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() 射频模块监测方法、装置、计算机设备和存储介质制造方法及图纸_技高网

射频模块监测方法、装置、计算机设备和存储介质制造方法及图纸

技术编号:41282005 阅读:3 留言:0更新日期:2024-05-11 09:32
本说明书实施方式提供了一种射频模块监测方法、装置、计算机设备和存储介质。所述方法包括:获取目标射频模块的当前运行数据;基于当前运行数据进行特征提取,得到指定特征集合;根据指定特征集合在范围影响映射关系中查找得到目标特征范围集合;范围影响映射关系用于描述预设特征范围集合与影响系数之间的对应关系,影响系数用于表征预设特征范围集合对异常监测结果的相关程度;基于目标特征范围集合对应的影响系数,确定指定特征集合对应的目标影响系数;在基于指定特征集合和目标影响系数进行异常检测得到异常监测结果的情况下,输出指定特征集合所表征的目标运行场景下的告警信息,如此,可以提高射频模块的异常识别准确性。

【技术实现步骤摘要】

本说明书中实施方式关于计算机,具体涉及一种射频模块监测方法、装置、计算机设备和存储介质


技术介绍

1、随着分布式光伏技术和电动汽车的发展,能够为电动汽车提供冲换电服务的冲换电基础设施如光储充换站等也得到快速发展,在为电动汽车提供冲换电服务的过程中,需要通过射频模块(radio frequency module)或无线通信设备上的射频模块来实现光储充换站之间以及光储充换站与电动汽车之间的无线通信,从而提高冲换电效率。

2、相关技术中,通常是对冲换电基础设施进行整体监测,或者对冲换电基础设施中的关键设备如充电桩、能源管理系统进行整体的异常监测。

3、虽然对冲换电基础设施中的关键设备的整体监测能够发现故障或异常,但是相关技术中的射频模块的异常识别准确性有待提高。


技术实现思路

1、有鉴于此,本说明书多个实施方式致力于提供一种射频模块监测方法、装置、计算机设备和存储介质,以提高射频模块的异常识别准确性。

2、本说明书实施方式提供一种射频模块监测方法,所述方法包括:获取目标射频模块的当前运行数据;基于所述当前运行数据进行特征提取,得到指定特征集合;其中,所述指定特征集合能够表征所述目标射频模块在当前时刻的运行状态;根据所述指定特征集合中的指定特征数据在范围影响映射关系中查找,得到所述指定特征集合中的指定特征数据所处的目标特征范围所属的目标特征范围集合;其中,所述范围影响映射关系用于描述预设特征范围集合与影响系数之间的对应关系,影响系数用于表征预设特征范围集合对异常监测结果的相关程度;基于所述目标特征范围集合对应的影响系数,确定所述指定特征集合对应的目标影响系数;在基于所述指定特征集合和所述目标影响系数进行异常检测得到异常监测结果的情况下,输出所述指定特征集合所表征的目标运行场景下的告警信息。

3、在一些实施方式中,所述输出所述指定特征集合所表征的目标运行场景下的告警信息之前,所述方法还包括:将所述指定特征集合和所述目标影响系数输入至预先训练好的健康检测模型中进行异常预测,得到监测结果;其中,所述监测结果包括所述异常监测结果。

4、在一些实施方式中,所述指定特征集合包括至少一个指定特征数据;任一所述指定特征数据为以下之一:温度特征、信号强度特征、信噪比特征、驻波比特征、通信频率特征、电压特征;所述范围影响映射关系包括多个预设特征范围集合以及所述多个预设特征范围集合各自对应的影响系数;任一所述预设特征范围集合包括至少一个预设特征范围,任一所述预设特征范围为以下之一:温度特征范围、信号强度特征范围、信噪比特征范围、驻波比特征范围、通信频率特征范围、电压特征范围范围。

5、在一些实施方式中,通过以下方式训练所述健康检测模型:基于所述目标射频模块或非所述目标射频模块的历史运行数据进行特征提取,得到作为训练样本的历史特征集合;其中,所述作为训练样本的历史特征集合包括至少一个历史特征数据;所述作为训练样本的历史特征集合的标签是基于风险指标集合进行确定的;根据所述历史特征集合在所述范围影响映射关系中查找,得到所述历史特征集合中的历史特征数据所属的历史目标特征范围集合对应的历史目标影响系数;根据所述历史特征集合、所述历史目标影响系数和所述标签对初始检测模型进行模型训练,得到所述健康检测模型。

6、在一些实施方式中,所述风险指标集合包括至少一个风险指标;所述标签通过以下方式确定:针对所述作为训练样本的历史特征集合中的任一历史特征数据,根据所述历史特征数据在所述风险指标集合中查找对应的风险指标;根据所述历史特征数据和所述历史特征数据对应的风险指标,确定所述标签。

7、在一些实施方式中,所述作为训练样本的历史特征集合中的任一历史特征数据为以下之一:历史温度特征、历史信号强度特征、历史信噪比特征、历史驻波比特征、历史通信频率特征、历史电压特征;所述风险指标集合中的任一所述风险指标为以下之一:温度波动范围、信号强度波动范围、信噪比波动范围、驻波比波动范围、通信频率波动范围、电压波动范围。

8、在一些实施方式中,所述异常监测结果包括至少以下之一:温度异常、信号强度异常、信噪比异常、驻波比异常、通信频率异常、电压异常;所述方法还包括:在基于所述指定特征集合和所述目标影响系数进行异常检测得到异常监测结果的情况下,根据所述异常监测结果在异常维护策略中查找,得到与所述异常监测结果对应的维护策略;输出所述维护策略。

9、本说明书实施方式提供一种射频模块监测装置,所述装置包括:运行数据获取模块,用于获取目标射频模块的当前运行数据;特征提取模块,用于基于所述当前运行数据进行特征提取,得到指定特征集合;其中,所述指定特征集合能够表征所述目标射频模块在当前时刻的运行状态;特征范围确定模块,用于根据所述指定特征集合中的指定特征数据在范围影响映射关系中查找,得到所述指定特征集合中的指定特征数据所处的目标特征范围所属的目标特征范围集合;其中,所述范围影响映射关系用于描述预设特征范围集合与影响系数之间的对应关系,影响系数用于表征预设特征范围集合对异常监测结果的相关程度;影响系数确定模块,用于基于所述目标特征范围集合对应的影响系数,确定所述指定特征集合对应的目标影响系数;异常告警模块,用于在基于所述指定特征集合和所述目标影响系数进行异常检测得到异常监测结果的情况下,输出所述指定特征集合所表征的目标运行场景下的告警信息。

10、本说明书实施方式提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施方式所述的监测方法。

11、本说明书实施方式提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施方式所述的监测方法。

12、本说明书提供的多个实施方式,通过获取目标射频模块的当前运行数据进行特征提取,得到能够表征目标射频模块在当前时刻的运行状态的指定特征集合,然后,根据指定特征集合中的指定特征数据在范围影响映射关系中查找,得到指定特征集合中的指定特征数据所处的目标特征范围所属的目标特征范围集合,其中,范围影响映射关系用于描述预设特征范围集合与影响系数之间的对应关系,影响系数用于表征预设特征范围集合对异常监测结果的相关程度,之后,基于目标特征范围集合对应的影响系数,确定指定特征集合对应的目标影响系数,并在基于指定特征集合和目标影响系数进行异常检测得到异常监测结果的情况下,输出指定特征集合所表征的目标运行场景下的告警信息,如此,可以提高射频模块的异常识别准确性。

本文档来自技高网...

【技术保护点】

1.一种射频模块监测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述输出所述指定特征集合所表征的目标运行场景下的告警信息之前,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,所述指定特征集合包括至少一个指定特征数据;任一所述指定特征数据为以下之一:温度特征、信号强度特征、信噪比特征、驻波比特征、通信频率特征、电压特征;

4.根据权利要求2所述的方法,其特征在于,通过以下方式训练所述健康检测模型:

5.根据权利要求4所述的方法,其特征在于,所述风险指标集合包括至少一个风险指标;所述标签通过以下方式确定:

6.根据权利要求5所述的方法,其特征在于,所述作为训练样本的历史特征集合中的任一历史特征数据为以下之一:历史温度特征、历史信号强度特征、历史信噪比特征、历史驻波比特征、历史通信频率特征、历史电压特征;

7.根据权利要求1所述的方法,其特征在于,所述异常监测结果包括至少以下之一:温度异常、信号强度异常、信噪比异常、驻波比异常、通信频率异常、电压异常;所述方法还包括:p>

8.一种射频模块监测装置,其特征在于,所述装置包括:

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的监测方法。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的监测方法。

...

【技术特征摘要】

1.一种射频模块监测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述输出所述指定特征集合所表征的目标运行场景下的告警信息之前,所述方法还包括:

3.根据权利要求1所述的方法,其特征在于,所述指定特征集合包括至少一个指定特征数据;任一所述指定特征数据为以下之一:温度特征、信号强度特征、信噪比特征、驻波比特征、通信频率特征、电压特征;

4.根据权利要求2所述的方法,其特征在于,通过以下方式训练所述健康检测模型:

5.根据权利要求4所述的方法,其特征在于,所述风险指标集合包括至少一个风险指标;所述标签通过以下方式确定:

6.根据权利要求5所述的方法,其特征在于,所述作为训练样本的历史特征集合中...

【专利技术属性】
技术研发人员:彭涛温金雄张永宽
申请(专利权)人:协鑫电港云科技海南有限公司
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