公开(公告)号：CN115753014A

公开(公告)日：2023-03-07

申请号：CN202211386394.X

申请日：2022-11-07

Applicant: 中国兵器装备集团西南技术工程研究所

Inventor： 滕俊鹏 ,  魏小琴 ,  李晗 ,  王振海

IPC: G01M11/02

Abstract: 本发明提供了一种OLED显示系统在温湿度环境下的薄弱环节判断方法，包括：制备OLED微型显示系统的各色OLED发光器件和对应的各色OLED发光材料薄膜；根据试验参数对系统、发光器件和发光材料薄膜分别进行低温、高温和高温高湿试验，分别测量不同层级试样在低温、高温和高温高湿环境下的显示性能参数；对于同一试样，分别用高温和高温高湿环境下的显示性能参数除以低温环境下的显示性能参数，得到系数m和n，并进一步得到系数n/m；比较不同层级试样的系数m、n和n/m，分别判断高温、高温高湿及高湿对不同层级试样的影响和薄弱环节。本发明能够将不同温湿度环境对OLED微型显示系统‑元器件‑材料不同层级的影响进行比较分析并找出薄弱环节。

公开(公告)号：CN117408030A

公开(公告)日：2024-01-16

申请号：CN202311269943.X

申请日：2023-09-27

Applicant: 中国兵器装备集团西南技术工程研究所

Inventor： 杨小奎 ,  任宏宇 ,  罗丹 ,  张世艳 ,  周堃 ,  杨万均 ,  黄文明 ,  刘群 ,  柏遇合 ,  张凯 ,  王振海 ,  龙仕腾 ,  吴洋 ,  彭媛

IPC: G06F30/20 ,  G06F30/27 ,  G06F30/17 ,  G06N3/0442 ,  G06N3/048 ,  G06F119/04 ,  G06F119/08 ,  G06F119/12 ,  G06F113/04 ,  G06F111/08

Abstract: 本发明公开了一种基于退化特征增强的功率器件剩余使用寿命预测方法，按照以下步骤进行：数据采集；数据预处理；退化特征提取，即采用连续变分模式分解SVMD技术提取退化特征，得到功率器件特征增强数据集；再经数据分割得到训练集、验证集和测试集；模型建立：结合深度学习长短期记忆神经网络LSTM与贝叶斯优化方法得到最优功率器件寿命预测模型；最后对功率器件寿命预测：将寿命预测数据训练集、测试集带入最优功率器件寿命预测模型，对未来功率器件退化特征循环次数进行预测，结合功率器件退化特征循环次数和当前功率器件实际的循环次数，对功率器件剩余使用寿命RUL进行预测。有益效果：高鲁棒性、高精度、可靠性高。