开云优惠体育网页版入口

专利名称：一种汽车散热翅片工作状况监测方法

专利类型：发明专利

专利申请号：CN202410961743.9

专利申请（专利权）人：茌平鲁环汽车散热器有限公司
权利人地址：山东省聊城市茌平县热电民营工业园区

专利发明（设计）人：梁岩,丁传亮,赵春辉,魏可新,王克新,李吉证,田英,杨磊,李军,韩富国,董坤

专利摘要：本发明涉及数据处理领域，更具体地，本发明涉及一种汽车散热翅片工作状况监测方法，所述方法包括：获取振动数据序列以及噪音数据序列，计算振动数据序列中任一振动数据的异常因子，并综合参考数据段计算各振动数据的滤波程度，根据各振动数据的滤波程度与预设阈值的比较结果，自适应调整对各振动数据进行去噪处理的次数，并对完成去噪后的振动数据序列进行异常检测，以基于异常检测的结果监测汽车散热翅片的工作状况。本发明可以自适应调整对各振动数据进行去噪处理的次数，能够避免对振动数据进行去噪时的过度平滑和欠平滑现象，降低了噪声数据的影响，进而可以准确地监测汽车散热翅片的工作状况。

主权利要求：
1.一种汽车散热翅片工作状况监测方法，其特征在于，包括：
获取汽车散热翅片工作时的振动数据序列以及噪音数据序列；
计算所述振动数据序列中任一振动数据的异常因子，所述异常因子反映了所述振动数据为异常数据的可能性；
将所述噪音数据序列中与预设振动数据段对应时段相同的数据段作为参考数据段，计算各所述振动数据的滤波程度 ，为第 个振动数据的异常因子， 为预设振动数据段 内第 个振动数据的百分位数，为参考数据段 内第 个振动数据对应时刻采集的噪音数据的百分位数， 为预设振动数据段内除第 个振动数据外的数据，与参考数据段内除第 个振动数据对应时刻采集的噪音数据 外的数据之间的皮尔逊相关系数，为预设振动数据段内的数据与参考数据段内的数据之间的皮尔逊相关系数， 为归一化函数， 为绝对值符号；
根据各所述振动数据的滤波程度与预设阈值的比较结果，自适应调整对各所述振动数据进行去噪处理的次数，并对完成去噪后的所述振动数据序列进行异常检测，以基于异常检测的结果监测所述汽车散热翅片的工作状况；
其中，所述异常因子的获取方法，包括：
将预设振动数据段内的数据的中位数，与预设振动数据段内的数据的平均值之间的差值的绝对值，作为预设振动数据段内的数据的偏移程度；
从所述振动数据序列中随机选取多个与预设振动数据段长度相同的振动数据段，计算预设振动数据段的信息熵与各所述振动数据段的信息熵之间的差值的累加和，将所述累加和作为所述偏移程度的可信度；
计算所述任一振动数据的异常因子，所述异常因子与所述偏移程度、所述偏移程度的可信度以及所述任一振动数据的取值的异常情况均正相关；
所述异常因子，满足如下关系式：
，式中， 为第
个振动数据的异常因子； 为第 个振动数据的取值； 为预设振动数据段内的数据的平均值； 为预设振动数据段内的数据的中位数； 为预设振动数据段内的数据的信息熵； 为与预设振动数据段长度相同的第 个振动数据段内的数据的信息熵； 为归一化函数； 为绝对值符号；
所述自适应调整对各所述振动数据进行去噪处理的次数，包括：当所述振动数据的滤波程度大于或等于所述预设阈值，则利用均值滤波算法对所述振动数据进行去噪处理，直到完成当前去噪处理后的该振动数据的滤波程度小于所述预设阈值为止，以自适应调整对各所述振动数据进行去噪处理的次数；
所述对完成去噪后的所述振动数据序列进行异常检测，以基于异常检测的结果监测所述汽车散热翅片的工作状况，包括：确定完成去噪后的所述振动数据序列中的振动数据的正常范围，当任一振动数据的取值在所述正常范围之外，则判定所述振动数据为异常振动数据，并发出警报，以提醒操作人员所述汽车散热翅片在对应时刻发生异常，进而监测所述汽车散热翅片的工作状况。
2.根据权利要求1所述的一种汽车散热翅片工作状况监测方法，其特征在于，所述正常范围的获取方法，包括：基于完成去噪后的所述振动数据序列构建箱线图，将所述箱线图的上限以及下限组成的范围，作为所述完成去噪后的所述振动数据序列中的振动数据的正常范围。
3.根据权利要求1所述的一种汽车散热翅片工作状况监测方法，其特征在于，所述百分位数的获取方法，包括：将所述任一振动数据的预设振动数据段内的数据按照顺序或者逆序排列，获取所述任一振动数据的位置序号；
计算所述位置序号与所述预设振动数据段对应的末尾位置序号的比值，并将所述比值百分化，得到所述预设振动数据段内所述任一振动数据的百分位数，同理得到所述参考数据段内所述任一振动数据对应时刻采集的噪音数据的百分位数。
4.根据权利要求3所述的一种汽车散热翅片工作状况监测方法，其特征在于，所述预设振动数据段的获取方法，包括：以所述振动数据序列中的任一振动数据为中心，选取长度为预设长度的振动数据段，得到所述任一振动数据的预设振动数据段，进而得到各所述振动数据对应的预设振动数据段。 说明书 : 一种汽车散热翅片工作状况监测方法技术领域[0001] 本发明涉及数据处理领域。更具体地，本发明涉及一种汽车散热翅片工作状况监测方法。背景技术[0002] 现代汽车需要在各种复杂工况下保持高可靠性和长时间运行，散热系统的稳定性是保证发动机和其它关键部件正常运行的基。瞪⑷瘸崞ぷ魇钡囊斐Ｕ穸，可能会导致散热翅片与散热器主体电连接的部分接触不良，从而影响热传导效率，在一定程度上可能会降低散热效果，因此，通过分析汽车散热翅片工作时采集的振动数据的异常情况，可以监测散热翅片的工作状况，从而能够及时发现问题并进行修复。[0003] 相关技术中，如公开号CN117632665A的专利申请文件中公开了一种散热器的运行状态实时监测方法，该方法包括：采集散热器的温度数据和风速数据，根据温度数据和风速数据之间的相关性，以及对应的温度异常程度，确定异常变化可能性，根据每个采样时刻的各个 近邻散热器温度对应的采样时刻的温度异常程度和异常变化可能性，得到散热器异常程度，以利用散热器异常程度对散热器运行状态进行监测。[0004] 然而，上述方案在利用温度数据以及风速数据对散热器的运行状态进行监测时，并未考虑到获取的温度数据以及风速数据中的噪声数据的影响，得到的散热器异常程度的准确性可能较低，从而在一定程度上可能会降低对散热器运行状态的监测的准确性。发明内容[0005] 为了解决由于噪声数据的影响，导致监测结果的准确性较低的问题，本发明提供了一种汽车散热翅片工作状况监测方法。[0006] 根据本发明实施例的一个方面，提供了一种汽车散热翅片工作状况监测方法，包括：[0007] 获取汽车散热翅片工作时的振动数据序列以及噪音数据序列；[0008] 计算振动数据序列中任一振动数据的异常因子，异常因子反映了振动数据为异常数据的可能性；[0009] 将噪音数据序列中与预设振动数据段对应时段相同的数据段作为参考数据段，计算各振动数据的滤波程度 ，为第 个振动数据的异常因子， 为预设振动数据段 内第 个振动数据的百分位数，为参考数据段 内第 个振动数据对应时刻采集的噪音数据的百分位数， 为预设振动数据段内除第 个振动数据外的数据，与参考数据段内除第 个振动数据对应时刻采集的噪音数据 外的数据之间的皮尔逊相关系数，为预设振动数据段内的数据与参考数据段内的数据之间的皮尔逊相关系数， 为归一化函数， 为绝对值符号；[0010] 根据各振动数据的滤波程度与预设阈值的比较结果，自适应调整对各振动数据进行去噪处理的次数，并对完成去噪后的振动数据序列进行异常检测，以基于异常检测的结果监测汽车散热翅片的工作状况。[0011] 本发明通过振动数据的滤波程度与预设阈值的比较结果，自适应调整对各振动数据进行去噪处理的次数，能够避免对各振动数据进行去噪处理时的过度平滑现象以及欠平滑现象，从而能够准确地对振动数据序列进行去噪处理，进而可以实现对汽车散热翅片工作状况的准确监测。[0012] 在本发明的一种示例实施例中，根据各振动数据的滤波程度与预设阈值的比较结果，自适应调整对各振动数据进行去噪处理的次数，包括：[0013] 当振动数据的滤波程度大于或等于预设阈值，则利用均值滤波算法对振动数据进行去噪处理，直到完成当前去噪处理后的该振动数据的滤波程度小于预设阈值为止，以自适应调整对各振动数据进行去噪处理的次数。[0014] 在本发明的一种示例实施例中，对完成去噪后的振动数据序列进行异常检测，以基于异常检测的结果监测汽车散热翅片的工作状况，包括：[0015] 确定完成去噪后的振动数据序列中的振动数据的正常范围，当任一振动数据的取值在正常范围之外，则判定振动数据为异常振动数据，并发出警报，以提醒操作人员汽车散热翅片在对应时刻发生异常，进而监测汽车散热翅片的工作状况。[0016] 本发明可以准确地监测汽车散热翅片的工作状况，且在监测到异常情况时发出警报信息，使得操作人员能够及时做出对应的措施对汽车散热翅片进行修复，保障了散热功能的稳定性。[0017] 在本发明的一种示例实施例中，正常范围的获取方法，包括：[0018] 基于完成去噪后的振动数据序列构建箱线图，将箱线图的上限以及下限组成的范围，作为完成去噪后的振动数据序列中的振动数据的正常范围。[0019] 本发明利用箱线图确定振动数据序列中振动数据的正常范围，保证了确定的正常范围的准确性。[0020] 在本发明的一种示例实施例中，振动数据序列中任一振动数据的异常因子的获取方法，包括：[0021] 将预设振动数据段内的数据的中位数，与预设振动数据段内的数据的平均值之间的差值的绝对值，作为预设振动数据段内的数据的偏移程度；[0022] 从振动数据序列中随机选取多个与预设振动数据段长度相同的振动数据段，计算预设振动数据段的信息熵与各振动数据段的信息熵之间的差值的累加和，将累加和作为偏移程度的可信度；[0023] 计算任一振动数据的异常因子，异常因子与偏移程度、偏移程度的可信度以及任一振动数据的取值的异常情况均正相关。[0024] 本发明综合多个方面确定振动数据的异常因子，保证了异常因子的准确性。[0025] 在本发明的一种示例实施例中，振动数据的异常因子，满足如下关系式：[0026] ；[0027] 式中， 为第 个振动数据的异常因子； 为第 个振动数据的取值； 为预设振动数据段内的数据的平均值； 为预设振动数据段内的数据的中位数； 为预设振动数据段内的数据的信息熵； 为与预设振动数据段长度相同的第 个振动数据段内的数据的信息熵； 为归一化函数； 为绝对值符号。[0028] 在本发明的一种示例实施例中，百分位数的获取方法，包括：[0029] 将任一振动数据的预设振动数据段内的数据按照顺序或者逆序排列，获取任一振动数据的位置序号；[0030] 计算位置序号与预设振动数据段对应的末尾位置序号的比值，并将比值百分化，得到预设振动数据段内任一振动数据的百分位数，同理得到参考数据段内任一振动数据对应时刻采集的噪音数据的百分位数。[0031] 本发明利用统计学中百分位数的概念，衡量同一时刻的振动数据与噪音数据之间的相关性，可以消除不同量纲以及不同数量级的影响，保证了确定的相关性的准确性。[0032] 在本发明的一种示例实施例中，预设振动数据段的获取方法，包括：[0033] 以振动数据序列中的任一振动数据为中心，选取长度为预设长度的振动数据段，得到任一振动数据的预设振动数据段，进而得到各振动数据对应的预设振动数据段。[0034] 本发明具有以下效果：[0035] 本发明综合振动数据的异常因子，以及同一时刻采集的振动数据与噪音数据之间的相关性等多种数据，计算振动数据的滤波程度，保证了滤波程度的准确性，且根据各振动数据的滤波程度，调整对各振动数据进行去噪处理的次数，能够避免对各振动数据进行去噪处理时的过度平滑现象以及欠平滑现象，降低了噪声数据的影响，从而可以准确地监测汽车散热翅片的工作状况。附图说明[0036] 通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：[0037] 图1是本发明实施例一种汽车散热翅片工作状况监测方法的步骤流程示意图；[0038] 图2是本发明实施例中，确定振动数据的异常因子的步骤流程图。具体实施方式[0039] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。[0040] 下面结合附图来详细描述本发明的具体实施方式。[0041] 参照图1，一种汽车散热翅片工作状况监测方法，包括步骤S1?步骤S4，具体如下：[0042] S1：获取汽车散热翅片工作时的振动数据序列以及噪音数据序列。[0043] 在本发明的一示例实施例中，振动数据序列可以是与汽车散热翅片电连接的振动传感器中的读数构成的数据序列，用于作为监测汽车散热翅片的工作状况的数据基础。噪音数据序列可以是与汽车散热翅片电连接的声级计中的读数构成的数据序列，用于作为对照数据，对振动数据进一步的进行分析。[0044] 可选的，可以在一定时长如30分钟内，以固定频率如1次/秒，连续采集与汽车散热翅片电连接的振动传感器以及声级计中的读数，从而得到该时段内的振动数据以及噪音数据，并将该时段内的所有振动数据组成的数据序列，作为振动数据序列，将该时段内的所有噪音数据组成的数据序列作为噪音数据序列；本实施例对于采集时长和采集频率不做特别限定。[0045] S2：计算振动数据序列中任一振动数据的异常因子，异常因子反映了振动数据为异常数据的可能性。[0046] 在本发明的一示例实施例中，异常因子是指用于衡量任一振动数据为异常数据的可能性的数据。当任一振动数据的异常因子较大时，则该振动数据为异常数据的可能性越大，相反的，当任一振动数据的异常因子较小时，则该振动数据为异常数据的可能性越小。[0047] 在本发明的一种示例实施例中，参考图2所示，可以通过以下步骤实现振动数据序列中，任一振动数据的异常因子的确定：[0048] S101：将预设振动数据段内的数据的中位数与预设振动数据段内的数据的平均值之间的差值的绝对值，作为预设振动数据段内的数据的偏移程度；[0049] 其中，预设振动数据段可以是以任一振动数据为中心确定的振动数据段，用于作为数据基。治龆杂φ穸菸斐Ｊ莸目赡苄。偏移程度可以是衡量预设振动数据段内的数据的分布情况的数据，用于确定预设振动数据段内存在异常数据的可能性。如以任一振动数据为中心确定的预设振动数据段的偏移程度较大时，则说明该预设振动数据段内的数据分布较为离散，进而说明该预设振动数据段内存在异常数据的可能性较大，则该振动数据为异常数据的可能性相对较大；相反的，则该振动数据为异常数据的可能性相对较小。[0050] 在本发明的一种示例实施例中，可以通过以下步骤实现预设振动数据段的确定：[0051] 以振动数据序列中的任一振动数据为中心，选取长度为预设长度的振动数据段，得到任一振动数据的预设振动数据段，进而得到各振动数据对应的预设振动数据段。[0052] 示例性的，可以将预设长度设置为101，若确定任一振动数据的预设振动数据段时，则将以该振动数据为中心，选取的长度为101的振动数据段，作为该振动数据的预设振动数据段，当然，也可以根据具体的情况设置合适的长度，本实施例对于预设振动数据段的长度不做特别限定。[0053] 可选的，当该振动数据的任一侧的振动数据的数量为49，小于50时，则将该侧的49个振动数据、该振动数据以及另一侧的51个振动数据组成的数据段，作为预设振动数据段，进而确定振动数据序列中的各振动数据对应的预设振动数据段。[0054] S102：从振动数据序列中随机选取多个与预设振动数据段长度相同的振动数据段，计算预设振动数据段内的数据的信息熵与各振动数据段内的数据的信息熵之间的差值的累加和，将累加和作为偏移程度的可信度；[0055] 其中，偏移程度的可信度是指预设振动数据段内的数据的信息熵，与各振动数据段内的数据的信息熵之间的差值的累加和，用于衡量预设振动数据段的偏移程度准确性的数据。举例而言，当确定任一振动数据的预设振动数据段的偏移程度较大时，若该偏移程度的可信度也较大，则该偏移程度的准确性较高，说明该振动数据的预设振动数据段内，具有较大可能存在异常数据；若该偏移程度的可信度较小时，则该偏移程度的准确性较低，说明该振动数据的预设振动数据段内，存在异常数据的可能性相对较。佣芄槐Ｖと范ǖ脑ど枵穸荻文诖嬖谝斐Ｊ莸目赡苄缘淖既沸。[0056] S103：计算任一振动数据的异常因子，异常因子与偏移程度、偏移程度的可信度以及任一振动数据的取值的异常情况均正相关。[0057] 具体的，振动数据的异常因子，满足如下关系式：[0058] ；[0059] 式中， 为第 个振动数据的异常因子； 为第 个振动数据的取值； 为预设振动数据段内的数据的平均值； 为预设振动数据段内的数据的中位数； 为预设振动数据段的信息熵； 为与预设振动数据段长度相同的第 个振动数据段的信息熵；为归一化函数； 为绝对值符号。[0060] 其中， 反映了该振动数据的取值的异常情况，该值越大，则该振动数据的取值的异常程度越大，说明该振动数据为异常数据的可能性较大，对应的该振动数据的异常因子越大； 反映了该振动数据的预设振动数据段的偏移程度，该值越大，则该振动数据的预设振动数据段内存在异常数据的可能性越大，对应的该振动数据的异常因子越大； 反映了该振动数据的预设振动数据段的偏移程度的可信度，该值越大，则该振动数据的预设振动数据段内存在异常数据的可能性越大，对应的该振动数据的异常因子越大。[0061] 在另一个实施例中，可以通过其它公式来实现振动数据序列中各振动数据的异常因子的确定，如不通过乘积的计算公式确定，而通过求和或者伽马变换的计算公式确定。[0062] S3：将噪音数据序列中与预设振动数据段对应时段相同的数据段作为参考数据段，计算各振动数据的滤波程度。[0063] 需要说明的是，在采集汽车散热翅片工作时的振动数据时，车辆内部的电子设备和外部的电磁辐射源均可能会对振动传感器产生电磁干扰，导致采集的振动数据中存在噪声数据，而各振动数据的异常因子，反映的是对应振动数据为异常数据的可能性，无法对噪声数据以及由汽车散热翅片发生异常产生的异常的振动数据进行区分，因此，需要确定各振动数据为噪声数据的可能性，从而准确地对振动数据序列进行去噪处理。[0064] 在本发明的一示例实施例中，滤波程度是指能够反映各振动数据为噪声数据的可能性的数据，用于作为是否对各振动数据进行去噪处理的判断依据。如当任一振动数据的滤波程度较大时，说明该振动数据为噪声数据的可能性较大，且当该振动数据的滤波程度大于一定值时，则对该振动数据进行去噪处理，从而降低噪声数据对监测汽车散热翅片的工作状况时的影响。[0065] 具体的，各振动数据的滤波程度，满足如下关系式：[0066] ；[0067] 式中， 为第 个振动数据的滤波程度； 为第 个振动数据的异常因子； 为预设振动数据段 内第 个振动数据的百分位数； 为参考数据段 内第 个振动数据对应时刻采集的噪音数据的百分位数； 为预设振动数据段内除第 个振动数据外的数据，与参考数据段内除第 个振动数据对应时刻采集的噪音数据 外的数据之间的皮尔逊相关系数；为预设振动数据段内的数据与参考数据段内的数据之间的皮尔逊相关系数，需要说明的是，数据之间的皮尔逊相关系数的确定为现有技术，在此不做详细说明； 为归一化函数； 为绝对值符号。[0068] 其中， 反映了第 个振动数据对应时刻采集的振动数据与噪音数据在预设振动数据段，以及参考数据段内的相对位置的偏差，该值越大，说明对应的偏差越大，则该时刻的振动数据与噪音数据之间的相关性较低，若该振动数据具有较大可能为异常数据，则该振动数据具有较大可能为噪声数据，对应的滤波程度越大；相反的，该值越。得鞫杂Φ钠钤叫。蚋檬笨痰恼穸萦朐胍羰葜涞南喙匦越洗，若该振动数据具有较大可能为异常数据，则该振动数据发生异常的原因具有较大可能为汽车散热翅片发生了异常，对应的滤波程度越小。[0069] 反映了第 个振动数据对应时刻采集的振动数据与噪音数据，对预设振动数据段与参考数据段之间的相关性的影响程度，该值越大，则对应的影响程度越大，说明该时刻采集的振动数据与噪音数据之间的相关性较。虻备谜穸菥哂薪洗罂赡芪斐Ｊ菔，则该振动数据具有较大可能为噪声数据，对应的滤波程度越大，反之，对应的滤波程度较大。[0070] 在本发明的一种示例实施例中，可以通过以下步骤实现百分位数的确定：[0071] 将任一振动数据的预设振动数据段内的数据按照顺序或者逆序排列，获取任一振动数据的位置序号；计算位置序号与预设振动数据段对应的末尾位置序号的比值，并将比值百分化，得到预设振动数据段内任一振动数据的百分位数，同理得到参考数据段内任一振动数据对应时刻采集的噪音数据的百分位数。[0072] 可选的，通过计算预设振动数据段内任一振动数据的百分位数，以及参考数据段内该振动数据对应时刻采集的噪音数据的百分位数，可以消除分析振动数据与噪音数据之间的相关性时，不同数据的数量级以及不同量纲的影响，能够准确地确定同一时刻采集的振动数据与噪音数据之间的相关性，进而保证了各振动数据的滤波程度的准确性。[0073] S4：根据各振动数据的滤波程度与预设阈值的比较结果，自适应调整对各振动数据进行去噪处理的次数，并对完成去噪后的振动数据序列进行异常检测，以基于异常检测的结果监测汽车散热翅片的工作状况。[0074] 在本发明的一种示例实施例中，可以通过以下步骤实现自适应调整对各振动数据进行去噪处理的次数：[0075] 当振动数据的滤波程度大于或等于预设阈值，则利用均值滤波算法对振动数据进行去噪处理，直到完成当前去噪处理后的该振动数据的滤波程度小于预设阈值为止，以自适应调整对各振动数据进行去噪处理的次数。[0076] 需要说明的是，在利用均值滤波算法对振动数据序列进行去噪处理时，若对振动数据序列中的各振动数据进行相同次数的去噪处理，一些振动数据可能存在过度平滑现象，从而导致细节信息丢失，一些振动数据也可能会存在欠平滑现象，导致去噪处理效果较大，从而导致无法准确地对汽车散热翅片的工作状况进行监测，因此需要自适应调整各振动数据的去噪处理的次数，从而准确地对振动数据序列进行去噪处理，进而可以准确地监测汽车散热翅片的工作状况。[0077] 可选的，可以将预设阈值设置为0.6，当振动数据序列中任一振动数据的滤波程度大于或等于0.6时，说明该振动数据具有较大可能为噪声数据，则需要利用均值滤波算法对该振动数据进行去噪处理，且当完成当前去噪处理后的该振动数据的滤波程度小于0.6时，则不再对该振动数据进行去噪处理，从而可以自适应调整对各振动数据进行去噪处理的次数，能够避免对各振动数据进行去噪处理时的过度平滑现象与欠平滑现象，进而能够准确地对振动数据序列进行去噪处理，需要说明的是，均值滤波算法为现有技术，本实施例在此不做详细说明。[0078] 在本发明的一种示例实施例中，可以通过以下步骤实现对汽车散热翅片的工作状况的监测：[0079] 确定完成去噪后的振动数据序列中的振动数据的正常范围，当任一振动数据的取值在正常范围之外，则判定振动数据为异常振动数据，并发出警报，以提醒操作人员汽车散热翅片在对应时刻发生异常，进而监测汽车散热翅片的工作状况。[0080] 其中，正常范围是指振动数据序列中正常的振动数据的取值范围，用于作为确定异常振动数据的判定条件。异常振动数据是指汽车散热翅片发生异常时的振动数据，用于作为触发警报信息的数据，以提醒操作人员汽车散热翅片在对应时刻发生了异常，使得操作人员能够及时做出相应的措施对汽车散热翅片进行修复，从而实现对汽车散热翅片的工作状况的监测。[0081] 在本发明的一种示例实施例中，可以通过以下步骤实现振动数据序列中的振动数据的正常范围的确定：[0082] 基于完成去噪后的振动数据序列构建箱线图，将箱线图的上限以及下限组成的范围，作为完成去噪后的振动数据序列中的振动数据的正常范围。[0083] 其中，当基于完成去噪后的振动数据序列构建得到对应的箱线图后，若该箱线图中的任一数据点超出该箱线图的上限或者下限，则该数据点即为异常数据，因此，该箱线图的上限和下限组成的范围，即为完成去噪后的振动数据序列中的振动数据的正常范围。需要说明的是，箱线图的构建方法为现有技术，箱线图的上限和下限为箱线图中的专业名词，本实施在此不做详细说明。[0084] 在本说明书的描述中，“多个”、“若干个”的含义是至少两个，例如两个，三个或更多个等，除非另有明确具体的限定。[0085] 虽然本说明书已经示出和描述了本发明的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中，可以采用对本文所描述的本发明实施例的各种替代方案。

专利地区：山东

专利申请日期：2024-07-18

专利公开日期：2024-11-01

专利公告号：CN118500538B