移动电源充电装置的信号灯控制方法及系统与流程

本发明涉及信号灯控制，尤其涉及一种移动电源充电装置的信号灯控制方法及系统。

背景技术：

1、随着电子信息技术的快速发展，移动电源已经成为人们日常生活中不可或缺的重要电子设备，移动电源的充电装置作为电源管理的关键部件，其工作状态直接影响着移动电源的使用性能和使用寿命，长期使用过程中，移动电源充电装置可能会出现各种故障隐患，如电池容量衰减、控制器异常、连接线损坏等，这些问题一旦发生，都会对充电性能产生严重影响，但目前市面上的大多数移动电源充电装置，仍然只能提供统一的信号灯输出，难以全面反映充电装置各组件的运行情况，无法及时发现隐藏的故障隐患，同时，用户也难以准确判断充电装置的使用状态，无法采取有效的预防措施，从而增加了用户的使用风险，因此，急需研发一种智能化的移动电源充电装置信号灯控制方法，从而可以实时体现移动电源充电装置的工作状态。

技术实现思路

1、本发明为解决上述技术问题，提出了一种移动电源充电装置的信号灯控制方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，本发明提供一种移动电源充电装置的信号灯控制方法，包括以下步骤：

3、步骤s1：获取移动电源充电装置的内部结构图；对移动电源充电装置的内部结构图进行组件视觉识别，并进行三维拓扑结构建模，构建充电装置三维拓扑模型；

4、步骤s2：获取移动电源充电装置的多维度工作状态参数；对所述多维度工作状态参数进行深度状态特征学习，构建充电装置工作状态图谱；

5、步骤s3：基于充电装置工作状态图谱对充电装置三维拓扑模型进行动态状态映射，构建动态运行孪生拓扑模型；

6、步骤s4：对动态运行孪生拓扑模型进行动态运行演变模拟，并进行组件状态演变可视化渲染，得到动态状态演变渲染模型；

7、步骤s5：基于动态状态演变渲染模型进行组件负载需求计算，并进行组件故障概率计算，

8、以得到组件负载需求预测值及每一个组件的故障概率值；

9、步骤s6：根据组件负载需求预测值及每一个组件的故障概率值对移动电源充电装置进行动态信号灯控制，以构建信号灯控制策略。

10、本发明通过获取内部结构图并进行组件视觉识别有助于了解装置构成及部件功能，为后续分析提供基础，构建充电装置三维拓扑模型可以帮助可视化装置结构，有助于更好地理解装置的设计和布局，深度状态特征学习和工作状态图谱构建有助于全面了解充电装置的工作状态，为后续分析提供细致的数据支持，构建充电装置工作状态图谱可以帮助识别装置不同状态间的关联，为信号灯控制提供更准确的依据，基于工作状态图谱对三维拓扑模型进行动态状态映射有助于模拟装置在不同工作状态下的运行情况，提高控制策略的针对性，构建动态运行孪生拓扑模型可以实现实时监测和反馈，为信号灯控制策略的灵活性和准确性提供支持，进行动态运行演变模拟和状态可视化渲染有助于模拟装置在实际运行中的变化情况，为信号灯控制策略的设计提供直观参考，得到动态状态演变渲染模型可以帮助可视化不同状态下装置的运行情况，为故障预测和控制策略优化提供支持，基于动态状态演变模型进行组件负载需求计算和故障概率计算有助于预测组件运行状况，为信号灯控制策略的制定提供依据，得到组件负载需求预测值和故障概率值可以帮助提前预警潜在故障，保障装置的稳定运行，根据负载需求预测值和故障概率值进行动态信号灯控制有助于根据实时情况调整控制策略，提高充电装置的安全性和效率，构建信号灯控制策略可以实现对充电装置状态的实时监控和智能调整，提升装置的管理水平和运行质量。

11、优选地，步骤s1包括以下步骤：

12、步骤s11：获取移动电源充电装置的内部结构图；

13、步骤s12：对移动电源充电装置的内部结构图进行组件视觉识别，标记所有的内部组件节点；

14、步骤s13：对所有的内部组件节点进行内部空间分布分析，得到组件节点空间分布数据；

15、步骤s14：对所有的内部组件节点进行空间位置定位计算，生成每一个组件节点的空间位置坐标；

16、步骤s15：基于组件节点空间分布数据对每一个组件节点的空间位置坐标进行组件间拓扑结构关联挖掘，提取组件拓扑结构关联数据；

17、步骤s16：根据组件拓扑结构关联数据对所有的内部组件节点进行三维拓扑结构建模，构建充电装置三维拓扑模型。

18、本发明通过内部结构图提供了对移动电源充电装置内部组件的全面了解，为后续的分析和优化提供了基础数据，通过组件视觉识别和标记内部组件节点，有助于识别各个组件的位置和功能，为后续的分析和优化提供了具体的参考点，分析组件节点的空间分布有助于了解各组件之间的相对位置关系，为后续的位置定位和拓扑结构关联提供数据支持，生成组件节点的空间位置坐标可以精确确定每个组件在充电装置内的具体位置，为后续的拓扑结构建模提供准确的空间数据，提取组件拓扑结构关联数据可以揭示各组件之间的连接关系和作用，为建立充电装置的三维拓扑模型提供重要线索，构建充电装置的三维拓扑模型有助于可视化展示充电装置内部组件的结构和关联，为信号灯控制等功能的设计和优化提供可视化参考。

19、优选地，步骤s2包括以下步骤：

20、步骤s21：获取移动电源充电装置的多维度工作状态参数；

21、步骤s22：对所述多维度工作状态参数进行参数标准化处理，以得到标准化多维度工作状态参数；

22、步骤s23：对标准化多维度工作状态参数进行时序分段处理，生成多段工作状态参数序列；

23、步骤s24：对多段工作状态参数序列进行深度状态特征学习，构建充电装置工作状态图谱。

24、本发明通过获取多维度工作状态参数有助于全面了解移动电源充电装置的运行情况，包括电池状态、充电状态、输出功率等关键参数，多维度参数获取可以提供丰富的数据来源，为后续的分析和可视化提供充分的信息支持，对工作状态参数进行标准化处理有助于消除不同参数之间的量纲差异，确保参数具有相同的尺度，标准化后的参数可以更好地参与后续的计算和分析，提高数据处理的准确性和可靠性，时序分段处理可以将连续的工作状态参数按时间划分成多个段落，有助于捕捉参数在不同时间段的变化趋势，生成多段工作状态参数序列有助于对不同时间段的工作状态进行分析，为后续的状态特征学习提供更详细的数据基础，通过深度状态特征学习可以在多段工作状态参数序列中学习到更高级的特征表示，揭示参数之间的复杂关系，构建充电装置工作状态图谱有助于将多维度参数的状态以图谱形式展现，提供对故障、健康和负载方面的动态可视化展示，促进对移动电源充电装置运行状态的深入理解和监控。

25、优选地，步骤s24具体步骤为：

26、所述多段工作状态参数序列包括实时温度参数、充电功率及充电负载；

27、对实时温度参数进行温度波动分析，以生成充电装置温度波动数据；

28、对充电装置温度波动数据进行多时点变化采集，得到多个时间点的温度波动数据；

29、对多个时间点的温度波动数据进行时序变化拟合，构建时序温度波动曲线；

30、对充电功率进行周期峰值计算，提取充电功率峰值；

31、对充电功率峰值进行峰值周期循环分析，以生成充电功率峰值周期循环图；

32、对充电负载进行负载趋势演化，生成充电负载趋势特征；

33、根据时序温度波动曲线对充电负载趋势特征进行温度负载关联挖掘，以生成温度-负载关联规律；

34、对温度-负载关联规律及充电功率峰值周期循环图进行深度状态特征学习，构建充电装置工作状态图谱。

35、本发明通过温度波动分析，生成温度波动数据，为监测充电装置温度变化提供详细信息，计算充电功率的周期峰值，揭示充电功率的最大值，有助于了解充电装置的能量传输情况，分析充电负载的演化趋势，提取负载特征，为负载管理提供关键参考，通过多时点温度波动数据采集和时序变化拟合，构建温度波动曲线，揭示温度的变化趋势和波动情况，对功率峰值进行周期循环分析，生成峰值周期循环图，有助于了解充电功率的波动规律，利用时序温度波动曲线对充电负载趋势特征进行关联挖掘，生成温度-负载关联规律，提供温度和负载之间的关联性信息，结合温度-负载关联规律和充电功率峰值周期循环图进行深度状态特征学习，构建充电装置工作状态图谱，为故障检测、健康监测和负载管理提供更深入的分析和可视化展示。

36、优选地，步骤s3具体步骤为：

37、步骤s31：基于多维度工作状态参数对组件节点空间分布数据进行状态参数匹配，以得到每一个组件节点的工作状态匹配数据；

38、步骤s32：根据每一个组件节点的工作状态匹配数据对充电装置工作状态图谱进行组件节点定位集成，以得到组件定位工作状态图谱；

39、步骤s33：基于组件定位工作状态图谱对充电装置三维拓扑模型进行动态状态映射，构建动态运行孪生拓扑模型。

40、本发明通过对多维度工作状态参数进行组件节点空间分布数据的匹配，可以将工作状态参数与具体组件节点对应起来，进一步细化了工作状态的描述，获得每个组件节点的工作状态匹配数据有助于在后续的分析中更准确地了解每个节点的运行状况，通过对每个组件节点的工作状态匹配数据进行集成，可以将各组件节点的状态信息整合到充电装置工作状态图谱中，形成更完整的组件定位工作状态图谱，组件定位工作状态图谱提供了对充电装置不同组件状态的整体视图，有助于综合分析充电装置的运行情况，基于组件定位工作状态图谱进行动态状态映射有助于将工作状态信息映射到充电装置的三维拓扑模型上，实现状态信息与物理结构的对应，构建动态运行孪生拓扑模型可以实现对充电装置运行状态的实时监测和模拟，提高对故障、健康和负载方面的动态可视化展示的准确性和实时性。

41、优选地，步骤s4的具体步骤为：

42、步骤s41：定义动态运行模拟时间步长；基于动态运行模拟时间步长对动态运行孪生拓扑模型进行动态运行演变模拟，采集动态演变运行模拟数据；

43、步骤s42：对动态演变运行模拟数据进行多时点状态特征分析，提取多个时间点的状态演变模拟数据；

44、步骤s43：对多个时间点的状态演变模拟数据进行组件状态演变态势分析，生成不同时间点的组件状态演变态势特征；

45、步骤s44：根据不同时间点的组件状态演变态势特征对动态运行孪生拓扑模型进行组件状态演变可视化渲染，得到动态状态演变渲染模型。

46、本发明通过定义动态运行模拟时间步长有助于规划模拟过程中的时间间隔，使模拟结果更贴近实际运行情况，通过对动态运行孪生拓扑模型进行动态运行演变模拟，并采集动态演变运行模拟数据，可以获得模拟数据以及系统在不同时间点的状态信息，对动态演变运行模拟数据进行多时点状态特征分析有助于识别系统在不同时间点的状态变化趋势和关键特征，提取多个时间点的状态演变模拟数据可以为后续的分析提供多维度的状态信息，为系统状态的深入理解提供支持，通过对多个时间点的状态演变模拟数据进行组件状态演变态势分析，可以揭示不同组件的状态演变趋势和特征，生成不同时间点的组件状态演变态势特征有助于全面了解各组件在不同时间下的运行状态，为故障诊断和预防提供重要线索，根据不同时间点的组件状态演变态势特征对动态运行孪生拓扑模型进行组件状态演变可视化渲染可以直观展现系统状态的变化过程，得到动态状态演变渲染模型有助于提高对移动电源充电装置在故障、健康和负载方面的动态可视化展示，为决策提供直观参考。

47、优选地，步骤s5的具体步骤为：

48、步骤s51：对动态状态演变渲染模型进行组件全局运行状态评估，以得到充电装置运行状态评估数据；

49、步骤s52：对动态状态演变渲染模型进行短期趋势变化预测，从而生成充电装置短期趋势变化预测数据；

50、步骤s53：对充电装置短期趋势变化预测数据进行组件负载需求计算，提取组件负载需求预测值；

51、步骤s54：对动态状态演变渲染模型进行逐个组件状态演变识别，提取每一个组件的状态演变数据；

52、步骤s55：基于组件负载需求预测值对每一个组件的状态演变数据进行组件故障概率计算，生成每一个组件的故障概率值。

53、本发明通过对动态状态演变渲染模型进行组件全局运行状态评估有助于综合评价充电装置的整体运行情况，通过得到充电装置运行状态评估数据，可以提供对系统整体性能的量化评估，为运行优化和故障排除提供依据，对动态状态演变渲染模型进行短期趋势变化预测可以帮助预测充电装置在未来一段时间内的状态变化趋势，生成充电装置短期趋势变化预测数据有助于提前发现可能出现的问题，为及时调整和维护提供预警，对充电装置短期趋势变化预测数据进行组件负载需求计算有助于评估系统的负载情况和需求，提取组件负载需求预测值可以帮助优化充电装置的负载分配，确保系统运行效率和稳定性，对动态状态演变渲染模型进行逐个组件状态演变识别有助于详细了解每个组件的状态变化情况，提取每一个组件的状态演变数据可以为故障诊断和预防提供详尽的信息基础，基于组件负载需求预测值对每一个组件的状态演变数据进行组件故障概率计算有助于评估每个组件出现故障的可能性，生成每一个组件的故障概率值可以帮助制定针对性的维护计划和预防措施，提高充电装置的可靠性和稳定性。

54、优选地，步骤s6的具体步骤为：

55、根据充电装置运行状态评估数据、组件负载需求预测值及每一个组件的故障概率值对移动电源充电装置进行动态信号灯控制，以构建信号灯控制策略；

56、所述动态信号灯控制具体为：对充电装置运行状态评估数据进行健康状态识别，当充电装置运行状态评估数据大于预设的充电装置健康状态阈值，则判定为健康状态，并生成健康状态信号；基于健康状态信号对移动电源充电装置进行绿色信号灯常亮处理；

57、对组件负载需求预测值进行负载需求紧缺分析，以生成负载需求紧缺数据；基于负载需求紧缺数据生成需求紧缺信号，根据需求紧缺信号对移动电源充电装置进行黄色信号灯缓慢闪烁处理；

58、利用预设的故障概率阈值对每一个组件的故障概率值进行故障识别，当存在一个所述组件的故障概率值大于或等于预设的故障概率阈值，生成故障警报信号；基于故障警报信号对移动电源充电装置进行红色信号灯快速闪烁处理。

59、本发明通过对充电装置运行状态评估数据进行健康状态识别，可以及时捕捉充电装置的健康状况，实现健康状态信号生成后，绿色信号灯常亮处理有助于向操作人员传达充电装置正常运行的信息，提高运行状态的可视化展示效果，通过分析组件负载需求预测值，能够准确评估系统的负载需求情况，及时发现负载需求紧缺情况，生成需求紧缺信号后，黄色信号灯缓慢闪烁处理有助于提醒操作人员系统存在负载需求紧缺，促使及时调整或处理，增强对负载方面动态展示的效果，通过预设的故障概率阈值对组件的故障概率值进行识别，能够快速发现可能存在故障的组件，生成故障警报信号后，红色信号灯快速闪烁处理有助于紧急警示操作人员存在的故障情况，提高对故障方面动态展示的效果，促使迅速处理和维修。

60、在本说明书中，提供一种移动电源充电装置的信号灯控制系统，用于执行如上所述的移动电源充电装置的信号灯控制方法，包括：

61、三维拓扑模块，用于获取移动电源充电装置的内部结构图；对移动电源充电装置的内部结构图进行组件视觉识别，并进行三维拓扑结构建模，构建充电装置三维拓扑模型；

62、状态图谱模块，用于获取移动电源充电装置的多维度工作状态参数；对所述多维度工作状态参数进行深度状态特征学习，构建充电装置工作状态图谱；

63、动态状态映射模块，用于基于充电装置工作状态图谱对充电装置三维拓扑模型进行动态状态映射，构建动态运行孪生拓扑模型；

64、动态运行演变模块，用于对动态运行孪生拓扑模型进行动态运行演变模拟，并进行组件状态演变可视化渲染，得到动态状态演变渲染模型；

65、状态预测模块，用于基于动态状态演变渲染模型进行组件负载需求计算，并进行组件故障概率计算，以得到组件负载需求预测值及每一个组件的故障概率值；

66、信号灯控制模块，用于根据组件负载需求预测值及每一个组件的故障概率值对移动电源充电装置进行动态信号灯控制，以构建信号灯控制策略。

67、本发明通过获取移动电源充电装置的内部结构图，可以深入了解充电装置的组件布局和连接方式，为后续分析提供基础数据，通过组件视觉识别和三维拓扑结构建模，能够构建出真实的充电装置三维拓扑模型，有助于可视化展示充电装置的内部结构，获取移动电源充电装置的多维度工作状态参数可以全面了解充电装置的运行状态，为后续分析提供详细数据，通过深度状态特征学习和构建工作状态图谱，可以形成全面的充电装置工作状态图谱，为后续分析提供丰富的状态信息，基于充电装置工作状态图谱对三维拓扑模型进行动态状态映射，能够将静态的结构信息与动态的工作状态结合起来，实现全面的动态模型构建，构建动态运行孪生拓扑模型有助于实时监测充电装置的运行状态变化，为后续分析和控制提供准确的基础，对动态运行孪生拓扑模型进行动态运行演变模拟和组件状态演变可视化渲染，能够直观展示充电装置在不同工作状态下的组件运行情况，生成动态状态演变渲染模型有助于实时监测和分析充电装置的运行状态，为故障诊断和预防提供可视化支持，基于动态状态演变渲染模型进行组件负载需求计算和组件故障概率计算，可以预测充电装置的负载需求情况和组件故障可能性，生成组件负载需求预测值和每一个组件的故障概率值有助于制定合理的维护计划和预防措施，提高充电装置的可靠性和稳定性，根据组件负载需求预测值和组件的故障概率值对移动电源充电装置进行动态信号灯控制，能够根据实时状态调整信号灯显示，提高对故障、健康和负载方面的动态可视化展示效果，构建信号灯控制策略有助于及时反映充电装置的状态变化，为操作人员提供直观的信息反馈，促进及时处理和维护。