[發(fā)明專利]環(huán)境試驗箱故障預(yù)測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110361624.6
• 申請日: 2021-04-02
• 公開（公告）號: CN112966879A
• 公開（公告）日: 2021-06-15
• 發(fā)明（設(shè)計）人: 王平玉;宋詩
• 申請（專利權(quán)）人: 陽光電源股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06N3/08;G06N5/00;G06N20/10;G06N20/20;G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明公開了一種環(huán)境試驗箱故障預(yù)測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，該方法包括：獲取試驗箱運行的歷史參量數(shù)據(jù)，歷史參量數(shù)據(jù)包括自變量數(shù)據(jù)和因變量數(shù)據(jù)；對因變量數(shù)據(jù)進(jìn)行故障類型關(guān)聯(lián)處理，確定有效故障類型；對歷史參量數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，數(shù)據(jù)處理包括異常數(shù)據(jù)處理和/或樣本數(shù)據(jù)平衡化處理，確定標(biāo)準(zhǔn)樣本參量數(shù)據(jù)；根據(jù)有效故障類型及標(biāo)準(zhǔn)樣本參量數(shù)據(jù)對預(yù)設(shè)算法模型進(jìn)行訓(xùn)練，確定故障預(yù)測模型；獲取試驗箱的實時監(jiān)測自變量數(shù)據(jù)；根據(jù)故障預(yù)測模型和實時監(jiān)測自變量數(shù)據(jù)確定故障預(yù)測結(jié)果。本發(fā)明通過優(yōu)化故障預(yù)測模型對試驗箱故障進(jìn)行有效的分析與預(yù)測，智能化程度高，故障預(yù)測精度高。

技術(shù)領(lǐng)域

本發(fā)明涉及環(huán)境試驗技術(shù)領(lǐng)域，尤其涉及一種環(huán)境試驗箱故障預(yù)測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)

環(huán)境試驗設(shè)備是指的用于模擬自然氣候環(huán)境的試驗箱，典型地，環(huán)境試驗設(shè)備包括：高低溫濕熱試驗箱、鹽霧試驗箱、臭氧老化試驗箱和溫濕度試驗箱等，其中，高低溫濕熱試驗箱可用于逆變器等電子產(chǎn)品的性能測試，試驗箱性能對于產(chǎn)品質(zhì)量把關(guān)具有重要作用。

目前，環(huán)境試驗設(shè)備缺乏有效的故障監(jiān)測手段，一旦試驗設(shè)備發(fā)生老化或者故障，會引起測試結(jié)果偏差，進(jìn)而影響生產(chǎn)制造進(jìn)度和電子產(chǎn)品性能，導(dǎo)致經(jīng)濟(jì)損失，通過操作人員定期對試驗設(shè)備進(jìn)行故障檢測和維護(hù)，可降低試驗設(shè)備故障產(chǎn)生的影響，但是，現(xiàn)有的人工故障檢測方法效率低下，且存在故障漏檢的風(fēng)險，無法從根本上解決試驗設(shè)備的安全隱患，影響產(chǎn)品測試效果。

發(fā)明內(nèi)容

本發(fā)明提供一種環(huán)境試驗箱故障預(yù)測方法，通過故障預(yù)測模型對試驗箱進(jìn)行有效的故障分析與預(yù)測，解決了現(xiàn)有的試驗箱故障影響測試效果問題，故障預(yù)測精度高。

第一方面，本發(fā)明實施例提供了一種環(huán)境試驗箱故障預(yù)測方法，包括以下步驟：

獲取試驗箱運行的歷史參量數(shù)據(jù)，所述歷史參量數(shù)據(jù)包括自變量數(shù)據(jù)和因變量數(shù)據(jù)；

對所述因變量數(shù)據(jù)進(jìn)行故障類型關(guān)聯(lián)處理，確定有效故障類型；

對所述歷史參量數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，所述數(shù)據(jù)處理包括異常數(shù)據(jù)處理和/或樣本數(shù)據(jù)平衡化處理，得到標(biāo)準(zhǔn)樣本參量數(shù)據(jù)；

根據(jù)所述有效故障類型及所述標(biāo)準(zhǔn)樣本參量數(shù)據(jù)對預(yù)設(shè)算法模型進(jìn)行訓(xùn)練，得到故障預(yù)測模型；

獲取所述試驗箱的實時監(jiān)測自變量數(shù)據(jù)；

根據(jù)所述故障預(yù)測模型和所述實時監(jiān)測自變量數(shù)據(jù)確定故障預(yù)測結(jié)果。

可選地，所述對所述因變量數(shù)據(jù)進(jìn)行故障類型關(guān)聯(lián)處理，包括以下步驟：獲取預(yù)設(shè)關(guān)聯(lián)規(guī)則模型；根據(jù)所述預(yù)設(shè)關(guān)聯(lián)規(guī)則模型對所述因變量數(shù)據(jù)進(jìn)行遍歷，確定頻繁項集，所述頻繁項集的支持度大于或者等于預(yù)設(shè)最小支持度；根據(jù)所述頻繁項集進(jìn)行數(shù)據(jù)降維處理，確定有效故障類型。

可選地，對所述歷史參量數(shù)據(jù)進(jìn)行異常數(shù)據(jù)處理，包括以下步驟：獲取所述自變量數(shù)據(jù)中的預(yù)設(shè)異常數(shù)據(jù)，所述預(yù)設(shè)異常數(shù)據(jù)包括：缺失值數(shù)據(jù)、空值數(shù)據(jù)及錯誤值數(shù)據(jù)；獲取所述預(yù)設(shè)異常數(shù)據(jù)的至少兩個鄰近樣本數(shù)據(jù)，所述鄰近樣本數(shù)據(jù)與所述預(yù)設(shè)異常數(shù)據(jù)的時間間隔小于預(yù)設(shè)間隔時間；根據(jù)所述至少兩個鄰近樣本數(shù)據(jù)確定均值樣本數(shù)據(jù)；根據(jù)所述均值樣本數(shù)據(jù)對所述預(yù)設(shè)異常數(shù)據(jù)進(jìn)行處理，確定標(biāo)準(zhǔn)樣本數(shù)據(jù)。

可選地，對所述歷史參量數(shù)據(jù)進(jìn)行樣本數(shù)據(jù)平衡化處理，包括以下步驟：獲取預(yù)設(shè)過采樣算法模型；根據(jù)所述預(yù)設(shè)過采樣算法模型對所述標(biāo)準(zhǔn)樣本數(shù)據(jù)中的少數(shù)類樣本進(jìn)行數(shù)據(jù)擴(kuò)充，確定擴(kuò)充樣本數(shù)據(jù)；根據(jù)所述標(biāo)準(zhǔn)樣本數(shù)據(jù)及所述擴(kuò)充樣本數(shù)據(jù)確定所述標(biāo)準(zhǔn)樣本參量數(shù)據(jù)。