一种移动电源故障检测方法技术

本申请提供一种移动电源故障检测方法

【技术实现步骤摘要】
一种移动电源故障检测方法、装置及设备


[0001]本申请涉及但不限于电数据处理
，尤其涉及一种移动电源故障检测方法
、
装置及设备
。

技术介绍

[0002]移动电源故障检测是对移动电源设备进行故障诊断和检测的技术
。
移动电源作为便携式充电设备，广泛应用于移动通信
、
数码产品等领域
。
然而，由于使用频繁以及长期暴露在各种环境中，移动电源可能会出现各种故障，例如电池老化
、
充电异常
、
输出电压不稳定等
。
移动电源故障检测还需要借助故障诊断算法来进行故障判断和分析，基于测试数据
、
传感器数据
、
电池参数等进行故障模式识别和分类，从而准确地判断移动电源是否存在故障，如何实现自动准确地故障识别，是移动电源故障检测目前关注的问题
。

技术实现思路

[0003]有鉴于此，本申请实施例至少提供一种移动电源故障检测方法
、
装置及设备
。
[0004]本申请实施例的技术方案是这样实现的：一方面，本申请实施例提供一种移动电源故障检测方法，应用于检测设备，所述方法包括：获取拟匹配的目标测试数据集和参考测试数据集；基于所述目标测试数据集中各数据项的维度数值和所述参考测试数据集中各数据项的维度数值，确定所述目标测试数据集与所述参考测试数据集的数据项层面共性度量值；所述数据项层面共性度量值用以指示所述目标测试数据集与所述参考测试数据集在数据项层面的相似性；基于所述目标测试数据集对应的目标表征向量和所述参考测试数据集对应的参考表征向量，确定所述目标测试数据集与所述参考测试数据集的特征层面共性度量值；所述特征层面共性度量值用以指示所述目标测试数据集与所述参考测试数据集在特征层面的相似性；基于所述数据项层面共性度量值和所述特征层面共性度量值，确定所述目标测试数据集与所述参考测试数据集的匹配结果；如果所述匹配结果为正面结果，则将所述参考测试数据集对应的故障类型作为所述目标测试数据集的故障类型
。
[0005]在一些实施例中，所述基于所述目标测试数据集中各数据项的维度数值和所述参考测试数据集中各数据项的维度数值，确定所述目标测试数据集与所述参考测试数据集的数据项层面共性度量值，包括：针对所述目标测试数据集和所述参考测试数据集中的每个数据项，基于所述数据项的各个电压维度数值，确定所述数据项对应的象征维度数值；基于所述目标测试数据集中各数据项分别对应的象征维度数值和所述参考测试
数据集中各数据项分别对应的象征维度数值，确定整体匹配率数据和
/
或细节匹配率数据，作为所述数据项层面共性度量值；其中，所述整体匹配率数据的获取过程包括：基于所述目标测试数据集中各数据项分别对应的象征维度数值和所述参考测试数据集中各数据项分别对应的象征维度数值，获取均方差；基于每个所述数据项的数值和所述均方差，获取所述整体匹配率数据；所述细节匹配率数据的获取过程包括：基于所述目标测试数据集中各数据项分别对应的象征维度数值的平均结果和所述参考测试数据集中各数据项分别对应的象征维度数值的平均结果，获取电压共性度量值；基于所述目标测试数据集中各数据项分别对应的象征维度数值的方差和所述参考测试数据集中各数据项分别对应的象征维度数值的方差，获取电流共性度量值；基于所述目标测试数据集中各数据项分别对应的象征维度数值和所述参考测试数据集中各数据项分别对应的象征维度数值，获取所述目标测试数据集与所述参考测试数据集之间的共变差；基于所述共变差
、
所述目标测试数据集中各数据项分别对应的象征维度数值的方差和所述参考测试数据集中各数据项分别对应的象征维度数值的方差，获取细节共性度量值；基于所述电压共性度量值
、
所述电流共性度量值以及所述细节共性度量值，确定所述细节匹配率数据
。
[0006]在一些实施例中，所述基于所述目标测试数据集对应的目标表征向量和所述参考测试数据集对应的参考表征向量，确定所述目标测试数据集与所述参考测试数据集的特征层面共性度量值，包括：基于特征识别算法对所述目标测试数据集和所述参考测试数据集进行特征识别，得到所述目标测试数据集中的各第一核心数据项和其分别对应的数据项表征向量和所述参考测试数据集中的各第二核心数据项和其分别对应的数据项表征向量；基于所述第一核心数据项和其对应的数据项表征向量和所述第二核心数据项和其对应的数据项表征向量，确定识别共性度量值，作为所述特征层面共性度量值；基于测试数据集特征挖掘模型对所述目标测试数据集和所述参考测试数据集进行表征向量挖掘，得到所述目标测试数据集对应的第一隐藏测试表征向量和所述参考测试数据集对应的第二隐藏测试表征向量；基于所述第一隐藏测试表征向量和所述第二隐藏测试表征向量，确定误分类点数目，作为所述特征层面共性度量值
。
[0007]在一些实施例中，所述基于所述第一核心数据项和其对应的数据项表征向量和所述第二核心数据项和其对应的数据项表征向量，确定识别共性度量值，包括：基于各所述第一核心数据项和其分别对应的数据项表征向量和各所述第二核心数据项和其分别对应的数据项表征向量，建立多个候选核心数据项组；所述候选核心数据项组包括一个所述第一核心数据项和一个所述第二核心数据项，同属一个所述候选核心数据项组的所述第一核心数据项和所述第二核心数据项分别对应的数据项表征向量间符合第一距离要求；在所述多个候选核心数据项组中确定目标核心数据项组；所述目标核心数据项组
中的所述第一核心数据项和所述第二核心数据项分别对应的数据项表征向量间符合第二距离要求；基于各个所述目标核心数据项组包括的所述第一核心数据项和所述第二核心数据项的数量和所述目标测试数据集中所述第一核心数据项的总数
、
所述参考测试数据集中所述第二核心数据项的总数，确定所述识别共性度量值
。
[0008]在一些实施例中，所述第一隐藏测试表征向量包括所述目标测试数据集中各数据项分别对应的数据项隐藏表征向量，所述第二隐藏测试表征向量包括所述参考测试数据集中各数据项分别对应的数据项隐藏表征向量；所述基于所述第一隐藏测试表征向量和所述第二隐藏测试表征向量，确定误分类点数目，包括：针对每个数据项组，基于所述数据项组中两个数据项分别对应的数据项隐藏表征向量，确定所述数据项组对应的数据项误分类点数目；所述数据项组中包括一个属于所述目标测试数据集的数据项和一个属于所述参考测试数据集的数据项，同属一个所述数据项组的两个数据项在所述目标测试数据集和所述参考测试数据集中分布位置一致；基于各个所述数据项组分别对应的数据项误分类点数目，确定所述误分类点数目
。
[0009]在一些实施例中，当所述数据项层面共性度量值包括整体匹配率数据和细节匹配率数据，所述特征层面共性度量值包括识别共性度量值和误分类点数目时，所述基于所述数据项层面共性度量值和所述特征层面共性度量值，确定所述目标测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种移动电源故障检测方法，其特征在于，应用于检测设备，所述方法包括：获取拟匹配的目标测试数据集和参考测试数据集；基于所述目标测试数据集中各数据项的维度数值和所述参考测试数据集中各数据项的维度数值，确定所述目标测试数据集与所述参考测试数据集的数据项层面共性度量值；所述数据项层面共性度量值用以指示所述目标测试数据集与所述参考测试数据集在数据项层面的相似性；基于所述目标测试数据集对应的目标表征向量和所述参考测试数据集对应的参考表征向量，确定所述目标测试数据集与所述参考测试数据集的特征层面共性度量值；所述特征层面共性度量值用以指示所述目标测试数据集与所述参考测试数据集在特征层面的相似性；基于所述数据项层面共性度量值和所述特征层面共性度量值，确定所述目标测试数据集与所述参考测试数据集的匹配结果；如果所述匹配结果为正面结果，则将所述参考测试数据集对应的故障类型作为所述目标测试数据集的故障类型
。2.
根据权利要求1所述的方法，其特征在于，所述基于所述目标测试数据集中各数据项的维度数值和所述参考测试数据集中各数据项的维度数值，确定所述目标测试数据集与所述参考测试数据集的数据项层面共性度量值，包括：针对所述目标测试数据集和所述参考测试数据集中的每个数据项，基于所述数据项的各个电压维度数值，确定所述数据项对应的象征维度数值；基于所述目标测试数据集中各数据项分别对应的象征维度数值和所述参考测试数据集中各数据项分别对应的象征维度数值，确定整体匹配率数据和
/
或细节匹配率数据，作为所述数据项层面共性度量值；其中，所述整体匹配率数据的获取过程包括：基于所述目标测试数据集中各数据项分别对应的象征维度数值和所述参考测试数据集中各数据项分别对应的象征维度数值，获取均方差；基于每个所述数据项的数值和所述均方差，获取所述整体匹配率数据；所述细节匹配率数据的获取过程包括：基于所述目标测试数据集中各数据项分别对应的象征维度数值的平均结果和所述参考测试数据集中各数据项分别对应的象征维度数值的平均结果，获取电压共性度量值；基于所述目标测试数据集中各数据项分别对应的象征维度数值的方差和所述参考测试数据集中各数据项分别对应的象征维度数值的方差，获取电流共性度量值；基于所述目标测试数据集中各数据项分别对应的象征维度数值和所述参考测试数据集中各数据项分别对应的象征维度数值，获取所述目标测试数据集与所述参考测试数据集之间的共变差；基于所述共变差
、
所述目标测试数据集中各数据项分别对应的象征维度数值的方差和所述参考测试数据集中各数据项分别对应的象征维度数值的方差，获取细节共性度量值；基于所述电压共性度量值
、
所述电流共性度量值以及所述细节共性度量值，确定所述细节匹配率数据
。3.
根据权利要求1所述的方法，其特征在于，所述基于所述目标测试数据集对应的目标表征向量和所述参考测试数据集对应的参考表征向量，确定所述目标测试数据集与所述参
考测试数据集的特征层面共性度量值，包括：基于特征识别算法对所述目标测试数据集和所述参考测试数据集进行特征识别，得到所述目标测试数据集中的各第一核心数据项和其分别对应的数据项表征向量和所述参考测试数据集中的各第二核心数据项和其分别对应的数据项表征向量；基于所述第一核心数据项和其对应的数据项表征向量和所述第二核心数据项和其对应的数据项表征向量，确定识别共性度量值，作为所述特征层面共性度量值；基于测试数据集特征挖掘模型对所述目标测试数据集和所述参考测试数据集进行表征向量挖掘，得到所述目标测试数据集对应的第一隐藏测试表征向量和所述参考测试数据集对应的第二隐藏测试表征向量；基于所述第一隐藏测试表征向量和所述第二隐藏测试表征向量，确定误分类点数目，作为所述特征层面共性度量值
。4.
根据权利要求3所述的方法，其特征在于，所述基于所述第一核心数据项和其对应的数据项表征向量和所述第二核心数据项和其对应的数据项表征向量，确定识别共性度量值，包括：基于各所述第一核心数据项和其分别对应的数据项表征向量和各所述第二核心数据项和其分别对应的数据项表征向量，建立多个候选核心数据项组；所述候选核心数据项组包括一个所述第一核心数据项和一个所述第二核心数据项，同属一个所述候选核心数据项组的所述第一核心数据项和所述第二核心数据项分别对应的数据项表征向量间符合第一距离要求；在所述多个候选核心数据项组中确定目标核心数据项组；所述目标核心数据项组中的所述第一核心数据项和所述第二核心数据项分别对应的数据项表征向量间符合第二距离要求；基于各个所述目标核心数据项组包括的所述第一核心数据项和所述第二核心数据项的数量和所述目标测试数据集中所述第一核心数据项的总数
、
所述参考测试数据集中所述第二核心数据项的总数，确定所述识别共性度量值
。5.
根据权利要求3所述的方法，其特征在于，所述第一隐藏测试表征向量包括所述目标测试数据集中各数据项分别对应的数据项隐藏表征向量，所述第二隐藏测试表征向...

【专利技术属性】
技术研发人员：刘光谋，
申请(专利权)人：深圳市蓝之洋科技有限公司，
类型：发明
国别省市：