CN117955263B - 智能设备的无线充电方法及系统 - Google Patents
智能设备的无线充电方法及系统 Download PDFInfo
- Publication number
- CN117955263B CN117955263B CN202410354822.3A CN202410354822A CN117955263B CN 117955263 B CN117955263 B CN 117955263B CN 202410354822 A CN202410354822 A CN 202410354822A CN 117955263 B CN117955263 B CN 117955263B
- Authority
- CN
- China
- Prior art keywords
- equipment
- charged
- electromagnetic field
- wireless charging
- charging
- 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 93
- 230000005672 electromagnetic field Effects 0.000 claims abstract description 137
- 230000003993 interaction Effects 0.000 claims abstract description 65
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 18
- 238000011269 treatment regimen Methods 0.000 claims abstract description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 49
- 238000001514 detection method Methods 0.000 claims description 40
- 239000000463 material Substances 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 14
- 230000035699 permeability Effects 0.000 claims description 13
- 238000000611 regression analysis Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 241000282461 Canis lupus Species 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 39
- 230000000694 effects Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000012795 verification Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 241000282421 Canidae Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种智能设备的无线充电方法,包括:通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息;若初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度;对电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域;对无线充电位置区域进行区域筛选,得到最佳无线充电位置区域;获得待充电设备的尺寸,对最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框;待充电设备在优选预选框进行充电后,对待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略;实现了全面优化了无线充电体验,同时保障充电过程中的效率和安全。
Description
技术领域
本发明涉及无线充电技术领域,特别涉及一种智能设备的无线充电方法、系统、计算机设备和存储介质。
背景技术
随着近年来智能设备的普及,无线充电技术逐渐成为一种重要的能量补给手段,尤其是在智能手机、平板电脑及其他便携式电子设备中。无线充电的便利性在于消除了物理连接的需求,用户可以通过简单地将设备放置在充电器上来为其充电。然而,现有的无线充电技术面临着几个主要挑战,包括充电效率问题、设备放置不准确导致的充电效率低下,以及充电过程中移动异物可能对充电效率和设备安全性造成的负面影响。
发明内容
本发明的主要目的为提供一种智能设备的无线充电方法、系统、计算机设备和存储介质,实现了全面优化了无线充电体验,同时保障了充电过程中的效率和安全。
为实现上述目的,本发明提供了一种智能设备的无线充电方法,所述智能设备的一端与待充电设备连接,包括以下步骤:
通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息;
判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域;
通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域;
通过预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域;
获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框;
待充电设备在所述优选预选框进行充电后,通过帧间差分法对所述待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略。
作为本发明进一步的方案,所述相对应的充电协议包括充电接口标准、功率需求、通信协议以及设备识别信息。
作为本发明进一步的方案,通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息,并判断所述初步交互信息是否符合相对应的充电协议,包括:
对智能设备内的NFC模块进行初始化;
通过初始化后的NFC模块与待充电设备建立初步匹配,得到待充电设备的标识信息,判断所述标识信息是否是预置的标志信息;
若所述标识信息符合预置的标志信息,则通过智能设备内的Requester接口对待充电设备发送SQA请求,得到待充电设备的服务质量信息;其中,所述待充电设备的服务质量信息包括待充电设备的充电速率、待充电设备的充电效率以及待充电设备的温度参数;
对待充电设备的服务质量信息进行解析,得到待充电设备的充电要求信息;
基于待充电设备的充电要求信息,通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息。
作为本发明进一步的方案,判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域,包括:
对初步交互信息进行解析,得到待充电设备的关键数据的详细报告;其中,待充电设备的关键数据的详细报告包括电能量传输要求;
对待充电设备的关键数据的详细报告和相对应的充电协议进行对比校验,以确定待充电设备的关键数据的详细报告是否满足相对应的充电协议;
若所述待充电设备的关键数据的详细报告符合相对应的充电协议,则获取智能设备的电磁场模拟的边界条件;其中,所述电磁场模拟的边界条件包括智能设备的几何形状、智能设备的材料属性,基于智能设备的几何形状、智能设备的材料属性得到电磁场模拟所需的环境参数;
基于所述环境参数,通过麦克斯韦方程对待充电设备内的线圈电阻进行电磁场分布计算,得到电磁场的空间分布信息;
获取智能设备的材质磁导率,并对所述智能设备的材质磁导率进行测量,得到材质磁导率的特性;
基于所述材质磁导率的特性以及电磁场的空间分布信息,对智能设备产生的电磁场随时间的变化进行分析,得到电磁场变化的规律;
基于所述电磁场变化的规律得到电磁场的强度以及分布区域。
作为本发明进一步的方案,所述通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域,包括:
通过预设的模糊均值算法对电磁场的强度以及分布区域进行估值计算,得到多个初始的电磁场的强度以及分布区域;
对各个初始的电磁场的强度以及分布区域进行空间分割,得到对应的电磁场不同区域的边界和特性,对各个所述电磁场不同区域的边界和特性进行划分,得到对应电磁场子区域的空间布局方案;
对各个所述电磁场子区域的空间布局方案进行聚类分析,得到对应电磁场的相似性子区域,基于各个电磁场的相似性子区域得到对应电磁场相似性的充电位置区域群组;
获取待充电设备的实际需求,基于待充电设备的实际需求对各个所述电磁场相似性的充电位置区域群组进行聚类调整,得到多个无线充电位置区域;其中,所述待充电设备的实际需求包括待充电设备的充电功率以及充电时间。
作为本发明进一步的方案,通过预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域,包括:
基于预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到性能指标较优的候选充电位置集;
获取影响无线充电风险的关键变量,对所述影响无线充电风险的关键变量进行cox回归分析,得到cox回归分析结果;所述cox回归分析结果包括低、中、高无线充电风险比率;
基于所述cox回归分析结果构建列线图,所述列线图用于展示不同充电位置的风险比率;
获取不同充电位置的风险比率对应的充电效率,将所述不同充电位置的风险比率对应的充电效率与不同充电位置的风险比率进行综合分析,得到最佳无线充电位置区域。
作为本发明进一步的方案,获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框,包括:
获得待充电设备的尺寸,并对所述待充电设备的尺寸进行预处理,得到标准的待充电设备的尺寸;
通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行关键特征信息提取,得到最佳无线充电位置区域的特征信息;其中,所述关键特征信息包括形状、大小和空间位置;
对所述最佳无线充电位置区域的特征信息进行多维度分析,得到多个初始预选框;
利用深度学习算法对各个初始预选框进行深度检测,得到深度检测结果;
判断所述深度检测结果是否满足预定的范围,若深度检测结果满足预定的范围,则对所述初始预选框进行尺寸匹配计算,得到待充电设备的优选预选框;
若深度检测结果不满足预定的范围,则对多个所述初始预选框进行排除,得到排除后的预选框,对排除后的预选框进行深度检测,得到排除后深度检测结果,直至排除后深度检测结果满足预定的范围为止。
本发明还提供了一种智能设备的无线充电系统,所述智能设备的一端与待充电设备连接,包括:
交互模块,用于通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息;
判断模块,用于判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域;
计算模块,用于通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域;
筛选模块,用于通过预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域;
匹配模块,用于获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框;
检测模块,用于待充电设备在所述优选预选框进行充电后,通过帧间差分法对所述待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略。
本发明还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本发明提供的智能设备的无线充电方法、系统、计算机设备和存储介质,包括以下步骤:通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息;若初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度;对电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域;对无线充电位置区域进行区域筛选,得到最佳无线充电位置区域;获得待充电设备的尺寸,对最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框;待充电设备在优选预选框进行充电后,对待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略。通过使用预设的YOLOv7-NH模型对最佳充电位置与待充电设备的尺寸进行精准匹配,解决了待充电设备放置不准确导致的充电效率低下的技术问题,保证了待充电设备正确放置于充电区域;在充电过程中,通过利用帧间差分法自动监测并识别充电区域内是否存在移动异物,并采取相应的处理策略,解决了待充电设备在充电过程中移动异物对待充电设备安全性造成的负面影响的技术问题,保障待充电设备的充电安全。
附图说明
图1是本发明一实施例中智能设备的无线充电方法的步骤示意图;
图2是本发明一实施例中智能设备的无线充电系统的结构框图;
图3是本发明一实施例的计算机设备的结构示意框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明一实施例中智能设备的无线充电方法步骤示意图;
本发明一实施例中提供了一种智能设备的无线充电方法,述智能设备的一端与待充电设备连接,包括以下步骤:
步骤S1,通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息。
具体的,首先,智能设备的NFC模块需要被激活,通过打开智能设备上的NFC功能来完成的。智能设备需要被放置在待充电设备的NFC模块的工作范围内。NFC技术用于近距离(通常是几厘米)的通信。当两个设备处于接近状态时,NFC模块会自动尝试互相识别并建立一个无线连接。在上述过程中,智能设备可以获取待充电设备的标识信息。一旦连接建立,就可以进行数据交换。智能设备可以从待充电设备获取如充电要求、电池状态、支持的充电标准等初步交互信息。智能设备可以根据接收到的信息进行验证,确认待充电设备是支持的设备,并可以开始根据协商的参数进行充电。一旦完成验证和设定好相应的充电参数,智能设备可以给待充电设备发送充电指令,从而启动充电进程。
通过上述的步骤可以实现以下的技术效果:确保了充电设备和待充电设备的兼容性,避免了因为错误的充电标准而引起的设备损坏。根据待充电设备的具体需求自动设定充电电流、电压等参数,从而实现高效、安全的充电过程。通过NFC技术的初步交互,可以在实际进行物理连接之前,完成设备间的验证,增加了充电过程的安全性。用户仅需将设备相靠即可自动完成配对和充电参数的设置,极大提高了使用的便捷性。通过获取待充电设备的电池状态等信息,智能设备可以优化充电策略,延长电池寿命并提高充电效率。
综上所述,通过NFC技术的利用,可以实现更加智能、安全、便捷的充电解决方案,特别适用于小型可携带设备的无线充电场景。
步骤S2,判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域。
具体的,当NFC完成初步交互且设备识别成功后,系统会读取待充电设备提供的充电协议信息。智能设备的充电控制系统会分析这些信息,判断它们是否符合已知、兼容的充电协议。如果确认信息与某个或多个已知充电协议匹配,智能设备会继续下一步。不匹配情况下可能提示不支持或寻找可兼容的备选协议。一旦确认兼容的充电协议,智能设备通过其充电系统(如无线充电发送器)开始调试、测量电磁场的强度与分布。这通常通过内置的电磁场感测器或通过计算预测来完成。根据获取的电磁场数据,智能设备可能会调整其充电线圈的位置、功率输出等,以优化电磁场的强度和分布,确保充电效率和安全性。电磁场的强度和分布区域经过优化后,智能设备会按照相应充电协议和优化后的参数启动实际的充电过程。
通过上述的步骤可以实现以下的技术效果:通过判断并确认充电协议,减少了设备间的不匹配风险,提高了充电过程的安全性。通过精确测量和优化电磁场的强度与分布,可以实现对待充电设备更有效的能量传输,提高充电效率。合理控制电磁场的强度和分布有助于减少对周围电磁环境的干扰,对于维持电磁兼容性(EMC)至关重要。智能设备可以根据实时数据调整充电策略,不仅可以保护电池,还能在需要时优化充电速度和效率。用户不需要担心设备的充电兼容性和安全性问题,可以享受到更快、更安全的充电体验。综上所述,实施这些步骤,依赖于高度集成化的硬件和先进的软件算法,旨在智能化地提升无线充电的效率与安全性,为用户和设备提供更便利、高效的充电解决方案。
步骤S3,通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域。
具体的,首先,需要采集关于电磁场强度和分布的数据。上述过程涉及到在不同位置上使用传感器测量电磁场的参数,或者使用模拟软件进行电磁场的预测和分析。设定模糊均值算法的参数。模糊均值(Fuzzy Means)算法是一种聚类算法,可以处理模糊集合的成员归属问题,非常适合对连续而不是离散的数据集(如电磁场强度)进行分析和归纳。把收集到的电磁场数据输入模糊均值算法进行处理。模糊均值算法会根据电磁场的强度和分布的不同,将空间分成若干个区域(聚类),每个区域代表一个潜在的最优充电位置。根据模糊均值算法的结果,识别和标记出所有潜在的最优充电位置。上述的位置是根据电磁场的分布和强度,利用模糊逻辑计算出来的,能够提供最佳的充电效率。对选定的充电位置区域进行优化和验证,确保它们在实际应用中确实可以提供足够的充电效率和安全性。上述的步骤涉及到实际的充电测试或进一步模拟分析。
通过上述的步骤可以实现以下的技术效果:通过模糊均值算法,可以精确地识别出在电磁场分布中最适合充电的区域,从而提高充电效率和充电速度。确定最佳充电位置使得无线充电过程更为高效,减少能量损失,加快充电速度。通过识别多个充电位置区域,用户可以根据现实情况选择最方便的充电位置,提升使用便利性。有效地利用电磁场,减少无谓的电磁辐射,从而在一定程度上降低了对人体的潜在影响。上述的技术应用在智能设备的无线充电领域,特别是在无线充电基站的布局和设计上,可以极大提升充电的灵活性和效率,同时也优化了用户的充电体验。
步骤S4,通过预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域。
具体的,确立需要优化的目标,例如无线充电的效率、充电时间、能量传输的稳定性等。同时,明确各个充电位置区域的评估指标,如电磁场的强度和分布、充电设备与接收设备的相对位置等。在IMOGWO算法(灰狼优化算法)中,在预定的无线充电位置区域中,随机初始化一组灰狼(解的候选集),每只灰狼代表一个可能的充电位置区域方案。对每只灰狼(即每个充电位置方案)计算其适应度,即根据定义的优化目标评估其性能。适应度越高,表示该方案越接近最优。根据灰狼优化算法的原理,通过模拟灰狼的社会等级和狩猎行为进行搜索。IMOGWO在此基础上引入了改进机制,例如动态权重更新、多目标优化策略等,以更有效地探索和利用搜索空间。在迭代过程中,对灰狼种群进行更新,优选出更适合的充电位置方案。在经过若干代迭代后,根据多目标优化的结果,选择出适应度最高的灰狼,即找到了最佳的无线充电位置区域方案。对选定的最佳充电位置进行实际的验证测试,包括充电效率、稳定性等,并根据实际情况进行优化调整。
通过上述的步骤可以实现以下的技术效果:通过优选最佳充电位置,可以实现最高的充电效率,减少能量损失。确保充电过程中电磁场的稳定传输,避免因位置不佳导致的充电中断。综合考虑多个优化目标,如充电效率、时间和安全性等,实现更全面的优化。IMOGWO算法能够适应多变的环境和复杂的优化目标,更灵活地找到最佳充电位置,适应不同设备和应用场景的需要。通过预设的IMOGWO算法对无线充电位置进行优化,不仅能提升无线充电技术的实际应用效果,还能在多目标、复杂的优化场景中找到平衡点,为无线充电技术的应用和发展提供更加强大的支持。
步骤S5,获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框。
具体的,从待充电设备获得尺寸信息,包括长度、宽度和高度等。涉及到直接从设备的技术规格中获取,或使用传感器等工具测量实际尺寸,对收集到的尺寸信息进行预处理,包括标准化处理和格式转换操作,以适配YOLOv7-NH模型的输入需求。预处理步骤确保尺寸数据的准确性和兼容性,加载预设的YOLOv7-NH模型,并根据需要对其进行配置和调整。包括设置模型参数,如识别阈值等,以优化尺寸匹配算法的表现,通过空间分析或其他智能算法,识别和确定最佳的无线充电位置区域。最佳的无线充电位置区域将根据周围环境和充电设备的特征被选为最有可能实现高效充电的位置,将预处理后的待充电设备尺寸信息和最佳无线充电位置区域的信息输入YOLOv7-NH模型。YOLOv7-NH模型将对上述数据执行尺寸匹配计算,识别出与待充电设备最佳匹配的充电位置区域,生成一个或多个优选预选框,对模型生成的预选框进行进一步分析和优化,选择最符合实际充电需求的框作为最终的充电位置。
通过上述的步骤可以实现以下的技术效果:通过精确匹配待充电设备的尺寸与充电区域,确保设备被放置在电磁场最强的位置上,从而提升了无线充电效率,用户不需要反复调整设备位置以寻找最佳充电点,提高了用户的充电体验和满意度,准确的设备定位减少了因设备位置不当导致的过热等潜在风险,增强了充电过程的安全性,YOLOv7-NH模型能够处理多种尺寸和形状的设备,使该方法具有良好的适应性和普遍适用性,方便集成到不同的无线充电环境中,结合YOLOv7-NH模型的尺寸匹配和自动化充电框选提高了整个充电过程的智能化水平,减少人为操作错误,提升操作的准确性和效率,通过上述的操作步骤和有益效果,该方法能够有效解决无线充电中的设备定位问题,实现高效、安全、方便的充电体验,推动无线充电技术的应用和发展。
步骤S6,待充电设备在所述优选预选框进行充电后,通过帧间差分法对所述待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略。
具体的,首先确定待充电设备的优选预选框作为监测区域。监测区域是通过先前的尺寸匹配计算得到的,被认为是设备充电的最佳位置,在充电过程中,利用安装在充电区附近的摄像头不断采集该监测区域的视频帧。上述视频帧将被用于后续的异物检测,应用帧间差分法对连续采集的视频帧进行处理。通过计算相邻两帧之间的像素差异,识别出监测区域内的移动对象,对帧间差分结果进行分析,识别出显著的移动对象。基于事先定义的阈值或标准,判断这些移动对象是否可以被认定为移动异物,一旦检测到移动异物,立即执行预定义的处理策略。包括发出警告信号,自动暂停充电过程,或者通知用户和管理员进行干预等,记录检测到的移动异物事件,并可能通过用户界面或者其他通讯方式提供反馈信息给用户或系统管理员,以便采取进一步的措施。
通过上述的步骤可以实现以下的技术效果:移动异物可能导致无线充电过程中的电磁干扰或导致充电设备过热,通过及时检测和处理异物,显著提升了充电过程的安全性,异物的及时检测和移除可以减少设备损坏的风险,尤其是对于那些敏感或者昂贵的充电设备来说尤为重要,系统能够主动识别并解决可能的风险问题,增强了用户对无线充电技术的信心和满意度,通过确保充电区域内没有不必要的物体干扰,可以保持电磁场的完整和稳定,从而提高充电效率,该方法提供了一种智能化的解决方案以自动化监测和管理充电过程中的安全风险,减少了需要人工干预的场合,提升了整体的充电设施管理效率和便捷性,通过这些操作步骤和对应的有益效果,无线充电过程中的安全性和效率得到了显著的提升,为用户提供了更加安全、高效的无线充电服务。
在具体实施例中,所述相对应的充电协议包括充电接口标准、功率需求、通信协议以及设备识别信息。
具体的,确定和标准化充电接口的物理形状和电气特性,确保兼容性。这包括无线充电平台的设计参数,如频率、功率范围、工作距离等。根据设备类型和应用场景,定义不同设备的功率需求。包含设备的最小启动功率、最大接受功率以及优化功率使用的策略。设计用于充电控制和管理的通信协议。这应该包括设备和充电器之间的数据交换规则、数据格式以及如何处理通信故障等。实现待充电设备与充电器之间的识别和验证机制。通常通过发送和接收特定的设备识别信息来完成,从而确保正确的设备正在被充电。在设备推向市场之前,进行一系列的测试,确保设备遵循了充电协议的所有要求。包括充电效率的测试、安全性验证、兼容性测试等。
通过上述的步骤可以实现以下的技术效果:实现了充电设备之间的高度兼容性,不同品牌和型号的充电器与接收器可以无缝配合,为用户提供更多的选择和便利。通过精确控制功率需求和分配,优化充电过程,减少能量浪费,提高充电效率和速度。设定的通信协议和设备识别机制有助于避免非授权设备充电,减少安全隐患,如过充、短路等,保护用户设备和个人安全。统一的协议和标准化的接口设计有助于降低因匹配错误或通信失败导致的充电故障,提升系统的整体稳定性和可靠性。通过上述步骤实现的充电协议,不仅有助于标准化和规范化无线充电技术,还可以促进不同设备和系统间的互操作性,大大提高用户体验和技术的实用性。
在具体实施例中,通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息,并判断所述初步交互信息是否符合相对应的充电协议,包括:
对智能设备内的NFC模块进行初始化;
通过初始化后的NFC模块与待充电设备建立初步匹配,得到待充电设备的标识信息 ,判断所述标识信息是否是预置的标志信息;
若所述标识信息符合预置的标志信息,则通过智能设备内的Requester接口对待充电设备发送SQA请求,得到待充电设备的服务质量信息;其中,所述待充电设备的服务质量信息包括待充电设备的充电速率、待充电设备的充电效率以及待充电设备的温度参数;
对待充电设备的服务质量信息进行解析,得到待充电设备的充电要求信息;
基于待充电设备的充电要求信息,通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息。
具体的,在智能设备上激活NFC模块,确保其处于待接收或发送状态,以便与待充电设备建立连接。智能设备与待充电设备之间通过NFC建立通信连接。智能设备获取待充电设备的标识信息(例如设备型号、序列号等),检查标识信息是否与预置的标志信息相匹配。若标识信息匹配,智能设备通过其内部的Requester接口向待充电设备发送服务质量询问(SQA)请求,请求其提供服务质量相关信息。待充电设备响应SQA请求,提供包含充电速率、充电效率和设备温度参数的服务质量信息。智能设备解析服务质量信息,得到待充电设备的具体充电要求。基于解析出的充电要求信息,智能设备再次通过NFC与待充电设备进行详细的交互,以确认充电过程中需要遵循的特定协议或参数,确保充电过程的安全和效率。
通过上述的步骤可以实现以下的技术效果:通过NFC进行的初步交互可以确保待充电设备符合特定的充电协议和标准,避免由于设备不兼容造成的充电问题,提高充电过程的安全性。获取待充电设备的服务质量信息允许智能设备优化充电参数(例如调整充电速率或功率),以适应不同设备的需求,最大化充电效率,同时防止设备过热等问题。整个交互过程可以自动完成,提高了用户体验,不需要用户手动设置或调整,使充电过程更为简便快捷。通过NFC获取的温度参数等信息可用于监测待充电设备的运行状态,如果检测到温度过高,可以自动调整充电参数或中断充电,降低安全风险。NFC作为近距离通信手段,确保了信息的获取准确性和反应速度,使得智能设备可以快速准确地调整充电设置,响应待充电设备的需求。通过NFC模块和先进的通信协议,上述步骤实现了高度自动化和智能化的无线充电服务,不仅提高了兼容性和充电效率,还提升了用户体验和设备安全性。
在具体实施例中,判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域,包括:
对初步交互信息进行解析,得到待充电设备的关键数据的详细报告;其中,待充电设备的关键数据的详细报告包括电能量传输要求;
对待充电设备的关键数据的详细报告和相对应的充电协议进行对比校验,以确定待充电设备的关键数据的详细报告是否满足相对应的充电协议;
若所述待充电设备的关键数据的详细报告符合相对应的充电协议,则获取智能设备的电磁场模拟的边界条件;其中,所述电磁场模拟的边界条件包括智能设备的几何形状、智能设备的材料属性,基于智能设备的几何形状、智能设备的材料属性得到电磁场模拟所需的环境参数;
基于所述环境参数,通过麦克斯韦方程对待充电设备内的线圈电阻进行电磁场分布计算,得到电磁场的空间分布信息;
获取智能设备的材质磁导率,并对所述智能设备的材质磁导率进行测量,得到材质磁导率的特性;
基于所述材质磁导率的特性以及电磁场的空间分布信息,对智能设备产生的电磁场随时间的变化进行分析,得到电磁场变化的规律;
基于所述电磁场变化的规律得到电磁场的强度以及分布区域。
具体的,对从NFC交互得到的信号进行解密和解析,以获取待充电设备的关键数据和需求,特别是电能量传输要求。将解析出的关键数据与电能传输的预定充电协议进行对比校验,确保其符合预定标准。结合智能设备的几何形状和材料属性,确定进行电磁场模拟所需的环境参数,如几何界限和材料电磁特性。通过麦克斯韦方程(Maxwell's equations)模拟并计算当前设置条件下的电磁场分布,尤其关注线圈区域的电阻和磁场特性。对智能设备用材的磁导率进行具体测量,获取精确数据,以便在模拟中使用。利用上述数据和模拟结果,对智能设备产生的电磁场随时间的变化和特性进行分析,以便理解其强度和分布模式的时间依赖性。基于磁场变化规律和强度分析,明确当下和预期的电磁场分布区域,优化充电效率和安全性。
通过上述的步骤可以实现以下的技术效果:对比校验确保待充电设备符合充电标准,提高充电过程的平滑进行和设备安全。精确计算和模拟电磁场分布,帮助设计出更高效的充电方案和电磁场布局,降低能量损耗。通过对电磁场强度和分布的精确控制,使能量传输更加集中和高效,减少对周围环境的电磁干扰。对不同材料属性和几何形状下的电磁场模拟提供了深入理解,增加设计时的选材和形状灵活性。通过有效的电磁场管理,确保充电过程快速且稳定,提升最终用户对无线充电技术的信心和满意度。通过上述步骤,可以高效精确地进行无线充电设备之间的交互和能量传输控制,确保充电过程不仅符合相应协议,而且达到了优化电磁场分布的目标,从而提升充电效率和安全性。
在具体实施例中,所述通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域,包括:
通过预设的模糊均值算法对电磁场的强度以及分布区域进行估值计算,得到多个初始的电磁场的强度以及分布区域;
对各个初始的电磁场的强度以及分布区域进行空间分割,得到对应的电磁场不同区域的边界和特性,对各个所述电磁场不同区域的边界和特性进行划分,得到对应电磁场子区域的空间布局方案;
对各个所述电磁场子区域的空间布局方案进行聚类分析,得到对应电磁场的相似性子区域,基于各个电磁场的相似性子区域得到对应电磁场相似性的充电位置区域群组;
获取待充电设备的实际需求,基于待充电设备的实际需求对各个所述电磁场相似性的充电位置区域群组进行聚类调整,得到多个无线充电位置区域;其中,所述待充电设备的实际需求包括待充电设备的充电功率以及充电时间。
具体的,使用预设的模糊均值算法,基于电磁场的初始测量数据对其强度和分布区域进行初步的估值和分析。对估算得到的电磁场强度及分布区域进行空间分割,识别不同区域的边界和各自的电磁特性。对不同的电磁场区域根据它们的物理特性进行进一步的划分和分类。对已划分的电磁场子区域进行聚类分析,基于相似性将它们组织成群组,形成明确划分的电磁场相似性子区域。根据待充电设备的充电功率和充电时间等实际需求,对已形成的电磁场相似性群组进行进一步的聚类调整,从而确定多个最符合这些需求的无线充电位置区域。
通过上述的步骤可以实现以下的技术效果:通过精确计算和聚类分析,可以精细化地确定无线充电最优位置区域,从而最大化充电效率并减少能量损耗。识别和优化多个无线充电位置区域可以帮助更合理地布局充电设施,增加空间使用的灵活性和效率。基于待充电设备的具体需求进行聚类调整,使得每个设备能够获得最匹配其充电特性的位置,提供更为个性化和高效的充电解决方案。精确控制充电位置区域有助于避免设备过度接近高强度电磁场区域,减轻电磁干扰,增强使用期间的安全性。随着不同设备或不同充电需求的变化,系统能够通过调整聚类分组来适应各种场景,提供灵活的充电方案。通过上述步骤的精确执行,所述无线充电系统可以在保证充电效率和安全性的同时,为不同需求的设备提供最适合的充电位置。上述的过程的智能化和自适应性,为无线充电技术的应用和推广提供了重要的技术支撑。
在具体实施例中,通过预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域,包括:
基于预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到性能指标较优的候选充电位置集;
获取影响无线充电风险的关键变量,对所述影响无线充电风险的关键变量进行cox回归分析,得到cox回归分析结果;所述cox回归分析结果包括低、中、高无线充电风险比率;
基于所述cox回归分析结果构建列线图,所述列线图用于展示不同充电位置的风险比率;
获取不同充电位置的风险比率对应的充电效率,将所述不同充电位置的风险比率对应的充电效率与不同充电位置的风险比率进行综合分析,得到最佳无线充电位置区域。
具体的,将IMOGWO算法应用于所有无线充电位置区域的性能指标,选择出性能较优的候选充电位置集。这一步骤主要是基于每个充电区域的电磁场强度和分布、充电效率等多个性能指标进行优化筛选。确定影响无线充电风险的关键变量(如距离、障碍物类型、电磁场干扰等),并使用Cox回归模型对这些变量进行统计分析,以预测不同充电位置的风险比率。这些风险比率分为低、中、高三个等级。基于Cox回归分析结果,构建列线图以直观地展示不同充电位置的风险比率。列线图帮助清晰地辨识出各充电区域的潜在风险等级。收集并分析不同充电位置的风险比率与其对应的充电效率,通过综合分析两者之间的关系,从而确定最佳无线充电位置区域。
通过上述的步骤可以实现以下的技术效果:基于性能和风险两个关键维度的综合优化,确保选择的无线充电位置既高效又安全。通过IMOGWO算法的优化筛选,有效减少最终考量的充电位置候选区域,提高决策效率。Cox回归模型的应用和列线图的构建,使得充电位置的风险等级可量化且易于理解,辅助进行更精准的风险评估。通过精准地识别和分析影响无线充电风险的关键变量,有效降低了充电过程中的潜在风险,提高了安全性。最终确定的充电位置将是在效率和风险之间经过精细权衡的结果,能够在确保安全的同时,优化用户的充电体验。通过上述综合优化和分析过程,可以在确保无线充电安全性的前提下,实现充电效率的最大化,从而为无线充电设施的建设和布局提供科学、高效、安全的指导方案。
在具体实施例中,获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框,包括:
获得待充电设备的尺寸,并对所述待充电设备的尺寸进行预处理,得到标准的待充电设备的尺寸;
通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行关键特征信息提取,得到最佳无线充电位置区域的特征信息;其中,所述关键特征信息包括形状、大小和空间位置;
对所述最佳无线充电位置区域的特征信息进行多维度分析,得到多个初始预选框;
利用深度学习算法对各个初始预选框进行深度检测,得到深度检测结果;
判断所述深度检测结果是否满足预定的范围,若深度检测结果满足预定的范围,则对所述初始预选框进行尺寸匹配计算,得到待充电设备的优选预选框;
若深度检测结果不满足预定的范围,则对多个所述初始预选框进行排除,得到排除后的预选框,对排除后的预选框进行深度检测,得到排除后深度检测结果,直至排除后深度检测结果满足预定的范围为止。
具体的,首先获取待充电设备的尺寸信息,包括长、宽、高等,并进行预处理,如标准化上述数据,以适配后续处理步骤的需求,使用预设的YOLOv7-NH模型分析最佳无线充电位置区域与待充电设备的尺寸信息,提取关键特征信息,包括形状、大小和空间位置等,对提取的特征信息进行多维度分析,基于这些分析结果,生成多个初始预选框。多个初始预选框代表可能的最佳充电位置,对每个初始预选框应用深度学习算法进行深度检测,以评估它们是否满足预设的标准和需求,根据深度检测结果,对满足预定标准的初始预选框执行尺寸匹配计算,确定最终的待充电设备的优选预选框,若初步深度检测结果不满足预定标准,排除某些初始预选框后,对剩余的预选框再次进行深度检测和评估,直到找到满足条件的优选预选框。
通过上述的步骤可以实现以下的技术效果:通过精确的尺寸匹配和深度检测,能够确保设备被放置在最佳充电位置,从而提高充电效率和减少能量损失,利用YOLOv7-NH模型的自动特征提取和深度学习算法自动化了充电位置的选择过程,减少了人工干预,提高了操作效率和智能化水平,简化了充电过程,用户只需将设备放置于指定区域,即可自动完成优化的充电位置匹配,提升了用户体验,通过深度学习模型的训练,能够适应多种尺寸和形状的充电设备,增加了系统的适用范围和灵活性,优化的充电位置选择不仅提升了充电效率,还通过避免不正确的放置减少了过热等安全风险,通过结合YOLOv7-NH模型和深度学习技术,为无线充电领域提供了一个高效、准确和安全的解决方案,推动了智能充电技术的进步。
上面对本发明实施例中智能设备的无线充电方法进行了描述,下面对本发明实施例中智能设备的无线充电系统进行描述,请参阅图2,本发明实施例中智能设备的无线充电系统一个实施例包括:
交互模块21,用于通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息;
判断模块22,用于判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域;
计算模块23,用于通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域;
筛选模块24,用于通过预设的IMOGWO算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域;
匹配模块25,用于获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框;
检测模块26,用于待充电设备在所述优选预选框进行充电后,通过帧间差分法对所述待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略。
在本实施例中,上述系统实施例中的各个单元的具体实现,请参照上述方法实施例中所述,在此不再进行赘述。
参照图3,本发明实施例中还提供一种计算机设备,该计算机设备其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中,该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述方法。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的计算机设备的限定。
本发明一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法。可以理解的是,本实施例中的计算机可读存储介质可以是易失性可读存储介质,也可以为非易失性可读存储介质。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种智能设备的无线充电方法,所述智能设备的一端与待充电设备连接,其特征在于:包括以下步骤:
通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息;
判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域;
通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域;
通过预设的灰狼优化算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域;
获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框;
待充电设备在所述优选预选框进行充电后,通过帧间差分法对所述待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略;
所述通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域,包括:
通过预设的模糊均值算法对电磁场的强度以及分布区域进行估值计算,得到多个初始的电磁场的强度以及分布区域;
对各个初始的电磁场的强度以及分布区域进行空间分割,得到对应的电磁场不同区域的边界和特性,对各个所述电磁场不同区域的边界和特性进行划分,得到对应电磁场子区域的空间布局方案;
对各个所述电磁场子区域的空间布局方案进行聚类分析,得到对应电磁场的相似性子区域,基于各个电磁场的相似性子区域得到对应电磁场相似性的充电位置区域群组;
获取待充电设备的实际需求,基于待充电设备的实际需求对各个所述电磁场相似性的充电位置区域群组进行聚类调整,得到多个无线充电位置区域;其中,所述待充电设备的实际需求包括待充电设备的充电功率以及充电时间;
获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框,包括:
获得待充电设备的尺寸,并对所述待充电设备的尺寸进行预处理,得到标准的待充电设备的尺寸;
通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行关键特征信息提取,得到最佳无线充电位置区域的特征信息;其中,所述关键特征信息包括形状、大小和空间位置;
对所述最佳无线充电位置区域的特征信息进行多维度分析,得到多个初始预选框;
利用深度学习算法对各个初始预选框进行深度检测,得到深度检测结果;
判断所述深度检测结果是否满足预定的范围,若深度检测结果满足预定的范围,则对所述初始预选框进行尺寸匹配计算,得到待充电设备的优选预选框;
若深度检测结果不满足预定的范围,则对多个所述初始预选框进行排除,得到排除后的预选框,对排除后的预选框进行深度检测,得到排除后深度检测结果,直至排除后深度检测结果满足预定的范围为止。
2.根据权利要求1所述的智能设备的无线充电方法,其特征在于:所述相对应的充电协议包括充电接口标准、功率需求、通信协议以及设备识别信息。
3.根据权利要求1所述的智能设备的无线充电方法,其特征在于:通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息,并判断所述初步交互信息是否符合相对应的充电协议,包括:
对智能设备内的NFC模块进行初始化;
通过初始化后的NFC模块与待充电设备建立初步匹配,得到待充电设备的标识信息,判断所述标识信息是否是预置的标志信息;
若所述标识信息符合预置的标志信息,则通过智能设备内的Requester接口对待充电设备发送SQA请求,得到待充电设备的服务质量信息;其中,所述待充电设备的服务质量信息包括待充电设备的充电速率、待充电设备的充电效率以及待充电设备的温度参数;
对待充电设备的服务质量信息进行解析,得到待充电设备的充电要求信息;
基于待充电设备的充电要求信息,通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息。
4.根据权利要求1所述的智能设备的无线充电方法,其特征在于:判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域,包括:
对初步交互信息进行解析,得到待充电设备的数据的详细报告;其中,待充电设备的数据的详细报告包括电能量传输要求;
对待充电设备的数据的详细报告和相对应的充电协议进行对比校验,以确定待充电设备的数据的详细报告是否满足相对应的充电协议;
若所述待充电设备的数据的详细报告符合相对应的充电协议,则获取智能设备的电磁场模拟的边界条件;其中,所述电磁场模拟的边界条件包括智能设备的几何形状、智能设备的材料属性,基于智能设备的几何形状、智能设备的材料属性得到电磁场模拟所需的环境参数;
基于所述环境参数,通过麦克斯韦方程对待充电设备内的线圈电阻进行电磁场分布计算,得到电磁场的空间分布信息;
获取智能设备的材质磁导率,并对所述智能设备的材质磁导率进行测量,得到材质磁导率的特性;
基于所述材质磁导率的特性以及电磁场的空间分布信息,对智能设备产生的电磁场随时间的变化进行分析,得到电磁场变化的规律;
基于所述电磁场变化的规律得到电磁场的强度以及分布区域。
5.根据权利要求1所述的智能设备的无线充电方法,其特征在于:通过预设的灰狼优化算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域,包括:
基于预设的灰狼优化算法对各个无线充电位置区域进行区域筛选,得到性能指标的候选充电位置集;
获取影响无线充电风险的关键变量,对所述影响无线充电风险的关键变量进行cox回归分析,得到cox回归分析结果;所述cox回归分析结果包括低、中、高无线充电风险比率;其中,所述关键变量包括距离、障碍物类型、电磁场干扰;
基于所述cox回归分析结果构建列线图,所述列线图用于展示不同充电位置的风险比率;
获取不同充电位置的风险比率对应的充电效率,将所述不同充电位置的风险比率对应的充电效率与不同充电位置的风险比率进行综合分析,得到最佳无线充电位置区域。
6.一种智能设备的无线充电系统,所述智能设备的一端与待充电设备连接,其特征在于:包括:
交互模块,用于通过智能设备内的NFC模块与待充电设备进行初步交互,得到初步交互信息;
判断模块,用于判断所述初步交互信息是否符合相对应的充电协议,若所述初步交互信息符合相对应的充电协议,则获取智能设备产生的电磁场的强度以及分布区域;
计算模块,用于通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域;
筛选模块,用于通过预设的灰狼优化算法对各个无线充电位置区域进行区域筛选,得到最佳无线充电位置区域;
匹配模块,用于获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框;
检测模块,用于待充电设备在所述优选预选框进行充电后,通过帧间差分法对所述待充电设备的优选预选框进行移动异物检测,若检测到有移动异物,则采用相对应的处理策略;
所述通过预设的模糊均值算法对所述电磁场的强度以及分布区域进行计算,得到智能设备的多个无线充电位置区域,包括:
通过预设的模糊均值算法对电磁场的强度以及分布区域进行估值计算,得到多个初始的电磁场的强度以及分布区域;
对各个初始的电磁场的强度以及分布区域进行空间分割,得到对应的电磁场不同区域的边界和特性,对各个所述电磁场不同区域的边界和特性进行划分,得到对应电磁场子区域的空间布局方案;
对各个所述电磁场子区域的空间布局方案进行聚类分析,得到对应电磁场的相似性子区域,基于各个电磁场的相似性子区域得到对应电磁场相似性的充电位置区域群组;
获取待充电设备的实际需求,基于待充电设备的实际需求对各个所述电磁场相似性的充电位置区域群组进行聚类调整,得到多个无线充电位置区域;其中,所述待充电设备的实际需求包括待充电设备的充电功率以及充电时间;
获得待充电设备的尺寸,通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行尺寸匹配计算,得到待充电设备的优选预选框,包括:
获得待充电设备的尺寸,并对所述待充电设备的尺寸进行预处理,得到标准的待充电设备的尺寸;
通过预设的YOLOv7-NH模型对所述最佳无线充电位置区域和待充电设备的尺寸进行关键特征信息提取,得到最佳无线充电位置区域的特征信息;其中,所述关键特征信息包括形状、大小和空间位置;
对所述最佳无线充电位置区域的特征信息进行多维度分析,得到多个初始预选框;
利用深度学习算法对各个初始预选框进行深度检测,得到深度检测结果;
判断所述深度检测结果是否满足预定的范围,若深度检测结果满足预定的范围,则对所述初始预选框进行尺寸匹配计算,得到待充电设备的优选预选框;
若深度检测结果不满足预定的范围,则对多个所述初始预选框进行排除,得到排除后的预选框,对排除后的预选框进行深度检测,得到排除后深度检测结果,直至排除后深度检测结果满足预定的范围为止。
7.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410354822.3A CN117955263B (zh) | 2024-03-27 | 2024-03-27 | 智能设备的无线充电方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410354822.3A CN117955263B (zh) | 2024-03-27 | 2024-03-27 | 智能设备的无线充电方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117955263A CN117955263A (zh) | 2024-04-30 |
CN117955263B true CN117955263B (zh) | 2024-06-07 |
Family
ID=90805558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410354822.3A Active CN117955263B (zh) | 2024-03-27 | 2024-03-27 | 智能设备的无线充电方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117955263B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3375571A2 (de) * | 2017-02-23 | 2018-09-19 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Sensorik für einen elektroschrauber zur klassifizierung von schraubvorgängen mittels eines magnetfeldsensors |
CN115719133A (zh) * | 2022-08-15 | 2023-02-28 | 上海理工大学 | 一种基于改进多目标灰狼优化算法解决rhfs调度问题 |
CN117048376A (zh) * | 2023-09-26 | 2023-11-14 | 北京东方中科集成科技股份有限公司 | 一种无线充电中异物检测方法及检测系统 |
CN117411039A (zh) * | 2023-09-22 | 2024-01-16 | 张海燕 | 一种智能储能充电系统 |
-
2024
- 2024-03-27 CN CN202410354822.3A patent/CN117955263B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3375571A2 (de) * | 2017-02-23 | 2018-09-19 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Sensorik für einen elektroschrauber zur klassifizierung von schraubvorgängen mittels eines magnetfeldsensors |
CN115719133A (zh) * | 2022-08-15 | 2023-02-28 | 上海理工大学 | 一种基于改进多目标灰狼优化算法解决rhfs调度问题 |
CN117411039A (zh) * | 2023-09-22 | 2024-01-16 | 张海燕 | 一种智能储能充电系统 |
CN117048376A (zh) * | 2023-09-26 | 2023-11-14 | 北京东方中科集成科技股份有限公司 | 一种无线充电中异物检测方法及检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117955263A (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112417439B (zh) | 账号检测方法、装置、服务器及存储介质 | |
CN110166462B (zh) | 访问控制方法、系统、电子设备及计算机存储介质 | |
CN102124624B (zh) | 控制充电垫系统的移动设备 | |
CN104166099A (zh) | 电池测试系统和方法 | |
CN102983609A (zh) | 一种智能手持终端充电及软件更新方法及装置 | |
CN111160424B (zh) | 一种基于cnn图像识别的nfc设备指纹认证方法及系统 | |
CN112686494B (zh) | 基于线损异常台区的数据拟合方法、装置及智能设备 | |
CN110958524B (zh) | 耳机的出入盒检测方法、电子设备以及耳机组件 | |
TWI797599B (zh) | 電動車充電站之充電管理方法及系統 | |
CN108973750B (zh) | 一种车辆充电方法和装置 | |
CN117439240B (zh) | 一种无线充电器的智能控制方法、系统及存储介质 | |
CN107516032A (zh) | 解锁控制方法及相关产品 | |
CN113644711B (zh) | 一种交互式手机无线充电用管理系统 | |
CN117955263B (zh) | 智能设备的无线充电方法及系统 | |
CN117141265A (zh) | 一种智能无线充电桩的运行监测系统及监测方法 | |
CN116260254A (zh) | 一种无线充电状态监控系统 | |
CN111591154A (zh) | 支持电动汽车无线充电的动态磁耦合谐振阵列方法及系统 | |
KR102134826B1 (ko) | 전기자동차 충전 제어 장치 및 방법 | |
CN108944542B (zh) | 一种执行电动车辆充电的充电站识别的方法 | |
CN116154914A (zh) | 电池充电管理方法和装置 | |
CN115932661A (zh) | 一种对变压器噪声合规性进行分析判断的方法 | |
TW202346888A (zh) | 電池性能評估裝置及電池性能評估方法 | |
CN111651461B (zh) | 一种基于机器学习的储能运营监控方法及系统 | |
CN117169732B (zh) | 电池故障检测方法、装置、计算设备和介质 | |
CN117295157B (zh) | 一种用于可穿戴式背夹终端的定位方法及系统 |
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 |