CN117310348B - 一种电源适配器故障实时监测方法及系统 - Google Patents
一种电源适配器故障实时监测方法及系统 Download PDFInfo
- Publication number
- CN117310348B CN117310348B CN202311568080.6A CN202311568080A CN117310348B CN 117310348 B CN117310348 B CN 117310348B CN 202311568080 A CN202311568080 A CN 202311568080A CN 117310348 B CN117310348 B CN 117310348B
- Authority
- CN
- China
- Prior art keywords
- sequence
- temperature compensation
- discrete voltage
- residual
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 230000010355 oscillation Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000005452 bending Methods 0.000 claims description 28
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000013450 outlier detection Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012217 deletion Methods 0.000 claims description 6
- 230000037430 deletion Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 18
- 230000035945 sensitivity Effects 0.000 description 5
- 230000005355 Hall effect Effects 0.000 description 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R1/00—Details of instruments or arrangements of the types included in groups G01R5/00 - G01R13/00 and G01R31/00
- G01R1/44—Modifications of instruments for temperature compensation
-
- 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
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/10—Measuring sum, difference or ratio
Abstract
本发明涉及信号处理技术领域,提出了一种电源适配器故障实时监测方法及系统,包括:采集电源适配器的输出电压和电阻温度,获取温度补偿离散电压序列;根据温度补偿离散电压序列获取趋势分量序列和残差分量序列,根据趋势分量序列的获取趋势平稳性指数;根据残差分量序列获取电压局部非线性震荡指数;根据温度补偿离散电压序列的电压局部非线性震荡指数和趋势平稳性指数获取自适应k值,根据自适应k值对应获取温度补偿离散电压序列中每个数据的异常因子,根据异常因子完成对电源适配器故障的实时监测。本发明解决电源适配器工作的过程中电压的不同波动特征易使电源适配器的故障检测不准确的问题。
Description
技术领域
本发明涉及信号处理技术领域,具体涉及一种电源适配器故障实时监测方法及系统。
背景技术
电源适配器是一种将电源的电能转换为特定的电压输出的常见电子设备。随着社会的发展,电子设备不断普及,不同的设备往往需要不同规格的电源,为了满足不同设备的电源要求,电源适配器应运而生。电源适配器可以为不同产品提供稳定的电能输出、保证设备和用户的安全并简化接口。但是,电源适配器有时会发生故障,例如,由于电源适配器长时间工作或连接到匹配不良的设备上导致电源适配器过热或者过载而损坏。
为了及时发现电源适配器发生的故障,避免产生更大的损失,通常需要在确认电源连接正常的情况下测试电压的输出是否稳定。通常使用异常检测技术对电源适配器的电压输出稳定性进行检测,例如,局部异常因子离群检测算法。但是,局部异常因子离群检测算法的k值是预设参数,无法根据电源适配器工作的过程中电压的不同波动特征进行自适应地改变,使电源适配器的故障检测不准确。例如,在电源适配器刚开始工作时,电源适配器的输出电压会随着工作时长发热,使负载电路的阻值发生变化,从而导致电压不稳定,但固定的预设参数无法根据电压的不同波动特征进行自适应确定,所以,电源适配器的故障检测结果易出现误判。
发明内容
本发明提供一种电源适配器故障实时监测方法及系统,以解决电源适配器工作的过程中电压的不同波动特征易使电源适配器的故障检测不准确的问题,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电源适配器故障实时监测方法,该方法包括以下步骤:
采集电源适配器的输出电压和电阻温度,根据电阻温度对输出电压进行校正并对输出电压进行处理,获取温度补偿离散电压序列;
根据温度补偿离散电压序列获取趋势分量序列和残差分量序列,获取趋势分量序列的相邻序列,根据相邻序列和趋势分量序列的相邻序列获取温度补偿离散电压序列的趋势平稳性指数;
根据残差分量序列获取温度补偿离散电压序列的差分跳变次数,根据残差差分序列获取残差差分极大值弯度序列和残差差分极小值弯度序列,获取残差差分极大值弯度序列和残差差分极小值弯度序列中包含的每个数据的缺失均值,进而获取温度补偿离散电压序列的残差差分极值差异度,获取温度补偿离散电压序列中包含的每个极值数据的邻域极差,进而获取温度补偿离散电压序列内每个极值数据的残差差分波动量,根据残差差分波动量获取温度补偿离散电压序列的电压局部非线性震荡指数;
根据温度补偿离散电压序列的电压局部非线性震荡指数和趋势平稳性指数获取自适应k值,根据自适应k值对应获取温度补偿离散电压序列中每个数据的异常因子,根据异常因子完成对电源适配器故障的实时监测。
进一步,所述根据温度补偿离散电压序列获取趋势分量序列和残差分量序列的获取方法为:
对温度补偿离散电压序列使用时间序列分解算法,将温度补偿离散电压序列分解为趋势分量序列和残差分量序列。
进一步,所述获取趋势分量序列的相邻序列的获取方法为:
将采集时间相比于趋势分量序列早且与趋势分量序列相邻的趋势分量序列记为趋势分量序列的相邻序列。
进一步,所述根据残差分量序列获取温度补偿离散电压序列的差分跳变次数的获取方法为:
将残差分量序列的一阶差分序列记为残差差分序列;
获取残差差分序列中包含的数据的极值;
将残差差分序列中包含的数据的极值的数量记为温度补偿离散电压序列的差分跳变次数。
进一步,所述根据残差差分序列获取残差差分极大值弯度序列和残差差分极小值弯度序列的方法为:
将残差差分序列中包含的数据的极大值作为纵坐标,数据在残差差分序列中的位次作为横坐标,建立极大值散点图;
对极大值散点图中包含的所有散点进行非线性拟合,获取残差差分极大值曲线;
获取残差差分极大值曲线上每个数据采集时刻对应的点的曲率;
将所有曲率按照数据采集时刻的先后顺序进行排列,获取残差差分极大值弯度序列;
获取残差差分极小值弯度序列。
进一步,所述获取残差差分极大值弯度序列和残差差分极小值弯度序列中包含的每个数据的缺失均值的方法为:
将残差差分极大值弯度序列中包含的每个数据分别作为待分析极大值;
将除去待分析极大值的残差差分极大值弯度序列记为待分析极大值的缺失序列;
将待分析极大值的缺失序列内包含的所有数据的均值记为待分析极大值的缺失均值;
将残差差分极小值弯度序列中包含的每个数据分别作为待分析极小值;
将除去待分析极小值的残差差分极小值弯度序列记为待分析极小值的缺失序列;
将待分析极小值的缺失序列内包含的所有数据的均值记为待分析极小值的缺失均值。
进一步,所述获取温度补偿离散电压序列中包含的每个极值数据的邻域极差的方法为:
将温度补偿离散电压序列中包含的每个极值数据分别记为待分析差分极值;
以待分析差分极值为中心建立长度为第一预设阈值的窗口;
将长度为第一预设阈值的窗口内所有数据的极差记为窗口内位于中心的数据的邻域极差。
进一步,所述根据残差差分波动量获取温度补偿离散电压序列的电压局部非线性震荡指数的方法为:
将温度补偿离散电压序列内所有极值数据的残差差分波动量的均值记为温度补偿离散电压序列的电压局部非线性震荡指数。
进一步,所述根据自适应k值对应获取温度补偿离散电压序列中每个数据的异常因子,根据异常因子完成对电源适配器故障的实时监测的方法为:
以自适应k值作为局部异常因子离群检测算法的k值取值,对温度补偿离散电压序列进行异常检测,获取温度补偿离散电压序列中每个数据的异常因子;
当温度补偿离散电压序列中数据的异常因子大于第一异常阈值时,将数据认定为离群点;
当温度补偿离散电压序列中含有超过第二异常阈值的离群点时,认为电源适配器发生故障;
当温度补偿离散电压序列中含有小于等于第二异常阈值个离群点时,认为电源适配器未发生故障。
第二方面,本发明实施例还提供了一种电源适配器故障实时监测系统,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:
本发明首先采集电源适配器的输出电压和电阻温度,根据电阻温度对输出电压进行校正并对输出电压进行处理,获取温度补偿离散电压序列,通过负载温度变化修正电压因温度变化导致的负载电路阻值发生的变化,避免温度变化对电压电源适配器故障监测带来的干扰;其次,对温度补偿离散电压序列使用时间序列分解算法,获取趋势分量序列和残差分量序列,趋势分量序列反映电压变化的趋势特征,残差分量序列反映除了趋势和周期性特征之外的噪声特征,趋势分量序列和残差分量序列将温度补偿离散电压序列的电压取值和噪声特征趋势分解开,便于对电源适配器进行故障监测,提升故障监测的准确性;根据电压变化的趋势特征变化获取温度补偿离散电压序列的趋势平稳性指数,根据噪声特征的稳定性和波动性获取温度补偿离散电压序列的电压局部非线性震荡指数,进而获取温度补偿离散电压序列的自适应k值,根据自适应k值对应获取温度补偿离散电压序列中每个数据的异常因子,根据异常因子完成对电源适配器故障的实时监测,提升对电源适配器实时监测的灵敏度,解决电源适配器工作的过程中电压的不同波动特征易使电源适配器的故障检测不准确的问题。
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为本发明一个实施例所提供的一种电源适配器故障实时监测方法的流程示意图;
图2为电源适配器故障实时监测流程图。
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电源适配器故障实时监测方法流程图,该方法包括以下步骤:
步骤S001,采集电源适配器的输出电压和电阻温度,根据电阻温度对输出电压进行校正并对输出电压进行处理,获取温度补偿离散电压序列。
理想情况下电源适配器的输出电压为稳定输出,不会因为负载的变化而变化,因此,可以通过监测电源适配器正常工作时的电压判断电源适配器是否发生故障。为了保证测量电压的稳定性和抗干扰性,采用精度较高、功耗较低、响应快速的霍尔效应电压传感器采集电源适配器正常工作时的输出电压。其中,采集电压的频率经验值为200Hz。
将采集的电压按照采集时间的先后顺序进行排列,获取电压序列,将电压序列划分为等长的电压子序列,其中,电压子序列对应的时间长度的经验值为1秒。
使用温度传感器采集电源适配器的电阻温度,电阻温度的采集时刻和采集频率与电压相同。
考虑到负载电路会随着工作时长而产生温度的变化,温度会使负载电路的阻值发生相应的变化,进而导致电源适配器的输出电压发生相应的变化。因此,需要通过获取负载温度变化修正电压因温度带来的干扰。
根据产品的技术规格书获取负载电路的初始电阻值和电阻温度系数,电阻温度系数即为电阻在不同温度下的阻值变化与温度变化之间的关系。
根据每个采集时刻的电阻温度获取采集时刻的电阻温度变化量,根据采集时刻的电阻温度变化量、负载电路的初始电阻值和电阻温度系数获取采集时刻随温度变化的电阻差值。其中,获取采集时刻随温度变化的电阻差值为公知技术,不再赘述,一般将采集时刻的电阻温度变化量、负载电路的初始电阻值和电阻温度系数的乘积作为采集时刻随温度变化的电阻差值。
根据电路中的电压分压原理获取采集时刻随温度变化的电阻差值导致的电压变化差值,将每个采集时刻的电压变化差值与采集的电压的和记为采集时刻的补偿电压,将补偿电压按照补偿电压对应的输出电压在电压子序列中的排列顺序,获取温度补偿离散电压序列,每个温度补偿离散电压序列对应一个电压子序列。
至此,获取温度补偿离散电压序列。
步骤S002,根据温度补偿离散电压序列获取趋势分量序列和残差分量序列,获取趋势分量序列的相邻序列,根据相邻序列和趋势分量序列的相邻序列获取温度补偿离散电压序列的趋势平稳性指数。
对温度补偿离散电压序列使用STL时间序列分解算法,获取趋势分量序列和残差分量序列。其中,STL时间序列分解算法为公知技术,不再赘述。趋势分量序列反映电压变化的趋势特征,残差分量序列反映除了趋势和周期性特征之外的噪声特征。
当电源适配输出电压稳定时,趋势分量序列中的数据也应该较为稳定。
获取每个趋势分量序列内包含的数据的最大值、最小值和均值。
将采集时间相比于趋势分量序列早且与趋势分量序列相邻的趋势分量序列记为趋势分量序列的相邻序列。
根据趋势分量序列内包含的数据的最大值、最小值、均值和趋势分量序列的相邻序列内包含的数据的均值,获取温度补偿离散电压序列的趋势平稳性指数。
其中,表示第/>个温度补偿离散电压序列的趋势平稳性指数;/>表示第/>个趋势分量序列与其相邻序列内包含的数据均值的差值的绝对值;/>表示第/>个趋势分量序列内包含的数据的最大值;/>表示第/>个趋势分量序列内包含的数据的最小值;/>表示第一调参系数,作用为防止分母为0,经验值为1。
当趋势分量序列与相邻序列内包含的数据均值的差值的绝对值越大、趋势分量序列内包含的数据值的极差越大时,趋势分量序列对应的温度补偿离散电压序列内包含的数据越为杂乱、温度补偿离散电压序列内包含的数据的变化趋势越不平稳。
至此,获取温度补偿离散电压序列的趋势平稳性指数。
步骤S003,根据残差分量序列获取温度补偿离散电压序列的差分跳变次数,根据残差差分序列获取残差差分极大值弯度序列和残差差分极小值弯度序列,获取残差差分极大值弯度序列和残差差分极小值弯度序列中包含的每个数据的缺失均值,进而获取温度补偿离散电压序列的残差差分极值差异度,获取温度补偿离散电压序列中包含的每个极值数据的邻域极差,进而获取温度补偿离散电压序列内每个极值数据的残差差分波动量,根据残差差分波动量获取温度补偿离散电压序列的电压局部非线性震荡指数。
残差分量序列可反映温度补偿离散电压序列中的噪声特征,当温度补偿离散电压序列中噪声越为杂乱、越多时,残差分量序列的波动性越强。
获取残差分量序列的一阶差分序列。将残差分量序列的一阶差分序列记为残差差分序列。
获取残差差分序列中包含的数据的极值,将残差差分序列中包含的数据的极值的数量记为温度补偿离散电压序列的差分跳变次数。
当差分跳变次数越大时,残差分量序列内包含的噪声信息越为杂乱,温度补偿离散电压序列越为杂乱。差分跳变次数衡量了温度补偿离散电压序列的整体稳定性。
考虑到差分跳变次数只能从极值的变化趋势分析序列的波动特性,不能反映出温度补偿离散电压序列中每个数值的差异变化,因此,继续对残差差分序列进行分析。
将残差差分序列中包含的数据的极大值作为纵坐标,将数据在残差差分序列中的位次作为横坐标,建立极大值散点图,残差差分序列中每个极大值对应极大值散点图中一个散点。对极大值散点图中包含的所有散点使用最小二乘法进行非线性拟合,获取残差差分极大值曲线。
残差差分序列中包含的数据的极小值作为纵坐标,将数据在残差差分序列中的位次作为横坐标,建立极小值散点图,残差差分序列中每个极小值对应极小值散点图中一个散点。对极小值散点图中包含的所有散点使用最小二乘法进行非线性拟合,获取残差差分极小值曲线。
获取残差差分极大值曲线上每个数据采集时刻对应的点的曲率,将所有曲率按照数据采集时刻的先后顺序进行排列,获取残差差分极大值弯度序列。
获取残差差分极小值曲线上每个数据采集时刻对应的点的曲率,将所有曲率按照数据采集时刻的先后顺序进行排列,获取残差差分极小值弯度序列。
将残差差分极大值弯度序列中包含的每个数据分别作为待分析极大值,将待分析极大值的残差差分极大值弯度序列记为除去待分析极大值的缺失序列,将待分析极大值的缺失序列内包含的所有数据的均值记为待分析极大值的缺失均值。
将残差差分极小值弯度序列中包含的每个数据分别作为待分析极小值,将除去待分析极小值的残差差分极小值弯度序列记为待分析极小值的缺失序列,将待分析极小值的缺失序列内包含的所有数据的均值记为待分析极小值的缺失均值。
根据残差差分极大值弯度序列和残差差分极小值弯度序列内包含的数据和数据的缺失均值,获取温度补偿离散电压序列的残差差分极值差异度。
其中,表示第/>个温度补偿离散电压序列的残差差分极值差异度;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列的弯度波动系数;/>表示第/>个温度补偿离散电压序列对应的残差差分极小值弯度序列的弯度波动系数;/>表示温度补偿离散电压序列对应的残差差分极大值弯度序列内包含的数据数量;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列内包含的第/>个元素的值;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列的第/>个元素的缺失均值;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列内包含的所有数据的标准差;表示第/>个温度补偿离散电压序列对应的残差差分极小值弯度序列内包含的第/>个元素的值;/>表示第/>个温度补偿离散电压序列对应的残差差分极小值弯度序列的第/>个元素的缺失均值;/>表示第/>个温度补偿离散电压序列对应的残差差分极小值弯度序列内包含的所有数据的标准差。
获取温度补偿离散电压序列对应的残差差分极大值弯度序列和残差差分极小值弯度序列的弯度波动系数的目的为:防止残差差分极大值弯度序列和残差差分极小值弯度序列对应的数值的数量级对计算结果的影响。
通过缺失均值获取的残差差分极大值弯度序列和残差差分极小值弯度序列的弯度波动系数,排除每个数值对其所在的序列的均值的影响,增大异常值的显著性,提升残差差分极值差异度计算的准确性,为后续捕捉数据中的潜在故障信号提供便利,提升异常检测的准确性。
当残差差分极小值弯度序列与残差差分极大值弯度序列的差异越大时,残差差分极值差异度越大,温度补偿离散电压序列内包含的数据的波动程度越大。
将温度补偿离散电压序列中包含的每个极值数据分别记为待分析差分极值,以待分析差分极值为中心建立长度为第一预设阈值的窗口,将窗口内所有数据的极差记为位于中心的数据的邻域极差。其中,第一预设阈值的经验值为5。
根据残差差分极值差异度、差分跳变次数和极值数据的邻域极差获取温度补偿离散电压序列内每个极值数据的残差差分波动量。
其中,表示第/>个温度补偿离散电压序列内第/>个极值数据的残差差分波动量;表示第/>个温度补偿离散电压序列对应的温度补偿离散电压序列的残差差分极值差异度;/>表示第/>个温度补偿离散电压序列的差分跳变次数;/>表示第/>个温度补偿离散电压序列内第/>个极值数据的邻域极差。
当温度补偿离散电压序列中包含极值数据的邻域极差越大时,温度补偿离散电压序列的波动性越大,应在使用局部异常因子离群检测算法进行异常检测时,选择越小的k值,使异常监测过程对异常值越为敏感。
根据温度补偿离散电压序列内所有极值数据的残差差分波动量获取温度补偿离散电压序列的电压局部非线性震荡指数。
其中,表示第/>个温度补偿离散电压序列的电压局部非线性震荡指数;/>表示温度补偿离散电压序列内包含的极值数据的数量;/>表示第/>个温度补偿离散电压序列对应的温度补偿离散电压序列内第/>个极值数据的残差差分波动量。
至此,获取温度补偿离散电压序列的电压局部非线性震荡指数。
步骤S004,根据温度补偿离散电压序列的电压局部非线性震荡指数和趋势平稳性指数获取自适应k值,根据自适应k值对应获取温度补偿离散电压序列中每个数据的异常因子,根据异常因子完成对电源适配器故障的实时监测。
在进行局部异常因子检测时,k值的选择决定着在进行异常检测时的灵敏度。当k越小时,数据越容易被识别为异常数据,即识别异常数据的灵敏度越大;当k越大时,数据越不容易被识别为异常数据,即识别异常数据的灵敏度越小。在整个信号的检测过程中,不同时刻的信号波动情况是不一样的,采用相同的k值进行检测显然不合理,因此,根据每个温度补偿离散电压序列的数据波动具体情况,获取每个温度补偿离散电压序列对应的自适应k值。
根据温度补偿离散电压序列的电压局部非线性震荡指数和趋势平稳性指数获取自适应k值。
其中,表示第/>个温度补偿离散电压序列的自适应阈值选择系数;/>表示四舍五入函数;/>表示第/>个温度补偿离散电压序列的电压局部非线性震荡指数;/>表示第/>个温度补偿离散电压序列的趋势平稳性指数;/>表示自然常数;/>为第/>个温度补偿离散电压序列的自适应k值;/>表示第二调参系数,经验值为2。
由于局部异常因子离群检测算法的k值取值一般为大于3的常数,所以对自适应阈值选择系数加上第二调参系数以保证自适应k值的取值的合理性。
当温度补偿离散电压序列的电压局部非线性震荡指数越小、趋势平稳性指数越大时,温度补偿离散电压序列的自适应k值越小,表示温度补偿离散电压序列的整体波动性越大,即温度补偿离散电压序列存在异常的可能性越大,越应该采取更小的k值以提升局部异常因子离群检测算法的灵敏度。
以自适应k值作为局部异常因子离群检测算法的k值取值,对自适应k值对应的温度补偿离散电压序列进行异常检测,获取温度补偿离散电压序列中每个数据的异常因子。
当温度补偿离散电压序列中数据的异常因子大于第一异常阈值时,将数据认定为离群点;当温度补偿离散电压序列中含有超过第二异常阈值的离群点时,判定温度补偿离散电压序列对应时间段的电压存在异常,即电源适配器发生故障,否则,认为电源适配器未发生故障。其中,第一异常阈值和第二异常阈值的经验值分别为2和5%。
当电源适配器发生了故障时,需要及时检查是否需要更换,防止造成更大的损失。
至此,完成对电源适配器故障的实时监测,电源适配器故障实时监测流程图如图2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电源适配器故障实时监测系统,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电源适配器故障实时监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 (4)
1.一种电源适配器故障实时监测方法,其特征在于,该方法包括以下步骤:
采集电源适配器的输出电压和电阻温度,根据电阻温度对输出电压进行校正并对输出电压进行处理,获取温度补偿离散电压序列;
根据温度补偿离散电压序列获取趋势分量序列和残差分量序列,获取趋势分量序列的相邻序列,根据相邻序列和趋势分量序列的相邻序列获取温度补偿离散电压序列的趋势平稳性指数;
根据残差分量序列获取温度补偿离散电压序列的差分跳变次数,根据残差差分序列获取残差差分极大值弯度序列和残差差分极小值弯度序列,获取残差差分极大值弯度序列和残差差分极小值弯度序列中包含的每个数据的缺失均值,进而获取温度补偿离散电压序列的残差差分极值差异度,获取温度补偿离散电压序列中包含的每个极值数据的邻域极差,进而获取温度补偿离散电压序列内每个极值数据的残差差分波动量,根据残差差分波动量获取温度补偿离散电压序列的电压局部非线性震荡指数;
根据温度补偿离散电压序列的电压局部非线性震荡指数和趋势平稳性指数获取自适应k值,根据自适应k值对应获取温度补偿离散电压序列中每个数据的异常因子,根据异常因子完成对电源适配器故障的实时监测;
所属趋势平稳性指数的表达式为:
其中,表示第/>个温度补偿离散电压序列的趋势平稳性指数;/>表示第/>个趋势分量序列与其相邻序列内包含的数据均值的差值的绝对值;/>表示第/>个趋势分量序列内包含的数据的最大值;/>表示第/>个趋势分量序列内包含的数据的最小值;/>表示第一调参系数;
所述根据残差分量序列获取温度补偿离散电压序列的差分跳变次数的获取方法为:
将残差分量序列的一阶差分序列记为残差差分序列;
获取残差差分序列中包含的数据的极值;
将残差差分序列中包含的数据的极值的数量记为温度补偿离散电压序列的差分跳变次数;
所述根据残差差分序列获取残差差分极大值弯度序列和残差差分极小值弯度序列的方法为:
将残差差分序列中包含的数据的极大值作为纵坐标,数据在残差差分序列中的位次作为横坐标,建立极大值散点图;
对极大值散点图中包含的所有散点进行非线性拟合,获取残差差分极大值曲线;
获取残差差分极大值曲线上每个数据采集时刻对应的点的曲率;
将所有曲率按照数据采集时刻的先后顺序进行排列,获取残差差分极大值弯度序列;
根据获取残差差分极大值弯度序列的方法获取残差差分极小值弯度序列;
所述获取残差差分极大值弯度序列和残差差分极小值弯度序列中包含的每个数据的缺失均值的方法为:
将残差差分极大值弯度序列中包含的每个数据分别作为待分析极大值;
将除去待分析极大值的残差差分极大值弯度序列记为待分析极大值的缺失序列;
将待分析极大值的缺失序列内包含的所有数据的均值记为待分析极大值的缺失均值;
将残差差分极小值弯度序列中包含的每个数据分别作为待分析极小值;
将除去待分析极小值的残差差分极小值弯度序列记为待分析极小值的缺失序列;
将待分析极小值的缺失序列内包含的所有数据的均值记为待分析极小值的缺失均值;
所述残差差分极值差异度的表达式为:
其中,表示第/>个温度补偿离散电压序列的残差差分极值差异度;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列的弯度波动系数;/>表示第/>个温度补偿离散电压序列对应的残差差分极小值弯度序列的弯度波动系数;/>表示温度补偿离散电压序列对应的残差差分极大值弯度序列内包含的数据数量;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列内包含的第/>个元素的值;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列的第/>个元素的缺失均值;/>表示第/>个温度补偿离散电压序列对应的残差差分极大值弯度序列内包含的所有数据的标准差;/>表示第个温度补偿离散电压序列对应的残差差分极小值弯度序列内包含的第/>个元素的值;/>表示第/>个温度补偿离散电压序列对应的残差差分极小值弯度序列的第/>个元素的缺失均值;表示第/>个温度补偿离散电压序列对应的残差差分极小值弯度序列内包含的所有数据的标准差;
所述获取温度补偿离散电压序列中包含的每个极值数据的邻域极差的方法为:
将温度补偿离散电压序列中包含的每个极值数据分别记为待分析差分极值;
以待分析差分极值为中心建立长度为第一预设阈值的窗口;
将长度为第一预设阈值的窗口内所有数据的极差记为窗口内位于中心的数据的邻域极差;
所述残差差分波动量的表达式为:
其中,表示第/>个温度补偿离散电压序列内第/>个极值数据的残差差分波动量;/>表示第/>个温度补偿离散电压序列对应的温度补偿离散电压序列的残差差分极值差异度;/>表示第/>个温度补偿离散电压序列的差分跳变次数;/>表示第/>个温度补偿离散电压序列内第/>个极值数据的邻域极差;
所述根据残差差分波动量获取温度补偿离散电压序列的电压局部非线性震荡指数的方法为:
将温度补偿离散电压序列内所有极值数据的残差差分波动量的均值记为温度补偿离散电压序列的电压局部非线性震荡指数;
所述自适应k值的表达式为:
其中,表示第/>个温度补偿离散电压序列的自适应阈值选择系数;/>表示四舍五入函数;/>表示第/>个温度补偿离散电压序列的电压局部非线性震荡指数;/>表示第/>个温度补偿离散电压序列的趋势平稳性指数;/>表示自然常数;/>为第/>个温度补偿离散电压序列的自适应k值;/>表示第二调参系数;
所述根据自适应k值对应获取温度补偿离散电压序列中每个数据的异常因子,根据异常因子完成对电源适配器故障的实时监测的方法为:
以自适应k值作为局部异常因子离群检测算法的k值取值,对温度补偿离散电压序列进行异常检测,获取温度补偿离散电压序列中每个数据的异常因子;
当温度补偿离散电压序列中数据的异常因子大于第一异常阈值时,将数据认定为离群点;
当温度补偿离散电压序列中含有超过第二异常阈值的离群点时,认为电源适配器发生故障;
当温度补偿离散电压序列中含有小于等于第二异常阈值个离群点时,认为电源适配器未发生故障。
2.根据权利要求1所述的一种电源适配器故障实时监测方法,其特征在于,所述根据温度补偿离散电压序列获取趋势分量序列和残差分量序列的获取方法为:
对温度补偿离散电压序列使用时间序列分解算法,将温度补偿离散电压序列分解为趋势分量序列和残差分量序列。
3.根据权利要求1所述的一种电源适配器故障实时监测方法,其特征在于,所述获取趋势分量序列的相邻序列的获取方法为:
将采集时间相比于趋势分量序列早且与趋势分量序列相邻的趋势分量序列记为趋势分量序列的相邻序列。
4.一种电源适配器故障实时监测系统,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1-3任意一项方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311568080.6A CN117310348B (zh) | 2023-11-23 | 2023-11-23 | 一种电源适配器故障实时监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311568080.6A CN117310348B (zh) | 2023-11-23 | 2023-11-23 | 一种电源适配器故障实时监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117310348A CN117310348A (zh) | 2023-12-29 |
CN117310348B true CN117310348B (zh) | 2024-03-12 |
Family
ID=89281329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311568080.6A Active CN117310348B (zh) | 2023-11-23 | 2023-11-23 | 一种电源适配器故障实时监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117310348B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117688311A (zh) * | 2024-02-04 | 2024-03-12 | 深圳市纯水一号水处理科技有限公司 | 一种难降解含盐废水深度处理实时监测方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015113466A1 (zh) * | 2014-01-28 | 2015-08-06 | 广东欧珀移动通信有限公司 | 电源适配器、终端和充电回路异常的处理方法 |
WO2017174994A1 (en) * | 2016-04-06 | 2017-10-12 | Qhi Group Limited | Fault monitoring systems and methods for detecting connectivity faults |
CN108763305A (zh) * | 2018-04-20 | 2018-11-06 | 平安科技(深圳)有限公司 | 数据特征提取的方法、装置、计算机设备和存储介质 |
CN109085443A (zh) * | 2018-10-29 | 2018-12-25 | 泰华智慧产业集团股份有限公司 | 一种电源适配器额定寿命测试方法 |
CN109472405A (zh) * | 2018-11-02 | 2019-03-15 | 上海海洋大学 | 基于太平洋震荡指数的日本秋生群鱿鱼资源丰度预测方法 |
CN109697527A (zh) * | 2018-12-19 | 2019-04-30 | 浙江大学 | 一种多维度基于时间序列趋势分解的电量预测方法 |
CN112986803A (zh) * | 2021-03-15 | 2021-06-18 | 深圳慧能泰半导体科技有限公司 | 一种故障检测电路与方法、电源适配器及电子设备 |
CN114662602A (zh) * | 2022-03-25 | 2022-06-24 | 中国银联股份有限公司 | 一种离群点检测方法、装置、电子设备及存储介质 |
CN115940616A (zh) * | 2023-03-10 | 2023-04-07 | 深圳市澳博森科技有限公司 | 电源适配器自动过热保护方法、装置和智能电源适配器 |
CN116128173A (zh) * | 2022-12-30 | 2023-05-16 | 广西师范大学 | 基于聚类分区和改进蚁群算法的矩形覆盖路径规划方法 |
CN116256661A (zh) * | 2023-05-16 | 2023-06-13 | 中国华能集团清洁能源技术研究院有限公司 | 电池故障检测方法、装置、电子设备和存储介质 |
CN117093879A (zh) * | 2023-10-19 | 2023-11-21 | 无锡尚航数据有限公司 | 一种数据中心智能化运营管理方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11146445B2 (en) * | 2019-12-02 | 2021-10-12 | Alibaba Group Holding Limited | Time series decomposition |
-
2023
- 2023-11-23 CN CN202311568080.6A patent/CN117310348B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015113466A1 (zh) * | 2014-01-28 | 2015-08-06 | 广东欧珀移动通信有限公司 | 电源适配器、终端和充电回路异常的处理方法 |
WO2017174994A1 (en) * | 2016-04-06 | 2017-10-12 | Qhi Group Limited | Fault monitoring systems and methods for detecting connectivity faults |
CN108763305A (zh) * | 2018-04-20 | 2018-11-06 | 平安科技(深圳)有限公司 | 数据特征提取的方法、装置、计算机设备和存储介质 |
CN109085443A (zh) * | 2018-10-29 | 2018-12-25 | 泰华智慧产业集团股份有限公司 | 一种电源适配器额定寿命测试方法 |
CN109472405A (zh) * | 2018-11-02 | 2019-03-15 | 上海海洋大学 | 基于太平洋震荡指数的日本秋生群鱿鱼资源丰度预测方法 |
CN109697527A (zh) * | 2018-12-19 | 2019-04-30 | 浙江大学 | 一种多维度基于时间序列趋势分解的电量预测方法 |
CN112986803A (zh) * | 2021-03-15 | 2021-06-18 | 深圳慧能泰半导体科技有限公司 | 一种故障检测电路与方法、电源适配器及电子设备 |
CN114662602A (zh) * | 2022-03-25 | 2022-06-24 | 中国银联股份有限公司 | 一种离群点检测方法、装置、电子设备及存储介质 |
CN116128173A (zh) * | 2022-12-30 | 2023-05-16 | 广西师范大学 | 基于聚类分区和改进蚁群算法的矩形覆盖路径规划方法 |
CN115940616A (zh) * | 2023-03-10 | 2023-04-07 | 深圳市澳博森科技有限公司 | 电源适配器自动过热保护方法、装置和智能电源适配器 |
CN116256661A (zh) * | 2023-05-16 | 2023-06-13 | 中国华能集团清洁能源技术研究院有限公司 | 电池故障检测方法、装置、电子设备和存储介质 |
CN117093879A (zh) * | 2023-10-19 | 2023-11-21 | 无锡尚航数据有限公司 | 一种数据中心智能化运营管理方法及系统 |
Non-Patent Citations (1)
Title |
---|
序列模式匹配在大数据流频繁序列异常检测中的应用;段淼 等;《现代电子技术》;第44卷(第3期);第59-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117310348A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117310348B (zh) | 一种电源适配器故障实时监测方法及系统 | |
CN111459778B (zh) | 运维系统异常指标检测模型优化方法、装置及存储介质 | |
JP6742154B2 (ja) | 電解コンデンサ状態をオンラインで監視する方法及びシステム | |
JP6467186B2 (ja) | データストリームにおける不良データを検出、訂正、および検査するためのシステムおよび方法 | |
US10852357B2 (en) | System and method for UPS battery monitoring and data analysis | |
US20160202324A1 (en) | Method, device and system for estimating the charge state of a battery | |
CN112766342A (zh) | 一种电气设备的异常检测方法 | |
CN111680924A (zh) | 一种充电桩运行状态的评估方法、装置、设备及介质 | |
CN117235511B (zh) | 一种二次仪表校准方法 | |
CN110825798A (zh) | 一种电力应用数据维护方法及装置 | |
CN112416662A (zh) | 多时间序列数据异常检测方法与装置 | |
CN117235653A (zh) | 一种电源连接器故障实时监测方法及系统 | |
JP6756603B2 (ja) | 電力系統の状態推定装置および状態推定方法 | |
CN113988723A (zh) | 一种基于用电数据异常分析的用户行为锁定方法和系统 | |
CN111259338B (zh) | 元器件失效率修正方法、装置、计算机设备及存储介质 | |
CN112836094A (zh) | 一种对遥测数据模拟量参数的自动判读方法 | |
CN112181792A (zh) | 一种时序数据异常标注的方法、系统及相关组件 | |
EP3869286A1 (en) | System and method for detecting turbine underperformance and operation anomaly | |
CN115982591A (zh) | 变压器健康状态的检测方法及装置、设备及存储介质 | |
CN115041544A (zh) | 冲压件的异常检测方法、装置及存储介质 | |
CN105656453B (zh) | 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法 | |
KR101945131B1 (ko) | 비정규분포 공정에서의 극소불량률 관리 방법 및 장치 | |
CN117668684B (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
JP2016045853A (ja) | 異常診断装置及び異常診断方法 | |
CN117092541B (zh) | 一种直流充电大数据计算电池健康的分析方法 |
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 |