System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种会议桌牌故障评估方法技术_技高网

一种会议桌牌故障评估方法技术

技术编号:40152850 阅读:5 留言:0更新日期:2024-01-26 23:18
本发明专利技术公开了一种会议桌牌故障评估方法,包括正常估测;正常估测包括以下步骤:S1、采集会议桌牌的正常影响因素;S2、通过主成分分析法对各正常影响因素进行预处理,得到处理后的正常输入变量;S3、将正常输入变量输入到正常电能损耗模型中,得到正常电能损耗估测值;将正常电能损耗估测值和正常电能损耗实际值进行比较,如果两者之差超过正常损耗阈值,则认为桌牌健康状态异常,通过系统界面对用户发出提醒。本发明专利技术适用于电子纸会议桌牌,可以准确、及时发现桌牌的故障或潜在故障,提醒用户更换或处理。

【技术实现步骤摘要】

本专利技术涉及会议桌牌控制领域,尤其是涉及一种会议桌牌故障评估方法


技术介绍

1、免布线会议桌牌是由电子纸(e-paper)作为显示屏的新型会议桌牌。它采用电池供电,即使掉电也能维持显示,采用低功耗蓝牙通信技术,无需布设任何线缆。

2、电子纸桌牌在掉电之后仍能正常显示画面,这使得用户不容易及时发现桌牌的运行故障,这往往导致故障无法及时处理。


技术实现思路

1、本专利技术主要是解决现有技术所存在的无法及时发现桌牌故障的技术问题,提供一种可以检测桌牌状态、及时发现故障的会议桌牌故障评估方法。

2、本专利技术针对上述技术问题主要是通过下述技术方案得以解决的:一种会议桌牌故障评估方法,当空载运行时间达到空载时长阈值或发生了一次全刷或发生了一次局刷时,触发正常估测;正常估测包括以下步骤:空载时长阈值人为设定,一般不小于12小时;

3、s1、采集会议桌牌的正常影响因素,正常影响因素包括电池能量密度、当前电池剩余电量百分比、当前环境温度、桌牌运行时长、全刷值和局刷值;桌牌运行时长为上次正常估测到本次正常估测的相隔时长;如果上次正常估测到本次正常估测之间发生了全刷则全刷值为1,否则全刷值为0;如果上次正常估测到本次正常估测之间发生了局刷则局刷值为1,如果未发生局刷则局刷值为0;

4、s2、通过主成分分析法对各正常影响因素进行预处理,得到处理后的正常输入变量x=[ x1,x2, x3,x4,x5,x6];

5、s3、将正常输入变量输入到正常电能损耗模型中,得到正常电能损耗估测值;将正常电能损耗估测值和正常电能损耗实际值进行比较,如果两者之差超过正常损耗阈值,则认为桌牌健康状态异常,通过系统界面对用户发出提醒;正常电能损耗实际值为上一次正常估测到这一次正常估测之间的电池电能剩余电量百分比之差。如果本次为第一次正常估测(即没有上一次正常估测),则正常电能损耗实际值为开机时到本次正常估测之间的电池电能剩余电量百分比之差。

6、作为优选,将自上一次窗口估测时间(如果第一次触发,则上一次窗口估测时间为开机时间)到当前时间这个时间段记为估测窗口期,估测窗口期时长达到窗口估测阈值,则触发窗口期估测,窗口期估测包括以下步骤:

7、a1、采集会议桌牌的窗口期影响因素,窗口期影响因素包括电池能量密度、当前电池剩余电量百分比、当前环境温度、估测窗口期时长、累计全刷次数和累计局刷次数;累计全刷次数为估测窗口期内的全刷次数之和,累计局刷次数为估测窗口期内的局刷次数之和;

8、a2、通过主成分分析法对各窗口期影响因素进行预处理,得到处理后的窗口期输入变量x’=[x’1,x’2, x’3,x’4, x’5,x’6];

9、a3、将窗口期输入变量输入到窗口期电能损耗模型中,得到窗口期电能损耗估测值;将窗口期电能损耗估测值和窗口期电能损耗实际值进行比较,如果两者之差超过窗口期损耗阈值,则认为桌牌健康状态异常,通过系统界面对用户发出提醒;窗口期电能损耗实际值为上一次窗口期估测到这一次窗口期估测之间的电池电能剩余电量百分比之差。

10、作为优选,如果估测窗口期内的电量损耗高于第一阈值或估测窗口期内的环境温度变化大于第二阈值,则取消本次窗口期估测。第一阈值和第二阈值由人为设定,一般第一阈值不超过2%,第二阈值不超过10摄氏度。

11、作为优选,所述正常电能损耗模型为4层bp神经网络,包括1个输入层、2个隐藏层和1个输出层;输入层为经过预处理的正常输入变量x=[x1,x2, x3,x4,x5,x6];隐藏层各包含16个神经元机构,并使用sigmod函数作为激活函数;输出层只包含正常电能损耗估测值1个变量。

12、作为优选,正常电能损耗模型通过以下方式进行训练:选择10款不同的干电池,分别在剩余电量不同阶段、不同环境温度下,对空载运行固定时长、1次全刷、不同面积的局刷进行电量消耗统计,获得5000组以上正常训练样本数据,对模型进行训练,训练时采用梯度下降算法,损失函数采用均方误差。

13、作为优选,所述窗口期电能损耗模型为4层bp神经网络,包括1个输入层、2个隐藏层和1个输出层;输入层为经过预处理的窗口期输入变量x’=[x’1,x’2, x’3,x’4, x’5,x’6];隐藏层各包含16个神经元机构,并使用sigmod函数作为激活函数;输出层只包含窗口期电能损耗估测值1个变量。

14、作为优选,窗口期电能损耗模型通过以下方式进行训练:选择10款不同的干电池,分别在剩余电量不同阶段、不同环境温度下,连续进行1次全刷、1次局刷、1次全刷、1次局刷、……,直至电池电量消耗分别接近5个不同的预设值;5个预设值按从小到大均匀分布,建议分别为90%、70%、50%、30%和10%,获得5000组以上窗口期训练样本数据,对模型进行训练,训练时采用梯度下降算法,损失函数采用均方误差。

15、作为优选,在判断故障时可以将正常估测结果和窗口期估测结果进行结合。当窗口期电能损耗估测值和窗口期电能损耗实际值之差小于窗口期损耗阈值且大于窗口期损耗阈值的80%时,触发联合判定,即统计窗口期内所有正常估测结果中,正常电能损耗估测值和正常电能损耗实际值之差大于正常损耗阈值的80%的次数记为tm,如果tm大于窗口期所有正常估测次数的80%,且最后三次正常估测的结果中正常电能损耗估测值和正常电能损耗实际值之差大于正常损耗阈值的90%,则认定会议桌牌存在潜在故障,通过系统发出警示。

16、本专利技术带来的实质性效果是,可以准确、及时发现桌牌的故障或潜在故障,提醒用户更换或处理。

本文档来自技高网...

【技术保护点】

1.一种会议桌牌故障评估方法,其特征在于,当空载运行时间达到空载时长阈值或发生了一次全刷或发生了一次局刷时,触发正常估测;正常估测包括以下步骤:

2.根据权利要求1所述的一种会议桌牌故障评估方法,其特征在于,将自上一次窗口估测时间到当前时间这个时间段记为估测窗口期,估测窗口期时长达到窗口估测阈值,则触发窗口期估测,窗口期估测包括以下步骤:

3.根据权利要求2所述的一种会议桌牌故障评估方法,其特征在于,如果估测窗口期内的电量损耗高于第一阈值或估测窗口期内的环境温度变化大于第二阈值,则取消本次窗口期估测。

4.根据权利要求1或3所述的一种会议桌牌故障评估方法,其特征在于,所述正常电能损耗模型为4层BP神经网络,包括1个输入层、2个隐藏层和1个输出层;输入层为经过预处理的正常输入变量X=[x1,x2, x3,x4,x5,x6];隐藏层各包含16个神经元机构,并使用sigmod函数作为激活函数;输出层只包含正常电能损耗估测值1个变量。

5.根据权利要求4所述的一种会议桌牌故障评估方法,其特征在于,正常电能损耗模型通过以下方式进行训练:选择10款不同的干电池,分别在剩余电量不同阶段、不同环境温度下,对空载运行固定时长、1次全刷、不同面积的局刷进行电量消耗统计,获得5000组以上正常训练样本数据,对模型进行训练,训练时采用梯度下降算法,损失函数采用均方误差。

6.根据权利要求3所述的一种会议桌牌故障评估方法,其特征在于,所述窗口期电能损耗模型为4层BP神经网络,包括1个输入层、2个隐藏层和1个输出层;输入层为经过预处理的窗口期输入变量X’=[x’1,x’2, x’3,x’4, x’5,x’6];隐藏层各包含16个神经元机构,并使用sigmod函数作为激活函数;输出层只包含窗口期电能损耗估测值1个变量。

7.根据权利要求6所述的一种会议桌牌故障评估方法,其特征在于,窗口期电能损耗模型通过以下方式进行训练:选择10款不同的干电池,分别在剩余电量不同阶段、不同环境温度下,连续进行1次全刷、1次局刷、1次全刷、1次局刷、……,直至电池电量消耗分别接近5个不同的预设值;5个预设值按从小到大均匀分布,获得5000组以上窗口期训练样本数据,对模型进行训练,训练时采用梯度下降算法,损失函数采用均方误差。

...

【技术特征摘要】

1.一种会议桌牌故障评估方法,其特征在于,当空载运行时间达到空载时长阈值或发生了一次全刷或发生了一次局刷时,触发正常估测;正常估测包括以下步骤:

2.根据权利要求1所述的一种会议桌牌故障评估方法,其特征在于,将自上一次窗口估测时间到当前时间这个时间段记为估测窗口期,估测窗口期时长达到窗口估测阈值,则触发窗口期估测,窗口期估测包括以下步骤:

3.根据权利要求2所述的一种会议桌牌故障评估方法,其特征在于,如果估测窗口期内的电量损耗高于第一阈值或估测窗口期内的环境温度变化大于第二阈值,则取消本次窗口期估测。

4.根据权利要求1或3所述的一种会议桌牌故障评估方法,其特征在于,所述正常电能损耗模型为4层bp神经网络,包括1个输入层、2个隐藏层和1个输出层;输入层为经过预处理的正常输入变量x=[x1,x2, x3,x4,x5,x6];隐藏层各包含16个神经元机构,并使用sigmod函数作为激活函数;输出层只包含正常电能损耗估测值1个变量。

5.根据权利要求4所述的一种会议桌牌故障评估方法,其特征在于,正常电能损耗模型通过以下方式进行训练:选...

【专利技术属性】
技术研发人员:王桂营张金章秦浩林云吴一峰刘建巍金正元徐梦然
申请(专利权)人:杭州华会通科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1