斯特林制冷机测试方法、装置、制冷机测试设备及介质与流程

本发明涉及制冷机检测，尤其涉及一种斯特林制冷机测试方法、装置、制冷机测试设备及介质。

背景技术：

1、整体式斯特林旋转制冷机主要为低温探测器提供有效冷源，为了保证每台制冷机可稳定的运行，需要对制冷机进行大量的测试。

2、现有的斯特林制冷机性能检测系统主要通过磨合测试、高低温测试进行判断，检测周期较长，且无法及时将不合格机器筛选出来。

技术实现思路

1、为了解决上述技术问题，本申请实施例提供一种能够有效缩短制冷机检测周期，并及时筛选出不合格机器的斯特林制冷机测试方法、装置、制冷机测试设备及介质，具体方案如下：

2、第一方面，本申请实施例提供了一种斯特林制冷机测试方法，包括：

3、获取制冷机测试参数集；

4、对所述制冷机测试参数集进行修正处理，并构建目标参数特征；

5、根据修正后的制冷机测试参数集和目标参数特征进行模型训练，得到目标制冷机可靠性预测模型，其中，所述目标制冷机可靠性预测模型基于优化后的catboost算法构建；

6、将待测试制冷机的测试参数集及目标参数特征输入所述目标制冷机可靠性预测模型，得到目标测试结果。

7、根据本申请实施例的一种具体实施方式，获取制冷机测试参数集，包括：

8、启动待测试制冷机；

9、控制所述待测试制冷机的环境温度为目标温度；

10、控制所述待测试制冷机磨合第一时间，并在完成磨合后等待第二时间进行性能测试，以得到所述制冷机测试参数集，其中，所述性能测试维持第三时间，其中，第一时间大于第二时间，第二时间大于第三时间。

11、根据本申请实施例的一种具体实施方式，所述制冷机测试参数集包括制冷机常温磨合电流、常温磨合转速、常温磨合焦温、性能测试电流、性能测试转速、性能测试焦温、回温时长和降频时长。

12、根据本申请实施例的一种具体实施方式，所述对所述制冷机测试参数集进行修正处理，包括：

13、对所述制冷机测试参数集中的数据进行标准化处理，得到标准测试数据集；

14、使用k-means聚类算法对所述标准测试数据集进行参数优化，得到优化测试数据集；

15、根据所述标准测试数据集和所述优化测试数据集，分别计算各制冷机测试参数的修正平均值；

16、根据所述修正平均值对所述制冷机测试参数集中的参数进行修正，得到修正后的制冷机测试参数集。

17、根据本申请实施例的一种具体实施方式，所述构建目标参数特征，包括：

18、获取所述待测试制冷机开始磨合后预设时间的第一目标参数数据，和所述待测试制冷机结束磨合前预设时间的第二目标参数数据；

19、根据所述第一目标参数数据和所述第二目标参数数据构建所述目标参数特征，其中，所述目标参数特征为差值特征。

20、根据本申请实施例的一种具体实施方式，所述构建目标参数特征，包括：

21、获取所述待测试制冷机开始磨合后第一预设时间的第一转速数据，和所述待测试制冷机结束磨合前第一预设时间的第二转速数据；

22、根据所述第一转速数据和所述第二转速数据构建转速差值特征；

23、获取所述待测试制冷机开始磨合后第二预设时间的第一稳定电流数据，和所述待测试制冷机结束磨合前第二预设时间的第二稳定电流数据；

24、根据所述第一稳定电流数据和所述第二稳定电流数据构建所述稳定电流差值特征。

25、根据本申请实施例的一种具体实施方式，所述根据修正后的制冷机测试参数集和目标参数特征进行模型训练，得到目标制冷机可靠性预测模型，包括：

26、基于catboost算法搭建初始预测模型，其中，所述初始预测模型以制冷机测试参数集和目标参数特征为输入参数，以制冷机是否可靠作为输出结果；

27、通过gridsearchcv对catboost算法参数进行优化，以选择最优模型训练参数，其中，所述catboost算法参数包括最大树数、学习率、树的最大深度、最大叶子结点数量、叶子结点最小样本量；

28、将所述修正后的制冷机测试参数集划分为训练集和测试集，根据所述最优模型训练参数完成预设倍数交叉验证，得到所述目标制冷机可靠性预测模型。

29、第二方面，本申请实施例提供了一种斯特林制冷机测试装置，包括：

30、获取模块，用于获取制冷机测试参数集；

31、修正模块，用于对所述制冷机测试参数集进行修正处理，并构建目标参数特征；

32、训练模块，用于根据修正后的制冷机测试参数集和目标参数特征进行模型训练，得到目标制冷机可靠性预测模型，其中，所述目标制冷机可靠性预测模型基于优化后的catboost算法构建；

33、预测模块，用于将待测试制冷机的测试参数集及目标参数特征输入所述目标制冷机可靠性预测模型，得到目标测试结果。

34、第三方面，本申请实施例提供了一种制冷机测试设备，该制冷机测试设备包括：

35、至少一个处理器；以及，

36、与该至少一个处理器通信连接的存储器；其中，

37、该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行第一方面所述的斯特林制冷机测试方法。

38、第四方面，本申请实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行第一方面所述的斯特林制冷机测试方法。

39、综上所述，本实施例提供了一种斯特林制冷机测试方法、装置、制冷机测试设备及介质，包括：获取制冷机测试参数集；对所述制冷机测试参数集进行修正处理，并构建目标参数特征；根据修正后的制冷机测试参数集和目标参数特征进行模型训练，得到目标制冷机可靠性预测模型，其中，所述目标制冷机可靠性预测模型基于优化后的catboost算法构建；将待测试制冷机的测试参数集及目标参数特征输入所述目标制冷机可靠性预测模型，得到目标测试结果。本申请通过优化后的catboost算法构建目标制冷机可靠性预测模型，可以基于实验测试数据对制冷机的高低温测试结果进行预测，从而有效判断制冷机是否合格，缩短了制冷机测试时间，并提升了制冷机测试精度。

技术特征：

1.一种斯特林制冷机测试方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，获取制冷机测试参数集，包括：

3.根据权利要求2所述的方法，其特征在于，所述制冷机测试参数集包括制冷机常温磨合电流、常温磨合转速、常温磨合焦温、性能测试电流、性能测试转速、性能测试焦温、回温时长和降频时长。

4.根据权利要求1所述的方法，其特征在于，所述对所述制冷机测试参数集进行修正处理，包括：

5.根据权利要求3所述的方法，其特征在于，所述构建目标参数特征，包括：

6.根据权利要求5所述的方法，其特征在于，所述构建目标参数特征，包括：

7.根据权利要求1所述的方法，其特征在于，所述根据修正后的制冷机测试参数集和目标参数特征进行模型训练，得到目标制冷机可靠性预测模型，包括：

8.一种斯特林制冷机测试装置，其特征在于，包括：

9.一种制冷机测试设备，其特征在于，包括：

10.一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-7中任一项所述的斯特林制冷机测试方法。

技术总结
本发明提供一种斯特林制冷机测试方法、装置、制冷机测试设备及介质，包括：获取制冷机测试参数集；对所述制冷机测试参数集进行修正处理，并构建目标参数特征；根据修正后的制冷机测试参数集和目标参数特征进行模型训练，得到目标制冷机可靠性预测模型，其中，所述目标制冷机可靠性预测模型基于优化后的Catboost算法构建；将待测试制冷机的测试参数集及目标参数特征输入所述目标制冷机可靠性预测模型，得到目标测试结果。本申请通过优化后的Catboost算法构建目标制冷机可靠性预测模型，可以基于实验测试数据对制冷机的高低温测试结果进行预测，从而有效判断制冷机是否合格，缩短了制冷机测试时间，并提升了制冷机测试精度。

技术研发人员：孙鸿飞,黄皓南,张起国,陈良伟
受保护的技术使用者：安徽光智科技有限公司
技术研发日：
技术公布日：2025/4/24