買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京航空航天大學申請的專利基于低頻噪聲與深度學習的電路系統健康狀況預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115728672B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211430864.8，技術領域涉及：G01R31/56；該發明授權基于低頻噪聲與深度學習的電路系統健康狀況預測方法是由章耀文;朱俊達;張奕凱;樸泓名;王士穎;盧震旦;陳云霞設計研發完成，并于2022-11-15向國家知識產權局提交的專利申請。

本基于低頻噪聲與深度學習的電路系統健康狀況預測方法在說明書摘要公布了：本發明涉及一種基于低頻噪聲與深度學習的電路系統健康狀況預測方法，其包括以下步驟，步驟1：對電路系統進行穩定性重要度分配；步驟2：提取低頻噪聲，獲取元器件低頻噪聲時域分析噪聲的穩態分布特征參數；步驟3：處理低頻噪聲信號數據，建立神經網絡模型；步驟4：完成對神經網絡模型的訓練，獲得電路壽命的預測結果。本發明通過對元器件低頻噪聲的分析建立深度學習預測模型實現了電路健康狀況分析，能夠適應不同失效準則的電路系統，適合于工程領域的精確診斷，相比于傳統的基于大量試驗結果建模的老化試驗法具有明顯優點；不需要在測試過程中加過應力，實現電路的無損檢測，并在健康診斷的基礎上實現了電路系統時序上的功能預測。

本發明授權基于低頻噪聲與深度學習的電路系統健康狀況預測方法在權利要求書中公布了：1.一種基于低頻噪聲與深度學習的電路系統健康狀況預測方法，其特征在于，其包括以下步驟： 步驟1：對電路系統進行穩定性重要度分配； 對電路系統中n個元器件的重要度進行計算，第i個元器件重要度為ri，將n個元器件的結果經歸一化后排序，元器件重要度的獲取方法如下所示： 式中：ri表示第i個元器件重要度；Δoutputi表示第i個元器件輸出變化引起的系統輸出變化；i表示元器件編號；n表示元器件總數； 步驟2：提取低頻噪聲，獲取元器件低頻噪聲時域分析噪聲的穩態分布特征參數； 所述穩態分布特征參數包括關鍵頻域分布特征參數和關鍵時域分布特征參數； 步驟21：利用優化功率譜得到關鍵頻域分布特征參數，所述的優化功率譜使用雙線性函數擬合處理，低頻噪聲的頻域描述模型如下所示： 式中：log10表示取10為底的對數；Svf表示低頻段關鍵頻域分布曲線；f表示信號頻率值；fβ表示噪聲信號頻譜雙線性函數轉折頻率；k1和k2分別表示第一和第二線性斜率；D1和D2分別表示第一和第二截距； 步驟22：利用優化三參數分布函數得到關鍵時域分布特征參數，所述的優化三參數分布函數描述模型如下所示： 式中：px表示關鍵時域分布特征函數；x表示低頻噪聲信號數據電壓值；γ表示噪聲信號時域中峰度值；σ表示噪聲信號時域中標準差值；g′θ表示概率密度覆蓋函數的導數；gθ表示概率密度覆蓋函數；θ表示概率密度覆蓋率；μ表示噪聲信號時域中均值；m表示概率密度縮放系數； 步驟3：處理低頻噪聲信號數據，建立神經網絡模型； 獲得低頻噪聲信號數據關鍵頻域能量分布集中參數與概率分布特征參數；通過神經網絡模型建立步驟2中得到的穩態分布特征參數與步驟1中得到的元器件輸出變化引起的系統輸出變化的非線性關系，如下所示： Δoutputi＝noisefβ,k,μ,σ,γ； 式中：noise表示神經網絡訓練出的非線性函數關系；k表示噪聲信號頻譜對數軸上的斜率； 步驟4：完成對神經網絡模型的訓練，獲得電路壽命的預測結果； 根據使用環境給定失效閾值，確定元器件輸出變化引起的系統輸出變化的加權結果，根據加權結果得到各模塊對電路系統的影響，完成對步驟3中神經網絡模型的訓練，得到電路壽命預測結果，具體獲取方法如下所示： 式中：Δoutput表示神經網絡模型的壽命預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京航空航天大學，其通訊地址為：100191 北京市海淀區學院路37號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。