一种充放电测试预警方法、装置及存储介质与流程

文档序号:37751909发布日期:2024-04-25 10:38阅读:4来源:国知局
一种充放电测试预警方法、装置及存储介质与流程

本发明涉及测试,尤其涉及一种充放电测试预警方法、装置及存储介质。


背景技术:

1、针对tws产品、手机、平板、音箱等电子产品,往往需要进行充放电测试。以tws产品来举例,tws产品的充放电测试可分为:单耳机充电测试、单充电盒充电测试和机盒充电测试,一般测试2-3台样机,测试环境为4℃、14℃、25℃、43℃,至少20多条测试用例,占用的测试周期很长。例如:高温测试过程中,环境预热需要1h,充电需要3.5h,然后取90%以上电量的充电盒进行充电器待机充电,完全停充后充电器在位保持3h,观察是否有二次充电情况,结束过后进行下一次测试需要长达2h放电,这样一组测试下来需要9.5h。

2、然而,在充放电测试过程中,常常会因人为失误、机器故障、软件版本问题或环境问题等因素,造成在测试中途就出现测试异常,从而导致最终的测试结果无效。

3、为此,目前都是在整个测试周期结束后,由测试人员人工识别出在测试中途出现测试异常的产品,再对这些产品进行重新测试,这样就会造成这些产品耗费更长的测试时长,不仅人工成本较高,容易造成测试人员的疲惫感,而且存在无法按时交付的风险,生产效率低下。


技术实现思路

1、本发明的目的在于提供一种充放电测试预警方法、装置及存储介质,以克服现有技术存在的人工成本高和生产效率低下的缺陷。

2、为达此目的,本发明采用以下技术方案:

3、一种充放电测试预警方法,包括:

4、对当前被测终端进行充放电测试,并确定与所述充放电测试匹配的预测模型;

5、在充放电测试过程中的每个时间节点,获取所述当前被测终端在当前时间节点的实测充放电数据和预测充放电数据,通过对比当前时间节点的实测充放电数据和预测充放电数据,以判断所述当前被测终端在当前时间节点是否发生测试异常,若是则报警;

6、其中,当前时间节点的实测充放电数据,为在当前时间节点充放电测试得到的充放电数据;当前时间节点的预测充放电数据,通过以前一时间节点的实测充放电数据作为测试集加载至所述预测模型后预测得到。

7、可选的,所述预测模型的确定方法,包括:

8、获取训练集;所述训练集包括:所述当前被测终端在充放电测试的初始时间段的实测充放电数据,和/或,至少一个其他被测终端充放电测试得到的实测充放电数据;

9、通过所述训练集对预设的神经网络模型进行训练,以获得预测模型;

10、可选的,在通过所述训练集对预设的神经网络模型进行训练以获得预测模型的过程中,采用网格搜索法获取最优模型超参数。

11、可选的,还包括:在通过所述训练集对预设的神经网络模型进行训练之前,对所述训练集进行数据清洗处理、数据格式转换处理和/或基于高斯噪声的去干扰数据处理。

12、可选的,还包括:在将所述测试集加载至所述预测模型之前,对所述测试集进行数据清洗处理、数据格式转换处理和/或基于高斯噪声的去干扰数据处理。

13、可选的,所述通过对比当前时间节点的实测充放电数据和预测充放电数据,以判断当前时间节点是否发生测试异常,包括:

14、计算当前时间节点的实测充放电数据和预测充放电数据的均方根差;

15、判断所述均方根差是否在预设合理范围内,若超出预设合理范围,则判定当前时间节点发生测试异常。

16、可选的,还包括:在判断出所述当前被测终端在当前时间节点发生测试异常时,自动停止对所述被测终端的充放电测试。

17、可选的,所述神经网络模型为长短期记忆神经网络模型。

18、一种充放电测试预警装置,包括:

19、存储器,用于存储程序指令;

20、处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行以上任一项所述的充放电测试预警方法。

21、一种存储介质,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行以上任一项所述的充放电测试预警方法中的步骤。

22、与现有技术相比,本发明实施例具有以下有益效果:

23、本发明实施例,在对当前被测终端进行充放电测试的同时,会将前一时间节点的实测充放电数据加载至预设的预测模型,以预测得到当前时间节点的预测充放电数据,之后对比当前时间节点的实测充放电数据和预测充放电数据,以自动判断当前时间节点是否出现测试异常。与现有技术相比,本发明能够在充放电测试中途,精准、快速且自动地识别出被测终端是否发生测试异常,使得被测终端能够在异常发生时刻立即结束当前的测试流程,以提早进入后续的重新测试流程,最终不仅能够大大提高测试效率,而且能够有效降低人工成本。



技术特征:

1.一种充放电测试预警方法,其特征在于,包括:

2.根据权利要求1所述的充放电测试预警方法,其特征在于,所述预测模型的确定方法,包括:

3.根据权利要求2所述的充放电测试预警方法,其特征在于,在通过所述训练集对预设的神经网络模型进行训练以获得预测模型的过程中,采用网格搜索法获取最优模型超参数。

4.根据权利要求2所述的充放电测试预警方法,其特征在于,还包括:

5.根据权利要求1所述的充放电测试预警方法,其特征在于,还包括:

6.根据权利要求1所述的充放电测试预警方法,其特征在于,所述通过对比当前时间节点的实测充放电数据和预测充放电数据,以判断当前时间节点是否发生测试异常,包括:

7.根据权利要求1所述的充放电测试预警方法,其特征在于,还包括:在判断出所述当前被测终端在当前时间节点发生测试异常时,自动停止对所述被测终端的充放电测试。

8.根据权利要求1所述的充放电测试预警方法,其特征在于,所述神经网络模型为长短期记忆神经网络模型。

9.一种充放电测试预警装置,其特征在于,包括:

10.一种存储介质,其特征在于,所述存储介质存储有多条指令,所述指令适于处理器进行加载,以执行权利要求1至8任一项所述的充放电测试预警方法中的步骤。


技术总结
本发明涉及测试技术领域,公开了一种充放电测试预警方法、装置及存储介质。所述充放电测试预警方法包括:对当前被测终端进行充放电测试,并确定预测模型;在充放电测试过程中的每个时间节点,获取在当前时间节点的实测充放电数据和预测充放电数据,通过对比两者以判断在当前时间节点是否发生测试异常,若是则报警;其中,当前时间节点的预测充放电数据,通过以前一时间节点的实测充放电数据作为测试集加载至预测模型后预测得到。本发明能够在充放电测试中途,精准、快速且自动地识别出被测终端是否发生测试异常,使得被测终端能够在异常发生时刻立即结束当前测试流程,以提早进入后续的重新测试流程,提高了测试效率,降低了人工成本。

技术研发人员:钟道金
受保护的技术使用者:东莞华贝电子科技有限公司
技术研发日:
技术公布日:2024/4/24
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1