一种车载开关电源的检测方法和装置与流程

本发明涉及车载开关电源领域，尤其涉及一种车载开关电源的检测方法和装置。

背景技术：

1、稳压电源作为车载系统的一个重要组成部分，其质量好坏对系统的正常工作将会产生重要的影响，因此对其进行严格的测试和质量评价具有十分重要的意义。随着未来电源技术的不断发展和直流电源产品类型的不断增加，一些特殊应用类型和参数的电源产品，则需要测试系统具有开放性。即硬件方面能够在现有测试系统模块的基础上，搭建具有特殊测试功能要求的系统；软件方面测试数据的处理更灵活，可以依据不同的技术标准自定义数据处理方法，尤其是针对一些复杂的动态参数数据处理，可以引进深度学习和智能数据处理方法，这样可以在有限测试数据的条件下得到更丰富的测试指标。

2、然而现有技术在开放式数据处理方面仍不足以达到本行业的需求，因此开展这方面的研究工作将具有非常重要的价值，并能在车载电源检测领域产生极大的经济效益和社会效益。

技术实现思路

1、本发明提供了一种车载开关电源的检测方法和装置，以实现实时监测系统稳定性，并及时高效地对车载电源进行准确的故障预测和健康状况评价的技术效果。

2、为了解决上述技术问题，本发明实施例提供了一种车载开关电源的检测方法，包括以下步骤：

3、按照预设的周期对待检测电源进行状态数据采集，并依次通过异常值剔除和归一化处理对采集获得的所述状态数据进行数据预处理，输出电源历史数据；

4、调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估，输出相应预测曲线和评估结果，将所述预测曲线和所述待检测电源的实时数据进行误差分析，输出相应分析结果；

5、将所述分析结果和预设的误差范围进行对比，获得相应对比结果，整合所述评估结果和所述对比结果获得并输出相应检测结果。

6、本发明提供的针对车载开关电源的检测方法在按照预设的采集周期对待检测电源的相关运行数据进行采集后，将依次通过异常值剔除和归一化处理对采集获得的初始运行状态数据进行数据预处理，进而获得待检测电源的电源历史数据。通过对采集的数据进行数据预处理可提高输出的电源历史数据的准确性和平滑度，降低了由于错误数据和异常数据导致后续故障预测和健康评估出现错误的概率。

7、预处理后，系统则调用故障预测模型和健康评估模型分别对处理后的电源历史数据以及系统实时采集的电源实时数据进行故障预测和健康评估，并分别输出相应的故障预测曲线和健康评估结果，再根据故障预测曲线和待检测电源的实时监测数据进行对比进行误差分析，进而输出相应分析结果确定预测曲线和实时数据之间的误差具体数值，为后续将误差和系统预设的误差范围进行对比时提供数据支持。同时，通过故障预测模型和健康评估模型对电源历史数据和电源实时数据的故障预测和健康评估，进而确定待检测电源的综合质量以及未来一段时间内出现故障的概率，通过健康评估确定待检测电源的预期使用寿命，降低了电源的维修人员的工作量，同时也提高了维修人员的工作效率。

8、确定了分析结果之后，系统即可将分析结果和误差范围进行对比，输出对比结果，将所述对比结果和所述评估结果整合输出，即可获得待检测电源的检测结果，用户便可根据输出的检测结果确定待检测电源的预测使用寿命、实时健康状态以及后续需要对所述待检测电源进行检修的具体时间，提高了用户对待检测电源实时健康状况的掌控度，使得用户得以及时高效地对待检测电源进行准确的故障预测和健康状况评估。

9、作为优选例子，所述调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估，输出相应预测曲线和评估结果，具体包括：

10、将基于时序的所述电源历史数据作为第一特征序列输入至所述故障预测模型中，通过滑动窗口于所述第一特征序列上按照预设的时间间隔进行滑动，以使所述第一特征序列被划分为训练集合和测试集合；

11、通过所述训练集合对所述故障预测模型进行训练，并通过训练后参数对所述故障预测模型进行更新，以使更新后模型对所述测试集合和所述电源实时数据进行预测，输出所述预测曲线。

12、为了提高系统对待检测电源实时运行状态的监控度以及确定未来一段时间内是否发生故障的概率，系统在获得了电源历史数据之后将基于时序的数据作为第一特征序列输入至故障预测模型中，通过滑动窗口将第一特征序列平均分成两个集合，包括训练集合以及测试集合。通过滑动窗口的方式对数据进行划分，确保了两个集合中数据的相似性，依次确保后续由训练集合训练获得的模型与测试集合之间的符合度，进而提高训练后模型对测试集合以及电源实时数据进行故障预测输出的故障预测曲线的准确性、实时性以及其与实际数据之间的相符性和可行性。

13、作为优选例子，所述调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估，输出相应预测曲线和评估结果，还包括：

14、依次对所述电源历史数据进行归一化处理和协方差矩阵计算，输出相应协方差矩阵和归一化数据，并将所述协方差矩阵、所述归一化数据和所述电源实时数据输入所述健康评估模型中；

15、基于所述归一化数据和所述协方差矩阵计算获得所述归一化数据的第一马氏距离，将所述第一马氏距离设置为均匀分布并对所述第一马氏距离进行排序，通过预设的概率阈值从所述第一马氏距离中选择并获得标准数据值，进而根据所述标准数据值计算获得第一马氏距离均值；

16、同时，基于所述协方差矩阵和所述电源实时数据计算获得所述电源实时数据的第二马氏距离，根据所述第二马氏距离计算获得相应第二马氏距离均值，继而根据所述第一马氏距离均值和所述第二马氏距离均值计算输出所述评估结果。

17、为了进一步提高健康评估模型输出的评估结果对待检测电源实时健康状态评估准确性和可靠性，本发明提供的检测方法在对数据进行健康评估时，首先通过归一化处理和协方差矩阵对数据进行初步处理，并将处理后的数据输入至健康评估模型中，以待模型进行后续处理。本发明中的健康评估模型将基于归一化数据和协方差矩阵计算获得第一马氏距离，进而根据该第一马氏距离计算获得第一马氏距离均值，同时也基于协方差矩阵和电源实时数据计算获得第二马氏距离，进而通过该第二马氏距离计算输出相应的第二马氏距离均值。获得了两种马氏距离均值后，系统则根据该两种马氏距离均值计算输出评估结果。

18、相比于传统的经验系数来分配各个特征在故障指数计算中的权值，本发明所提供的健康评估方法则利用竞争激活的方式更新权值，并以此创建更精准的健康评价模型，提高了评估结果与实际数据之间的符合度，进而提高了模型健康评估的可靠性和准确性。

19、作为优选例子，所述将所述分析结果和预设的误差范围进行对比，获得相应对比结果，具体包括：

20、将所述分析结果与所述误差范围进行对比，并根据所述对比结果确定是否需要调整对所述待检测电源的采集周期；

21、若所述对比结果为所述分析结果在所述误差范围之内，则根据所述评估结果确定保持所述采集周期或对所述采集周期的采集间隔进行延长调整，并通过在线更新的方式对所述故障预测模型进行更新处理；

22、若所述对比结果为所述分析结果在所述误差范围之外，则对所述采集周期的采集间隔进行缩短处理，并返回至调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估。

23、在获得了预测曲线和评估结果，并根据预测曲线和实际数据获得误差分析结果后，系统则根据该误差分析结果和预设误差范围的对比结果确定是否需要对待检测电源的数据采集周期进行调整。若是系统根据对比结果判定预测曲线和实际数据之间的误差在可接受范围之内，则说明采集周期无需进行调整或者也可对其进行延长调整，即降低了数据采集的频率，进而降低了系统的运算压力。而若是系统根据对比结果判定预测曲线和实际数据之间的误差不在可接受范围之内，则说明采集周期需要进行调整，需要对数据采集周期进行缩短调整，以使系统得以获得更加连贯、更加具体的实时数据，继而提高了系统进行故障预测的准确性和可行性。

24、作为优选例子，在所述整合所述评估结果和所述对比结果获得并输出相应检测结果之后，还包括：

25、将所述检测结果存储至历史数据库中，并根据所述检测结果判断是否需要对所述待检测电源进行检修处理；

26、若所述检测结果中的所述评估结果为健康状态或亚健康状态，并且所述对比结果为所述分析结果在所述误差范围之内，则确定无需对所述待检测电源进行检修处理，并按照预设的检修周期将所述检测结果发送至第一终端；

27、若所述检测结果中的所述评估结果为退化状态，并且所述对比结果为所述分析结果在所述误差范围之外，则确定需要对所述待检测电源进行检修处理，则对所述检修周期进行缩短处理，并将所述检测结果发送至第一终端；

28、若所述检测结果中的所述评估结果为故障状态，并且所述对比结果为所述分析结果在所述误差范围之外，则确定需要对所述待检测电源进行检修处理，触发检修告警信号并将所述检测结果发送至所述第一终端。

29、为了提高待检测电源的运行寿命，系统在获得了相应检测结果后，还将根据该检测结果确定是否需要调整对待检测电源的检修周期，以此实现及时高效地对待检测电源进行检修和状态维护，提高了健康评估结果和故障预测结果在待检测电源实际工作中的作用和重要性，进而实现对待检测电源正常运行寿命的延长。

30、相应的，本发明还提供了一种车载开关电源的检测装置，所述检测装置包括数据采集模块、模型检测模块和结果输出模块；

31、其中，所述数据采集模块用于按照预设的周期对待检测电源进行状态数据采集，并依次通过异常值剔除和归一化处理对采集获得的所述状态数据进行数据预处理，输出电源历史数据；

32、所述模型检测模块用于调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估，输出相应预测曲线和评估结果，将所述预测曲线和所述待检测电源的实时数据进行误差分析，输出相应分析结果；

33、所述结果输出模块用于将所述分析结果和预设的误差范围进行对比，获得相应对比结果，整合所述评估结果和所述对比结果获得并输出相应检测结果。

34、作为优选例子，所述模型检测模块调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估，输出相应预测曲线和评估结果，具体包括：

35、将基于时序的所述电源历史数据作为第一特征序列输入至所述故障预测模型中，通过滑动窗口于所述第一特征序列上按照预设的时间间隔进行滑动，以使所述第一特征序列被划分为训练集合和测试集合；

36、通过所述训练集合对所述故障预测模型进行训练，并通过训练后参数对所述故障预测模型进行更新，以使更新后模型对所述测试集合和所述电源实时数据进行预测，输出所述预测曲线。

37、作为优选例子，所述模型检测模块调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估，输出相应预测曲线和评估结果，还包括：

38、依次对所述电源历史数据进行归一化处理和协方差矩阵计算，输出相应协方差矩阵和归一化数据，并将所述协方差矩阵、所述归一化数据和所述电源实时数据输入所述健康评估模型中；

39、基于所述归一化数据和所述协方差矩阵计算获得所述归一化数据的第一马氏距离，将所述第一马氏距离设置为均匀分布并对所述第一马氏距离进行排序，通过预设的概率阈值从所述第一马氏距离中选择并获得标准数据值，进而根据所述标准数据值计算获得第一马氏距离均值；

40、同时，基于所述协方差矩阵和所述电源实时数据计算获得所述电源实时数据的第二马氏距离，根据所述第二马氏距离计算获得相应第二马氏距离均值，继而根据所述第一马氏距离均值和所述第二马氏距离均值计算输出所述评估结果。

41、作为优选例子，所述结果输出模块将所述分析结果和预设的误差范围进行对比，获得相应对比结果，具体包括：

42、将所述分析结果与所述误差范围进行对比，并根据所述对比结果确定是否需要调整对所述待检测电源的采集周期；

43、若所述对比结果为所述分析结果在所述误差范围之内，则根据所述评估结果确定保持所述采集周期或对所述采集周期的采集间隔进行延长调整，并通过在线更新的方式对所述故障预测模型进行更新处理；

44、若所述对比结果为所述分析结果在所述误差范围之外，则对所述采集周期的采集间隔进行缩短处理，并返回至调用故障预测模型和健康评估模型分别对所述电源历史数据和实时采集的电源实时数据进行故障预测和健康评估。

45、作为优选例子，所述检测装置还包括系统检修模块；

46、其中，所述系统检修模块用于将所述检测结果存储至历史数据库中，并根据所述检测结果判断是否需要对所述待检测电源进行检修处理；

47、若所述检测结果中的所述评估结果为健康状态或亚健康状态，并且所述对比结果为所述分析结果在所述误差范围之内，则确定无需对所述待检测电源进行检修处理，并按照预设的检修周期将所述检测结果发送至第一终端；

48、若所述检测结果中的所述评估结果为退化状态，并且所述对比结果为所述分析结果在所述误差范围之外，则确定需要对所述待检测电源进行检修处理，则对所述检修周期进行缩短处理，并将所述检测结果发送至第一终端；

49、若所述检测结果中的所述评估结果为故障状态，并且所述对比结果为所述分析结果在所述误差范围之外，则确定需要对所述待检测电源进行检修处理，触发检修告警信号并将所述检测结果发送至所述第一终端。