-
公开(公告)号：CN112287628B
公开(公告)日：2023-06-02
申请号：CN202011032139.6
申请日：2020-09-27
Applicant: 电子科技大学
IPC: G06F30/367 , G06N3/126 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于约束优化的模拟电路故障参数范围确定方法，分别采用遗传算法来获取故障元件参数范围下限和上限，在每次运行遗传算法时，将元件参数向量作为遗传算法种群的个体，在生成初始种群的时候，故障元件的参数值在预设的故障取值范围中取值，其余元件在容差范围内取值，在迭代过程中基于个体误差和误差精度的约束来计算个体适应度值，在迭代完成后根据最后一代种群提取出故障元件参数范围的下限或上限。本发明基于约束优化通过遗传算法实现了对于故障元件参数范围的精确确定。
-
公开(公告)号：CN115508706A
公开(公告)日：2022-12-23
申请号：CN202211156895.9
申请日：2022-09-22
Applicant: 电子科技大学
IPC: G01R31/36 , G01R31/367 , G01R31/392 , G06N3/04
Abstract: 本发明公开了一种考虑容量再生现象的锂电池剩余寿命预测方法，通过加速待测锂电池的寿命实验，获取待测锂电池在不同时刻的退化量；然后利用容量再生现象检测算法去除锂电池历史退化数据中的容量再生现象，并用这些处理后的退化数据训练一个LSTM网络；接着采用容量再生检测算法实时检测待测锂电池包含的容量再生现象，去除待测锂电池的容量再生数据；最后采用训练好的LSTM神经网络进行待测锂电池的RUL实时预测，并对由容量再生现象造成的RUL预测误差进行修正，具有预测精度高、实时性好、预测速度快等特点。
-
公开(公告)号：CN109948267B
公开(公告)日：2022-06-14
申请号：CN201910233059.8
申请日：2019-03-26
Applicant: 电子科技大学
IPC: G06F30/36
Abstract: 本发明公开了一种基于圆模型参数的线性模拟电路故障诊断方法，首先对线性模拟电路进行模糊组分析，得到各个模糊组对应的代表故障元件，然后通过圆模型仿真得到各个代表故障元件对应的每个元件的标签，基于标签数组得到元件参数，从而得到各个代表故障元件的圆模型参数的上限向量和下限向量，将其作为边界数据训练得到基于SVM的多分类模型，在故障诊断时根据退化数据得到圆模型参数输入多分类模型进行诊断。本发明通过得到边界数据，可以有效提高基于SVM的多分类模型的训练速度，并提高线性模拟电路故障诊断精度。
-
公开(公告)号：CN111260063A
公开(公告)日：2020-06-09
申请号：CN202010025988.2
申请日：2020-01-10
Applicant: 电子科技大学
IPC: G06N3/12 , G01R31/316
Abstract: 本发明公开了一种基于遗传算法的模拟电路故障定位与参数辨识方法，获取测点的传输函数，分析模拟电路的模糊组信息，确定每个模糊组的代表故障元件，当模拟电路出现故障时首先获取当前输出，再利用遗传算法确定当前输出对应的故障元件参数值向量，从而定位出发生故障的代表性故障元件，然后再基于遗传算法确定该代表性故障元件的参数值范围。采用本发明可以有效实现对模拟电路的故障诊断和故障元件参数辨识。
-
公开(公告)号：CN110470980A
公开(公告)日：2019-11-19
申请号：CN201910753347.6
申请日：2019-08-15
Applicant: 电子科技大学
IPC: G01R31/316 , G06N3/12
Abstract: 本发明公开了一种基于遗传算法的模拟电路故障特征范围确定方法，首先对模拟电路进行模糊组分析，得到各个模糊组信息，对每个模糊组的代表元件分别运行一次遗传算法，获取各个模糊组圆模型参数特征向量范围凸域的边界向量，每次遗传算法运行时，将元件参数向量作为遗传算法种群的个体，获取各个个体对应的圆模型参数，根据圆模型参数进行个体优选。本发明通过结合圆模型参数和遗传算法获取容差影响下的模拟电路故障特征向量范围，为故障诊断提供精确故障字典。
-
Patent Agency Ranking
公开(公告)号：CN109839583A
公开(公告)日：2019-06-04
申请号：CN201910233065.3
申请日：2019-03-26
Applicant: 电子科技大学
IPC: G01R31/316
Abstract: 本发明公开了一种基于改进遗传算法的模拟电路多故障诊断方法，首先分析得到模拟电路在不同测点处的传输函数，测量得到模拟电路在不同频率激励信号下这些测点处的输出电压，构成故障输出电压向量，将元件参数值向量作为遗传算法中的个体，在进行个体交叉时，根据个体中故障元件数量分不同情况选择交叉位置，将最后一代种群中最优个体中参数值位于故障范围内的代表性故障元件作为故障诊断结果。本发明利用遗传算法找到与模拟电路故障输出电压向量最接近的输出电压向量，从而得到故障诊断结果，对个体交叉的方法进行改进以提高遗传算法的效率。采用本发明可以能够找到事前没有存储的故障源，提高故障诊断准确率。
-
公开(公告)号：CN106095608B
公开(公告)日：2019-03-15
申请号：CN201610437017.2
申请日：2016-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于AO*算法的序贯测试动态调整方法，首先采用AO*算法获取电子系统的最优故障诊断树，然后监测测试的测试代价和故障的概率动态，当测试的测试代价增加时，对选择该测点的故障节点进行重新评估，当测试的测试代价减小时，对未选择该测点的故障节点进行重新评估，调整最优故障诊断树；当故障的概率变化时，对最优故障诊断树进行调整。本发明根据电子系统中测试代价变化和故障概率变化，对当前的最优故障诊断树进行相应调整，快速获取新的最优故障诊断树，实现序贯测试的适应性动态调整。
-
公开(公告)号：CN109145516A
公开(公告)日：2019-01-04
申请号：CN201811167953.1
申请日：2018-10-08
Applicant: 电子科技大学
IPC: G06F17/50 , G06N3/08 , G06N3/00 , G01R31/316
CPC classification number: G06F17/5036 , G01R31/316 , G06N3/006 , G06N3/08
Abstract: 本发明公开了一种基于改进型极限学习机的模拟电路故障识别方法，先采用模拟电路在不同转折频率下的电压特征向量作为输入，再基于各熵率选取各个隐藏层神经元对应的输入向量，并通过多维粒子群算法生成达到最高相关度的权值和偏置，然后通过粒子群算法和迭代运算找到合适的影响参数，从而构造高效的隐藏层模型，最后通过该隐藏层模型训练出识别模拟电路故障的诊断模型，进而来识别模拟电路故障，具有故障识别精度高、速度快等特点。
-
公开(公告)号：CN106447025B
公开(公告)日：2018-11-06
申请号：CN201610789513.4
申请日：2016-08-31
Applicant: 电子科技大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于离散粒子群的测试性指标分配与测试选取联合方法，首先获取系统中有关工作模式、子系统和测试的相关数据，然后采用离散粒子群算法求解测试选取结果，其中粒子中每个元素表示当前粒子所对应的解中是否选择对应测试，在适应度函数设计上，综合考虑了测试代价和测试性指标与要求的差距，将离散粒子群算法迭代求解的全局最优个体作为测试选取结果，根据测试选取结果即可计算各子系统在各个工作模式下的测试性指标分配值。本发明通过合理设计离散粒子群算法的粒子属性和适应度函数，一次性实现了存在多个工作模式的系统的测试性指标分配与测试选取。
-
公开(公告)号：CN106156421A
公开(公告)日：2016-11-23
申请号：CN201610520419.9
申请日：2016-07-01
Applicant: 电子科技大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F2217/76
Abstract: 本发明公开了一种基于脉冲涡流热成像的电子封装焊点热疲劳寿命预测方法，建立电子组件的3D低周热疲劳模型，预测焊点热循环总周期，并得到焊点热循环周期关于裂纹长度的函数；建立基于脉冲涡流热成像的3D感应热模型，模拟得到获取感应温度关于裂纹长度的函数；联合两个函数得到焊点热循环周期关于感应温度的函数；在焊点服役时，采用基于脉冲涡流热成像的焊点缺陷检测算法检测得到电子组件中的缺陷焊点，记录各个缺陷焊点的感应温度，计算得到各个缺陷焊点已经经历的热循环周期，然后计算得到各个缺陷焊点的剩余热循环周期，筛选最小剩余热循环周期作为电子组件的焊点剩余寿命。采用本发明可以对焊点在服役过程中的寿命进行预测。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.023 seconds)
