公开(公告)号：CN110598334B

公开(公告)日：2022-04-19

申请号：CN201910875656.0

申请日：2019-09-17

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  程玉华 ,  杨成林 ,  田书林

IPC: G06F30/25 ,  G06N3/00

Abstract: 本发明公开了一种基于协同衍化相关熵极限学习机的性能退化趋势预测方法，先基于协同衍化相关熵的极限学习机计算出输入样本的隐藏层输出，及对应的预测误差，然后通过协同衍化算法求取最优相关熵方差和影响权重，并进行更新迭代，直到找到粒子群中全局最优解σgbest,q2及对应的影响权重作为最优相关熵方差和影响权重，最后在满足极限学习机计算收敛的情况下，输出输入样本的预测值，从而得到输入样本的性能退化趋势，具有预测精度高，鲁棒性高等特点。

公开(公告)号：CN113361189A

公开(公告)日：2021-09-07

申请号：CN202110514211.7

申请日：2021-05-12

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  刘昊天 ,  龙兵

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10 ,  G06F119/02

Abstract: 本发明公开了一种基于多步鲁棒预测学习机的芯片性能退化趋势预测方法，结合极限学习机和循环神经网络，具备极高的信息融合能力和信息快速处理能力，同时，通过建立误差编码本构建了基于相关熵的相似性，根据芯片退化多样性和动态性建立实时预测模型更新，克服干扰对预测结果的影响。因此，本发明相较于现有方法具有更高的在线预测精度，且多步预测结果相较于现有方法更加准确。

公开(公告)号：CN110598334A

公开(公告)日：2019-12-20

申请号：CN201910875656.0

申请日：2019-09-17

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  程玉华 ,  杨成林 ,  田书林

IPC: G06F17/50 ,  G06N3/00

Abstract: 本发明公开了一种基于协同衍化相关熵极限学习机的性能退化趋势预测方法，先基于协同衍化相关熵的极限学习机计算出输入样本的隐藏层输出，及对应的预测误差，然后通过协同衍化算法求取最优相关熵方差和影响权重，并进行更新迭代，直到找到粒子群中全局最优解σgbest,q2及对应的影响权重作为最优相关熵方差和影响权重，最后在满足极限学习机计算收敛的情况下，输出输入样本的预测值，从而得到输入样本的性能退化趋势，具有预测精度高，鲁棒性高等特点。

公开(公告)号：CN110457776A

公开(公告)日：2019-11-15

申请号：CN201910661767.1

申请日：2019-07-22

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  杜立 ,  程玉华 ,  黄建国

IPC: G06F17/50

Abstract: 本发明公开了一种基于故障决策网络的测试策略快速生成方法，通过构建待测试系统的故障依赖矩阵和故障决策网络，通过启发式搜索算法生成最优测点，进而得到最优测试策略，从而通过最优搜索路径隔离出网络中的故障；这样结合依赖信息对于最优策略生成的影响，精确估计出启发函数值，减小启发函数估计与搜索策略决策在应用中的偏差，同时，通过机会代价的设定，为每一次搜索设置最优解上限，从而控制搜索过程，达到提高效率的目的。

公开(公告)号：CN109581194A

公开(公告)日：2019-04-05

申请号：CN201811550191.3

申请日：2018-12-18

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  杜立 ,  杨成林

IPC: G01R31/28

Abstract: 本发明公开了一种电子系统故障测试策略动态生成方法，根据静态生成的搜索树和动态测试测点或故障的改变量，进行动态修改搜索树中节点搜索策略的代价，更新搜索策略中各个故障模糊集的最优测点，进而快速更新诊断树，得到优化测试方案，这样提高了整体测试的优化效率，降低搜索次数。

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

Inventor： 刘震 ,  梅文娟 ,  杨成林 ,  周秀云 ,  田书林

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：CN110633516B

公开(公告)日：2022-06-14

申请号：CN201910812431.0

申请日：2019-08-30

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  杜立 ,  程玉华 ,  黄建国 ,  白利兵

IPC: G06F30/367

Abstract: 本发明公开了一种电子器件性能退化趋势的预测方法，通过离线建立初始相关熵极限学习机的预测模型，并对动态动态相关熵极限学习机在线更新，构建与奇异值相结合的编码本机制，进而来识别历史数据中的奇异值，从而克服数据中噪声和奇异值对预测模型的影响，提升预测模型的最终预测效果。

公开(公告)号：CN109145516B

公开(公告)日：2022-06-14

申请号：CN201811167953.1

申请日：2018-10-08

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  杨成林 ,  周秀云 ,  田书林

IPC: G06F30/367 ,  G06N3/08 ,  G06N3/00 ,  G01R31/316

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：CN111274540A

公开(公告)日：2020-06-12

申请号：CN202010111357.2

申请日：2020-02-24

Applicant: 电子科技大学

Inventor： 刘震 ,  杜立 ,  梅文娟 ,  杨成林 ,  周秀云

IPC: G06F17/16 ,  G01R31/28

Abstract: 本发明公开了一种基于信息熵和动态规划的故障诊断树生成方法，基于依赖矩阵得到电子系统内部故障状态与电路中测点输出的关系，再构建动态规划列表搜索最优解；然后对动态规划列表中的故障集，筛选出有效测点，并根据信息熵选择有效测点扩大搜索深度，并通过动态规划列表避免相同故障集的重复搜索，进而减少搜索次数，从而能够快速生成最优诊断树。

公开(公告)号：CN109581190A

公开(公告)日：2019-04-05

申请号：CN201811480885.4

申请日：2018-12-05

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  杜立 ,  黄建国

IPC: G01R31/28

Abstract: 本发明公开了一种用于电路故障诊断的最优诊断树生成方法，基于故障测试模型中得到的电子系统内部故障状态与电路中测点输出的关系，再构建动态规划列表搜索最优解；然后对动态规划列表中的故障集，筛选出有效测点，并根据有效测点扩大搜索深度，通过动态规划列表避免相同故障集的重复搜索，进而减小搜索次数，从而能够快速生成最优诊断树。