水冷系统中冷却水的寿命计算方法、装置和可读介质
文献发布时间:2023-06-19 12:19:35
技术领域
本发明涉及通信技术领域,特别涉及水冷系统中冷却水的寿命计算方法、装置和可读介质。
背景技术
水冷系统是一种由冷却水作为热交换媒介进行散热冷却的装置,由于其具有散热效率高、振动小、噪音低等优势在电气、电子和机械等领域获得了广泛的应用。
然而,当水冷系统中的冷却水的电导率升高时,会造成系统短路甚至损坏的风险,而冷却水长期与循坏管道接触产生的氧化、冷却水容器的密封性不佳、去离子交换装置的失效等因素都会导致冷却水的电导率升高。因此,通过确定水冷系统中冷却水的寿命,以进一步对冷却系统进行适时地维护对水冷系统的正常运转具有重要作用。
发明内容
本发明提供了水冷系统中冷却水的寿命计算方法、装置和可读介质,能够通过计算冷却水的寿命实现对水冷系统的精准维护。
第一方面,本发明实施例提供了一种水冷系统中冷却水的寿命计算方法,该方法包括:
采集预设时间周期内的水冷系统中冷却水的温度数据和电导率数据;
根据所述冷却水的温度数据和电导率数据,确定目标计算策略;其中,所述目标计算策略为计算所述冷却水的寿命的方式;
对所述冷却水的温度数据和电导率数据进行特征值计算,得到所述冷却水的参数特征值;
根据所述冷却水的参数特征值和所述目标计算策略,计算所述水冷系统中冷却水的寿命。
在一种可能的实现方式中,所述根据所述冷却水的温度数据和电导率数据,确定目标计算策略,包括:
根据所述冷却水的温度数据和电导率数据确定是否满足预先设定的采样分析条件;
若所述冷却水的温度数据和电导率数据不满足预先设定的采样分析条件,则将模糊推理策略确定为所述目标计算策略;
若所述冷却水的温度数据和电导率数据满足预先设定的采样分析条件,则将电导率模型计算策略确定为所述目标计算策略。
在一种可能的实现方式中,当所述目标计算策略为模糊推理策略时,所述对所述冷却水的温度数据和电导率数据进行特征值计算,得到所述冷却水的参数特征值,包括:
分别计算所述温度数据和所述电导率数据的均值和极值,得到温度均值、温度极值、电导率均值和电导率极值。
在一种可能的实现方式中,所述根据所述冷却水的参数特征值和所述目标计算策略,计算所述水冷系统中冷却水的寿命,包括:
将所述温度均值、所述温度极值、所述电导率均值和所述电导率极值作为输入进行模糊化处理,得到推理结果;
根据所述推理结果,确定所述冷却水的寿命是否达到维护阈值。
在一种可能的实现方式中,当所述目标计算策略为电导率模型计算策略时,所述对所述冷却水的温度数据和电导率数据进行特征值计算,得到所述冷却水的参数特征值,包括:
分别计算所述温度数据和所述电导率数据的均值和方差,得到温度均值、温度方差、电导率均值和电导率方差。
在一种可能的实现方式中,所述根据所述冷却水的参数特征值和所述目标计算策略,计算所述水冷系统中冷却水的寿命,包括:
预先通过神经网络,训练得到所述冷却水的电解质分布计算模型;其中,所述电解质分布计算模型是通过将历史采集的冷却水的电导率特征和温度特征作为输入,将冷却水中电解质浓度的期望和标准差作为输出训练得到的;所述电导率特征包括电导率的均值和方差,所述温度特征包括温度的均值和方差;
将所述温度均值、所述温度方差、所述电导率均值和所述电导率方差输入所述电解质分布计算模型,得到所述冷却水中电解质浓度的期望和标准差;
从历史数据库中获取至少一条电解质浓度失效曲线;其中,所述电解质浓度失效曲线用于表征冷却水中电解质浓度随时间的变化状态;
针对每一条所述电解质浓度失效曲线,利用所述电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计,得到至少一个冷却水的寿命计算结果。
在一种可能的实现方式中,所述利用所述电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计,包括:
利用所述所述电解质浓度的期望和标准差,确定电解质浓度的概率分布;
利用预设大小的滑动窗从所述电解质浓度失效曲线的初始位置到终点位置进行单步滑动的样本采集,得到至少一组样本集合;其中,每一组样本集合唯一由一个位置样本采集得到;
针对每一组样本集合,计算该样本集合在所述电解质浓度的概率分布中出现的概率;
将计算得到的结果中概率最大的样本集合所对应的滑动窗位置确定为目标位置;
计算该目标位置与失效点的距离,得到所述水冷系统中冷却水的寿命。
第二方面,本发明实施例提供了一种水冷系统中冷却水的寿命计算装置,该装置包括:
一个数据采集模块,用于采集预设时间周期内的水冷系统中冷却水的温度数据和电导率数据;
一个策略确定模块,用于根据所述数据采集模块采集的所述冷却水的温度数据和电导率数据,确定目标计算策略;其中,所述目标计算策略为计算所述冷却水的寿命的方式;
一个特征值计算模块,用于对所述数据采集模块采集到的所述冷却水的温度数据和电导率数据进行特征值计算,得到所述冷却水的参数特征值;
一个冷却水寿命计算模块,用于根据所述特征值计算模块得到的所述冷却水的参数特征值和所述策略确定模块确定的所述目标计算策略,计算所述水冷系统中冷却水的寿命。
在一种可能的实现方式中,所述策略确定模块在根据所述冷却水的温度数据和电导率数据确定目标计算策略时,配置成执行如下操作:
根据所述冷却水的温度数据和电导率数据确定是否满足预先设定的采样分析条件;
若所述冷却水的温度数据和电导率数据不满足预先设定的采样分析条件,则将模糊推理策略确定为所述目标计算策略;
若所述冷却水的温度数据和电导率数据满足预先设定的采样分析条件,则将电导率模型计算策略确定为所述目标计算策略。
在一种可能的实现方式中,所述特征值计算模块在所述目标计算策略为模糊推理策略时,对所述冷却水的温度数据和电导率数据进行特征值计算,得到所述冷却水的参数特征值时配置成执行如下操作:
分别计算所述温度数据和所述电导率数据的均值和极值,得到温度均值、温度极值、电导率均值和电导率极值。
在一种可能的实现方式中,所述冷却水寿命计算模块在根据所述冷却水的参数特征值和所述目标计算策略,计算所述水冷系统中冷却水的寿命时配置成执行如下操作:
将所述温度均值、所述温度极值、所述电导率均值和所述电导率极值作为输入进行模糊化处理,得到推理结果;
根据所述推理结果,确定所述冷却水的寿命是否达到维护阈值。
在一种可能的实现方式中,所述特征值计算模块在所述目标计算策略为电导率模型计算策略时,对所述冷却水的温度数据和电导率数据进行特征值计算,得到所述冷却水的参数特征值时配置成执行如下操作:
分别计算所述温度数据和所述电导率数据的均值和方差,得到温度均值、温度方差、电导率均值和电导率方差。
在一种可能的实现方式中,所述冷却水寿命计算模块包括:
一个模型训练单元,用于预先通过神经网络,训练得到所述冷却水的电解质分布计算模型;其中,所述电解质分布计算模型是通过将历史采集的冷却水的电导率特征和温度特征作为输入,将冷却水中电解质浓度的期望和标准差作为输出训练得到的;所述电导率特征包括电导率的均值和方差,所述温度特征包括温度的均值和方差;
一个电解质浓度计算单元,用于将所述温度均值、所述温度方差、所述电导率均值和所述电导率方差输入所述模型训练单元得到的所述电解质分布计算模型,得到所述冷却水中电解质浓度的期望和标准差;
一个失效曲线获取单元,用于从历史数据库中获取至少一条电解质浓度失效曲线;其中,所述电解质浓度失效曲线用于表征冷却水中电解质浓度随时间的变化状态;
一个冷却水寿命计算单元,用于针对每一条所述失效曲线获取单元得到的所述电解质浓度失效曲线,利用所述电解质浓度计算单元得到的所述电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计,得到至少一个冷却水的寿命计算结果。
在一种可能的实现方式中,所述冷却水寿命计算单元在利用所述电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计时配置成执行如下操作:
利用所述所述电解质浓度的期望和标准差,确定电解质浓度的概率分布;
利用预设大小的滑动窗从所述电解质浓度失效曲线的初始位置到终点位置进行单步滑动的样本采集,得到至少一组样本集合;其中,每一组样本集合唯一由一个位置样本采集得到;
针对每一组样本集合,计算该样本集合在所述电解质浓度的概率分布中出现的概率;
将计算得到的结果中概率最大的样本集合所对应的滑动窗位置确定为目标位置;
计算该目标位置与失效点的距离,得到所述水冷系统中冷却水的寿命。
第三方面,本发明实施例还提供了一种计算设备,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行第一方面中任一所述的方法。
第四方面,本发明实施例还提供了一种计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行第一方面中任一所述的方法。
由上述技术方案可知,在计算水冷系统中冷却水的寿命时,首先采集水冷系统在一定时间周期内冷却水的温度数据和电导率数据,然后根据采集到的数据确定目标计算策略,即采用哪一种冷却水寿命的计算方式更加合适,然后对采集到的数据进行特征值计算,得到冷却水的参数特征值,如此利用该参数特征值和确定的目标计算策略即可确定出冷却水的寿命。由此可见,本方案考虑到了由于水冷系统中的冷却水会存在不同的状态,因此通过针对不同的状态采用不同的寿命计算策略,能够使得计算出的寿命更加精准。此外,由于温度会对电导率产生影响,因此本方案不仅将电导率数据作为计算冷却水寿命的基础数据,而且将温度数据也作为计算冷却水寿命的基础数据,如此能够充分将温度对电导率的影响考虑在内,达到提高冷却水寿命计算结果的准确性的目的,进而实现对水冷系统的精准维护。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以基于这些附图获得其他的附图。
图1是本发明一个实施例提供的一种水冷系统中冷却水的寿命计算方法的流程图;
图2是本发明一个实施例提供的一种确定目标计算策略的方法的流程图;
图3是本发明一个实施例提供的一种计算水冷系统中冷却水寿命的方法的流程图;
图4是本发明一个实施例提供的一种最大概率估计的方法的流程图;
图5是本发明一个实施例提供的一种计算冷却水寿命的示意图;
图6是本发明一个实施例提供的一种水冷系统中冷却水的寿命计算装置的示意图;
图7是本发明一个实施例提供的一种冷却水寿命计算模块的示意图;
图8是本发明一个实施例提供的一种计算设备的示意图。
附图标记列表
101:采集预设时间周期内的水冷系统中冷却水的温度数据和电导率数据
102:根据冷却水的温度数据和电导率数据,确定目标计算策略
103:对冷却水的温度数据和电导率数据进行特征值计算,得到冷却水的参数特征值
104:根据冷却水的参数特征值和目标计算策略,计算水冷系统中冷却水的寿命
201:根据冷却水的温度数据和电导率数据确定是否满足预先设定的采样分析条件
202:若冷却水的温度数据和电导率数据不满足预先设定的采样分析条件,则将模糊推理策略确定为目标计算策略
203:若冷却水的温度数据和电导率数据满足预先设定的采样分析条件,则将电导率模型计算策略确定为目标计算策略
301:预先通过神经网络,训练得到冷却水的电解质分布计算模型
302:将温度均值、温度方差、电导率均值和电导率方差输入电解质分布计算模型,得到冷却水中电解质浓度的期望和标准差
303:从历史数据库中获取至少一条电解质浓度失效曲线
304:针对每一条电解质浓度失效曲线,利用电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计,得到至少一个冷却水的寿命计算结果
401:利用电解质浓度的期望和标准差,确定电解质浓度的概率分布
402:利用预设大小的滑动窗从电解质浓度失效曲线的初始位置到终点位置进行单步滑动的样本采集,得到至少一组样本集合
403:针对每一组样本集合,计算该样本集合在电解质浓度的概率分布中出现的概率
404:将计算得到的结果中概率最大的样本集合所对应的滑动窗位置确定为目标位置
405:计算该目标位置与失效点的距离,得到水冷系统中冷却水的寿命
601:数据采集模块 602:策略确定模块 603:特征值计算模块
604:冷却水寿命计算模块 6041:模型训练单元 6042:电解质浓度计算单元
6043:失效曲线获取单元 6044:冷却水寿命计算单元
100:水冷系统中冷却水的寿命计算方法 600:水冷系统中冷却水的寿命计算装置
801:存储器 802:处理器 800:计算设备
具体实施方式
如前,水冷系统采用的是循环水冷却方式,其内部主要功率元件由去离子水(冷却水)作为热交换媒介进行冷却。然而,冷却水长期与循坏管道接触产生的氧化、冷却水容器的密封性不佳、去离子交换装置的失效等因素都可能导致去离子水导电率升高,给水冷系统带来击穿和短路风险。因此为了避免该风险,通常需要估算冷却水的寿命作为计划性维护的依据。
目前,在判断水冷系统是否需要进行维护时,通常采用的方法是对冷却水的电导率进行实时监测,当电导率达到一定数值后,会发出报警,从而维护人员据此对冷却系统进行维护。然而这种方式是一种被动维护的方法,只能被动的在发生报警之后对冷却系统进行维护,如此可能会由于发生故障而带来额外损失,比如,当发生报警没有及时进行处理时,系统可能会发生跳闸停机等故障。如果采取固定的维护周期,则有可能出现过保养的情况。此外,在水冷系统投入初期,冷却水中的电解质未达到一个稳定的状态,其电导率的采样方差会较大,而且温度对电导率也会产生影响,导致采用上述通过报警进行被动维护的方式很容易产生误报警。因此,采用上述方式往往很难实现对水冷系统的精准维护。
基于此,本方案考虑同时将冷却水的温度数据和电导率数据作为基础数据,对冷却水的寿命进行计算,通过冷却水的寿命来实现对水冷系统的精准维护。此外,还通过采集到的温度数据和电导率数据来确定冷却水所处的不同状态,进而通过采用更加适合该状态的冷却水寿命的计算方式来提高得到的冷却水寿命的精度,以进一步提高对水冷系统进行维护的精度。
下面结合附图对本发明实施例提供的水冷系统中冷却水的寿命计算方法。装置和可读介质进行详细说明。
如图1所示,本发明提供了一种水冷系统中冷却水的寿命计算方法100,该方法可以包括如下步骤:
步骤101:采集预设时间周期内的水冷系统中冷却水的温度数据和电导率数据;
步骤102:根据冷却水的温度数据和电导率数据,确定目标计算策略;其中,目标计算策略为计算冷却水的寿命的方式;
步骤103:对冷却水的温度数据和电导率数据进行特征值计算,得到冷却水的参数特征值;
步骤104:根据冷却水的参数特征值和目标计算策略,计算水冷系统中冷却水的寿命。
在计算水冷系统中冷却水的寿命时,首先采集水冷系统在一定时间周期内冷却水的温度数据和电导率数据,然后根据采集到的数据确定目标计算策略,即采用哪一种冷却水寿命的计算方式更加合适,然后对采集到的数据进行特征值计算,得到冷却水的参数特征值,如此利用该参数特征值和确定的目标计算策略即可确定出冷却水的寿命。由此可见,本方案考虑到了由于水冷系统中的冷却水会存在不同的状态,因此通过针对不同的状态采用不同的寿命计算策略,能够使得计算出的寿命更加精准。此外,由于温度会对电导率产生影响,因此本方案不仅将电导率数据作为计算冷却水寿命的基础数据,而且将温度数据也作为计算冷却水寿命的基础数据,如此能够充分将温度对电导率的影响考虑在内,达到提高冷却水寿命计算结果的准确性的目的,进而实现对水冷系统的精准维护。
本发明实施例中,通过在水冷系统中安装温度传感器和用于检测电导率的设备,如此实现对水冷系统进行实时的监控和检测,并将采集到的数据存储至数据库。当然存储到数据库中的数据可以定时进行删除,比如只保留近一个周内的数据,一个周以前的数据进行清除,以此来解除存储器的无效占用,提高处理器的执行效率。在步骤101采集预设时间周期内的水冷系统中冷却水的温度数据和电导率数据时,从数据库中获取存储的温度数据和电导率数据,获取的该数据可以是数据库中该水冷系统的所有数据,当然也可以设定采集周期,比如,采集近一个周或近三天的温度数据和电导率数据,以此来得到更能表征当前冷却水状态的数据。
由于水冷系统中冷却水的状态并不是一直处于稳定状态的,不同的情况可能会导致冷却水处于不同的状态。比如,当水冷系统投入使用初期,可能由于电解质没有沉淀等原因使得电解质未达到稳定的状态,在此时采集的数据中电导率的方差会比较大。因此,此时的电导率数据是不足以有效对冷却水的寿命进行表征的。再比如,实时监控得到的连续记录时间太短,该数据不足以支持数据分析。因此,如果将上述这些情况作为正常情况,采用同一种计算策略来计算冷却水的寿命,势必会产生较大的误差。比如,当水冷系统刚投入使用初期,冷却水的电解质未达到稳定状态,如果此时利用正常的计算冷却水寿命的方式,那么很有可能得到的结果是该水冷系统中的冷却水不达标,需要对水冷系统进行维护,然而显然该水冷系统是刚投入使用的。基于此,本发明实施例中,充分考虑这些情况,针对不同的情况分别采用不同的冷却水寿命计算方式,从而通过更合理的计算方式得到更加准确的结果,以对水冷系统进行更加精准的维护。具体地,在一种可能的实现方式中,如图2所示,步骤102根据冷却水的温度数据和电导率数据,确定目标计算策略可以通过如下步骤实现:
步骤201:根据冷却水的温度数据和电导率数据确定是否满足预先设定的采样分析条件;
步骤202:若冷却水的温度数据和电导率数据不满足预先设定的采样分析条件,则将模糊推理策略确定为目标计算策略;
步骤203:若冷却水的温度数据和电导率数据满足预先设定的采样分析条件,则将电导率模型计算策略确定为目标计算策略。
在本发明实施例中,在根据冷却水的温度数据和电导率数据确定目标计算策略时,首先对采集到的温度数据和电导率数据是否满足预先设定的采样分析条件进行判断,当满足条件时,可以考虑采用电导率计算模型作为目标计算策略,即利用电导率计算模型的方式来精确计算冷却水的寿命,从而进行精准的水冷系统维护。当不满足条件时,可以考虑采用模糊推理的方式作为目标计算策略,如此通过模糊推理输出结果,然后通过预警的方式提示用户进行水冷系统维护。如此,本实施例通过针对不同的情况采取不同的策略,以达到提高寿命计算精度,实现水冷系统的精准维护的目的。
以上述可知,在本发明实施例中,在步骤104根据冷却水的参数特征和目标计算策略,计算水冷系统中冷却水的寿命时,主要可以针对不同的冷却水状态采取以下两种目标计算策略:
第一种目标计算策略:模糊推理策略;
第二种目标计算策略:电导率模型计算策略。
在第一种目标计算策略中,当冷却水的温度数据和电导率数据不满足预先设定的采样分析条件,即目标计算策略为模糊推理策略时,在计算水冷系统中冷却水的寿命之前,首先需要对冷却水的温度数据和电导率数据进行特征值计算。在步骤103对冷却水的温度数据和电导率数据进行特征值计算,得到冷却水的参数特征值时,具体可以通过分别计算温度数据和电导率数据的均值和极值,得到温度均值、温度极值、电导率均值和电导率极值来实现。如此,通过利用温度均值、温度极值、电导率均值、电导率极值等能够表征冷却水的温度和电导率的均值情况以及极限变化情况的特征值进行计算,从而在通过模糊推理策略对冷却水的寿命进行推理时,能够更为精准的得到推理结果。
在利用计算得到温度均值、温度极值、电导率均值和电导率极值计算冷却水寿命时,即当目标计算策略为模糊推理策略,步骤104根据冷却水的参数特征值和目标计算策略计算舒冷系统中冷却水的寿命时,在一种可能的实现方式中,可以通过如下方式实现:
将温度均值、温度极值、电导率均值和电导率极值作为输入进行模糊化处理,得到推理结果;
根据推理结果,确定冷却水的寿命是否达到维护阈值。
在本发明实施例中,当采集到的冷却水的温度数据和电导率数据不足以支持分析时,可以考虑采用设定预警阈值,通过将经过特征值处理后得到的温度均值、温度极值、电导率均值和电导率极值作为输入,并结合预先设定的推理规则进行模糊化处理,从而根据得到的推理结果得出是否达到了预警条件,进一步用户可以根据是否发生了预警来决定是否对水冷系统进行维护,如此解决了诸如电导率方差较大、数据的连续记录时间不够长等一些特殊情况无法依托电导率模型进行冷却水寿命计算的情况,从而能够提高对水冷系统进行维护的精准度。虽然现有技术也采用预警的方式,但该实现方式与现有技术不同的是,本方案是通过将温度数据和电导率数据同时进行处理,来得到判断是否得到预警条件的结果,如此能够充分考虑了温度对电导率的影响,而且本发明采用了模糊处理的方式能够提高维护精准度。需要说明的是,对数据进行模糊化处理的操作已被同领域人所熟知,此处不再进行具体的阐述。
在第二种目标计算策略中,当冷却水的温度数据和电导率数据满足预先设定的采样分析条件,即目标计算策略为电导率模型计算策略时,在计算水冷系统中冷却水的寿命之前,同样需要对冷却水的温度数据和电导率数据进行特征值计算。在本实现方式中,步骤103对冷却水的温度数据和电导率数据进行特征值计算,得到冷却水的参数特征值时,具体可以分别计算温度数据和电导率数据的均值和方差,得到温度均值、温度方差、电导率均值和电导率方差来实现。如此通过利用得到的温度均值、温度方差、电导率均值和电导率方差等表征冷却水特征的特征值进行计算,以得到更加精准的冷却水寿命。由于在本实现方式中,温度数据和电导率数据时足以支撑分析的,即电导率方差等数据不会由于冷却水中的电解质不稳定存在浮动较大的情况,因此考虑利用均值和方差更能表征冷却水的特征情况。
在利用得到的温度均值、温度方差、电导率均值和电导率方差计算水冷系统中冷却水的寿命时,即当目标计算策略为电导率模型计算策略,步骤104在根据冷却水的参数特征值和目标计算策略计算水冷系统中冷却水的寿命时,在一种可能的实现方式中,如图3所示,可以通过如下步骤实现:
步骤301:预先通过神经网络,训练得到冷却水的电解质分布计算模型;其中,电解质分布计算模型是通过将历史采集的冷却水的电导率特征和温度特征作为输入,将冷却水中电解质浓度的期望和标准差作为输出训练得到的;电导率特征包括电导率的均值和方差,温度特征包括温度的均值和方差;
步骤302:将温度均值、温度方差、电导率均值和电导率方差输入电解质分布计算模型,得到冷却水中电解质浓度的期望和标准差;
步骤303:从历史数据库中获取至少一条电解质浓度失效曲线;其中,电解质浓度失效曲线用于表征冷却水中电解质浓度随时间的变化状态;
步骤304:针对每一条电解质浓度失效曲线,利用电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计,得到至少一个冷却水的寿命计算结果。
由于考虑到电导率在不同温度下会发生一定的变化,而且电导率与冷却水中电解质的浓度存在一定的关系。因此,在本发明实施例中,考虑利用神经网络进行学习拟合出电解质在不同温度下的分布情况,如此通过将经过特征计算得到的参数特征输入到该训练得到的电解质分布计算模型中,即可将描述当前冷却水状态的温度数据和电导率数据转换为描述当前冷却水中的电解质浓度情况。如此,通过从历史数据库中获取电解质浓度失效曲线,通过将该电解质浓度情况在电解质浓度失效曲线中进行匹配,找到当前电解质浓度在电解质浓度失效曲线中最匹配的位置,由于电解质浓度失效曲线是电解质浓度关于时间的函数,因此,可准确的确定出当前水冷系统中冷却水的寿命。
在步骤301训练得到电解质分布计算模型时,可以考虑有监督的模型训练方式。具体是通过将历史采集的冷却水的电导率和温度数据进行特征计算,得到电导率特征和温度特征,然后将该电导率特征和温度特征作为神经网络学习的输入,同时将冷却水中电解质浓度的期望和标准差作为输出训练而得到。比如,将历史采集到的温度数据和电导率数据分别求取均值和方差,并对应测量或计算对应的冷却水的电解质浓度的期望和方差。如此,将得到的温度数据和电导率数据的均值和方差作为输入,将电解质浓度的期望和方差作为输出进行模型训练,得到电解质分布计算模型。
也就是说,根据当前冷却水的温度数据和电导率数据分别得到温度均值、温度方差、电导率均值和电导率方差时,将该均值和方差输入到电解质分布计算模型中,即可得到当前冷却水中的电解质分布情况。
步骤303在从历史数据库中获取电解质浓度失效曲线时,可以考虑根据各电解质浓度失效曲线的差异进行选择。
比如,当各失效曲线差异不大时,可以任意选择一条失效曲线作为计算冷却水寿命的失效曲线。
再比如,当在若干条电解质浓度失效曲线中,存在一部分电解质浓度的失效曲线的差异是变化不大的,另一部分电解质浓度的失效曲线的差异是较大的,那么此时可以考虑在差异不大的那一部分电解质浓度失效曲线选择一条失效曲线来代替,然后将这一条失效曲线和其他差异较大的电解质浓度失效曲线均作为计算冷却水寿命的失效曲线。例如,数据库中有6条电解质浓度失效曲线A、B、C、D、E和F,其中,B、C和F这3条电解质浓度失效曲线近似是一样的,剩余的A、D和E的差异是比较大的。那么,此时可以考虑在B、C和F中任选一条(以选C进行说明),然后将C曲线和A、D、E分别作为计算冷却水寿命的电解质浓度失效曲线。
又比如,若历史数据数据库中的电解质浓度失效曲线差异性较大,那么将所有的电解质浓度失效曲线分别作为计算冷却水寿命的失效曲线,再根据计算得到的多个冷却水寿命计算结果进一步确定对水冷系统进行维护的时间。
当通过多条电解质浓度失效曲线计算冷却水寿命时,其会得到多个寿命计算结果,那么此时可以通过触屏系统展示给用户,由用户根据自己的需求采取相应的维护措施。比如,为了保险起见,可以选择寿命时间最短的结果作为最终结果,以此来降低水冷系统发生故障的概率。再比如,还可以考虑将各个结果的平均值作为最终的计算结果。
可以理解的时,从数据库中获取的电解质浓度失效曲线应该是完整的失效曲线,即包含了电解质从开始到失效的整个过程电解质浓度的变化情况。
步骤304在利用电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计时,在一种可能的实现方式中,如图4所示,具体可以通过如下步骤实现:
步骤401:利用电解质浓度的期望和标准差,确定电解质浓度的概率分布;
步骤402:利用预设大小的滑动窗从电解质浓度失效曲线的初始位置到终点位置进行单步滑动的样本采集,得到至少一组样本集合;其中,每一组样本集合唯一由一个位置样本采集得到;
步骤403:针对每一组样本集合,计算该样本集合在电解质浓度的概率分布中出现的概率;
步骤404:将计算得到的结果中概率最大的样本集合所对应的滑动窗位置确定为目标位置;
步骤405:计算该目标位置与失效点的距离,得到水冷系统中冷却水的寿命。
在利用电解质浓度和期望和标准差进行电解质浓度失效的最大概率估计时,首先利用该电解质浓度的期望和标准差确定出该电解质浓度的概率分布。比如,通过电解质分布计算模型得到的电解质浓度的期望和标准差分别为μ和σ,考虑该电解质浓度的分布可以是正态分布,那么该电解质浓度的概率分布为:
在得到电解质浓度的概率分布之后,如图5所示的冷却水寿命计算示意图,通过利用预设大小的滑动窗从电解质浓度失效曲线的初始位置到终点位置进行单步滑动的样本采集。其中,该滑动窗的大小可以按时间大小进行确定,比如,以一个周的时间长度作为滑动窗的大小。还可以按照采集样本数据的个数进行确定,比如,以滑动窗每次采集10个样本点的大小作为滑动窗的大小。在样本窗进行滑动时,以滑动窗的左侧与电解质浓度失效曲线的初始时刻重合作为初始位置,以滑动窗右侧与失效点重合为终点位置。滑动窗滑动时考虑以单步的滑动方式进行数据采集。比如,有样本点数据10个,分别为A、B、C、D、E、F、G、H、I和J,其中滑动窗的大小为每次采集5个样本数据。那么第一次采集到的样本点分别为A、B、C、D和E,在滑动一次后第二次采集到的样本点分别为:B、C、D、E和F,再滑动一次后第三次采集到的样本点分别为:C、D、E、F和G,以此类推,每一次滑动数据采集得到一组样本集合。当然这只是其中一种实现方式,在其他的实现方式中,可以滑动两次作为一次样本数据采集结果。也就是说,此处并不构成对滑动窗进行滑动数据采集方式的具体限定。
通过利用滑动窗进行样本采集之后,通过步骤401得到的电解质浓度的概率分布公式,计算每一组样本集合在该电解质浓度的概率分布中出现的概率。比如通过滑动窗采集到了3组样本集合,其中每一组样本集合中包含5个样本点,以第一组样本集合为例,其包含的样本点分别为x
如图6所示,本发明实施例提供了一种水冷系统中冷却水的寿命计算装置600,该装置包括:
一个数据采集模块601,用于采集预设时间周期内的水冷系统中冷却水的温度数据和电导率数据;
一个策略确定模块602,用于根据数据采集模块601采集的冷却水的温度数据和电导率数据,确定目标计算策略;其中,目标计算策略为计算冷却水的寿命的方式;
一个特征值计算模块603,用于对数据采集模块601采集到的冷却水的温度数据和电导率数据进行特征值计算,得到冷却水的参数特征值;
一个冷却水寿命计算模块604,用于根据特征值计算模块603得到的冷却水的参数特征值和策略确定模块602确定的目标计算策略,计算水冷系统中冷却水的寿命。
在一种可能的实现方式中,策略确定模块602在根据冷却水的温度数据和电导率数据确定目标计算策略时,配置成执行如下操作:
根据冷却水的温度数据和电导率数据确定是否满足预先设定的采样分析条件;
若冷却水的温度数据和电导率数据不满足预先设定的采样分析条件,则将模糊推理策略确定为目标计算策略;
若冷却水的温度数据和电导率数据满足预先设定的采样分析条件,则将电导率模型计算策略确定为目标计算策略。
在一种可能的实现方式中,特征值计算模块603在目标计算策略为模糊推理策略时,对冷却水的温度数据和电导率数据进行特征值计算,得到冷却水的参数特征值时配置成执行如下操作:
分别计算温度数据和电导率数据的均值和极值,得到温度均值、温度极值、电导率均值和电导率极值。
在一种可能的实现方式中,冷却水寿命计算模块604在根据冷却水的参数特征值和目标计算策略,计算水冷系统中冷却水的寿命时配置成执行如下操作:
将温度均值、温度极值、电导率均值和电导率极值作为输入进行模糊化处理,得到推理结果;
根据推理结果,确定冷却水的寿命是否达到维护阈值。
在一种可能的实现方式中,特征值计算模块603在目标计算策略为电导率模型计算策略时,对冷却水的温度数据和电导率数据进行特征值计算,得到冷却水的参数特征值时配置成执行如下操作:
分别计算温度数据和电导率数据的均值和方差,得到温度均值、温度方差、电导率均值和电导率方差。
在一种可能的实现方式中,如图7所示,冷却水寿命计算模块604包括:
一个模型训练单元6041,用于预先通过神经网络,训练得到冷却水的电解质分布计算模型;其中,电解质分布计算模型是通过将历史采集的冷却水的电导率特征和温度特征作为输入,将冷却水中电解质浓度的期望和标准差作为输出训练得到的;电导率特征包括电导率的均值和方差,温度特征包括温度的均值和方差;
一个电解质浓度计算单元6042,用于将温度均值、温度方差、电导率均值和电导率方差输入模型训练单元6041得到的电解质分布计算模型,得到冷却水中电解质浓度的期望和标准差;
一个失效曲线获取单元6043,用于从历史数据库中获取至少一条电解质浓度失效曲线;其中,电解质浓度失效曲线用于表征冷却水中电解质浓度随时间的变化状态;
一个冷却水寿命计算单元6044,用于针对每一条失效曲线获取单元6043得到的电解质浓度失效曲线,利用电解质浓度计算单元6042得到的电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计,得到至少一个冷却水的寿命计算结果。
在一种可能的实现方式中,冷却水寿命计算单元6044在利用电解质浓度的期望和标准差,以及该电解质浓度失效曲线进行最大概率估计时配置成执行如下操作:
利用电解质浓度的期望和标准差,确定电解质浓度的概率分布;
利用预设大小的滑动窗从电解质浓度失效曲线的初始位置到终点位置进行单步滑动的样本采集,得到至少一组样本集合;其中,每一组样本集合唯一由一个位置样本采集得到;
针对每一组样本集合,计算该样本集合在电解质浓度的概率分布中出现的概率;
将计算得到的结果中概率最大的样本集合所对应的滑动窗位置确定为目标位置;
计算该目标位置与失效点的距离,得到水冷系统中冷却水的寿命。
如图8所示,本发明一个实施例还提供了计算设备800,包括:至少一个存储器801和至少一个处理器802;
至少一个存储器801,用于存储机器可读程序;
至少一个处理器802,与至少一个存储器801耦合,用于调用机器可读程序,执行上述任一实施例提供的水冷系统中冷却水的寿命计算方法100。
本发明还提供了一种计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行上述任一实施例提供的水冷系统中冷却水的寿命计算方法100。具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,上述各流程和各装置结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。其中,上述水冷系统中冷却水的寿命计算装置与水冷系统中冷却水的寿命计算方法基于同一发明构思。
以上各实施例中,硬件模块可以通过机械方式或电气方式实现。例如,一个硬件模块可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件模块还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
- 水冷系统中冷却水的寿命计算方法、装置和可读介质
- 图像中的直线参数计算方法、装置、设备及可读存储介质