公开(公告)号：CN108804764A

公开(公告)日：2018-11-13

申请号：CN201810427737.X

申请日：2018-05-07

Applicant: 电子科技大学

Inventor： 刘震 ,  梅文娟 ,  程玉华 ,  余宜璐 ,  黄建国

IPC: G06F17/50 ,  G06N3/02 ,  G06N3/12

CPC classification number: G06F17/5009 ,  G06N3/02 ,  G06N3/126

Abstract: 本发明公开了一种基于极限学习机的锂电池老化趋势预测方法，该方法利用极限学习机对采集的锂电池充电电压的原始时间序列精确建模，以Volterra级数模型作为极限学习机模型的输入层，同时，为提高电池老化数据模型的准确性，在构造预测模型阶段通过遗传算法生成具有更高预测精度的隐藏层神经元，通过锂电池的预测模型预测锂电池老化趋势，实验结果证明，该方法具有良好的预测性能，精度高。

公开(公告)号：CN109445413B

公开(公告)日：2021-02-02

申请号：CN201811260038.7

申请日：2018-10-26

Applicant: 电子科技大学

Inventor： 刘震 ,  余宜璐 ,  黄建国 ,  杨成林 ,  周秀云

IPC: G05B23/02

Abstract: 本发明公开了一种大规模电路互连网络的测试向量自动生成方法，首先从电路板中提取出各个互连网络及其配置信息，计算每个互连网络的短路故障概率，然后采用GNS算法对互连网络进行初步分组，为每个互连网络分配GNS序列作为测试向量；再基于遗传算法对互连网络分组进行优化，得到最优互连网络分组方案；最后根据最优互连网络分组方案将GNS序列分配给各个互连网络。本发明针对大规模电路的边界扫描测试，自动生成测试向量，可以缩短测试时间，且能够有效避免征兆误判和征兆混淆的情况发生，故障测试诊断性能良好。

公开(公告)号：CN109445413A

公开(公告)日：2019-03-08

申请号：CN201811260038.7

申请日：2018-10-26

Applicant: 电子科技大学

Inventor： 刘震 ,  余宜璐 ,  黄建国 ,  杨成林 ,  周秀云

IPC: G05B23/02

CPC classification number: G05B23/0245

Abstract: 本发明公开了一种大规模电路互连网络的测试向量自动生成方法，首先从电路板中提取出各个互连网络及其配置信息，计算每个互连网络的短路故障概率，然后采用GNS算法对互连网络进行初步分组，为每个互连网络分配GNS序列作为测试向量；再基于遗传算法对互连网络分组进行优化，得到最优互连网络分组方案；最后根据最优互连网络分组方案将GNS序列分配给各个互连网络。本发明针对大规模电路的边界扫描测试，自动生成测试向量，可以缩短测试时间，且能够有效避免征兆误判和征兆混淆的情况发生，故障测试诊断性能良好。