-
公开(公告)号：CN110673017A
公开(公告)日：2020-01-10
申请号：CN201910978616.9
申请日：2019-10-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于遗传算法的模拟电路故障元件参数辨识方法，首先分析得到模拟电路在不同测点处的传输函数，测量得到模拟电路在预设激励信号下这些测点处的输出电压，将元件参数值向量作为遗传算法中的个体，在对交叉、变异后的个体进行优选时，先按照故障类型对种群个体进行分组，选择每个故障类型的最优个体加入下一代种群，再从剩余个体中优选个体加入下一代种群，将最后一代种群中最优个体的参数值作为元件参数辨识结果。本发明通过遗传算法实现对模拟电路单故障和双故障的故障元件参数辨识。
-
公开(公告)号：CN110399968A
公开(公告)日：2019-11-01
申请号：CN201910555024.6
申请日：2019-06-25
Applicant: 电子科技大学
IPC: G06N3/00
Abstract: 本发明公开了一种基于效用函数的系统级测试性设计多目标优化方法，首先确定影响因素和优化目标函数，然后设置权重向量，使用权重向量对一个多目标优化问题分解为N个子问题，使用子问题的G个邻居，通过交叉、变异产生新的子代个体，利用适应度差值选择改善效果最好的种群中的个体进行更新，在终代种群中删除被支配解，即得到影响因素向量的帕累托最优解集。采用本发明，可以在保证得到影响因素向量的帕累托最优解集的同时，提高收敛效果和以及影响因素向量的帕累托最优解的均匀性。
-
公开(公告)号：CN107576904B
公开(公告)日：2019-08-20
申请号：CN201711066115.0
申请日：2017-11-02
Applicant: 电子科技大学
IPC: G01R31/316
Abstract: 本发明公开了一种基于锯齿波的模拟电路故障诊断方法，首先设置一个频率集，以正弦波作为输入激励，得到频率集中各个频率下的元件特征圆，在滤波电路发生故障时，以锯齿波作为输入激励，通过傅里叶变换得到频率集中各个频率下的故障电压，从频率集中选取一个频率作为故障诊断频率，计算故障电压与预先得到的该频率下的元件特征圆的最短距离，如果最短距离小于预设阈值的特征圆大于1个，则该故障电压为混叠点，更换故障诊断频率重新诊断，直到最短距离小于预设阈值的特征圆小于等于1个，则将最小最短距离的特征圆对应的元件作为故障元件，得到故障诊断结果。本发明通过采用不同故障诊断频率，消除混叠点的影响，实现准确的故障诊断。
-
公开(公告)号：CN109948267A
公开(公告)日：2019-06-28
申请号：CN201910233059.8
申请日：2019-03-26
Applicant: 电子科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于圆模型参数的线性模拟电路故障诊断方法，首先对线性模拟电路进行模糊组分析，得到各个模糊组对应的代表故障元件，然后通过圆模型仿真得到各个代表故障元件对应的每个元件的标签，基于标签数组得到元件参数，从而得到各个代表故障元件的圆模型参数的上限向量和下限向量，将其作为边界数据训练得到基于SVM的多分类模型，在故障诊断时根据退化数据得到圆模型参数输入多分类模型进行诊断。本发明通过得到边界数据，可以有效提高基于SVM的多分类模型的训练速度，并提高线性模拟电路故障诊断精度。
-
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
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。
-
Patent Agency Ranking
-
公开(公告)号：CN108563875A
公开(公告)日：2018-09-21
申请号：CN201810345727.1
申请日：2018-04-18
Applicant: 电子科技大学
IPC: G06F17/50 , G06N3/12 , G01R31/28 , G01R31/316
Abstract: 本发明公开了一种基于多目标优化的模拟电路测点和频率联合优选方法，对模拟电路的每个元件模糊组代表元件进行多次故障模拟，得到不同频率下各个测点对应的故障电压，从而得到模拟电路数据；初始化多目标遗传优化算法中的个体，然后根据个体对应的选择方案从模拟电路数据中筛选出对应特征向量，对预设的分类器进行交叉验证，将得到的分类准确率作为个体的适应度值，采用精英策略生成新的种群并进行非支配排序，然后生成下一代种群继续进行处理，直到达到迭代结束条件，将当前得到的非支配个体集合作为优选方案集合，其中每个个体对应一个选择方案。本发明可在保证故障诊断精度的同时降低故障诊断的工作量。
-
公开(公告)号：CN108090566A
公开(公告)日：2018-05-29
申请号：CN201711331649.1
申请日：2017-12-13
Applicant: 电子科技大学
IPC: G06N3/12
Abstract: 本发明公开了一种基于串并联遗传算法的多目标测试优选方法，根据需要确定若干个电子系统的测试优选的优化目标和约束条件，首先分别执行若干次遗传算法，遗传算法过程中每次得到新的种群，称筛选出满足约束条件的个体加入精英解集合，得到精英解集合中个体的被支配次数，根据种群中的个体是否属于精英解集合采用不同方式来计算适应度值；然后将这若干次遗传算法的最优解集合并，作为初始种群中的个体，再执行一次遗传算法得到最优解集，其每个个体即为一个测试优选方案。本发明基于帕累托最优，设计一种串并联遗传算法，获得满足多个目标的多种测试优选方案，从而为决策者提供多种测试优选方案备选，在不同场合下都可以给出解决方案。
-
公开(公告)号：CN107657311A
公开(公告)日：2018-02-02
申请号：CN201711071086.7
申请日：2017-11-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多目标粒子群算法的测试优选方法，根据需要确定电子系统测试优选的若干个优化目标和约束条件，在粒子群算法运行过程中，每当有一个新的种群，即搜索得到帕累托最优集，计算出帕累托最优集中每个粒子的分布密度值，采用轮盘赌选择算法选择得到一个粒子作为全局最优粒子，在粒子更新后，根据当前位置是否支配其最优位置来判断是否对粒子位置进行更新；将粒子群运行结束后帕累托最优集中的每个粒子的位置作为一个测试优选方案。本发明在现有粒子群算法的基础上改进得到多目标粒子群算法，从而获得满足多个目标的多种测试优选方案。
-
公开(公告)号：CN104698365B
公开(公告)日：2017-10-31
申请号：CN201510127767.5
申请日：2015-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于分组编码遗传算法的不可靠测试优选方法，将每个测试工序下的所有测试作为一个分组，分别对每个分组采用遗传算法得到该测试工序下的最优测试集，在遗传算法中个体适应度函数的设定规则为：当个体染色体编码对应测试集的检测率未达到预设的测试工序的目标检测率指标时，适应度值为0，当达到预设的测试工序的目标检测率指标时，个体染色体编码对应测试集中选中测试的测试代价总和越低，适应度函数的值越大；将每个测试工序下得到的最优测试集组合得到总的测试集，如果总测试集的检测率没有达到总目标检测率，逐个加入未选中的测试，直到满足总目标检测率。本发明在保持精度的情况下，提高了寻优的效率。
-
-
-
-
-
-
-
-
-
Search Results
173
records
(took 0.029 seconds)
