升相对速度的最小值记为最小攀升速度；
将最大攀升速度与最小攀升速度的差值记为攀升速度差值；
将攀升速度差值与预设极小值的和记为攀升速度极差；
将所有采集时刻的电量攀升相对速度的标准差与攀升速度极差的乘积记为电量变化差异度；
将所有采集时刻的电量攀升相对速度的赫斯特指数与电量变化差异度的比值记为智能交互平板的电量攀升规律系数。
5.根据权利要求3所述的一种智能交互平板的故障检测方法，其特征在于，所述根据电压攀升相对速度和电流攀升相对速度获得充电周期时间序列，并将充电周期时间序列划分为充电阶段子序列，包括的具体方法为：
将待分析时刻的电压攀升相对速度与电流攀升相对速度的平均值记为待分析时刻的攀升特征指数；
将所有采集时刻的攀升特征指数按照时间顺序排列，获得充电周期时间序列；
使用分段算法将充电周期时间序列划分为第二预设数量个充电阶段子序列。
6.根据权利要求1所述的一种智能交互平板的故障检测方法，其特征在于，所述获取充电阶段子序列中的阶段突变点，根据阶段电压攀升规律系数、阶段电流攀升规律系数和赫斯特指数获取突变显著度，包括的具体方法为：
使用突变点检测算法对充电阶段子序列进行检测，获取充电阶段子序列中的阶段突变点；
分别将每个阶段突变点记为待分析突变点；
将充电阶段子序列的阶段电压攀升规律系数与剔除待分析突变点后的充电阶段子序列的阶段电压攀升规律系数之间的差值的绝对值记为待分析突变点的电压突变度；
将充电阶段子序列的阶段电流攀升规律系数与剔除待分析突变点后的充电阶段子序列的阶段电流攀升规律系数之间的差值的绝对值记为待分析突变点的电流突变度；
将充电阶段子序列的赫斯特指数与剔除待分析突变点后的充电阶段子序列的赫斯特指数之间的差值的绝对值记为待分析突变点的突变离散度；
将电压突变度与电流突变度的和与突变离散度的乘积记为待分析突变点的突变显著度。
7.根据权利要求6所述的一种智能交互平板的故障检测方法，其特征在于，所述获取阶段突变点的阶段偏离度，结合突变显著度获得阶段异常指数，包括的具体方法为：
使用异常检测算法对充电阶段子序列进行检测，获得每个阶段突变点的离群因子；
将阶段突变点的离群因子记为阶段突变点的阶段偏离度；
将待分析突变点的突变显著度与阶段偏离度的乘积记为待分析突变点的异常程度；
将充电阶段子序列中所有阶段突变点的异常程度之和记为充电阶段子序列的阶段异常指数。
8.根据权利要求1所述的一种智能交互平板的故障检测方法，其特征在于，所述根据充电周期时间序列中包含的所有充电阶段子序列的电量攀升相对速度获得充电阶段子序列的电量贡献系数，包括的具体方法为：
将充电阶段子序列中所有采集时刻的电量攀升相对速度之和记为充电阶段子序列的电量贡献份额；
将充电周期时间序列中包含的所有充电阶段子序列的电量贡献份额之和记为电量攀升总额；
将充电阶段子序列的电量贡献份额与电量攀升总额的比值记为充电阶段子序列的电量贡献系数。
9.根据权利要求1所述的一种智能交互平板的故障检测方法，其特征在于，所述根据阶段异常指数、电量贡献系数和电量攀升规律系数获得综合异常指数，进而根据综合异常指数对智能交互平板进行故障检测，包括的具体方法为：
将充电阶段子序列的阶段异常指数与电量贡献系数的乘积记为充电阶段子序列的阶段异常指数；
将充电周期时间序列中包含的所有充电阶段子序列的阶段异常指数之和记为智能交互平板的周期异常指数；
将智能交互平板的周期异常指数与电量攀升规律系数之和记为智能交互平板的综合异常指数；
将综合异常指数大于预设异常阈值的智能交互平板判定为故障平板。
10.一种智能交互平板的故障检测系统，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 |
|---|---|---|---|
| CN202311532883.6A CN117271196B (zh) | 2023-11-17 | 2023-11-17 | 一种智能交互平板的故障检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311532883.6A CN117271196B (zh) | 2023-11-17 | 2023-11-17 | 一种智能交互平板的故障检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117271196A CN117271196A (zh) | 2023-12-22 |
| CN117271196B true CN117271196B (zh) | 2024-02-02 |
Family
ID=89208352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311532883.6A Active CN117271196B (zh) | 2023-11-17 | 2023-11-17 | 一种智能交互平板的故障检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117271196B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111371938A (zh) * | 2018-12-26 | 2020-07-03 | 华为终端有限公司 | 一种故障检测方法及电子设备 |
| CN116467110A (zh) * | 2023-04-21 | 2023-07-21 | 深圳市联合同创科技股份有限公司 | 一种平板电脑的损坏检测方法及系统 |
| CN116794385A (zh) * | 2023-08-21 | 2023-09-22 | 山东德源电力科技股份有限公司 | 基于多维数据分析的高压电流监测方法 |
-
2023
- 2023-11-17 CN CN202311532883.6A patent/CN117271196B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111371938A (zh) * | 2018-12-26 | 2020-07-03 | 华为终端有限公司 | 一种故障检测方法及电子设备 |
| CN116467110A (zh) * | 2023-04-21 | 2023-07-21 | 深圳市联合同创科技股份有限公司 | 一种平板电脑的损坏检测方法及系统 |
| CN116794385A (zh) * | 2023-08-21 | 2023-09-22 | 山东德源电力科技股份有限公司 | 基于多维数据分析的高压电流监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117271196A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108254696B (zh) | 电池的健康状态评估方法及系统 | |
| CN110687468B (zh) | 一种电池荷电状态的估计方法及装置 | |
| CN110806546B (zh) | 电池健康评估方法、装置、存储介质及电子设备 | |
| WO2021143592A1 (zh) | 电池等效电路模型的建立方法、健康状态估算方法及装置 | |
| CN109541473B (zh) | 基于放电量加权累加的铅炭电池健康状态估算方法 | |
| CN114371409B (zh) | 电池状态预测模型的训练方法、电池状态预测方法及装置 | |
| CN107942261B (zh) | 电池荷电状态的估计方法及系统 | |
| CN107884718B (zh) | 电池剩余电量计算方法、移动终端以及存储装置 | |
| CN115512777B (zh) | 一种基于容量变化率的电化学模型参数辨识方法和系统 | |
| CN111414709A (zh) | 一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法 | |
| CN109061482B (zh) | 电池健康度预测方法及装置 | |
| CN113111508A (zh) | 电芯一致性的评估方法、装置及服务器 | |
| CN110888065A (zh) | 电池包荷电状态修正方法和装置 | |
| CN114594396A (zh) | 一种数据校准方法、装置及电子设备 | |
| CN114280485B (zh) | Soc估算及一致性评估方法、装置、计算机设备 | |
| CN117271196B (zh) | 一种智能交互平板的故障检测方法及系统 | |
| CN108594117B (zh) | 确定电池容量的方法、装置、终端设备及计算机存储介质 | |
| CN110728103B (zh) | 一种分段优化的超级电容模组等效电路模型参数辨识方法 | |
| WO2024055548A1 (zh) | 动力电池梯度利用筛选方法、装置、设备及存储介质 | |
| CN116298927B (zh) | 一种电池容量估计方法和装置、计算机设备、存储介质 | |
| CN116736131A (zh) | 电池健康状态估计方法、终端设备及存储介质 | |
| CN116930794A (zh) | 电池容量更新方法、装置、电子设备及存储介质 | |
| CN110850304A (zh) | 一种满充电检测方法、装置和存储介质 | |
| CN116029621B (zh) | 台区电能表运行评估方法、装置、电子设备和存储介质 | |
| CN115291111B (zh) | 电池静置时间预测模型的训练方法以及静置时间预测方法 |
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 |