一种基于深度学习的模拟电路故障诊断方法

    公开(公告)号:CN112101116A

    公开(公告)日:2020-12-18

    申请号:CN202010827662.1

    申请日:2020-08-17

    Abstract: 本发明的一个实施例公开一种基于深度学习的模拟电路故障诊断方法,该方法包括:S10、搭建深度学习故障诊断模型中的深度学习网络;S20、采集模拟电路的输出时域脉冲响应信号,包括训练集和测试集;S30、对所述训练集和测试集分别作归一化处理,获得所述训练集和测试集的归一化脉冲响应信号;S40、将所述训练集的归一化脉冲响应信号作为输入,将采集所述训练集时设置的故障标签作为输出,训练所述深度学习故障诊断模型,得到所述模拟电路的故障诊断模型;S50、将所述测试集的归一化脉冲响应信号作为所述模拟电路的故障诊断模型的输入,得到所述测试集的诊断状态。

    一种备件优化方法、装置及存储介质

    公开(公告)号:CN118586630A

    公开(公告)日:2024-09-03

    申请号:CN202410652510.0

    申请日:2024-05-24

    Abstract: 本申请公开了一种备件优化方法、装置及存储介质,其中方法内容包括:确定初始备件的供应清单;通过初始备件的供应清单,建立优化模型;基于优化模型,利用边际收益法优化备件的数量;使用优化结果修正初始备件的供应清单中备件的品种和数量,形成最终的备件供应清单。本申请通过考虑费用、体积、重量等多约束条件的影响,实现了对电子产品的备件品种和数量优化,提高了电子产品的备件供应工作水平,降低系统或设备全寿命周期费用,并提升保障能力和系统效能。

    一种基于深度学习的模拟电路故障诊断方法

    公开(公告)号:CN112101116B

    公开(公告)日:2024-05-07

    申请号:CN202010827662.1

    申请日:2020-08-17

    Abstract: 本发明的一个实施例公开一种基于深度学习的模拟电路故障诊断方法,该方法包括:S10、搭建深度学习故障诊断模型中的深度学习网络;S20、采集模拟电路的输出时域脉冲响应信号,包括训练集和测试集;S30、对所述训练集和测试集分别作归一化处理,获得所述训练集和测试集的归一化脉冲响应信号;S40、将所述训练集的归一化脉冲响应信号作为输入,将采集所述训练集时设置的故障标签作为输出,训练所述深度学习故障诊断模型,得到所述模拟电路的故障诊断模型;S50、将所述测试集的归一化脉冲响应信号作为所述模拟电路的故障诊断模型的输入,得到所述测试集的诊断状态。

    一种模拟电路状态评估方法和装置

    公开(公告)号:CN113970697A

    公开(公告)日:2022-01-25

    申请号:CN202111055075.6

    申请日:2021-09-09

    Abstract: 本发明公开一种模拟电路状态评估方法和装置,解决现有方法和装置无法辨识元件参数的问题。所述方法,包含:向模拟电路注入脉冲信号使得元件参数从标称值开始变化,采集任一元件参数变化时刻的输出响应信号、进行归一化处理,得到该元件对应的归一化响应信号;对每一元件分别建立特征提取模型;将归一化响应信号作为输入与输出参数,构建自编码网络,对特征提取模型进行训练,得到元件特征值;对每一元件构建最大映射关系和最小映射关系;根据所述最大映射关系和最小映射关系、计算每一元件的映射差值,找到最小的映射差值对应的元件,计算元件评估值、与该元件标称值对比,判断模拟电路状态。本发明实现模拟电路状态的准确、快速评估。

    一种模拟电路状态评估方法和装置

    公开(公告)号:CN113970697B

    公开(公告)日:2023-06-13

    申请号:CN202111055075.6

    申请日:2021-09-09

    Abstract: 本发明公开一种模拟电路状态评估方法和装置,解决现有方法和装置无法辨识元件参数的问题。所述方法,包含:向模拟电路注入脉冲信号使得元件参数从标称值开始变化,采集任一元件参数变化时刻的输出响应信号、进行归一化处理,得到该元件对应的归一化响应信号;对每一元件分别建立特征提取模型;将归一化响应信号作为输入与输出参数,构建自编码网络,对特征提取模型进行训练,得到元件特征值;对每一元件构建最大映射关系和最小映射关系;根据所述最大映射关系和最小映射关系、计算每一元件的映射差值,找到最小的映射差值对应的元件,计算元件评估值、与该元件标称值对比,判断模拟电路状态。本发明实现模拟电路状态的准确、快速评估。

Patent Agency Ranking