(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111616772.4 (22)申请日 2021.12.28 (65)同一申请的已公布的文献号 申请公布号 CN 114238033 A (43)申请公布日 2022.03.25 (73)专利权人 湖南云箭智能科技有限公司 地址 410116 湖南省长 沙市雨花区振华路 199号湖南环保科技产业园创业中心 101房 (72)发明人 谭学元　曹美春　高万军　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 专利代理师 刘林　陈攀 (51)Int.Cl. G06F 11/30(2006.01)G06F 11/34(2006.01) G06K 9/62(2022.01) (56)对比文件 CN 112882833 A,2021.0 6.01 CN 108509308 A,2018.09.07 审查员 张帅领 (54)发明名称 板卡运行状态预警方法、 装置、 设备及可读 存储介质 (57)摘要 本发明提供了板卡运行状态预警方法、 装 置、 设备及可读存储介质， 所述方法包括： 获取第 一数据和第二数据； 基于距离类的聚类算法对所 述第一表 面温度集合中异常温度进行剔除； 基于 所述剔除后的表面温度集合， 利用卡尔曼滤波算 法和差分自回归移动平均预测模型预测得到所 述板卡经过第一时间段后的表 面温度预测值； 基 于所述表面温度预测值和所述第二数据确定所 述板卡经过所述第一时间段后的运行状态评分， 并基于所述板卡经过所述第一时间段后的运行 状态评分进行预警。 本发明选取了温度和湿度作 为评分因素， 而不是只选取一种因素进行评分， 通过选取多种因素可以使计算出来的评分更能 体现板卡当前的运行状态， 进而提高对板卡预警 的准确性。 权利要求书3页 说明书10页 附图3页 CN 114238033 B 2022.09.13 CN 114238033 B 1.板卡运行状态预警方法， 其特 征在于， 包括： 获取第一数据和第二数据， 所述第一数据包括当前时刻板卡的第一表面温度集合， 所 述第一表面温度集合中包括至少一个板卡的表面温度， 所述第二数据包括当前时刻板卡周 围区域的湿度集 合； 基于距离类的聚类算法对所述第 一表面温度集合中异常温度进行剔除， 得到剔除后的 表面温度集 合； 基于所述剔除后的表面温度集合， 利用卡尔曼滤波算法和差分 自回归移动平均预测模 型预测得到所述板卡经 过第一时间段后的表面温度预测值； 基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后的运 行状态评分， 并基于所述板卡经 过所述第一时间段后的运行状态评分进行 预警； 所述基于所述表面温度预测值和所述第二数据确定所述板卡经过所述第一时间段后 的运行状态评分， 并基于所述板卡经 过所述第一时间段后的运行状态评分进行 预警， 包括： 获取第三数据， 所述第三数据包括所述板卡周围区域各个湿度检测点的历史湿度， 得 到每个所述湿度检测点的历史湿度集 合； 基于所有湿度检测点的历史湿度集合对BP神经网络模型进行训练， 得到训练好的模 型； 基于所述训练好的模型、 所述当前时刻板卡周围区域的湿度集合和所述板卡经过第 一 时间段后的所述表面温度预测值得到所述板卡经过所述第一时间段后的运行状态评 分， 根 据所述第一时间段后的运行状态评分选择相应的预警模式进行 预警； 所述板卡的表面温度 可以通过设置在板卡上的温度传感器所采集， 所述板卡周围区域 的湿度可以通过设置在板卡上 的湿度传感器所采集； 其中， 所述第一表面温度集合中包括 至少一个板卡的表面温度， 所述湿度集 合中包括至少一个板卡周围区域的湿度。 2.根据权利要求1所述的板卡运行状态预警方法， 其特征在于， 所述基于距离类的聚类 算法对所述第一表面温度集 合中异常温度进行剔除， 得到剔除后的表面温度集 合， 包括： 将所述第一表面温度集 合中的任意两个温度进行组合， 得到数据组； 将全部的所述数据组利用基于距离类的聚类算法进行聚类处理， 得到第 一聚类类别集 合， 所述第一聚类 类别集合包括至少一个聚类 类别； 基于所述第 一聚类类别集合和拉依达准则计算得到各个聚类类别对应的阈值范围， 对 所有的所述阈值范围进行分析， 将全部的所述阈值范围所形成的最小阈值范围作为判断异 常温度的异常阈值范围。 3.根据权利要求2所述的板卡运行状态预警方法， 其特征在于， 所述基于所述第 一聚类 类别集合和拉依达准则计算得到各个聚类 类别对应的阈值范围， 包括： 根据每个所述第一聚类类别所包含的所述数据组的个数对所述第一聚类类别进行删 除操作， 得到第二聚类类别集合， 其中， 获取个数阈值， 若所述第一聚类类别中包含的所述 数据组的个数小于所述个数阈值， 则将所述第一聚类 类别删除； 计算所述第二聚类类别集合中每个聚类类别所对应的参数， 其中， 将所述第二聚类类 别集合中每个聚类类别中的表面温度进行集合， 得到第三表面温度集合， 计算所述第三表 面温度集合的平均数和方差， 将所述平均数和方差作为所述第二聚类类别集合中每个聚类 类别所对应的参数；权　利　要　求　书 1/3 页 2 CN 114238033 B 2根据所述第 二聚类类别集合中每个聚类类别所对应的参数， 利用拉依达准则计算每个 聚类类别对应的阈值范围。 4.根据权利要求1所述的板卡运行状态预警方法， 其特征在于， 基于所述剔除后的表面 温度集合， 利用卡尔曼滤波算法和差分自回归移动平均预测模型预测得到所述板卡经过第 一时间段后的表面温度预测值， 包括： 基于所述卡尔曼滤波算法对所述剔除后的表面温度集合进行去噪处理， 得到去噪后的 表面温度集 合； 基于所述去噪后的表面温度集 合构建差分自回归移动平均预测模型； 通过所述差分自回归移动平均预测模型得到所述板卡经过第一时间段后的表面温度 预测值。 5.板卡运行状态预警装置， 其特 征在于， 包括： 获取模块， 用于获取第一数据和第二数据， 所述第一数据包括当前时刻板卡的第一表 面温度集合， 所述第一表面温度集合中包括至少一个板卡的表面温度， 所述第二数据包括 当前时刻板卡周围区域的湿度集 合； 剔除模块， 用于基于距离类的聚类算法对所述第一表面温度集合中异常温度进行剔 除， 得到剔除后的表面温度集 合； 预测模块， 用于基于所述剔除后的表面温度集合， 利用卡尔曼滤波算法和差分自回归 移动平均预测模型 预测得到所述板卡经 过第一时间段后的表面温度预测值； 预警模块， 用于基于所述表面温度 预测值和所述第 二数据确定所述板卡经过所述第 一 时间段后的运行状态评 分， 并基于所述板卡经过所述第一时间段后的运行状态评分进 行预 警； 所述预警模块包括： 获取单元， 用于获取第三数据， 所述第三数据包括所述板卡周围区域各个湿度检测点 的历史湿度， 得到每 个所述湿度检测点的历史湿度集 合； 训练单元， 用于基于所有湿度检测点的历史湿度集合对BP神经网络模型进行训练， 得 到训练好的模型； 预警单元， 用于基于所述训练好的模型、 所述当前时刻板卡周围区域的湿度集合和所 述板卡经过第一时间段后的所述表面温度预测 值得到所述板卡经过所述第一时间段后的 运行状态评分， 根据所述第一时间段后的运行状态评分选择相应的预警模式进行 预警； 所述板卡的表面温度 可以通过设置在板卡上的温度传感器所采集， 所述板卡周围区域 的湿度可以通过设置在板卡上 的湿度传感器所采集； 其中， 所述第一表面温度集合中包括 至少一个板卡的表面温度， 所述湿度集 合中包括至少一个板卡周围区域的湿度。 6.根据权利要求5所述的板卡 运行状态预警装置， 其特 征在于， 所述剔除模块， 包括： 组合单元， 用于将所述第一表面温度集 合中的任意两个温度进行组合， 得到数据组； 聚类单元， 用于将全部的所述数据组利用基于距离类的聚类算法进行聚类处理， 得到 第一聚类 类别集合， 所述第一聚类 类别集合包括至少一个聚类 类别； 计算单元， 用于基于所述第 一聚类类别集合和拉依达准则计算得到各个聚类类别对应 的阈值范围， 对所有的所述阈值范围进行分析， 将全部的所述阈值范围所形成的最小阈值 范围作为判断异常温度的异常阈值范围。权　利　要　求　书 2/3 页 3 CN 114238033 B 3