基于传感器数据和智能算法的产品质量监测系统的制作方法

本发明涉及数据处理，尤其涉及一种基于传感器数据和智能算法的产品质量监测系统。

背景技术：

1、随着电池技术的发展，电池组件在各种应用中被广泛使用，例如电动汽车、储能系统等。然而，在电池组件的长期使用过程中，温度和能量损耗等因素会对电池的性能和寿命产生重要影响。因此，开发一种能够准确监测电池组件温度、预测能量损耗并评估产品质量的方法至关重要。

2、传统方法使用有限数量的温度传感器对电池组件进行温度监测，可能无法全面了解温度分布情况，尤其在电池组件内部温度梯度较大时，监测效果较差。现有的能量损耗分析方法可能简化了能量损耗模型，没有充分考虑温度等因素对能量损耗的影响，导致分析结果的准确性不高。传统的产品质量评估方法可能只基于少量参数，没有充分利用温度和能量损耗等关键信息，无法全面评估电池组件的质量。

技术实现思路

1、本发明提供了一种基于传感器数据和智能算法的产品质量监测系统，用于提高基于传感器数据和智能算法的产品质量监测的准确率。

2、本发明第一方面提供了一种基于传感器数据和智能算法的产品质量监测方法，方法包括：

3、基于预设的时间区间，通过预置的温度传感器对目标电池的电池组件进行温度监测，得到所述时间区间内的多个温度监测数据；

4、对多个所述温度监测数据进行温度变化曲线构建，得到目标温度变化曲线，并对所述目标温度变化曲线进行变化趋势分析，得到目标温度变化趋势矩阵；

5、将所述目标温度变化趋势矩阵输入预置的季节性自回归移动平均模型进行周期性温度数据预测，得到周期性温度预测数据，并通过所述周期性温度预测数据对所述电池组件进行温度梯度分析，确定目标温度梯度；

6、基于所述时间区间，通过预置的压力传感器对所述电池组件进行电流监测，得到所述时间区间内的电流变化数据；

7、将所述电流变化数据输入预置的能量损耗模型进行能量损耗分析，得到所述电池组件对应的能量损耗系数；

8、基于预设的梯度分割阈值，对所述目标温度梯度进行梯度分割，得到多个区间梯度数据；

9、对所述能量损耗系数进行权重参数计算，确定所述能量损耗系数对应的权重数据，并通过所述权重数据对所述能量损耗系数进行加权处理，得到目标损耗系数；

10、将所述目标损耗系数以及多个所述区间梯度数据输入预置的产品质量分析模型进行产品质量分析，得到质量分析结果，并将所述质量分析结果传输至预置的数据处理终端。

11、结合第一方面，在本发明第一方面的第一实施方式中，所述对多个所述温度监测数据进行温度变化曲线构建，得到目标温度变化曲线，并对所述目标温度变化曲线进行变化趋势分析，得到目标温度变化趋势矩阵，包括：

12、对多个所述温度监测数据进行数据格式转换，得到多个温度向量；

13、基于所述时间区间，通过线性插值算法对多个所述温度向量进行时间序列分析，得到时间序列数据；

14、通过所述时间序列数据对多个所述温度监测数据进行平滑处理，得到多个数据坐标点，并基于多个所述数据坐标点进行温度变化曲线构建，得到所述目标温度变化曲线；

15、对所述目标温度变化曲线进行变化趋势分析，得到所述目标温度变化趋势矩阵。

16、结合第一方面的第一实施方式，在本发明第一方面的第二实施方式中，所述对所述目标温度变化曲线进行变化趋势分析，得到所述目标温度变化趋势矩阵，包括：

17、对所述目标温度变化曲线进行二阶导数计算，得到对应的二阶导数集合；

18、基于所述二阶导数集合对所述目标温度变化曲线进行温度变化率提取，得到所述目标温度变化曲线对应的温度变化率集合；

19、对所述温度变化率集合进行温度变化趋势拟合，得到对应的温度变化趋势指标；

20、对所述温度变化趋势指标进行数据标准化处理，得到标准化指标数据集；

21、对所述标准化指标数据集进行矩阵元素提取，得到对应的多个矩阵元素；

22、通过多个所述矩阵元素对所述温度变化趋势指标进行矩阵转换，得到所述目标温度变化趋势矩阵。

23、结合第一方面，在本发明第一方面的第三实施方式中，所述将所述目标温度变化趋势矩阵输入预置的季节性自回归移动平均模型进行周期性温度数据预测，得到周期性温度预测数据，并通过所述周期性温度预测数据对所述电池组件进行温度梯度分析，确定目标温度梯度，包括：

24、将所述目标温度变化趋势矩阵输入预置的季节性自回归移动平均模型进行单维数据转换，得到所述目标温度变化趋势矩阵对应的单维数据；

25、对所述单维数据进行序列数据提取，得到对应的单维序列数据；

26、对所述单维序列数据进行时间点数量分析，得到对应的目标时间点数量；

27、基于所述目标时间点数量，对所述单维序列数据进行特征提取，得到对应的单维特征向量；

28、获取所述电池组件的历史温度数据，并通过所述历史温度数据进行向量映射表构建，得到对应的目标向量映射表；

29、通过所述目标向量映射表对所述单维特征向量进行周期性温度数据预测，得到周期性温度预测数据；

30、通过所述周期性温度预测数据对所述电池组件进行温度梯度分析，确定目标温度梯度。

31、结合第一方面的第三实施方式，在本发明第一方面的第四实施方式中，所述通过所述周期性温度预测数据对所述电池组件进行温度梯度分析，确定目标温度梯度，包括：

32、基于所述周期性温度预测数据对所述电池组件进行区域分割，得到多个目标子区域；

33、基于多个所述目标子区域对所述周期性温度预测数据进行数据划分，得到每个所述目标子区域对应的温度预测数据；

34、基于每个所述目标子区域对应的温度预测数据进行温度变化率计算，得到每个所述目标子区域对应的温度变化率；

35、通过每个所述目标子区域对应的温度变化率对所述电池组件进行温度梯度分析，确定目标温度梯度。

36、结合第一方面，在本发明第一方面的第五实施方式中，所述将所述电流变化数据输入预置的能量损耗模型进行能量损耗分析，得到所述电池组件对应的能量损耗系数，包括：

37、对所述电流变化数据进行异常值去除，得到待处理电流变化数据；

38、将所述待处理电流变化数据输入预置的能量损耗模型进行矩阵转换，得到电流变化矩阵；

39、对所述电流变化矩阵进行偏差向量分析，确定所述电流变化矩阵对应的偏差向量；

40、基于所述偏差向量对所述电流变化矩阵进行变化节点分析，确定变化节点集合；

41、通过所述变化节点集合对所述电流变化数据进行能量损耗分析，得到所述电池组件对应的能量损耗系数。

42、结合第一方面，在本发明第一方面的第六实施方式中，所述将所述目标损耗系数以及多个所述区间梯度数据输入预置的产品质量分析模型进行产品质量分析，得到质量分析结果，并将所述质量分析结果传输至预置的数据处理终端，包括：

43、将所述目标损耗系数输入所述产品质量分析模型进行模型超参数分析，确定对应的目标超参数；

44、将多个所述区间梯度数据输入所述产品质量分析模型进行特征提取，得到每个所述区间梯度数据对应的特征参数；

45、基于所述目标超参数对所述产品质量分析模型进行模型优化，得到目标产品质量分析模型；

46、将每个所述区间梯度数据对应的特征参数输入所述目标产品质量分析模型进行数据相似度分析，确定数据相似度分析结果；

47、通过所述数据相似度分析结果进行质量数据匹配，确定对应的目标质量数据，并基于所述目标质量数据生成对应的质量分析结果，并将所述质量分析结果传输至预置的数据处理终端。

48、本发明第二方面提供了一种基于传感器数据和智能算法的产品质量监测装置，所述基于传感器数据和智能算法的产品质量监测装置包括：

49、监测模块，用于基于预设的时间区间，通过预置的温度传感器对目标电池的电池组件进行温度监测，得到所述时间区间内的多个温度监测数据；

50、构建模块，用于对多个所述温度监测数据进行温度变化曲线构建，得到目标温度变化曲线，并对所述目标温度变化曲线进行变化趋势分析，得到目标温度变化趋势矩阵；

51、预测模块，用于将所述目标温度变化趋势矩阵输入预置的季节性自回归移动平均模型进行周期性温度数据预测，得到周期性温度预测数据，并通过所述周期性温度预测数据对所述电池组件进行温度梯度分析，确定目标温度梯度；

52、通过模块，用于基于所述时间区间，通过预置的压力传感器对所述电池组件进行电流监测，得到所述时间区间内的电流变化数据；

53、分析模块，用于将所述电流变化数据输入预置的能量损耗模型进行能量损耗分析，得到所述电池组件对应的能量损耗系数；

54、分割模块，用于基于预设的梯度分割阈值，对所述目标温度梯度进行梯度分割，得到多个区间梯度数据；

55、计算模块，用于对所述能量损耗系数进行权重参数计算，确定所述能量损耗系数对应的权重数据，并通过所述权重数据对所述能量损耗系数进行加权处理，得到目标损耗系数；

56、传输模块，用于将所述目标损耗系数以及多个所述区间梯度数据输入预置的产品质量分析模型进行产品质量分析，得到质量分析结果，并将所述质量分析结果传输至预置的数据处理终端。

57、本发明第三方面提供了一种基于传感器数据和智能算法的产品质量监测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述基于传感器数据和智能算法的产品质量监测设备执行上述的基于传感器数据和智能算法的产品质量监测方法。

58、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的基于传感器数据和智能算法的产品质量监测方法。

59、本发明提供的技术方案中，基于预设的时间区间，通过预置的温度传感器对目标电池的电池组件进行温度监测，得到时间区间内的多个温度监测数据；对多个温度监测数据进行温度变化曲线构建，得到目标温度变化曲线，并对目标温度变化曲线进行变化趋势分析，得到目标温度变化趋势矩阵；将目标温度变化趋势矩阵输入预置的季节性自回归移动平均模型进行周期性温度数据预测，得到周期性温度预测数据，并通过周期性温度预测数据对电池组件进行温度梯度分析，确定目标温度梯度；基于时间区间，通过预置的压力传感器对电池组件进行电流监测，得到时间区间内的电流变化数据；将电流变化数据输入能量损耗模型进行能量损耗分析，得到电池组件对应的能量损耗系数；基于预设的梯度分割阈值，对目标温度梯度进行梯度分割，得到多个区间梯度数据；对能量损耗系数进行权重参数计算，确定能量损耗系数对应的权重数据，并通过权重数据对能量损耗系数进行加权处理，得到目标损耗系数；将目标损耗系数以及多个区间梯度数据输入预置的产品质量分析模型进行产品质量分析，得到质量分析结果，并将质量分析结果传输至预置的数据处理终端。在本技术中，通过预置的温度传感器对电池组件进行温度监测，能够全面获取目标电池在预设的时间区间内的温度数据。对多个温度监测数据进行变化趋势分析，得到目标温度变化趋势矩阵，这样可以更好地理解电池组件温度的变化趋势，有助于发现异常情况和预测未来的温度变化。利用季节性自回归移动平均模型，对目标温度变化趋势矩阵进行周期性温度数据预测，能够得到未来时间段内的温度预测数据，提前做好温度管理和调控准备。通过周期性温度预测数据，对电池组件进行温度梯度分析，确定目标温度梯度。通过预置的压力传感器对电池组件进行电流监测，结合能量损耗模型对电池组件的能量损耗进行分析，可以更全面了解电池组件的能耗情况，为能量管理和性能优化提供数据支持。结合目标温度梯度和能量损耗系数的多个区间梯度数据，通过权重参数计算，得到目标损耗系数。再将目标损耗系数和多个区间梯度数据输入产品质量分析模型，可以全面评估电池组件的质量，为质量管理提供准确结果。