本發(fā)明涉及電纜老化檢測，具體為一種新能源汽車充電電纜老化性能的測試方法及系統(tǒng)。

背景技術(shù)：

1、新能源汽車的快速發(fā)展推動(dòng)了充電基礎(chǔ)設(shè)施的建設(shè)，其中充電電纜作為連接電源和車輛的關(guān)鍵組件，其性能和安全性尤為重要，為了確保充電電纜在各種極端環(huán)境條件下的可靠性和耐久性，對其進(jìn)行系統(tǒng)性的老化性能測試成為一個(gè)關(guān)鍵環(huán)節(jié)。

2、然而，目前在充電電纜老化性能測試方面，存在一些現(xiàn)狀缺點(diǎn)和不足之處，傳統(tǒng)的測試方法主要依賴于靜態(tài)和單一環(huán)境條件的測試，難以全面反映電纜在實(shí)際使用中的復(fù)雜應(yīng)力和環(huán)境變化，例如，僅在室溫條件下進(jìn)行的測試不能準(zhǔn)確預(yù)測電纜在高溫或低溫環(huán)境中的性能變化，同樣，高濕度和鹽水浸泡相關(guān)極端條件下的電纜老化行為也無法通過單一的實(shí)驗(yàn)室測試得到全面評估，這些局限性導(dǎo)致現(xiàn)有測試方法無法提供充足的數(shù)據(jù)支持，影響了電纜設(shè)計(jì)和選材的優(yōu)化。

3、這些現(xiàn)狀和缺點(diǎn)主要由于傳統(tǒng)測試系統(tǒng)在環(huán)境條件模擬方面的精度不足，無法實(shí)現(xiàn)對多種極端環(huán)境條件的準(zhǔn)確模擬和控制，這種模擬精度不足帶來了一系列異常效果，例如測試結(jié)果的誤差較大，無法準(zhǔn)確預(yù)測電纜在實(shí)際使用中的老化行為；對環(huán)境應(yīng)力的響應(yīng)滯后，導(dǎo)致老化性能評估不準(zhǔn)確；以及測試重復(fù)性差，難以進(jìn)行可靠的對比分析，上述問題不僅增加了設(shè)計(jì)和制造過程中的不確定性，還可能導(dǎo)致電纜在實(shí)際應(yīng)用中的安全隱患。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種新能源汽車充電電纜老化性能的測試方法及系統(tǒng)，解決了背景技術(shù)中提到的問題。

2、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種新能源汽車充電電纜老化性能的測試系統(tǒng)，包括環(huán)境采集模塊、數(shù)據(jù)處理模塊、性能測試模塊和評估模塊；

3、所述環(huán)境采集模塊通過對溫控設(shè)備、濕控設(shè)備和浸水設(shè)備預(yù)設(shè)的環(huán)境調(diào)節(jié)測試的電纜進(jìn)行實(shí)時(shí)采集環(huán)境測試數(shù)據(jù)，組成測試數(shù)據(jù)組；

4、所述數(shù)據(jù)處理模塊對測試數(shù)據(jù)組進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化和特征提取，組成特征提取數(shù)據(jù)集x；

5、所述性能測試模塊對數(shù)據(jù)集x進(jìn)行建立多模型，包括建立隨機(jī)森林模型、梯度提升樹模型和深度神經(jīng)網(wǎng)絡(luò)模型，并對隨機(jī)森林的集成預(yù)測結(jié)果、決策樹的預(yù)測結(jié)果和深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，使用元模型進(jìn)行擬合預(yù)測，獲取stacking模型的預(yù)測結(jié)果；

6、所述評估模塊通過預(yù)設(shè)的電纜性能老化測試評估閾值l與stacking模型的預(yù)測結(jié)果進(jìn)行匹配，獲取電纜老化性能測試評估方案，并根據(jù)電纜老化性能測試評估方案內(nèi)容進(jìn)行具體展示和通知。

7、優(yōu)選的，所述環(huán)境采集模塊包括溫控單元、濕控單元和浸水單元；

8、所述溫控單元通過使用高精度溫控設(shè)備，包括環(huán)境箱和熱循環(huán)系統(tǒng)，控制電纜測試環(huán)境的溫度，進(jìn)而通過設(shè)備模擬出極端高溫和低溫環(huán)境狀態(tài)，并通過pid控制算法實(shí)時(shí)調(diào)節(jié)和維持溫度，確保溫度波動(dòng)范圍在設(shè)定值的±0.1°c以內(nèi)；

9、所述濕控單元通過使用加濕器和除濕器設(shè)備，調(diào)節(jié)和控制測試電纜環(huán)境的濕度狀態(tài)，進(jìn)而通過設(shè)備模擬出特殊的電纜使用環(huán)境，包括雨天高濕度和熱天低濕度；

10、所述浸水單元通過使用浸水槽和液體循環(huán)設(shè)備，模擬電纜測試在不同液體中的浸泡條件，包括鹽水條件和酸堿水條件；

11、所述測試數(shù)據(jù)組通過記錄與電纜老化相關(guān)參數(shù)進(jìn)行構(gòu)建，包括電阻變化率、絕緣電阻、溫度、濕度、電流、浸水條件和機(jī)械應(yīng)力信息進(jìn)行組成。

12、優(yōu)選的，所述數(shù)據(jù)處理模塊包括預(yù)處理單元和提取單元；

13、所述預(yù)處理單元對測試數(shù)據(jù)組的數(shù)據(jù)信息進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗和數(shù)據(jù)標(biāo)準(zhǔn)化，包括溫度、濕度、浸水條件、電阻和絕緣電阻相關(guān)測試數(shù)據(jù)；

14、其中，數(shù)據(jù)清洗包括識別并刪除異常值、噪聲和填補(bǔ)缺失值；數(shù)據(jù)標(biāo)準(zhǔn)化包括將不同量綱的數(shù)據(jù)轉(zhuǎn)換到相同量綱，確保數(shù)據(jù)的一致性；

15、所述提取單元根據(jù)電纜老化性能相關(guān)參數(shù)進(jìn)行選擇相關(guān)參數(shù)的特征信息進(jìn)行提取，包括電阻變化率、絕緣電阻、溫度、濕度、電流、浸水條件和機(jī)械應(yīng)力，同步對提取的特征信息進(jìn)行計(jì)算，組成特征提取數(shù)據(jù)集x；

16、所述特征提取數(shù)據(jù)集x具體為x{，，t，h，i，w，f，，}，其中，表示電阻變化率，表示絕緣電阻值，t表示溫度值，h表示濕度值，i表示電流值，w表示浸水條件序列值，f表示機(jī)械應(yīng)力值，表示電阻變化率的波動(dòng)值，表示絕緣電阻值的波動(dòng)值。

17、優(yōu)選的，所述性能測試模塊包括建模單元和模型集成單元；

18、所述建模單元對特征提取數(shù)據(jù)集x進(jìn)行建立隨機(jī)森林模型，并通過選擇基尼不純度最小的特征提取數(shù)據(jù)集x的基尼不純度特征進(jìn)行分裂構(gòu)建決策樹模型，同時(shí)隨機(jī)森林通過集成多個(gè)決策樹的預(yù)測結(jié)果，提高模型的泛化能力和預(yù)測精度后獲取隨機(jī)森林的集成預(yù)測結(jié)果；使用特征提取數(shù)據(jù)集x進(jìn)行建立梯度提升樹模型，通過迭代訓(xùn)練多個(gè)決策樹來優(yōu)化殘差，通過殘差更新后獲取決策樹的預(yù)測結(jié)果；使用特征提取數(shù)據(jù)集x深度神經(jīng)網(wǎng)絡(luò)模型，通過前向傳播和反向傳播算法進(jìn)行訓(xùn)練，來逐步更新模型參數(shù)，最小化損失函數(shù)后獲取深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果；

19、所述模型集成單元通過使用stacking方法將隨機(jī)森林的集成預(yù)測結(jié)果、決策樹的預(yù)測結(jié)果和深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行集成，通過元模型進(jìn)行擬合預(yù)測，獲取stacking模型的預(yù)測結(jié)果。

20、優(yōu)選的，所述隨機(jī)森林的集成預(yù)測結(jié)果通過以下計(jì)算公式獲?。?/p>

21、；

22、式中，表示隨機(jī)森林的集成預(yù)測結(jié)果，表示決策樹數(shù)量，表示第t棵決策樹的預(yù)測結(jié)果；

23、所述第t棵決策樹的預(yù)測結(jié)果通過以下計(jì)算公式獲取：

24、；

25、式中，表示第t棵決策樹的預(yù)測函數(shù)，x表示特征提取數(shù)據(jù)集；

26、所述基尼不純度的分裂通過公式計(jì)算獲取，其中，表示特征提取數(shù)據(jù)集x的基尼不純度，k表示樣本類別數(shù)量，表示屬于第k類的樣本比例。

27、優(yōu)選的，所述殘差更新通過以下計(jì)算公式進(jìn)行優(yōu)化：

28、；

29、式中，表示第m次迭代的第i個(gè)樣本的殘差，表示第i個(gè)樣本的真實(shí)值，表示前m-1次迭代的模型輸入的特征提取數(shù)據(jù)集x的預(yù)測值，通過殘差更新計(jì)算公式表示當(dāng)前模型在第i個(gè)樣本上的預(yù)測誤差，并通過對殘差的擬合，對決策樹進(jìn)行修正模型的預(yù)測誤差；

30、所述決策樹的預(yù)測結(jié)果通過以下計(jì)算公式獲取：

31、；

32、式中，表示第m棵決策樹的預(yù)測結(jié)果，表示第m棵決策樹的預(yù)測函數(shù)，x表示特征提取數(shù)據(jù)集。

33、優(yōu)選的，所述深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果通過以下計(jì)算公式獲?。?/p>

34、；

35、式中，表示深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，表示深度神經(jīng)網(wǎng)絡(luò)的預(yù)測函數(shù)，x表示特征提取數(shù)據(jù)集。

36、優(yōu)選的，所述stacking模型的預(yù)測結(jié)果通過以下計(jì)算公式獲?。?/p>

37、；

38、式中，表示stacking模型的預(yù)測結(jié)果，g表示元模型，具體包括線性回歸和dnn，表示隨機(jī)森林的集成預(yù)測結(jié)果，表示決策樹的預(yù)測結(jié)果，表示深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果。

39、優(yōu)選的，所述評估模塊包括匹配單元和執(zhí)行單元；

40、所述匹配單元通過預(yù)設(shè)的相關(guān)信息與需要的對比值進(jìn)行匹配，包括通過預(yù)設(shè)的電纜性能老化測試評估閾值l與stacking模型的預(yù)測結(jié)果進(jìn)行匹配，獲取電纜老化性能測試評估方案；

41、所述電纜老化性能測試評估方案通過以下匹配方式獲取：

42、stacking模型的預(yù)測結(jié)果＜電纜性能老化測試評估閾值l，電纜性能老化測試評估合格；

43、stacking模型的預(yù)測結(jié)果＜電纜性能老化測試評估閾值l，電纜性能老化測試評估不合格；

44、所述執(zhí)行單元根據(jù)電纜老化性能測試評估方案內(nèi)容進(jìn)行具體展示和通知，展示包括儀表板展示、檢測報(bào)告生成和彈窗提醒，通知包括檢測報(bào)告郵件通知、短信通知和移動(dòng)應(yīng)用通知。

45、一種新能源汽車充電電纜老化性能的測試方法，包括以下步驟：

46、步驟一：環(huán)境采集模塊通過對溫控設(shè)備、濕控設(shè)備和浸水設(shè)備預(yù)設(shè)的環(huán)境調(diào)節(jié)測試的電纜進(jìn)行實(shí)時(shí)采集環(huán)境測試數(shù)據(jù)，組成測試數(shù)據(jù)組；

47、步驟二：數(shù)據(jù)處理模塊對測試數(shù)據(jù)組進(jìn)行預(yù)處理，包括數(shù)據(jù)清洗、數(shù)據(jù)標(biāo)準(zhǔn)化和特征提取，組成特征提取數(shù)據(jù)集x；

48、步驟三：性能測試模塊對數(shù)據(jù)集x進(jìn)行建立多模型，包括建立隨機(jī)森林模型、梯度提升樹模型和深度神經(jīng)網(wǎng)絡(luò)模型，并對隨機(jī)森林的集成預(yù)測結(jié)果、決策樹的預(yù)測結(jié)果和深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，使用元模型進(jìn)行擬合預(yù)測，獲取stacking模型的預(yù)測結(jié)果；

49、步驟四：評估模塊通過預(yù)設(shè)的電纜性能老化測試評估閾值l與stacking模型的預(yù)測結(jié)果進(jìn)行匹配，獲取電纜老化性能測試評估方案，并根據(jù)電纜老化性能測試評估方案內(nèi)容進(jìn)行具體展示和通知。

50、本發(fā)明提供了一種新能源汽車充電電纜老化性能的測試方法及系統(tǒng)，具備以下有益效果：

51、（1）系統(tǒng)運(yùn)行時(shí)，通過環(huán)境采集模塊、數(shù)據(jù)處理模塊、性能測試模塊和評估模塊的綜合運(yùn)用，實(shí)現(xiàn)了對電纜老化性能的精確評估和預(yù)測，環(huán)境采集模塊實(shí)時(shí)收集溫控、濕控和浸水條件下的電纜測試數(shù)據(jù)，數(shù)據(jù)處理模塊對這些數(shù)據(jù)進(jìn)行清洗、標(biāo)準(zhǔn)化和特征提取，形成高質(zhì)量的特征數(shù)據(jù)集x。性能測試模塊利用隨機(jī)森林、梯度提升樹和深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多模型預(yù)測，并通過元模型進(jìn)行擬合，獲取stacking模型的預(yù)測結(jié)果，與預(yù)設(shè)的評估閾值l進(jìn)行匹配，生成電纜老化性能測試評估方案，并通過多種展示和通知方式進(jìn)行傳達(dá)，解決了傳統(tǒng)方法響應(yīng)慢、預(yù)測精度低、適應(yīng)性差的問題，提供了更高的準(zhǔn)確性和可靠性，顯著提升了電纜老化性能測試的科學(xué)性和有效性，為電纜維護(hù)和管理提供了強(qiáng)有力的支持，確保了系統(tǒng)的安全性和穩(wěn)定性。

52、（2）通過利用特征提取數(shù)據(jù)集x分別構(gòu)建了隨機(jī)森林模型、梯度提升樹模型和深度神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行訓(xùn)練，再通過使用stacking方法將隨機(jī)森林的集成預(yù)測結(jié)果、決策樹的預(yù)測結(jié)果和深度神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進(jìn)行集成，使用元模型進(jìn)行擬合預(yù)測，獲取stacking模型的預(yù)測結(jié)果提高了模型的泛化能力和預(yù)測精度，還有效解決了單一模型在極端環(huán)境條件下可能出現(xiàn)的預(yù)測誤差問題。

53、（3）通過預(yù)設(shè)的電纜性能老化測試評估閾值l與stacking模型的預(yù)測結(jié)果進(jìn)行匹配，準(zhǔn)確判定電纜老化性能是否合格，同步獲取電纜老化性能測試評估方案，并生成詳細(xì)的電纜老化性能測試評估方案，當(dāng)評估結(jié)果不合格時(shí)，執(zhí)行單元通過多種方式進(jìn)行具體展示和通知，包括儀表板展示、檢測報(bào)告生成、彈窗提醒，以及通過郵件、短信和移動(dòng)應(yīng)用進(jìn)行通知，這種多渠道、即時(shí)的反饋機(jī)制確保了相關(guān)人員能夠迅速獲得評估結(jié)果和建議，及時(shí)采取相應(yīng)措施。