公开(公告)号：CN119903388A

公开(公告)日：2025-04-29

申请号：CN202411840403.7

申请日：2024-12-13

Applicant: 西安微电子技术研究所

Inventor： 毛远宏 ,  马钟 ,  李宇楠 ,  刘曦 ,  王宁 ,  贺鹏超 ,  周美娟 ,  柴波

IPC: G06F18/241 ,  G06F18/25 ,  G06F18/2131 ,  G06N3/0442 ,  G06N3/044 ,  G06F123/02

Abstract: 本发明公开了一种面向电子系统的多表征退化预测方法及相关设备，属于关键参数长期退化趋势预测技术领域。方法包括获取时间序列和序列类别，对所述时间序列进行表征趋势分解，得到指示向量作为表征表示；基于所述时间序列对序列类别和指示向量进行深度融合，得到最终输出；将所述最终输出输入时序预测模型中，得到最终预测的时间序列，完成多表征退化预测。本发明提出的多表征退化预测方法，通过多表征兼容特征融合模块的设计，实现了对多种时序表征数据的高效处理与精准预测。该方法不仅显著提升了模型的适应能力、判别力与鲁棒性，还为复杂时序数据的处理提供了可靠的技术支持。

公开(公告)号：CN119721120A

公开(公告)日：2025-03-28

申请号：CN202411843761.3

申请日：2024-12-14

Applicant: 西安微电子技术研究所

Inventor： 毛远宏 ,  马钟 ,  李宇楠 ,  刘曦 ,  王宁 ,  贺鹏超 ,  周美娟 ,  柴波

IPC: G06N3/0442 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明提供了一种面向电子系统的跨工况退化序列转换方法、系统及装置，具体步骤如下：获取电子系统的第一工况退化序列；将所述第一工况退化序列输入多表征兼容退化转换模型中，输出得到第二工况的退化序列；其中多表征兼容退化转换模型采用生成对抗网络，生成对抗网络包括生成器和鉴别器，生成器采用BiLSTM‑GRU编解码器，鉴别器采用基于LSTM的序列分类网络。本发明通过迁移学习的方法将电子系统的第一工况退化序列转换为第二工况的退化序列，从而为提供电子系统跨工况退化趋势的预测依据，能够为电子系统的退化维护提供更加有效的服务。

公开(公告)号：CN118627377A

公开(公告)日：2024-09-10

申请号：CN202410691522.4

申请日：2024-05-30

Applicant: 西安微电子技术研究所

Inventor： 毛远宏 ,  马钟 ,  李宇楠 ,  刘曦 ,  贺鹏超

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/08 ,  G06F17/16 ,  G06F17/18 ,  G06Q10/04 ,  G06F119/04

Abstract: 本发明公开了一种基于寿命概率分布的整机退化预测方法及相关设备，属于计算机关键参数退化分析领域，本方法将当前时刻的整机退化序列输入至整机退化预测网络模型中，捕获时序数据中的关联关系，通过估计整机退化中高斯分布均值和方差以构建似然函数，再从似然函数所表示的联合分布中得到采样值以估计序列上每个时间戳的区间，从而实现输出当前时刻的整机退化预测结果的寿命概率分布，提高了预测准确性和抗干扰性；相比于传统的点预测的方法，采用本方法不但能够体现出退化的趋势性，更能体现出其随机性的特点；预测准确率提升效果显著。