一种基于人工智能的工业测试方法及系统与流程

摘要: 本发明涉及人工智能工业应用。更具体地,本发明涉及一种基于人工智能的工业测试方法及系统。背景技术:1、随着工业4.0和智能制造的不断演进,以3c电子、汽车电子为代...
一种基于人工智能的工业测试方法及系统与流程

本发明涉及人工智能工业应用。更具体地,本发明涉及一种基于人工智能的工业测试方法及系统。

背景技术:

1、随着工业4.0和智能制造的不断演进,以3c电子、汽车电子为代表的现代电子制造业对产品品质的要求日益严苛,工业测试环节在整个生产周期中的重要性愈发凸显。在现代复杂电路板的测试与故障诊断过程中,通常需要协同控制多种异构精密仪器,按照特定的电气时序和逻辑规则向被测件施加激励,并精准采集和分析其响应信号。目前,行业内主流的自动化测试系统开发高度依赖于传统的人工图形化拖拽编程工具或脚本语言,现有技术方案存在几个难以克服的固有缺陷:

2、第一方面,测试工程师不仅需要精通电路原理,还必须熟练掌握测试软件的底层api调用、仪器通信协议以及多线程同步逻辑。针对一个新型号的手机主板,编写并调试一套完整的自动化测试序列往往需要耗费资深工程师数周甚至数月的时间,这种方式开发效率极其低下且技术门槛较高。

3、第二方面,传统预设脚本的自动化测试属于硬编码开环逻辑,其执行路径是固定死板的,当测试过程中出现未预期的复杂电路故障时,预设脚本只能简单抛出错误或失败判定,无法像人类专家那样,根据当前的异常电学参数,结合电路拓扑图进行动态的溯源分析和推理排查,导致产线上的不良品仍需大量人工介入进行二次复测和深度诊断。

4、第三方面,随着大语言模型和生成式ai技术的爆发,以公开号为cn121144194a的中国专利申请为例,行业内已经开始尝试将通用大模型直接引入工业控制和自动化测试领域,意图利用ai强大的自然语言理解和逻辑推理能力,直接生成测试脚本或控制指令。然而,这种大模型直连底层硬件的技术路线在严苛的工业级应用中暴露出致命的缺陷,即ai幻觉所引发的安全失控问题。

5、综上所述,现有的工业测试技术主要存在效率低下及可靠性低的问题。

技术实现思路

1、为解决现有的工业测试技术效率低下及可靠性低的技术问题,本发明公开了一种基于人工智能的工业测试方法及系统。

2、第一方面,本发明公开了一种基于人工智能的工业测试方法,包括:

3、s10:响应于原始检测请求的接收,在预设的分层测试知识体系中进行信息检索及提示词整合,得到测试上下文;其中,分层测试知识体系至少包括用于直接校验的强类型层,以及提供人工智能模型分析的知识库层;

4、s20:将测试上下文输入预训练的人工智能模型中进行推理,生成测试动作执行序列;

5、s30:基于预设的多重校验机制,对测试动作执行序列进行安全合规校验;

6、s40:将通过安全合规校验的测试动作执行序列转换为用于驱动对应测试机构的执行指令或执行配方。

7、有益效果:在原始检测请求发出时,本发明方法会先根据原始检测请求,在分层测试知识体系进行信息检索及整合,以得到适用于工业测试场景的测试上下文,然后,在人工智能模型输出测试动作执行序列,再根据多重校验机制进行安全合规校验,以使得人工智能的工业测试应用更为安全、高效及可靠。

8、优选的,在步骤s20之前,本发明方法还包括:

9、将测试上下文分别划分为强类型注入格式和知识库层注入格式输入人工智能模型;

10、其中,经过强类型注入格式划分后的测试上下文包含带物理量纲、外键及溯源元数据的结构化数据,且在提示词中被声明为执行安全判定的唯一依据;经过知识库层注入格式划分后的测试上下文包含知识库参考信息。

11、优选的,分层测试知识体系在作用域上划分为系统级知识和项目级知识;在步骤s20之前,本发明方法还包括:

12、根据预设的作用域标记提取知识实例,并在测试上下文注入人工智能模型前合并系统级知识与当前项目级知识;

13、若当前项目级知识与系统级知识中的参数存在冲突,采用当前项目级知识中的参数作为特殊化扩展,并输出预警信息。

14、优选的,步骤s10包括:

15、根据原始检测请求,在预设的被测件管脚映射表中匹配对应的管脚物理属性,并从知识库层中获取对应的工程上下文;

16、根据管脚物理属性,从预设的输入输出路径映射表中查找从被测件管脚到仪器通道的节点转化信息;其中,节点转化信息用于匹配强类型层的测试流片段;

17、将测试流片段及工程上下文共同作为测试上下文。

18、优选的,多重校验机制至少包括通用规则层校验和设备专有规则层校验。

19、具体地,通用规则层校验包括数值量纲类校验、时序类校验、资源冲突类校验、安全类校验以及完整性类校验;其中,若未通过安全类校验,直接强制停止当前测试动作执行序列。

20、更具体地,设备专有规则层校验至少包含时间约束、互斥约束、因果约束、范围约束以及条件约束;

21、其中,时间约束用于约束测试动作执行序列中上一触发动作完成至下一动作开始之间必须满足的最小时延;互斥约束用于约束测试动作执行序列禁止在同一时间窗口重复激活同一测试机构;因果约束用于约束测试动作执行序列中某一动作执行前必须满足的前置条件;范围约束用于约束测试动作执行序列中工艺参数必须落入的参数区间;条件约束测试动作执行序列中某一动作执行仅在被测件处于指定状态时生效。

22、优选的,若通用规则层校验和设备专有规则层校验存在校验冲突,则触发冲突仲裁机制,具体为:

23、若存在时间类的动作间隔冲突,则取两者校验返回的最大值作为校验对象;

24、若存在参数范围类的冲突,则取两者的交集区间参数作为用于校验的参数区间;

25、若为互斥、因果或条件类的冲突,则取两者的并集作为校验输出结果。

26、优选的,若被测件属于蓄电元件,则安全类校验至少包括短路校验、过充校验、过放校验、漏电校验以及蓄能放热校验。

27、第二方面,本发明公开了一种基于人工智能的工业测试系统,包括处理器和存储器,存储器存储有计算机程序指令,当计算机程序指令被处理器执行时实现第一方面记载的基于人工智能的工业测试方法。

28、本发明的有益效果在于:

29、本发明方法利用分层测试知识体系进行信息检索及整合,以得到测试上下文,从而有效引导人工智能模型做出更倾向于工业应用测试的有效输出;并且,本发明方法还在输出层与驱动层之间建立一套多重校验机制,将工程测试领域的铁律抽象为可逻辑分析的约束。无论大模型因何种不可解释的原因生成了带有单位错误或时序倒置的危险指令,上述约束均能够有效拦截,并引导人工智能模型重新优化。

1.一种基于人工智能的工业测试方法,其特征在于,包括:

2.根据权利要求1所述的基于人工智能的工业测试方法,其特征在于,在步骤s20之前,所述方法还包括:

3.根据权利要求2所述的基于人工智能的工业测试方法,其特征在于,所述分层测试知识体系在作用域上划分为系统级知识和项目级知识;在步骤s20之前,所述方法还包括:

4.根据权利要求1-3任一项所述的基于人工智能的工业测试方法,其特征在于,步骤s10包括:

5.根据权利要求1所述的基于人工智能的工业测试方法,其特征在于,多重校验机制至少包括通用规则层校验和设备专有规则层校验。

6.根据权利要求5所述的基于人工智能的工业测试方法,其特征在于,所述通用规则层校验包括数值量纲类校验、时序类校验、资源冲突类校验、安全类校验以及完整性类校验;其中,若未通过所述安全类校验,直接强制停止当前测试动作执行序列。

7.根据权利要求5所述的基于人工智能的工业测试方法,其特征在于,所述设备专有规则层校验至少包含时间约束、互斥约束、因果约束、范围约束以及条件约束;

8.根据权利要求7所述的基于人工智能的工业测试方法,其特征在于,若所述通用规则层校验和所述设备专有规则层校验存在校验冲突,则触发冲突仲裁机制,具体为:

9.根据权利要求6所述的基于人工智能的工业测试方法,其特征在于,若被测件属于蓄电元件,则所述安全类校验至少包括短路校验、过充校验、过放校验、漏电校验以及蓄能放热校验。

10.一种基于人工智能的工业测试系统,其特征在于,包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现权利要求1-9任一项所述的基于人工智能的工业测试方法。