基于深度学习的LED驱动电源故障预警方法及系统与流程

本发明涉及电源的，特别是涉及一种基于深度学习的led驱动电源故障预警方法及系统。

背景技术：

1、随着led照明技术的快速发展与广泛应用，led驱动电源作为led照明系统的核心组成部分，其稳定性和可靠性对整个照明效果和使用寿命起着决定性作用。然而，在实际运行过程中，由于多种因素(如温度、电压波动、电流冲击等)可能导致led驱动电源出现各种故障，不仅影响led照明系统的效能，严重时还会引发安全隐患。

2、现有的led驱动电源故障检测方法多依赖于定期维护检查或在故障发生后进行被动式维修，这种方式存在反应滞后、检测不准确、难以预防突发故障等问题，且人力物力成本较高。此外，传统的故障诊断技术往往忽视了运行环境对led驱动电源状态的影响，未能实现对故障的精准预警和实时监控。

3、鉴于此，亟需研发一种基于深度学习的led驱动电源故障预警方法及系统。

技术实现思路

1、为解决上述技术问题，本发明提供一种基于深度学习的led驱动电源故障预警方法及系统，能够高效、精准、智能的对led驱动电源进行故障预警，对于改善led照明系统的整体性能、保障其安全稳定运行具有重大意义。

2、第一方面，本发明提供了一种基于深度学习的led驱动电源故障预警方法，所述方法包括：

3、收集led驱动电源在运行过程中的历史运行数据，获得历史运行数据集合；

4、收集led驱动电源在运行过程中的历史故障数据，获得故障信息集合，故障信息集合包括故障时间和故障类型；

5、分析故障信息集合与历史运行数据集合之间的相关性，获得与led驱动电源故障相关的机警运行参数；

6、实时获取led驱动电源在运行过程中的机警运行参数，构建实时机警运行信息集合；

7、将实时机警运行信息集合输入预先构建的led驱动电源故障预警模型，获得能够反映led驱动电源运行状态的一阶故障预警指数；

8、获取led驱动电源的实时运行环境，并根据实时运行环境确定故障环境影响因子；

9、基于故障环境影响因子对一阶故障预警指数进行环境影响纠正，获得二阶故障预警指数；

10、将二阶故障预警指数与预设标准值进行实时比较，若二阶故障预警指数超出预设标准值，触发预警机制；若二阶故障预警指数未超出预设标准值，则说明led驱动电源处于正常运行状态。

11、进一步地，所述历史运行数据包括输入电压、输入电流、输出电压、输出电流、led驱动电源内部组件的工作温度、散热器温度、工作效率、开关频率和工作模式。

12、进一步地，所述获得故障信息集合的方法，包括以下内容：

13、收集每一个故障事件的数据，故障事件的数据包含故障发生时间和故障类型，其中故障类型包括过热故障、过电压故障、过电流故障、电源模块故障、电路板故障和元件老化故障；

14、追溯并记录每一个故障事件发生的原因；

15、将上述收集到的所有故障数据整合形成故障信息集合；故障信息集合中的每一条记录均包含故障发生的时间戳、故障类型以及故障事件发生的原因。

16、进一步地，所述分析故障信息集合与历史运行数据集合之间的相关性的方法，包括以下内容：

17、将历史运行数据集合中的同一项运行数据和故障信息集合进行配对；

18、对上述历史运行数据和故障状态分别进行秩次排序，形成样本对；故障状态表示是否发生故障，将其转化为0或1，0表示无故障，1表示有故障；

19、对于每个样本对，计算输入历史运行数据秩次和故障状态秩次的差值平方，然后求和，得到秩次差的平方和，计算公式如下：

20、

21、其中，rk(vinput)是运行数据第k个样本的秩次，rk(fault)是故障状态第k个样本的秩次，n是样本总数，vinput是运行数据数值，fault是“是否发生故障”转化后的数值；

22、计算秩相关系数rs的公式为：

23、

24、其中，是秩次差的平方和，n是样本总数；

25、通过系数rs，判断历史运行数据与故障发生的关联程度；如果rs接近±1，说明二者之间存在正相关或负相关；如果接近0，则说明二者之间不存在线性相关关系。

26、进一步地，所述构建实时机警运行信息集合的方法，包括以下内容：

27、测量和记录机警运行参数的数值；

28、对实时采集的机警运行参数进行预处理；

29、将实时采集的每个机警运行参数数据存储起来，形成实时机警运行信息集合。

30、进一步地，所述led驱动电源故障预警模型的构建方法，包括以下内容：

31、对收集到的历史机警运行信息集合进行预处理；

32、选择机器学习模型作为led驱动电源故障预警模型的基础架构；

33、使用预处理后的历史机警运行信息集合以及预先评判的一阶故障预警指数对led驱动电源故障预警模型进行训练，训练过程中，将历史机警运行参数集合作为输入，一阶故障预警指数作为输出，通过优化led驱动电源故障预警模型的参数，使led驱动电源故障预警模型学习到机警运行参数与一阶故障预警指数之间的映射关系；

34、在模型训练完成后，使用独立的实时机警运行信息集合评估训练好的led驱动电源故障预警模型在未使用过的训练数据上的性能表现，根据评估结果对led驱动电源故障预警模型进行调优。

35、进一步地，获取二阶故障预警指数的计算公式如下：

36、fpi2＝fpi1+σwi*ei；

37、其中fpi1是一阶故障预警指数，fpi2是二阶故障预警指数，σwi*ei是将各环境影响因子与相应权重相乘后再求和。

38、另一方面，本技术还提供了一种基于深度学习的led驱动电源故障预警系统，所述系统包括：

39、数据采集模块，用于收集led驱动电源在历史运行过程中的各项运行参数，形成历史运行数据集合，并记录历次故障的发生时间与故障类型，构建故障信息集合；

40、相关性分析模块，用于对接收到的历史运行数据集合和故障信息集合进行关联分析，识别出与led驱动电源故障紧密相关的机警运行参数；

41、实时监控模块，用于实时获取led驱动电源的机警运行参数，构建实时机警运行信息集合；

42、led驱动电源故障预警模块，用于将实时机警运行信息集合输入至预先存储的led驱动电源故障预警模型中，获得能够反映led驱动电源即时运行状态的一阶故障预警指数；

43、环境感知模块，用于获取led驱动电源所处的实时运行环境参数，并根据实时运行环境参数确定故障环境影响因子；

44、环境影响修正模块，用于根据故障环境影响因子对一阶故障预警指数进行动态校正，获得二阶故障预警指数；

45、预警判断与触发模块，用于将二阶故障预警指数与预设的标准值进行实时比较：若二阶故障预警指数超过预设标准值，系统自动触发预警机制；若二阶故障预警指数未超出预设标准值，则系统判定led驱动电源处于正常运行状态，继续进行常规监控。

46、第三方面，本技术提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。

47、第四方面，本技术还提供了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意一项所述方法中的步骤。

48、与现有技术相比本发明的有益效果为：本发明能够实时收集led驱动电源的运行数据，并结合历史故障数据，通过对运行参数的实时分析和led驱动电源故障预警模型计算，实现了对潜在故障的提前预警，有效地克服了传统方法中故障检测反应滞后的局限，有利于及时采取预防措施，减少突发故障带来的损失，相较于传统的定期维护和故障后维修，本发明可主动发现隐患，避免了不必要的维修工作，从而大大节省了人力物力资源，降低了运维成本；

49、本发明深入挖掘历史运行数据与故障信息的相关性，找出与故障密切相关的机警运行参数，提高故障预测的准确性，同时，考虑了运行环境对故障的影响，进一步提升了故障诊断的精度。