CN117310239A - 测试系统的高压电源控制方法 - Google Patents

Abstract

本发明公开了一种测试系统的高压电源控制方法，其通过电压传感器采集由可控高压源输出给被测器件的电压信号，并在后端引入数据处理和分析算法来进行该电压信号的时序分析，以此来自动判断输出电压是否正常，并在检测异常时暂停测试以避免器件烧毁。这样，能够自动对于电压波动的异常情况进行实时监测和分析，并在异常时及时采取措施，以保护被测器件的安全性，从而提高测试结果的准确性和电子设备的可靠性，并提高了测试系统的稳定性和可靠性。

Description

测试系统的高压电源控制方法

技术领域

本发明涉及智能化控制技术领域，尤其涉及一种测试系统的高压电源控制方法。

背景技术

在电子设备测试过程中，需要对被测器件施加不同的电压以模拟实际工作条件。高压电源是提供高电压输出的关键组件，它通常由电源模块和控制模块组成。电源模块负责将输入电源转换为所需的高压输出，而控制模块则负责监测和调节输出电压，以确保其在预定范围内稳定。

在测试过程中，输出电压的稳定性对测试结果的准确性和被测器件的安全性至关重要。然而，在测试过程中，由于各种因素的影响（例如电源本身的波动、电路噪声、负载变化等），输出电压可能会发生波动。如果波动在预定范围内，可以认为是正常现象。但如果输出电压波动过大或超出预定范围，可能会导致测试结果的误差或甚至损坏被测器件。

传统的高压电源控制方法通常采用反馈控制策略，通过对输出电压进行实时监测和调节，以维持其在预定范围内的稳定。然而，由于反馈环路的延迟和响应时间，这种方法在面对快速变化的电压需求或异常情况时可能反应较慢，无法及时调整输出电压，导致测试过程中出现不稳定或超出范围的电压波动。此外，传统的高压电源控制方法通常依赖于设定的阈值或规则来判断电压是否异常。然而，这种基于规则的方法可能无法准确地检测和识别复杂的异常波动模式，特别是当异常波动的特征不明显或难以预测时。这可能导致误判或漏判，无法及时采取措施保护被测器件。

因此，期望一种优化的测试系统的高压电源控制方案。

发明内容

本发明实施例提供一种测试系统的高压电源控制方法，其通过电压传感器采集由可控高压源输出给被测器件的电压信号，并在后端引入数据处理和分析算法来进行该电压信号的时序分析，以此来自动判断输出电压是否正常，并在检测异常时暂停测试以避免器件烧毁。这样，能够自动对于电压波动的异常情况进行实时监测和分析，并在异常时及时采取措施，以保护被测器件的安全性，从而提高测试结果的准确性和电子设备的可靠性，并提高了测试系统的稳定性和可靠性。

本发明实施例还提供了一种测试系统的高压电源控制方法，其包括：

通过电压传感器采集由可控高压源在预定时间段内输出给被测器件的电压信号；

对所述电压信号进行局部特征分析以得到电压局部时序波形特征向量的序列；

对所述电压局部时序波形特征向量的序列中的各个电压局部时序波形特征向量进行波形特征一致性关联分析以得到波形一致性拓扑特征矩阵；

对所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵进行基于图结构的关联编码以得到波形间一致性拓扑全局电压波形特征；

基于所述波形间一致性拓扑全局电压波形特征，确定输出电压是否异常并确定是否暂停测试。

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的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中提供的一种测试系统的高压电源控制方法的流程图。

图2为本发明实施例中提供的一种测试系统的高压电源控制方法的系统架构的示意图。

图3为本发明实施例中提供的一种测试系统的高压电源控制系统的框图。

图4为本发明实施例中提供的电路框图。

图5为本发明实施例中提供的2000V电压源和200V电压源示意图。

图6为本发明实施例中提供的电压控制和电压输出示意图。

图7为本发明实施例中提供的一种测试系统的高压电源控制方法的应用场景图。

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明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

除非另有说明，本申请实施例所使用的所有技术和科学术语与本申请的技术领域的技术人员通常理解的含义相同。本申请中所使用的术语只是为了描述具体的实施例的目的，不是旨在限制本申请的范围。

在本申请实施例记载中，需要说明的是，除非另有说明和限定，术语“连接”应做广义理解，例如，可以是电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

需要说明的是，本申请实施例所涉及的术语“第一\第二\第三”仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换，以使这里描述的本申请的实施例可以除了在这里图示或描述的那些以外的顺序实施。

如前所述，在电子设备测试过程中，被测器件通常需要在特定的电压条件下进行测试。如果输出电压不稳定，会导致测试结果的误差。例如，某些测试可能需要在特定电压下测量电流、电阻或其他参数，如果输出电压波动较大，测量结果将不准确。因此，稳定的输出电压能够确保测试结果的准确性，提高测试的可靠性。

一些电子器件对电压的稳定性要求非常高，如果输出电压波动过大或超出其承受范围，可能会导致器件损坏或烧毁。这对于高压电源来说尤为重要，因为高压可能会对器件造成电击、击穿或热损伤等风险。通过保持输出电压的稳定性，可以有效地保护被测器件的安全性，防止其受到损坏。

稳定的输出电压是测试系统稳定性和可靠性的基础。如果输出电压波动较大，测试系统可能会出现不稳定的情况，例如测试数据的波动、仪器的故障或测试过程的中断。这会影响测试的可靠性和一致性。通过确保输出电压的稳定性，可以提高测试系统的稳定性和可靠性，减少测试过程中的干扰和故障。

为了实现输出电压的稳定性，传统的高压电源控制方法通常采用反馈控制策略，通过实时监测和调节输出电压来维持其在预定范围内的稳定。然而，由于反馈环路的延迟和响应时间，这种方法在面对快速变化的电压需求或异常情况时可能反应较慢，无法及时调整输出电压。因此，引入数据处理和分析算法来实时监测和分析输出电压的稳定性，可以更精确地判断输出电压是否正常，并在异常情况下采取措施，提高输出电压的稳定性和可靠性。

稳定的输出电压对于测试结果的准确性、被测器件的安全性以及测试系统的稳定性和可靠性都至关重要。通过采用适当的高压电源控制方法和技术手段，可以有效地确保输出电压的稳定性，提高测试过程的质量和可靠性。

传统的高压电源控制方法通常采用反馈控制策略，通过实时监测和调节输出电压来维持其在预定范围内的稳定。传统高压电源控制方法使用反馈控制环路来实现电压的稳定控制。该环路通常包括以下组件：电压传感器、比较器、控制器和执行器。电压传感器用于实时监测输出电压的值，将其与设定值进行比较。比较器将监测到的电压信号与设定值进行比较，并生成误差信号。控制器接收误差信号并根据控制算法计算出相应的控制信号。执行器根据控制信号对电源模块进行调节，以使输出电压接近设定值。

控制算法是反馈控制环路中的关键部分，用于根据误差信号计算出控制信号。常见的控制算法包括比例控制（P控制）、比例积分控制（PI控制）和比例积分微分控制（PID控制），这些算法根据误差信号的大小和变化率来调整控制信号，以实现输出电压的稳定控制。

传统的反馈控制方法存在反馈延迟和响应时间的限制。由于电压传感器、比较器、控制器和执行器的物理特性和信号传输延迟，反馈控制系统无法实现实时的电压调节。这意味着在电压需求变化较快或发生异常情况时，反馈控制系统可能无法及时响应，导致输出电压的波动超出预定范围。

传统高压电源控制方法通常依赖于设定的阈值或规则来判断电压是否异常。例如，可以设置上下限阈值来定义正常工作范围，当输出电压超出该范围时认为是异常。然而，这种基于规则的方法可能无法准确地检测和识别复杂的异常波动模式，特别是当异常波动的特征不明显或难以预测时。这可能导致误判或漏判，无法及时采取措施保护被测器件。

尽管传统的高压电源控制方法在一般情况下可以满足要求，但在面对快速变化的电压需求或复杂的异常情况时可能存在局限性。因此，引入数据处理和分析算法来实现实时监测和分析输出电压的稳定性，可以提高控制的精度和响应速度，从而更好地保证测试结果的准确性和被测器件的安全性。

在本发明的一个实施例中，图1为本发明实施例中提供的一种测试系统的高压电源控制方法的流程图。图2为本发明实施例中提供的一种测试系统的高压电源控制方法的系统架构的示意图。如图1和图2所示，根据本发明实施例的测试系统的高压电源控制方法，包括：110，通过电压传感器采集由可控高压源在预定时间段内输出给被测器件的电压信号；120，对所述电压信号进行局部特征分析以得到电压局部时序波形特征向量的序列；130，对所述电压局部时序波形特征向量的序列中的各个电压局部时序波形特征向量进行波形特征一致性关联分析以得到波形一致性拓扑特征矩阵；140，对所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵进行基于图结构的关联编码以得到波形间一致性拓扑全局电压波形特征；以及，150，基于所述波形间一致性拓扑全局电压波形特征，确定输出电压是否异常并确定是否暂停测试。

在所述步骤110中，使用电压传感器实时采集由可控高压源输出给被测器件的电压信号。选择合适的电压传感器，确保其精度和响应速度满足要求，通过准确地采集电压信号，为后续的数据处理和分析提供准确的输入。

在所述步骤120中，对采集到的电压信号进行局部特征分析，以得到电压局部时序波形特征向量的序列。局部特征分析可以包括对电压信号的幅值、频率、斜率等特征进行提取和计算。选择合适的特征提取方法和算法，以确保提取到的特征能够有效地描述电压信号的时序波形特征。

在所述步骤130中，对电压局部时序波形特征向量的序列进行波形特征一致性关联分析，以得到波形一致性拓扑特征矩阵。波形特征一致性关联分析可以通过比较不同时刻或不同位置的特征向量之间的相似性来判断波形的一致性。选择适当的相似性度量方法和阈值，以确保波形特征的一致性能够准确地反映电压信号的稳定性。

在所述步骤140中，使用波形一致性拓扑特征矩阵和电压局部时序波形特征向量的序列进行基于图结构的关联编码，以得到波形间一致性拓扑全局电压波形特征。基于图结构的关联编码可以将不同特征向量之间的关联关系表示为图的形式，从而提取出波形间的一致性拓扑特征。选择合适的图结构表示方法和编码算法，以确保波形间的一致性特征能够准确地反映电压信号的整体稳定性。

在所述步骤150中，基于波形间一致性拓扑全局电压波形特征，确定输出电压是否异常，并决定是否暂停测试。通过分析波形间的一致性拓扑特征，可以判断输出电压是否符合预期的稳定性要求。如果输出电压异常，可以采取相应的措施，例如暂停测试、调整控制参数或报警通知。设置合适的异常判断规则和阈值，以确保准确地识别输出电压的异常情况，并及时采取适当的措施保护被测器件。

应可以理解，通过对电压信号的局部特征分析和波形特征一致性关联分析，可以更准确地判断输出电压的稳定性，有助于减小输出电压的波动范围，提高电压的稳定性和准确性。通过对输出电压的实时监测和分析，可以及时发现和处理异常情况，避免测试结果的误差，有助于提高测试过程的准确性和可靠性，确保测试结果的准确性。通过对输出电压的异常判断和控制，可以及时采取措施保护被测器件的安全性。例如，在检测到输出电压异常时，可以暂停测试，避免对被测器件造成损害。通过实时监测和分析输出电压的稳定性，可以提高测试系统的稳定性和可靠性，有助于减少测试过程中的干扰和故障，提高测试系统的整体性能和可用性。

针对上述技术问题，本申请的技术构思为在测试过程中，通过电压传感器采集由可控高压源输出给被测器件的电压信号，并在后端引入数据处理和分析算法来进行该电压信号的时序分析，以此来自动判断输出电压是否正常，并在检测异常时暂停测试以避免器件烧毁。这样，能够自动对于电压波动的异常情况进行实时监测和分析，并在异常时及时采取措施，以保护被测器件的安全性，从而提高测试结果的准确性和电子设备的可靠性，并提高了测试系统的稳定性和可靠性。

具体地，在本申请的技术方案中，首先，获取由电压传感器采集的由可控高压源在预定时间段内输出给被测器件的电压信号。

在本申请一具体实施例中，对所述电压信号进行局部特征分析以得到电压局部时序波形特征向量的序列，包括：所述电压信号进行信号切分以得到电压局部信号的序列；以及，将所述电压局部信号的序列分别通过基于卷积神经网络模型的电压波形特征提取器以得到所述电压局部时序波形特征向量的序列。

应可以理解，在高压电源控制中，电压信号通常是连续变化的，包含了丰富的信息。并且，在测试过程中，所述电压信号的波动可能较大也可能较小。因此，为了更好地捕捉到电压波动的细节和特征，在本申请的技术方案中，需要进一步对所述电压信号进行信号切分以得到电压局部信号的序列。也就是说，切分所述电压信号可以将其分解成多个较短的局部信号片段，每个片段代表了一段时间内的电压信号变化和波动情况。这样，能够更精细地观察和分析电压波动的特征，例如振荡频率、幅度变化、上升时间、下降时间等。因此，通过对所述电压信号进行切分和特征提取，可以提高对异常波动的敏感性和准确性。这有助于实现更精确的高压电源控制，及时检测和响应异常情况，保护被测器件的安全性和可靠性。

然后，考虑到所述电压信号在时域中的表现形式为波形图，因此，为了能够对于各个所述电压局部信号的时域特征进行有效捕捉，从而检测所述各个电压局部信号的波动情况以判断是否存在电压异常，在本申请的技术方案中，使用在图像的隐含特征提取方面具有优异表现性能的基于卷积神经网络模型的电压波形特征提取器分别对所述电压局部信号的序列中的各个电压局部信号进行特征挖掘，以分别提取出所述各个电压局部信号中关于输出电压波形的隐含特征分布信息，从而得到电压局部时序波形特征向量的序列。

在本申请一具体实施例中，对所述电压局部时序波形特征向量的序列中的各个电压局部时序波形特征向量进行波形特征一致性关联分析以得到波形一致性拓扑特征矩阵，包括：计算所述电压局部时序波形特征向量的序列中任意两个电压局部时序波形特征向量之间的余弦相似度以得到波形一致性拓扑矩阵；以及，将所述波形一致性拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器以得到所述波形一致性拓扑特征矩阵。

进一步地，考虑到在测试过程中，在实际进行输出电压异常检测时，若该所述输出电压正常，则在所述各个电压局部信号中的电压局部波形特征分布信息之间的相似性程度较高，而当输出电压产生异常时，例如含有较大的电压波动情况时，则各个电压局部信号的波形特征的相似性较低。因此，为了能够进一步提高对于输出电压异常波动的敏感度和准确性，在本申请的技术方案中，进一步计算所述电压局部时序波形特征向量的序列中任意两个电压局部时序波形特征向量之间的余弦相似度以得到波形一致性拓扑矩阵。

接着，再将所述波形一致性拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器中进行特征挖掘，以提取出所述各个电压局部信号的波形特征之间的一致性拓扑关联特征分布信息，从而得到波形一致性拓扑特征矩阵。

在本申请一具体实施例中，对所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵进行基于图结构的关联编码以得到波形间一致性拓扑全局电压波形特征，包括：将所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵通过图神经网络模型以得到所述波形间一致性拓扑全局电压波形特征矩阵。

进而，以所述电压局部时序波形特征向量的序列中的各个电压局部时序波形特征向量作为节点的特征表示，而以所述波形一致性拓扑特征矩阵作为节点与节点之间的边的特征表示，将由所述多个电压局部时序波形特征向量经二维排列得到的电压全局时序波形特征矩阵和所述波形一致性拓扑特征矩阵通过图神经网络模型以得到波形间一致性拓扑全局电压波形特征矩阵。具体地，所述图神经网络模型通过可学习的神经网络参数对所述电压全局时序波形特征矩阵和所述波形一致性拓扑特征矩阵进行图结构数据编码以得到包含不规则的各个局部电压波形特征间的一致性拓扑关联特征和所述各个局部电压波形的隐含特征分布信息的所述波形间一致性拓扑全局电压波形特征矩阵。

在本申请一具体实施例中，基于所述波形间一致性拓扑全局电压波形特征，确定输出电压是否异常并确定是否暂停测试，包括：将所述波形间一致性拓扑全局电压波形特征矩阵通过SVM（支持向量机）模型以得到分类结果，所述分类结果用于表示输出电压是否异常；以及，基于所述分类结果，确定是否暂停测试。

继而，再将所述波形间一致性拓扑全局电压波形特征矩阵通过SVM模型以得到分类结果，所述分类结果用于表示输出电压是否异常。也就是说，利用所述各个输出电压局部波形的特征分布信息和一致性拓扑关联特征信息基于图结构数据的融合特征来进行分类处理，以此来判断输出电压是否异常。如果分类结果为异常，即表示输出电压存在异常波动或超出预设范围，需要及时采取措施进行调整或保护。基于此，基于所述分类结果，确定是否暂停测试。

在本申请的一个实施例中，所述测试系统的高压电源控制方法，还包括训练步骤：用于对所述基于卷积神经网络模型的电压波形特征提取器、所述基于卷积神经网络模型的拓扑特征提取器、所述图神经网络模型和所述SVM模型进行训练。所述训练步骤，包括：获取训练数据，所述训练数据包括由所述电压传感器采集的由可控高压源在预定时间段内输出给被测器件的训练电压信号，以及，所述输出电压是否异常的真实值；对所述训练电压信号进行信号切分以得到训练电压局部信号的序列；将所述训练电压局部信号的序列分别通过所述基于卷积神经网络模型的电压波形特征提取器以得到训练电压局部时序波形特征向量的序列；计算所述训练电压局部时序波形特征向量的序列中任意两个训练电压局部时序波形特征向量之间的余弦相似度以得到训练波形一致性拓扑矩阵；将所述训练波形一致性拓扑矩阵通过所述基于卷积神经网络模型的拓扑特征提取器以得到训练波形一致性拓扑特征矩阵；将所述训练电压局部时序波形特征向量的序列和所述训练波形一致性拓扑特征矩阵通过所述图神经网络模型以得到训练波形间一致性拓扑全局电压波形特征矩阵；对所述训练波形间一致性拓扑全局电压波形特征矩阵进行校正以得到校正后训练波形间一致性拓扑全局电压波形特征矩阵；将所述校正后训练波形间一致性拓扑全局电压波形特征矩阵通过所述SVM模型以得到分类损失函数值；基于所述分类损失函数值并通过梯度下降的方向传播来对所述基于卷积神经网络模型的电压波形特征提取器、所述基于卷积神经网络模型的拓扑特征提取器、所述图神经网络模型和所述SVM模型进行训练。

进一步地，对所述训练波形间一致性拓扑全局电压波形特征矩阵进行校正以得到校正后训练波形间一致性拓扑全局电压波形特征矩阵，包括：对所述训练波形间一致性拓扑全局电压波形特征矩阵进行展开以得到训练波形间一致性拓扑全局电压波形特征向量；对所述训练波形间一致性拓扑全局电压波形特征向量进行校正以得到校正后训练波形间一致性拓扑全局电压波形特征向量；对所述校正后训练波形间一致性拓扑全局电压波形特征向量进行维度重构以得到校正后训练波形间一致性拓扑全局电压波形特征矩阵。

特别地，在本申请的技术方案中，所述训练电压局部时序波形特征向量的序列中的每个训练电压局部时序波形特征向量表达电压信号的信号波形在局部时域下的图像语义特征，这样，将所述训练电压局部时序波形特征向量的序列和所述训练波形一致性拓扑特征矩阵通过图神经网络模型后，得到的所述训练波形间一致性拓扑全局电压波形特征矩阵可以进一步表达各个训练电压局部信号的局部图像语义关联表示在全局时域内的局部时域间图像语义特征相似性拓扑下的拓扑上下文关联。但是，如果将所述训练波形间一致性拓扑全局电压波形特征矩阵作为整体，则其对于各个局部时域内的图像语义特征表达可能存在不均衡，并且，也就是，特征向量的局部时域下的图像语义特征表达尺度，和各个特征向量间的特征矩阵的全局时域下的局部时域分布的图像语义特征拓扑关联尺度之间的不均衡，例如，可以理解为相对于进行时域划分的尺度，局部时域域内与局部时域间的尺度分布相对于图像语义特征分布越不均衡，则所述训练波形间一致性拓扑全局电压波形特征矩阵的整体表达也越不均衡。

由此，考虑到图像语义特征表示在不同空间表达尺度下的分布差异会带来相对于所述训练波形间一致性拓扑全局电压波形特征矩阵的整体特征表示的局部特征分布稀疏化，即相对于整体高维特征流形的分布外稀疏化子流形，这会使得在将所述训练波形间一致性拓扑全局电压波形特征矩阵通过SVM模型进行类概率回归映射时，所述训练波形间一致性拓扑全局电压波形特征矩阵到概率空间内的预定类概率类别表示的收敛性差，影响分类结果的准确性。

因此，优选地，对所述训练波形间一致性拓扑全局电压波形特征矩阵进行分类时展开后得到的训练波形间一致性拓扑全局电压波形特征向量进行校正，具体为：以如下校正公式对所述训练波形间一致性拓扑全局电压波形特征向量进行校正以得到校正后训练波形间一致性拓扑全局电压波形特征向量；其中，所述校正公式为：其中，/>是所述训练波形间一致性拓扑全局电压波形特征向量，/>是所述训练波形间一致性拓扑全局电压波形特征向量的第/>个位置的特征值，/> 是所述校正后训练波形间一致性拓扑全局电压波形特征向量的第/>个位置的特征值。

也就是，通过基于重概率的正则化来处理高维特征空间内的稀疏分布，以激活所述训练波形间一致性拓扑全局电压波形特征向量在高维特征空间内的几何流形到概率空间的自然分布转移，从而通过对所述训练波形间一致性拓扑全局电压波形特征向量/>的高维特征流形的分布稀疏子流形进行基于重概率化的平滑正则的方式，提高具有高空间稀疏性的复杂高维特征流形在预定类概率下的类别收敛性，从而提升所述训练波形间一致性拓扑全局电压波形特征矩阵通过SVM模型得到的分类结果的准确性。这样，能够对于输出电压进行自动检测，以判断输出电压是否正常，并在检测出异常时暂停测试以避免器件烧毁，通过这样的方式，能够自动对于电压波动的异常情况进行实时监测和分析，并在异常时及时采取措施，以保护被测器件的安全性，从而提高测试结果的准确性和电子设备的可靠性，并提高了测试系统的稳定性和可靠性。

综上，基于本发明实施例的测试系统的高压电源控制方法被阐明，其能够自动对于电压波动的异常情况进行实时监测和分析，并在异常时及时采取措施，以保护被测器件的安全性，从而提高测试结果的准确性和电子设备的可靠性，并提高了测试系统的稳定性和可靠性。

图3为本发明实施例中提供的一种测试系统的高压电源控制系统的框图。如图3所示，所述测试系统的高压电源控制系统200，包括：信号采集模块210，用于通过电压传感器采集由可控高压源在预定时间段内输出给被测器件的电压信号；局部特征分析模块220，用于对所述电压信号进行局部特征分析以得到电压局部时序波形特征向量的序列；一致性关联分析模块230，用于对所述电压局部时序波形特征向量的序列中的各个电压局部时序波形特征向量进行波形特征一致性关联分析以得到波形一致性拓扑特征矩阵；关联编码模块240，用于对所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵进行基于图结构的关联编码以得到波形间一致性拓扑全局电压波形特征；以及，电压判断模块250，用于基于所述波形间一致性拓扑全局电压波形特征，确定输出电压是否异常并确定是否暂停测试。

在本申请的一个实施例中，测试机需要产生高压源，用来测试时加载被测器件的两端，因不同器件需加载的电压不同，所以需要一种可控的高压源。本设计能输出0~2000V的电压。

如图4所示，电路分四部分：1、2000V电源部分：提供2000V固定电压；2、200V电源部分：提供200V固定电压；3、电压控制部分：通过电路控制电压源两个量程（2000V和200V）输出0~2000V和0~200V电压输出控制；4、0~2000V电压输出部分：电压输出通道，可选2000V和200V量程。

如图5所示，提供一种2000V电压源和200V电压源，其中，普通的线性电源，输出部分由高压继电器控制两个量程的电压输出，当加载2000V量程电压时RL1闭合RL2断开，当加载200V量程电压时RL2闭合RL1断开。

如图6所示， U4是DC/DC是给U1光耦供电，Q1是电压调整管IGBT，U2是比较器，U3是模拟开关低电平打开，R2R3R4组成分压电阻，C1C2C3是滤波电容。

工作原理：以1000V举例，这时发出的i信号是5V，2000V控制信号至低，U3B打开，此时刚开通U3B的电压分压是0，即比较器U2的U+=0；比较器和U-的i比较，输出0，U1光耦工作，调整管Q1工作，此时2000V电压输入对C1C2C3开始充电，当电压高于1000V时U3B的电压高于5V，通过比较器U2与I比较后输出正电压，U1断开，Q1断开，2000V电压停止供电，输出电压下降。

这样的往复后得到稳定的1000V输出电压。

其输出电压 V0=i*20或V0=i*200，20倍放大和2000倍放大由200V控制信号和2000V控制信号决定。

综合上述此电路能输出0~200V和0~2000V两个量程的电压。

本领域技术人员可以理解，上述测试系统的高压电源控制系统中的各个步骤的具体操作已经在上面参考图1到图2的测试系统的高压电源控制方法的描述中得到了详细介绍，并因此，将省略其重复描述。

如上所述，根据本发明实施例的测试系统的高压电源控制系统200可以实现在各种终端设备中，例如用于测试系统的高压电源控制的服务器等。在一个示例中，根据本发明实施例的测试系统的高压电源控制系统200可以作为一个软件模块和/或硬件模块而集成到终端设备中。例如，该测试系统的高压电源控制系统200可以是该终端设备的操作系统中的一个软件模块，或者可以是针对于该终端设备所开发的一个应用程序；当然，该测试系统的高压电源控制系统200同样可以是该终端设备的众多硬件模块之一。

替换地，在另一示例中，该测试系统的高压电源控制系统200与该终端设备也可以是分立的设备，并且该测试系统的高压电源控制系统200可以通过有线和/或无线网络连接到该终端设备，并且按照约定的数据格式来传输交互信息。

图7为本发明实施例中提供的一种测试系统的高压电源控制方法的应用场景图。如图7所示，在该应用场景中，首先，通过电压传感器采集由可控高压源在预定时间段内输出给被测器件的电压信号（例如，如图7中所示意的C）；然后，将获取的电压信号输入至部署有测试系统的高压电源控制算法的服务器（例如，如图7中所示意的S）中，其中所述服务器能够基于测试系统的高压电源控制算法对所述电压信号进行处理，以确定输出电压是否异常并确定是否暂停测试。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种测试系统的高压电源控制方法，其特征在于，包括：

通过电压传感器采集由可控高压源在预定时间段内输出给被测器件的电压信号；

对所述电压信号进行局部特征分析以得到电压局部时序波形特征向量的序列；

对所述电压局部时序波形特征向量的序列中的各个电压局部时序波形特征向量进行波形特征一致性关联分析以得到波形一致性拓扑特征矩阵；

对所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵进行基于图结构的关联编码以得到波形间一致性拓扑全局电压波形特征；

基于所述波形间一致性拓扑全局电压波形特征，确定输出电压是否异常并确定是否暂停测试。

2.根据权利要求1所述的测试系统的高压电源控制方法，其特征在于，对所述电压信号进行局部特征分析以得到电压局部时序波形特征向量的序列，包括：

对所述电压信号进行信号切分以得到电压局部信号的序列；

将所述电压局部信号的序列分别通过基于卷积神经网络模型的电压波形特征提取器以得到所述电压局部时序波形特征向量的序列。

3.根据权利要求2所述的测试系统的高压电源控制方法，其特征在于，对所述电压局部时序波形特征向量的序列中的各个电压局部时序波形特征向量进行波形特征一致性关联分析以得到波形一致性拓扑特征矩阵，包括：

计算所述电压局部时序波形特征向量的序列中任意两个电压局部时序波形特征向量之间的余弦相似度以得到波形一致性拓扑矩阵；

将所述波形一致性拓扑矩阵通过基于卷积神经网络模型的拓扑特征提取器以得到所述波形一致性拓扑特征矩阵。

4.根据权利要求3所述的测试系统的高压电源控制方法，其特征在于，对所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵进行基于图结构的关联编码以得到波形间一致性拓扑全局电压波形特征，包括：将所述电压局部时序波形特征向量的序列和所述波形一致性拓扑特征矩阵通过图神经网络模型以得到所述波形间一致性拓扑全局电压波形特征矩阵。

5.根据权利要求4所述的测试系统的高压电源控制方法，其特征在于，基于所述波形间一致性拓扑全局电压波形特征，确定输出电压是否异常并确定是否暂停测试，包括：

将所述波形间一致性拓扑全局电压波形特征矩阵通过SVM模型以得到分类结果，所述分类结果用于表示输出电压是否异常；

基于所述分类结果，确定是否暂停测试。

6.根据权利要求5所述的测试系统的高压电源控制方法，其特征在于，还包括训练步骤：用于对所述基于卷积神经网络模型的电压波形特征提取器、所述基于卷积神经网络模型的拓扑特征提取器、所述图神经网络模型和所述SVM模型进行训练。

7.根据权利要求6所述的测试系统的高压电源控制方法，其特征在于，所述训练步骤，包括：

获取训练数据，所述训练数据包括由所述电压传感器采集的由可控高压源在预定时间段内输出给被测器件的训练电压信号，以及，所述输出电压是否异常的真实值；

对所述训练电压信号进行信号切分以得到训练电压局部信号的序列；

将所述训练电压局部信号的序列分别通过所述基于卷积神经网络模型的电压波形特征提取器以得到训练电压局部时序波形特征向量的序列；

计算所述训练电压局部时序波形特征向量的序列中任意两个训练电压局部时序波形特征向量之间的余弦相似度以得到训练波形一致性拓扑矩阵；

将所述训练波形一致性拓扑矩阵通过所述基于卷积神经网络模型的拓扑特征提取器以得到训练波形一致性拓扑特征矩阵；

将所述训练电压局部时序波形特征向量的序列和所述训练波形一致性拓扑特征矩阵通过所述图神经网络模型以得到训练波形间一致性拓扑全局电压波形特征矩阵；

对所述训练波形间一致性拓扑全局电压波形特征矩阵进行校正以得到校正后训练波形间一致性拓扑全局电压波形特征矩阵；

将所述校正后训练波形间一致性拓扑全局电压波形特征矩阵通过所述SVM模型以得到分类损失函数值；

基于所述分类损失函数值并通过梯度下降的方向传播来对所述基于卷积神经网络模型的电压波形特征提取器、所述基于卷积神经网络模型的拓扑特征提取器、所述图神经网络模型和所述SVM模型进行训练。

8.根据权利要求7所述的测试系统的高压电源控制方法，其特征在于，对所述训练波形间一致性拓扑全局电压波形特征矩阵进行校正以得到校正后训练波形间一致性拓扑全局电压波形特征矩阵，包括：

对所述训练波形间一致性拓扑全局电压波形特征矩阵进行展开以得到训练波形间一致性拓扑全局电压波形特征向量；

对所述训练波形间一致性拓扑全局电压波形特征向量进行校正以得到校正后训练波形间一致性拓扑全局电压波形特征向量；

对所述校正后训练波形间一致性拓扑全局电压波形特征向量进行维度重构以得到校正后训练波形间一致性拓扑全局电压波形特征矩阵。