CN117368751B - 一种遥控器低电量检测方法及系统 - Google Patents

一种遥控器低电量检测方法及系统 Download PDF

Info

Publication number
CN117368751B
CN117368751B CN202311674478.8A CN202311674478A CN117368751B CN 117368751 B CN117368751 B CN 117368751B CN 202311674478 A CN202311674478 A CN 202311674478A CN 117368751 B CN117368751 B CN 117368751B
Authority
CN
China
Prior art keywords
voltage
voltage monitoring
monitoring signal
signal
signals
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
Application number
CN202311674478.8A
Other languages
English (en)
Other versions
CN117368751A (zh
Inventor
洪献辉
原艺华
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.)
Jiangxi Xingyuanxing Technology Co ltd
Original Assignee
Jiangxi Xingyuanxing 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 Jiangxi Xingyuanxing Technology Co ltd filed Critical Jiangxi Xingyuanxing Technology Co ltd
Priority to CN202311674478.8A priority Critical patent/CN117368751B/zh
Publication of CN117368751A publication Critical patent/CN117368751A/zh
Application granted granted Critical
Publication of CN117368751B publication Critical patent/CN117368751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3835Arrangements for monitoring battery or accumulator variables, e.g. SoC involving only voltage measurements
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/396Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10Energy storage using batteries

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及测量电变量技术领域,具体涉及一种遥控器低电量检测方法及系统,包括:获取电压监测信号的信噪比,根据电压监测信号中数据点的电压值和所有数据点的平均电压值的差异、电压监测信号的信噪比,获得电压监测信号的平均波动影响,对电压监测信号进行多次分解,根据子信号中数据点的电压值对应的分布概率,结合电压监测信号的包络曲线,获得分解操作的分解系数,根据分解系数的大小,并结合不同子信号之间的差异调节平均波动影响,获得加噪强度,利用加噪强度对电压监测信号进行低电量检测。本发明减少了后续对遥控器低电量检测时受到电压监测信号中出现电压漂移情况或噪声数据的干扰,进一步提高了对遥控器进行低电量检测的准确性。

Description

一种遥控器低电量检测方法及系统
技术领域
本发明涉及测量电变量技术领域,具体涉及一种遥控器低电量检测方法及系统。
背景技术
遥控器的低电量检测一般是通过监测电池电压,并利用一些视觉、听觉或触觉的方式来告知用户电池电量即将耗尽,即遥控器内部的电路通常会包含一个电压监测电路,它会定期测量电池的电压水平。当电池的电压降到一个预设的低阈值以下时,遥控器会识别到电量低,并通过指示灯闪烁、屏幕提示、振动等方式向用户发出警告。
电压监测信号可能存在非线性特性,这种特性会导致电量估计误差,并且由于电路元件和组件的温度变化、电池老化或质量差异等因素还可能会使电压监测信号发生电压漂移,即电压读数在没有实际电量变化的情况下发生变化,导致误报低电量或高电量,现有消除电压漂移大多为通过预设固定滤波器平滑的方式,但滤波器在消除电压漂移或噪声问题的同时,也会使真实的电压变化信号出现失真,无法满足电量监测的精度需求。
发明内容
本发明提供一种遥控器低电量检测方法及系统,以解决现有的问题。
本发明的一种遥控器低电量检测方法及系统采用如下技术方案:
本发明一个实施例提供了一种遥控器低电量检测方法,该方法包括以下步骤:
获取电压监测信号,所述电压监测信号中每一个数据点对应一个时间点和一个电压值;
获取电压监测信号的信噪比,根据遥控器的按键被按压时电压监测信号中的平均电压值获得下界电压,根据电压监测信号中数据点的电压值和所有数据点的平均电压值的差异、电压监测信号的信噪比以及下界电压,获得电压监测信号的平均波动影响;
对电压监测信号进行多次分解操作,每次分解操作获得多个子信号,根据子信号中数据点的电压值对应的分布概率获得子信号的观测参数,获取电压监测信号的包络曲线,并对观测参数进行调节,获得分解操作的分解系数,所述分解系数用于描述对应分解操作对电压监测信号的分解效果;根据分解系数的大小,并结合不同子信号之间的差异对平均波动影响进行调节,获得电压监测信号的加噪强度,所述加噪强度用于描述电压监测信号中噪声对电压监测信号的干扰程度;
利用加噪强度对电压监测信号进行低电量检测。
进一步地,所述根据遥控器的按键被按压时电压监测信号中的平均电压值获得下界电压,包括的具体方法为:
获取遥控器按键被按压时,电压监测信号中对应1秒内的电压监测数据,记为按键数据,获取任意按键数据中所有数据点的平均电压值记为按键数据的第一电压,将个按键数据的第一电压中的最小值记为下界电压,其中/>为预设的超参数。
进一步地,所述根据电压监测信号中数据点的电压值和所有数据点的平均电压值的差异、电压监测信号的信噪比以及下界电压,获得电压监测信号的平均波动影响,包括的具体方法为:
获取电压监测信号的平均波动影响,具体计算方法为:
其中,表示电压监测信号的平均波动影响;/>表示电压监测信号的信噪比;/>表示第/>个特殊数据点的标准电压值;/>表示电压监测信号中数据点的数量;/>表示电压波动下限。
进一步地,所述特殊数据点的具体获取方法为:
将电压监测信号中所有数据点的平均电压值记为恒定电压,将任意数据点的电压值与恒定电压的差值记为数据点的标准电压值,获取标准电压值大于电压波动下限的数据点,记为特殊数据点,获得电压监测信号中若干个特殊数据点。
进一步地,所述电压波动下限的具体获取方法为:
首先,利用长度为的区间对电压监测信号进行遍历,将遍历过程中区间内所有数据点形成的集合记为区间集合,获得若干个区间集合,将任意区间集合内所有数据点的电压值的标准差记为区间集合的第一参数,将第一参数最小时对应区间集合记为正常波动集合,将正常波动集合中所有数据点的平均电压值记为稳界电压,其中/>为预设的超参数;
然后,将稳界电压和下界电压的差值绝对值记为电压波动下限。
进一步地,所述对电压监测信号进行多次分解操作,每次分解操作获得多个子信号,根据子信号中数据点的电压值对应的分布概率获得子信号的观测参数,包括的具体方法为:
利用独立成分分析算法通过迭代的方式,对电压监测信号进行多次随机分解操作,获得个子信号;获取任意一次分解操作后得到的所有子信号中数据点的电压值的分布概率曲线,一个子信号对应一个分布概率曲线,获取子信号的分布概率曲线的高斯峭度记为子信号的观测参数,其中/>为预设的超参数。
进一步地,所述获取电压监测信号的包络曲线,并对观测参数进行调节,获得分解操作的分解系数,包括的具体方法为:
首先,获取电压监测信号的均值包络线记为电压监测信号的包络曲线,获取电压监测信号的包络曲线的定积分值记为电压监测信号的信号特征参数,获取在任意一次分解操作下,信号特征参数的最大似然估计值,其中/>表示电压监测信号的第1个子信号的观测参数;/>表示电压监测信号的第/>个子信号的观测参数;/>表示电压监测信号的信号特征参数;/>表示最大似然估计函数;
然后,根据任意一次分解得到的所有子信号的观测参数以及最大似然估计值,获取对应分解操作的分解系数,具体计算方法为:
其中,表示分解操作的分解系数;/>表示对应分解操作下电压监测信号的第/>个子信号的观测参数;/>表示子信号的数量;/>表示对应分解操作下所有子信号的平均观测参数;/>表示对应分解操作下电压监测信号的信号特征参数的最大似然估计值。
进一步地,所述根据分解系数的大小,并结合不同子信号之间的差异对平均波动影响进行调节,获得电压监测信号的加噪强度,包括的具体方法为:
首先,将分解系数最大时对应分解操作所得到的子信号,记为电压监测信号的目标子信号,电压监测信号的目标子信号的数量与每一次分解操作得到的子信号的数量一致;获取目标子信号的频率,将频率最小的目标子信号记为电压监测信号的主成分子信号,将主成分子信号以外的目标子信号记为余子信号,目标子信号中包含一个主成分子信号以及多个余子信号;
然后,获取主成分子信号以及余子信号中所有数据点的斜率,分别获取主成分子信号以及余子信号的信息熵;获取电压监测信号的成分复杂度,具体计算方法为:
其中,表示电压监测信号的成分复杂度;/>表示电压监测信号的目标子信号的数量;/>表示主成分子信号的信息熵;/>表示第/>个余子信号的信息熵;/>表示目标子信号中数据点的数量;/>表示第/>个余子信号的第/>个数据点的斜率;/>表示主成分子信号的第/>个数据点的斜率;
最后,将记为电压监测信号的加噪强度,其中/>表示电压监测信号的平均波动影响;/>表示电压监测信号的成分复杂度;/>表示以自然常数为底数的指数函数。
进一步地,所述利用加噪强度对电压监测信号进行低电量检测,包括的具体方法为:
首先,获取分布服从标准差为加噪强度,数学期望为0的噪声信号,并加入电压监测信号中,获得新电压监测信号,利用ITD算法对新电压监测信号进行分解,得到若干个信号记为分量信号,获取分量信号的频率并按照从大到小的顺序将分量信号进行排列,将后个分量信号称为低频分量信号,其中/>为预设的超参数;
然后,获取低频分量信号中所有数据点的电压值与时间点之间的皮尔逊相关系数,记为低频分量信号的相关系数,将所有低频分量信号中相关系数最小时对应的低频分量信号记为电压衰减信号,利用均值平滑滤波器将电压衰减信号以外的所有分量信号进行平滑获得新分量信号,将电压衰减信号和所有新分量信号进行叠加重构获得重构电压监测信号;
最后,当重构电量监测信号中数据点的电压值低于预设的低电量阈值时,利用遥控器中的蜂鸣器进行低电量预警。
本发明一个实施例提供了一种遥控器低电量检测系统,该系统包括存储器、处理器以及存储在所述存储器中并可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所述一种遥控器低电量检测方法的所有步骤。
本发明的技术方案的有益效果是:通过对电压监测信号进行多次分解后的子信号中的噪声成分进行加噪,以使电压监测信号中的噪声成分的波动更加平稳,进一步保证后续对电压监测信号处理时可以准确分离出含有噪声成分的分量信号,减少了后续对遥控器低电量检测时受到电压监测信号中出现电压漂移情况或噪声数据的干扰,进一步提高了对遥控器进行低电量检测的准确性。
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。
图1为本发明的一种遥控器低电量检测方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种遥控器低电量检测方法及系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种遥控器低电量检测方法及系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种遥控器低电量检测方法的步骤流程图,该方法包括以下步骤:
步骤S001:获取电压监测信号。
具体的,为了实现本实施例提出的一种遥控器低电量检测方法,首先需要采集电压监测信号,具体过程为:
选择一组长时间使用的遥控器电池,模拟低电量下遥控器的使用状态,将电压监测电路连接至遥控器电路板的电池引线引脚位置,作为一个电压监测点,利用模拟电压传感器采集电压监测电路的模拟电压信号,并经过运算放大器放大后,通过模数转换器将模拟电压信号转换为数字信号,记为电压监测信号。
所述电压监测信号中每一个数据点对应一个时间点和一个电压值。
至此,通过上述方法得到电压监测信号。
步骤S002:获取电压监测信号的信噪比,根据遥控器的按键被按压时电压监测信号中的平均电压值获得下界电压,根据电压监测信号中数据点的电压值和所有数据点的平均电压值的差异、信噪比以及下界电压,获得电压监测信号的平均波动影响。
需要说明的是,当遥控器在使用按键指令时,电池或电源电压的瞬时需求增加,这个变化通常很小且短暂,遥控器的电路设计会确保这种瞬时变化不会影响其正常操作,但当电量较低时,该变化则相对比较明显,即在电量低使用遥控器时,电压监测信号中对应时间段内的电压值会发生明显波动。
具体的,步骤(1),首先,利用长度为的区间对电压监测信号进行遍历,将遍历过程中区间内所有数据点形成的集合记为区间集合,获得若干个区间集合,将任意区间集合内所有数据点的标准差记为区间集合的第一参数,将第一参数最小时对应区间集合记为正常波动集合,将正常波动集合中所有数据点的平均电压值记为稳界电压,其中/>为预设的超参数。
需要说明的是,根据经验预设超参数为15,可根据实际情况进行调整,本实施例不进行具体限定。
然后,获取遥控器按键被按压时,电压监测信号中对应1秒内的数据,记为按键数据,获取任意按键数据中所有数据点的平均电压值记为按键数据的第一电压,将个按键数据的第一电压中的最小值记为下界电压;将稳界电压和下界电压的差值绝对值记为电压波动下限,其中/>为预设的超参数。
需要说明的是,根据经验预设超参数为10,可根据实际情况进行调整,本实施例不进行具体限定。
步骤(2),首先,获取电压监测信号中所有数据点的平均电压值记为恒定电压,将任意数据点的电压值与恒定电压的差值记为数据点的标准电压值,获取标准电压值大于电压波动下限的数据点,记为特殊数据点,获得电压监测信号中若干个特殊数据点。
然后,获取电压监测信号的平均波动影响,具体计算方法为:
其中,表示电压监测信号的平均波动影响;/>表示电压监测信号的信噪比;/>表示第/>个特殊数据点的标准电压值;/>表示电压监测信号中数据点的数量;/>表示电压波动下限。
需要说明的是,电压监测信号的信噪比越低,表示信号中的噪声越多;所述电压监测信号的平均波动影响用于描述高电压值的数据点对电压监测信号波动的影响程度,平均波动影响越大,则电压监测信号中高电压值的数据点对电压监测信号波动的影响程度越大,反之越小,所述高电压值的数据点对应特殊数据点。
至此,通过上述方法得到电压监测信号的平均波动影响。
步骤S003:对电压监测信号进行多次分解操作,每次分解操作获得多个子信号,根据子信号中数据点的电压值对应的分布概率获得子信号的观测参数,获取电压监测信号的包络曲线,并对观测参数进行调节,获得分解操作的分解系数;根据分解系数的大小,并结合不同子信号之间的差异对平均波动影响进行调节,获得电压监测信号的加噪强度。
具体的,步骤(1),首先,利用独立成分分析算法通过迭代的方式,对电压监测信号进行多次随机分解操作,获得个子信号;获取任意一次分解操作后得到的所有子信号中数据点的电压值的分布概率曲线,一个子信号对应一个分布概率曲线,获取子信号的分布概率曲线的高斯峭度记为子信号的观测参数,其中/>为预设的超参数。
需要说明的是,独立成分分析算法为现有的信号处理算法,因此本实施例不进行赘述。
需要说明的是,由于超参数表示独立成分分析算法的成分数量,在本实施例中包括电压监测信号的噪声成分、漂移成分以及正常电压衰减成分,因此根据经验预设超参数/>为3,可根据实际情况进行调整,本实施例不进行具体限定。
然后,获取电压监测信号的均值包络线记为电压监测信号的包络曲线,获取电压监测信号的包络曲线的定积分值记为电压监测信号的信号特征参数,获取在任意一次分解操作下,信号特征参数的最大似然估计值,具体计算方法为:
其中,表示电压监测信号的信号特征参数的最大似然估计值;/>表示电压监测信号的第1个子信号的观测参数;/>表示电压监测信号的第/>个子信号的观测参数;/>表示电压监测信号的信号特征参数;/>表示最大似然估计函数。
需要说明的是,所述电压监测信号的信号特征参数用于描述用其代表电压监测信号的总能量趋势。
需要说明的是,信号特征参数的最大似然估计值用于描述分解后得到的子信号可作为电压监测信号的主成分的能力。
其次,根据任意一次分解得到的所有子信号的观测参数以及最大似然估计值,获取对应分解操作的分解系数,具体计算方法为:
其中,表示分解操作的分解系数;/>表示对应分解操作下电压监测信号的第/>个子信号的观测参数;S表示子信号的数量;/>表示对应分解操作下所有子信号的平均观测参数;/>表示对应分解操作下电压监测信号的信号特征参数的最大似然估计值。
需要说明的是,表示对子信号的观测参数与平均观测参数的差值进行归一化,/>表示对应分解操作下所有子信号的观测参数的方差,方差越大表示子信号之间的差异越大。
需要说明的是,分解系数的计算方法中数字3表示标准高斯分布的峭度。
需要说明的是,所述分解系数用于描述对应分解操作对电压监测信号的分解效果,,分解系数越大,子信号越能够对应电压监测信号中的噪声成分、漂移成分以及正常电压衰减成分,则表示对应分解操作对电压监测信号的分解效果越好,反之分解系数越小,对应的分解效果越差。
最后,获取所有分解操作下分解系数最大时,对应分解操作所得到的子信号,记为电压监测信号的目标子信号;获取目标子信号的频率,并将频率最小的目标子信号记为电压监测信号的主成分子信号,将主成分子信号以外的目标子信号记为余子信号,目标子信号中包含一个主成分子信号以及多个余子信号。
需要说明的是,电压监测信号的目标子信号的数量与每一次分解操作得到的子信号的数量相同。
需要说明的是,理想的电压监测信号应该是在正常波动下限内浮动,而这些成分则包含了电压监测信号中的非正常成分,根据独立成分分析算法的思想,正常成分具有最大非高斯性,而非正常成分终具有多个服从高斯分布的分量信号,但在低电量下电压监测信号为衰减曲线且具有一定非线性,因此不具有最大非高斯性,因此需要对独立成分分析算法的分解逻辑进行优化,进而对信号成分复杂度进行估测。
步骤(2),获取主成分子信号以及余子信号中所有数据点的斜率,分别获取主成分子信号以及余子信号的信息熵;获取电压监测信号的成分复杂度,具体计算方法为:
其中,表示电压监测信号的成分复杂度;/>表示电压监测信号的目标子信号的数量;/>表示主成分子信号的信息熵;/>表示第r个余子信号的信息熵;M表示目标子信号中数据点的数量;/>表示第r个余子信号的第t个数据点的斜率;/>表示主成分子信号的第t个数据点的斜率。
需要说明的是,电压监测信号中数据点的数量与子信号中数据点的数量相同。
需要说明的是,所述成分复杂度用于描述电压监测信号中信号组成的复杂程度,表示余子信号与主成分子信号中数据点的斜率之间的比值,比值越大表示余子信号相比主成分子信号中的数据点的斜率越异常;/>表示电压监测信号的余子信号和主成分信号中所有数据点的斜率比值的平均值;另外,信息熵的数值越大,表示对应子信号中数据点的电压值大小分布越复杂,因此/>的数值越大,表示余子信号相比主成分子信号中数据点的电压值大小分布更复杂。
需要说明的是,由于分解系数主要针对电压监测信号的主成分,因此独立成分分析算法对电压监测信号的多次分解操作后,得到的分解系数最大时,仅实现了局部收敛,并未真实且完整地反映了电压监测信号的信号组成,仅能作为分析信号组成的参考,因此需要根据主成分子信号以及余子信号获取电压监测信号的成分复杂度,以描述电压监测信号中信号组成的复杂程度。
需要说明的是,平均波动影响代表混合信号的整体波动,成分复杂度即代表所有子信号对于主成分子信号的波动比,而加噪时需要对非主成分进行噪声补偿,增大其在整个电压监测信号中的高斯性,提高其平稳分布的特征,有利于后续对非噪声成分的分解精度。
步骤(3),根据平均波动影响以及成分复杂度,获得电压监测信号的加噪强度,具体计算方法为:
其中,表示电压监测信号的加噪强度;/>表示电压监测信号的平均波动影响;/>表示电压监测信号的成分复杂度;/>表示以自然常数为底数的指数函数。
需要说明的是,所述加噪强度用于描述电压监测信号中噪声对电压监测信号的干扰程度,加噪强度越大,表示电压监测信号中噪声对电压监测信号的干扰程度越大,反之加噪强度越小,干扰程度越小;电压监测信号的平均波动影响与成分复杂度之间的乘积越大,表示非主成分的子信号,即余子信号的波动程度越大,并且由于余子信号中包含对应噪声信号的子信号,因此需要对电压监测信号进行补偿以减小波动程度的幅度越大,使余子信号中的噪声成分的波动更加平稳。
至此,通过上述方法得到电压监测信号的加噪强度。
步骤S004:利用加噪强度对电压监测信号进行低电量检测。
具体的,首先,获取分布服从标准差为加噪强度,数学期望为0的噪声信号,并加入电压监测信号中,获得新电压监测信号,利用ITD算法对新电压监测信号进行分解,得到若干个信号记为分量信号,获取分量信号的频率并按照从大到小的顺序将分量信号进行排列,将后/>个分量信号称为低频分量信号,其中/>为预设的超参数。
需要说明的是,根据经验预设超参数为5,可根据实际情况进行调整,本实施例不进行具体限定。
需要说明的是,ITD(Intrinsic Time-Scale Decomposition)算法的中文名称为本征时间尺度分解算法,由于ITD算法为现有的信号分解算法,因此本实施例不进行赘述。
需要说明的是,对电压监测信号中加入噪声信号的目的是便于将电压监测信号中的噪声成分、漂移成分以及正常电压衰减成分分解在不同分量信号中。
然后,获取低频分量信号中所有数据点的电压值与时间点之间的皮尔逊相关系数,记为低频分量信号的相关系数,将所有低频分量信号中相关系数最小时对应的低频分量信号记为电压衰减信号,利用均值平滑滤波器将电压衰减信号以外的所有分量信号进行平滑获得新分量信号,将电压衰减信号和所有新分量信号进行叠加重构获得重构电压监测信号。
需要说明的是,电压衰减曲线远好于电压漂移曲线的线性特性,因此根据低频分量信号的线性特性,通过计算每个分量信号幅值与时间的皮尔逊相关系数,越接近-1的低频分量信号即为电压衰减曲线。
最后,当重构电量监测信号中数据点的电压值低于预设的低电量阈值时,利用遥控器中的蜂鸣器进行低电量预警。
需要说明的是,根据经验预设低电量阈值为1.3伏,可根据实际情况进行调整,本实施例不进行具体限定。
需要说明的是,为了更好的提取电压监测信号中发生电压漂移的成分,本实施例利用ITD算法对电压监测信号进行分解,但在此之前,电压监测信号中会分布着不稳定的噪声成分,为避免分解结果中出现模态混叠,需要根据电压监测信号的信噪比以及电压正常波动下限计算加噪强度。
通过以上步骤,完成对遥控器的低电量检测。
本发明一个实施例提供了一种遥控器低电量检测系统,该系统包括存储器、处理器以及存储在所述存储器中并可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所述一种遥控器低电量检测方法的步骤S001到步骤S004的内容。
通过对电压监测信号进行多次分解后的子信号中的噪声成分进行加噪,以使电压监测信号中的噪声成分的波动更加平稳,进一步保证后续对电压监测信号处理时可以准确分离出含有噪声成分的分量信号,减少了后续对遥控器低电量检测时受到电压监测信号中出现电压漂移情况或噪声数据的干扰,进一步提高了对遥控器进行低电量检测的准确性。
需要说明的是,本实施例中所用的模型仅用于表示负相关关系和约束模型输出的结果处于/>区间内,具体实施时,可替换成具有同样目的的其他模型,本实施例只是以/>模型为例进行叙述,不对其做具体限定,其中/>是指该模型的输入。
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 (9)

1.一种遥控器低电量检测方法,其特征在于,该方法包括以下步骤:
获取电压监测信号,所述电压监测信号中每一个数据点对应一个时间点和一个电压值;
获取电压监测信号的信噪比,根据遥控器的按键被按压时电压监测信号中的平均电压值获得下界电压,根据电压监测信号中数据点的电压值和所有数据点的平均电压值的差异、电压监测信号的信噪比以及下界电压,获得电压监测信号的平均波动影响;
对电压监测信号进行多次分解操作,每次分解操作获得多个子信号,根据子信号中数据点的电压值对应的分布概率获得子信号的观测参数,获取电压监测信号的包络曲线,并对观测参数进行调节,获得分解操作的分解系数,所述分解系数用于描述对应分解操作对电压监测信号的分解效果;根据分解系数的大小,并结合不同子信号之间的差异对平均波动影响进行调节,获得电压监测信号的加噪强度,所述加噪强度用于描述电压监测信号中噪声对电压监测信号的干扰程度;
利用加噪强度对电压监测信号进行低电量检测;
所述根据分解系数的大小,并结合不同子信号之间的差异对平均波动影响进行调节,获得电压监测信号的加噪强度,包括的具体方法为:
首先,将分解系数最大时对应分解操作所得到的子信号,记为电压监测信号的目标子信号,电压监测信号的目标子信号的数量与每一次分解操作得到的子信号的数量一致;获取目标子信号的频率,将频率最小的目标子信号记为电压监测信号的主成分子信号,将主成分子信号以外的目标子信号记为余子信号,目标子信号中包含一个主成分子信号以及多个余子信号;
然后,获取主成分子信号以及余子信号中所有数据点的斜率,分别获取主成分子信号以及余子信号的信息熵;获取电压监测信号的成分复杂度,具体计算方法为:
其中,表示电压监测信号的成分复杂度;/>表示电压监测信号的目标子信号的数量;/>表示主成分子信号的信息熵;/>表示第/>个余子信号的信息熵;/>表示目标子信号中数据点的数量;/>表示第/>个余子信号的第/>个数据点的斜率;/>表示主成分子信号的第/>个数据点的斜率;
最后,将记为电压监测信号的加噪强度,其中/>表示电压监测信号的平均波动影响;/>表示电压监测信号的成分复杂度;/>表示以自然常数为底数的指数函数。
2.根据权利要求1所述一种遥控器低电量检测方法,其特征在于,所述根据遥控器的按键被按压时电压监测信号中的平均电压值获得下界电压,包括的具体方法为:
获取遥控器按键被按压时,电压监测信号中对应1秒内的电压监测数据,记为按键数据,获取任意按键数据中所有数据点的平均电压值记为按键数据的第一电压,将个按键数据的第一电压中的最小值记为下界电压,其中/>为预设的超参数。
3.根据权利要求1所述一种遥控器低电量检测方法,其特征在于,所述根据电压监测信号中数据点的电压值和所有数据点的平均电压值的差异、电压监测信号的信噪比以及下界电压,获得电压监测信号的平均波动影响,包括的具体方法为:
获取电压监测信号的平均波动影响,具体计算方法为:
其中,表示电压监测信号的平均波动影响;/>表示电压监测信号的信噪比;/>表示第/>个特殊数据点的标准电压值;/>表示电压监测信号中数据点的数量;/>表示电压波动下限。
4.根据权利要求3所述一种遥控器低电量检测方法,其特征在于,所述特殊数据点的具体获取方法为:
将电压监测信号中所有数据点的平均电压值记为恒定电压,将任意数据点的电压值与恒定电压的差值记为数据点的标准电压值,获取标准电压值大于电压波动下限的数据点,记为特殊数据点,获得电压监测信号中若干个特殊数据点。
5.根据权利要求3所述一种遥控器低电量检测方法,其特征在于,所述电压波动下限的具体获取方法为:
首先,利用长度为的区间对电压监测信号进行遍历,将遍历过程中区间内所有数据点形成的集合记为区间集合,获得若干个区间集合,将任意区间集合内所有数据点的电压值的标准差记为区间集合的第一参数,将第一参数最小时对应区间集合记为正常波动集合,将正常波动集合中所有数据点的平均电压值记为稳界电压,其中/>为预设的超参数;
然后,将稳界电压和下界电压的差值绝对值记为电压波动下限。
6.根据权利要求1所述一种遥控器低电量检测方法,其特征在于,所述对电压监测信号进行多次分解操作,每次分解操作获得多个子信号,根据子信号中数据点的电压值对应的分布概率获得子信号的观测参数,包括的具体方法为:
利用独立成分分析算法通过迭代的方式,对电压监测信号进行多次随机分解操作,获得个子信号;获取任意一次分解操作后得到的所有子信号中数据点的电压值的分布概率曲线,一个子信号对应一个分布概率曲线,获取子信号的分布概率曲线的高斯峭度记为子信号的观测参数,其中/>为预设的超参数。
7.根据权利要求1所述一种遥控器低电量检测方法,其特征在于,所述获取电压监测信号的包络曲线,并对观测参数进行调节,获得分解操作的分解系数,包括的具体方法为:
首先,获取电压监测信号的均值包络线记为电压监测信号的包络曲线,获取电压监测信号的包络曲线的定积分值记为电压监测信号的信号特征参数,获取在任意一次分解操作下,信号特征参数的最大似然估计值,其中/>表示电压监测信号的第1个子信号的观测参数;/>表示电压监测信号的第/>个子信号的观测参数;/>表示电压监测信号的信号特征参数;/>表示最大似然估计函数;
然后,根据任意一次分解得到的所有子信号的观测参数以及最大似然估计值,获取对应分解操作的分解系数,具体计算方法为:
其中,表示分解操作的分解系数;/>表示对应分解操作下电压监测信号的第/>个子信号的观测参数;/>表示子信号的数量;/>表示对应分解操作下所有子信号的平均观测参数;/>表示对应分解操作下电压监测信号的信号特征参数的最大似然估计值。
8.根据权利要求1所述一种遥控器低电量检测方法,其特征在于,所述利用加噪强度对电压监测信号进行低电量检测,包括的具体方法为:
首先,获取分布服从标准差为加噪强度,数学期望为0的噪声信号,并加入电压监测信号中,获得新电压监测信号,利用ITD算法对新电压监测信号进行分解,得到若干个信号记为分量信号,获取分量信号的频率并按照从大到小的顺序将分量信号进行排列,将后/>个分量信号称为低频分量信号,其中/>为预设的超参数;
然后,获取低频分量信号中所有数据点的电压值与时间点之间的皮尔逊相关系数,记为低频分量信号的相关系数,将所有低频分量信号中相关系数最小时对应的低频分量信号记为电压衰减信号,利用均值平滑滤波器将电压衰减信号以外的所有分量信号进行平滑获得新分量信号,将电压衰减信号和所有新分量信号进行叠加重构获得重构电压监测信号;
最后,当重构电量监测信号中数据点的电压值低于预设的低电量阈值时,利用遥控器中的蜂鸣器进行低电量预警。
9.一种遥控器低电量检测系统,包括存储器、处理器以及存储在所述存储器中并可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1-8中任意一项所述的一种遥控器低电量检测方法的步骤。
CN202311674478.8A 2023-12-08 2023-12-08 一种遥控器低电量检测方法及系统 Active CN117368751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311674478.8A CN117368751B (zh) 2023-12-08 2023-12-08 一种遥控器低电量检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311674478.8A CN117368751B (zh) 2023-12-08 2023-12-08 一种遥控器低电量检测方法及系统

Publications (2)

Publication Number Publication Date
CN117368751A CN117368751A (zh) 2024-01-09
CN117368751B true CN117368751B (zh) 2024-03-19

Family

ID=89400631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311674478.8A Active CN117368751B (zh) 2023-12-08 2023-12-08 一种遥控器低电量检测方法及系统

Country Status (1)

Country Link
CN (1) CN117368751B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080097128A (ko) * 2007-04-30 2008-11-04 조현찬 배터리 셀 밸런싱 시스템, 그 방법 및 이를 기록한기록매체
CN101604005A (zh) * 2009-06-29 2009-12-16 杭州电子科技大学 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法
CN115219926A (zh) * 2022-06-15 2022-10-21 深圳大学 确定电池的电量和温度的方法、装置、设备和存储介质
CN116466236A (zh) * 2023-02-27 2023-07-21 北京海博思创科技股份有限公司 电池剩余寿命预测方法、装置、设备及可读存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5106085B2 (ja) * 2007-12-19 2012-12-26 株式会社エヌ・ティ・ティ・ドコモ 電池試験装置及び電池試験方法
DE102015212328B4 (de) * 2015-07-01 2019-03-21 Dialog Semiconductor (Uk) Limited Batterieladezustandsmessschaltung
US20180292465A1 (en) * 2017-04-07 2018-10-11 Board Of Regents, The University Of Texas System Systems and methods for degradation analysis

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080097128A (ko) * 2007-04-30 2008-11-04 조현찬 배터리 셀 밸런싱 시스템, 그 방법 및 이를 기록한기록매체
CN101604005A (zh) * 2009-06-29 2009-12-16 杭州电子科技大学 一种基于组合采样点卡尔曼滤波的电池剩余电量估计方法
CN115219926A (zh) * 2022-06-15 2022-10-21 深圳大学 确定电池的电量和温度的方法、装置、设备和存储介质
CN116466236A (zh) * 2023-02-27 2023-07-21 北京海博思创科技股份有限公司 电池剩余寿命预测方法、装置、设备及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于相位重合检测包络特征的相位噪声测量;韦中;《中国硕士学位论文全文数据库工程科技Ⅱ辑》(第4期);15-29 *

Also Published As

Publication number Publication date
CN117368751A (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
US10310020B2 (en) Method, device and system for estimating the charge state of a battery
Artyushenko et al. Statistical characteristics of envelope outliers duration of non-Gaussian information processes
CN116405109B (zh) 基于线性直驱的光模块通信自适应调制方法
CN109188069B (zh) 一种用于负载开关事件检测的脉冲噪声滤除方法
CN108009122B (zh) 一种改进的hht方法
CN106291369A (zh) 基于小波变换的蓄电池内阻测量方法、装置及系统
CN108918932A (zh) 负荷分解中功率信号自适应滤波方法
CN108918931A (zh) 一种负荷分解中功率信号自适应滤波方法
CN111753699A (zh) 一种直流充电桩数字计量准确度提升的方法
Carnì et al. Application of machine learning techniques and empirical mode decomposition for the classification of analog modulated signals
CN116609692A (zh) 一种基于充电机检测的电池健康状态诊断方法及系统
CN108918930A (zh) 一种负荷分解中功率信号自适应重构方法
CN106618499B (zh) 跌倒检测设备、跌倒检测方法及装置
CN117368751B (zh) 一种遥控器低电量检测方法及系统
CN103513094A (zh) 一种消除电力系统检测信号噪声的装置及方法
CN113783207A (zh) 混合储能抑制风电波动方法、装置、电子设备和存储介质
CN117076866A (zh) 基于数据驱动和粒子滤波融合模型的锂电池rul预测方法、系统、设备及介质
CN109241874A (zh) 能量分解中功率信号滤波方法
CN108918929A (zh) 一种负荷分解中功率信号自适应滤波方法
Hill et al. Partial discharge signal denoising using the empirical mode decomposition
CN117370737B (zh) 一种基于自适应高斯滤波器的非稳态非高斯噪声去除方法
CN110912843A (zh) 大规模无线传感器网络中的分布式盲估计方法及系统
CN109194367A (zh) 能量分解中功率信号重构方法
CN116613823B (zh) 配电网电能质量评估方法、装置及系统
CN113378614B (zh) 一种局部放电信号去噪处理方法及系统

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