本发明涉及流量测试领域，特别涉及一种流量测试方法。
背景技术：
高压喷射阀(highpressureinjectionvalve，hdev)又称为高压直喷喷油器(gasolinedirectinjectioninjector)，在生产高压喷射阀的过程中，需要对其流量进行测试。现有的流量测试方法参见图1所示，将高压喷射阀连接在流量测试设备上，流量测试设备包括调压阀和流量计，试验液流过流量计、调压阀和高压喷射阀，通过采集流量计30s内的读数，每秒读一个测试数据，求30个测试数据的平均值，得到最终的流量值。
然而，上述流量测试方法的测试时间较长，效率较低。当产能增加时，需要设置多台测试设备来满足测试需求。
技术实现要素：
本发明提供了一种流量测试方法，以解决现有的流量测试方法的测试时间较长的技术问题。
为解决上述技术问题，本发明提供了一种流量测试方法，所述方法包括以下步骤：
s1、获取同一型号a个产品的m次流量测试结果，每次流量测试结果包括n个测试数据，其中，a≥1且为整数，m≥2且为整数，n≥3且为整数；
s2、分别利用y种分布模型对每次流量测试结果的n个测试数据进行拟合，得到a*m*y个拟合模型，其中，y≥1且为整数；
s3、分别计算a*m*y个拟合模型的形状参数；
s4、从a*m*y个形状参数中选取m个形状参数作为一个组合，得到
s5、分别计算
s6、将最大的测量能力指数对应的形状参数作为机器学习分类模型的目标，将a*m*n个测试数据作为训练样本，对所述机器学习分类模型进行训练，得到训练后的模型；
s7、利用所述训练后的模型对与所述型号相同的产品的流量进行测试。
可选的，所述分布模型包括正态分布模型、指数正态分布模型、长尾分布模型、韦布尔分布模型和极值分布模型。
可选的，所述机器学习分类模型包括逻辑回归模型、决策树模型、随机森林模型和梯度提升树模型。
可选的，所述测量能力指数的计算公式为
可选的，所述a、m、n满足以下条件：20≤a≤30，20≤m≤30，20≤n≤30。
可选的，所述y满足以下条件：2≤y≤5。
可选的，所述s7具体包括：获取与所述型号相同的产品的b个测试数据，n＞b；
将b个测试数据拟合成所述训练后的模型，并计算形状参数，得到流量测试结果。
可选的，所述产品为高压喷射阀。
本发明提供的一种流量测试方法，在保持测量节拍(原来的测量节拍为30秒)不变的情况下，测量能力指数可以明显提高，当测试样本为1200个时，测量能力指数可以提高18.5％；当保持原有的测量能力指数时，测量节拍可以从30秒降低到19秒，降低了测试时间。
附图说明
图1是高压喷射阀在进行流量测试时的安装示意图。
图2是现有技术的流量测试时间和本发明一实施例的测试时间对比示意图。
图3是本发明一实施例提供的一种流量测试方法的流程图。
具体实施方式
为使本发明的目的、优点和特征更加清楚，以下结合附图对本发明提出的一种流量测试方法作进一步详细说明。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
如图3所示，本实施例提供了一种流量测试方法，所述方法包括以下步骤：
s1、获取同一型号a个产品的m次流量测试结果，每次流量测试结果包括n个测试数据，其中，a≥1且为整数，m≥2且为整数，n≥3且为整数。
理论上a、m、n的值越大，拟合的结果越准确，实际使用时兼顾准确性和工作量，a、m、n优选为20≤a≤30，20≤m≤30，20≤n≤30。
s2、分别利用y种分布模型对每次流量测试结果的n个测试数据进行拟合，得到a*m*y个拟合模型，其中，y≥1且为整数。
所述分布模型可以从正态分布模型、指数正态分布模型、长尾分布模型、韦布尔分布模型和极值分布模型等模型中选择。实际使用时兼顾准确性和工作量，y优选为2≤y≤5。*表示乘号。
s3、分别计算a*m*y个拟合模型的形状参数。
形状参数可以称为位置参数。对于正态分布模型，形状参数等于期望值μ。
s4、从a*m*y个形状参数中选取m个形状参数作为一个组合，得到
s5、分别计算
测量能力指数可以是重复性系数和/或再现性系数。当测量能力指数为重复性系数时，测量能力指数的计算公式为
s6、将最大的测量能力指数对应的形状参数作为机器学习分类模型的目标，将a*m*n个测试数据作为训练样本，对所述机器学习分类模型进行训练，得到训练后的模型。
所述机器学习分类模型可以为逻辑回归模型、决策树模型、随机森林模型或梯度提升树模型等模型。机器学习分类模型的目标可以称为机器学习分类模型的标签。
s7、利用所述训练后的模型对与所述型号相同的产品的流量进行测试。
本步骤具体可以包括：获取与所述型号相同的产品的b个测试数据，n＞b；将b个测试数据拟合成所述训练后的模型，并计算形状参数，得到流量测试结果。
参考图2所示，本实施提供的一种流量测试方法，在保持测量节拍(原来的测量节拍为30秒)不变的情况下，测量能力指数可以明显提高，即提高了测量精度，当测试样本为1200个时，测量能力指数可以提高18.5％；当保持原有的测量能力指数时，测量节拍可以从30秒降低到19秒，降低了测试时间。
可选的，所述产品为高压喷射阀。本实施例提供的一种流量测试方法可以对高压喷射阀的流量进行测量。
以下用具体的例子说明下本发明提供的一种流量测试方法的具体过程：选取某型号的产品数量为25个；采用现有的测试方法，对每个产品测量25次，每次包括30个测试数据；分别用正态分布模型和极小值分布模型对每次测量的30个测试数据进行拟合，得到25*25*2个拟合模型；分别计算各拟合模型的形状参数；从25*25*2个形状参数中随机选25个值作为一个组合，得到
综上所述，本发明提供的一种流量测试方法，在保持测量节拍(原来的测量节拍为30秒)不变的情况下，测量能力指数可以明显提高，当测试样本为1200个时，测量能力指数可以提高18.5％；当保持原有的测量能力指数时，测量节拍可以从30秒降低到19秒，降低了测试时间。
上述描述仅是对本发明较佳实施例的描述，并非对本发明范围的任何限定，本领域的普通技术人员根据上述揭示内容做的任何变更、修饰，均属于本发明的保护范围。
1.一种流量测试方法，其特征在于，所述方法包括以下步骤：
s1、获取同一型号a个产品的m次流量测试结果，每次流量测试结果包括n个测试数据，其中，a≥1且为整数，m≥2且为整数，n≥3且为整数；
s2、分别利用y种分布模型对每次流量测试结果的n个测试数据进行拟合，得到a*m*y个拟合模型，其中，y≥1且为整数；
s3、分别计算a*m*y个拟合模型的形状参数；
s4、从a*m*y个形状参数中选取m个形状参数作为一个组合，得到
s5、分别计算
s6、将最大的测量能力指数对应的形状参数作为机器学习分类模型的目标，将a*m*n个测试数据作为训练样本，对所述机器学习分类模型进行训练，得到训练后的模型；
s7、利用所述训练后的模型对与所述型号相同的产品的流量进行测试。
2.如权利要求1所述的一种流量测试方法，其特征在于，所述分布模型包括正态分布模型、指数正态分布模型、长尾分布模型、韦布尔分布模型和极值分布模型。
3.如权利要求1所述的一种流量测试方法，其特征在于，所述机器学习分类模型包括逻辑回归模型、决策树模型、随机森林模型和梯度提升树模型。
4.如权利要求1所述的一种流量测试方法，其特征在于，所述测量能力指数的计算公式为
5.如权利要求1所述的一种流量测试方法，其特征在于，所述a、m、n满足以下条件：20≤a≤30，20≤m≤30，20≤n≤30。
6.如权利要求1所述的一种流量测试方法，其特征在于，所述y满足以下条件：2≤y≤5。
7.如权利要求1所述的一种流量测试方法，其特征在于，所述s7具体包括：获取与所述型号相同的产品的b个测试数据，n＞b；
将b个测试数据拟合成所述训练后的模型，并计算形状参数，得到流量测试结果。
8.如权利要求1所述的一种流量测试方法，其特征在于，所述产品为高压喷射阀。
技术总结