CN119150005B 线束连接性能智能测试方法及系统 （相变能源科技（青岛）有限公司）

根据线束测试数据进行电气性能检测提取以及2步骤S1：通过边缘计算节点实时采集线束测试设备和线束传感器生成的线束测试数步骤S2：根据线束测试数据进行电气性能检测提取以及机械性步骤S3：根据线束电气性能检测数据进行电气性能步骤S4：根据线束电气性能评估数据以及线束机械步骤S11：通过边缘计算节点实时采集线束测试设备和线束传感器生成的初始线束测根据线束测试频段解耦数据进行分层解卷，得到线束频段分层数据，3试分类数据包括线束电气性能测试数据以及线束机械性能步骤S31：利用预设的线束电气评估模型对线束电气性能检测数据进行电气性能深度其中步骤S31中预设的线束电气评估模型的构建通过预设的线束历史数据库获取历史线束电气性能检测数据以及历史电气性能评估对历史线束电气性能检测数据进行数据划分，得到历史线束测试数据以利用历史线束验证数据对历史线束次级特征数据进行迭代训练并通过历史电气性能4线束测试数据采集模块，用于通过边缘计算节点实时采集线束性能检测提取模块，用于根据线束测试数据进行电气性线束性能评估模块，用于根据线束电气性能检测数据进线束连接性能测试评估模块，用于根据线束电气性能评估5成为了一个问题。得到线束电气性能检测数据以及线束机械性6[0011]步骤S11：通过边缘计算节点实时采集线束测试设备和线束传感器生成的初始线7[0047]本发明中使数据间的隐含关联得以显性化，提高了后续分析中特征提取的准确8束测试分类数据包括线束电气性能测试数据以及线束机械据得到针对性的处理和分析。转换后的电气性能检测数据具有较高的检测精度和一致性，[0055]步骤S31：利用预设的线束电气评估模型对线束电气性能检测数据进行电气性能[0059]通过预设的线束历史数据库获取历史线束电气性能检测数据以及历史电气性能[0062]对历史线束初级特征数据进行多头自注意力层处理，得到历史线束加权特征数[0064]利用历史线束验证数据对历史线束次级特征数据进行迭代训练并通过历史电气9[0070]步骤S44：根据参数交叉分析数据进行环境适应性验证，得到线束环境适应性数并标记时间戳。边缘节点在采集完数据后会以指定的数据格式将其打包并发送到存储模得到线束电气性能检测数据以及线束机械性层可以通过应用不同的激活函数来增强模型的表达能力，使得特征更加适用于输出预测。构实现不同数据模态的综合评估。[0104]步骤S11：通过边缘计算节点实时采集线束测试设备和线束传感器生成的初始线与机械特性。边缘计算节点将传感器采集的模拟信号转换为数字信号，并在每条数据记录上附加时间戳，以便在后续处理中保持时间序列的完整性和一致性。为减轻边缘计算节点的负载，初始数据在采集过程中会通过数据压缩技术减少传输数据量，例如通过固定频率缘计算节点通过分析数据的统计特性来检测干扰，例如通过计算电气信号的峰值和方差，importpywt#使用小波分解进行分层解卷coeffs=pywt.wavedec(mid_freq_convolved,'db4',level=3)#coeffs包含三层细节层和维后的每个信号特征视为图中的节点，不同特征之间的相似性或相关性则定义为图的边。括两个编码层以及一个解码层，两个编码层分别为掩码编码层以及解释编码层，解码层为多头自注意力解码层。掩码编码层的作用是通过对输入数据中的某些部分进行掩盖（masking使模型能够学习在缺少部分输入的情况下仍然可以有效地提取特征。具体来说，掩码编码层随机将输入数据中的一部分置零或掩盖，这种操作能够帮助模型增强对噪声和缺失数据的鲁棒性。这一过程类似于数据增强，但在特征层面上强制模型识别输入数据的核心模式，而不是过度依赖每个具体的数值，采用随机掩码，或者带有先验知识的掩过进一步的特征提取，对掩码编码层的输出数据进行解读和加工，使得模型在获得主要模式后，能够更加关注特征的局部细节和复杂关系。解释编码层由多层神经网络或机制，解释编码层根据掩码编码层的输出特性，自适应地对输入特征的不同部分分配不同于重要特征的学习。多头自注意力解码层的核心任务是将编码后的低维特征解码为高维表被拆分为多个头部，每个头部独立计算不同的注意力权重。多头注意力的优势在于可以从注意力机制允许模型捕捉特征间的长距离依赖关系，使解码层能够在重构过程中融合各个特征之间的交互关系，而不仅仅是局部的时间点或空间点。各头的输出在经过独立的特征束测试分类数据包括线束电气性能测试数据以及线束机械[0184]步骤S31：利用预设的线束电气评估模型对线束电气性能检测数据进行电气性能[0191]通过预设的线束历史数据库获取历史线束电气性能检测数据以及历史电气性能活计算并全连接层计算)进行基本特征提取。初级隐藏层通过计算每条记录的电压和电流[0197]对历史线束初级特征数据进行多头自注意力层处理，得到历史线束加权特征数[0201]利用历史线束验证数据对历史线束次级特征数据进行迭代训练并通过历史电气分析结果可以揭示出各环境参数对线束性能的影响程度，例如温度对电气性能的影响大于对机械性能的影响。[0210]步骤S44：根据参数交叉分析数据进行环境适应性验证，得到线束环境适应性数[0220]以上所述仅是本发明的具体实施方式，使本领域技术人员能够