-
公开(公告)号：CN113533945A
公开(公告)日：2021-10-22
申请号：CN202110731334.6
申请日：2021-06-30
Applicant: 桂林电子科技大学
IPC: G01R31/316 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于二维卷积神经网络的模拟电路软故障诊断方法及其对应网络模型的设计方法。将电路的一维输出电压数据进行矩阵重塑，转换成为二维灰度图，称为故障特征灰度图。使用故障特征灰度图作为二维卷积神经网络的输入数据，训练网络，最终建立一个模拟电路的故障诊断模型。本发明将一维电压信号处理问题转化为图像处理问题，使用二维卷积运算自动提取故障特征，即使在样本数据量较大时，也能实现较好的故障特征分离效果，从而得到较好的故障诊断精度。
-
公开(公告)号：CN112241042A
公开(公告)日：2021-01-19
申请号：CN202011245672.0
申请日：2020-11-10
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种低串扰的相交聚合物微纳光纤，其包括相交聚合物微纳光纤、相交角度、分离距离、纤芯、包层、直径，其特征在于所述两根聚合物微纳光纤在三维空间中以一定分离距离和角度相交，所述两根聚合物微纳光纤纤芯材料不相同，存在折射率差，包层材料相同，所述两根聚合物微纳光纤的直径不相同，存在直径差。在三维空间中，相交的聚合物微纳光纤由于倏逝波耦合产生串扰，通过改变相交聚合物微纳光纤间的折射率差和直径差来降低倏逝波耦合的效率，从而极大地降低串扰，同时聚合物微纳光纤具有较高的机械强度及优良的柔韧性和弹性。本发明有利于构筑超紧凑结构复杂的光子学器件和小型化集成光路。在光通信，传感和非线性光学领域具有极好的潜力。
-
公开(公告)号：CN110543905A
公开(公告)日：2019-12-06
申请号：CN201910796375.6
申请日：2019-08-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于机器学习的TSV空洞检测方法，包括获取TSV半径，并以半径为数据分类依据，设置标签；获取样本数据基于极限学习机算法输出节点个数；其中，所述样本数据包括激励频率、输入反射系数、反向传输系数和标签；基于粒子群算法对节点个数进行优化，得到期望节点个数；实现通过不同频率的激励信号和S参数，利用PSO-ELM模型对其进行分类处理，预测发生空洞故障的大小，提高了TSV故障检测准确率。
-
公开(公告)号：CN119935133A
公开(公告)日：2025-05-06
申请号：CN202411561911.1
申请日：2024-11-04
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于A*算法与Dynamic Window Approach(动态窗口法)算法相融合的新能源车辆救援路径规划方法，为新能源车辆救援提供合理的管理方法与策略。该方法包括：获取需要救援车辆信息(包括位置，电量，所在地的天气信息等)，并对数据信息进行处理分析；然后判断需救援新能源车辆距离的远近，决定使用新能源救援车或者燃油车；确定所需救援车辆是否为需紧急救援车辆，若是，则优先考虑需紧急救援的车辆；采用提出的A*算法与DWA算法作为救援路径的规划算法，在栅格地图上进行动态仿真验证。经实验结果表明，本方法能够有效地达成对目标路径的自适应，有效地提高了安全阈值，进而为新能源车辆救援提供合理的管理方法与策略。
-
公开(公告)号：CN119535227A
公开(公告)日：2025-02-28
申请号：CN202411708339.7
申请日：2024-11-27
Applicant: 桂林电子科技大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明提出了一种基于多系数融合的锂电池健康状态估计方法，以改善传统相关性分析中对特征分布考虑不足的问题，提高对锂电池的寿命以及安全性的评估。本发明提出一种全新的方法，基于已公开锂电池充电数据转化为67维度手工特征序列数据集，通过皮尔逊相关系数，斯皮尔曼相关系数以及互信息确定各维度特征与标签的多重关系，并根据层次分析法来实现特征的选择，从而实现降维，降低模型训练所需时间，并通过经典的深度学习模型残差网络进行锂电池健康状态估计，快速分析锂电池健康状态。本发明在锂电池健康状态估计方面优于传统方法，显著降低了锂电池健康状态估计的误差，为锂电池寿命以及安全性评估提供了重要的现实意义和指导。
-
Patent Agency Ranking
公开(公告)号：CN118504514A
公开(公告)日：2024-08-16
申请号：CN202410598392.X
申请日：2024-05-14
Applicant: 桂林电子科技大学
IPC: G06F30/398 , G06F30/392 , G06F30/27 , G06N5/01 , G06N7/01 , G06F119/02
Abstract: 本发明属于集成电路测试领域，具体涉及基于GS‑RF的单片层间通孔故障检测方法。以MIV中心导体出现的空洞、针孔和开路故障为研究对象建立故障模型，基于所建故障模型，提取发生不同故障的S参数；以MIV空洞故障半径、MIV针孔故障长度和MIV开路故障距离为数据分类依据，设置标签；建立GS‑RF分类模型，采用网格搜索(Grid Search,GS)优化算法对随机森林(Random Forest,RF)进行优化，基于随机森林算法寻找最佳参数；实现通过不同故障的S参数，利用GS‑RF模型对其进行分类处理，预测发生故障类型，提高了MIV故障检测准确率。该检测方法避免了在故障检测过程中对MIV的二次损坏，解决了传统的MIV检测方法难以对MIV故障进行准确检测且检测范围有限的问题，对于优化MIV的设计和制造过程中改进MIV故障具有一定的参考价值。
-
公开(公告)号：CN118171274A
公开(公告)日：2024-06-11
申请号：CN202410283066.X
申请日：2024-03-13
Applicant: 桂林电子科技大学
IPC: G06F21/56 , G06F18/241 , G06F18/214
Abstract: 本发明提出了MTF预处理下一种基于DenseBlock和ResBlock结合注意机制的深度学习硬件木马检测方法。采用具备若干注意力机制支路网络的DenseNet和具备残差结构的ResNet结构。本发明基于Pytorch框架实现对硬件木马检测识别算法，提出一个新颖的深度学习模型用于检测识别硬件木马。本发明从改进DenseNet模型和ResNet的角度出发，提出Res‑Dense‑SE Net模型，通过扩展注意力机制支路，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，硬件木马特征图像的部分特征会存在丢失的情况，从注意力机制支路获取的重点特征图特征，存在相互补充的作用，使得最终的硬件木马特征图特征更加完整。同时使用该结构的硬件木马分类检测算法首先通过MTF(Markov Transition Field)预处理提取特征。本发明能够提高检测识别集成电路中硬件木马的准确率，有利于提高硬件电路安全，对于国家集成电路和半导体发展具有现实意义。
-
公开(公告)号：CN117523363A
公开(公告)日：2024-02-06
申请号：CN202311580607.7
申请日：2023-11-24
Applicant: 桂林电子科技大学
IPC: G06V10/86 , G06V10/44 , G06T3/4007 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于特征金字塔融合的晶圆图缺陷模式识别方法，包括：以残差块搭建一个27层的残差网络作为特征提取主干网络；将晶圆图数据集以8:2比例划分为训练集和测试集，对所述残差网络进行学习训练；构建特征金字塔网络，使用双线性插值算法对深层特征做上采样后与浅层特征相加融合，使浅层特征包含深层特征的高级语义信息；对所述融合后的金字塔特征进一步做多尺度特征融合得到最终特征，经过全连接层和Softmax函数做分类；本发明通过构建特征金字塔并对浅层特征进行融合，使浅层的特征也包含了深层的高级语义特征信息，再通过融合不同层的多尺度特征，极大丰富了特征信息，增强了特征表达能力，弥补了常规卷积神经网络对最深层特征进行预测分类而忽略了一些重要的浅层特征的不足。提高了晶圆图缺陷模式识别分类准确率，尤其是Scratch类型较小目标晶圆图的识别分类准确率。
-
公开(公告)号：CN115332162B
公开(公告)日：2023-10-27
申请号：CN202210919105.1
申请日：2022-08-02
Applicant: 桂林电子科技大学
IPC: H01L21/768 , H01L23/552 , H01L23/66
Abstract: 本发明提出了一种基于掩模光刻方法制造带有屏蔽层的导电聚合物通孔的方法，方法包括（1）通过掩模光刻方法使用可以固化的光刻胶制造通孔基柱并使其金属化，（2）通过溅射等方法在基柱外形成屏蔽层，（3）在通孔的基础上直接灌封封装聚合物形成聚合物通孔。这一方法制造的聚合物通孔适用于封装天线芯片与天线的键合，具有键合路径短、寄生电容小、抗干扰能力强的优点。
-
公开(公告)号：CN116645334A
公开(公告)日：2023-08-25
申请号：CN202310520048.4
申请日：2023-05-10
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06T7/00 , G06T3/40 , G06T5/20 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出一种新颖的特征增强残差网络，用于混合类型晶圆图缺陷识别分类。该方法包括，获取晶圆图缺陷数据集，并将晶圆图数据集设置为统一尺寸；然后将晶圆图数据集进行滤波，去除晶圆图上的噪声缺陷点；将晶圆图数据集划分为训练集和测试集；采用提出的特征增强残差网络作为主干网络构建识别模型，并用训练集对模型进行训练，使用测试集验证模型性能。经实验结果表明，本方法能够有效地识别晶圆图缺陷，提高了混合类型晶圆图缺陷识别的准确率和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.025 seconds)
