Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 安徽理工大学环境友好材料与职业健康研究院(芜湖)陈超洋获国家专利权

安徽理工大学环境友好材料与职业健康研究院(芜湖)陈超洋获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉安徽理工大学环境友好材料与职业健康研究院(芜湖)申请的专利一种高精度的电子电路故障诊断方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116431977B

龙图腾网通过国家知识产权局官网在2026-02-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310366994.8,技术领域涉及:G06F18/00;该发明授权一种高精度的电子电路故障诊断方法是由陈超洋;姜媛媛;谢锦阳设计研发完成,并于2023-04-07向国家知识产权局提交的专利申请。

一种高精度的电子电路故障诊断方法在说明书摘要公布了:本发明涉及电子电路故障诊断技术领域,具体的是一种高精度的电子电路故障诊断方法,本发明包括以下步骤:S1、对电路的多维输出电压数据设定不同大小的截取框对数据进行截取;S2、将步骤S1中截取后的数据通过GADF进行编码,对数据进行扩充并最终形成包含故障特征的二维特征图像的故障数据;通过堆叠操作将所提取的微小特征进行重点突出;反向Ghost模块能够扩大重要通道中重要特征的影响范围,通过RPGMCBAM对特征图像中预先提取的微小特征进行进一步突出,所得诊断模型能够有效提取故障信号中的故障特征,在CSM和RPGMCBAM的加持下,微小特征得到有效提取,提升诊断模型的精度,使得诊断模型具有优异的诊断性能以及鲁棒性。

本发明授权一种高精度的电子电路故障诊断方法在权利要求书中公布了:1.一种高精度的电子电路故障诊断方法,其特征在于,包括以下步骤: S1、对电路的多维输出电压数据设定不同大小的截取框对数据进行截取; S2、将步骤S1中截取后的数据通过GADF进行编码,对数据进行扩充并最终形成包含故障特征的二维特征图像的故障数据; S3、将步骤S3中所形成的故障数据最终按照7:3的比例划分训练数据和测试数据,并使用训练数据中的故障特征图像作为CSM-RPGMCBAM-ResNet34模型的输入数据,对模型进行训练,并最终建立电子电路故障诊断模型; S4、将测试数据输入到所建立的电子电路故障诊断模型,进行最终的故障诊断; 所述步骤S3中,构建CSM-RPGMCBAM-ResNet34模型的方法包括以下步骤: S31、首先将三通道二维特征图像按通道划分为通道一、通道二和通道三,将三个通道中的通道一划分为主要操作通道,通道二和通道三划分为次要操作通道,通过卷积操作将主要操作通道与次要操作通道进行卷积,使其分别达到三通道,并将卷积后的主要操作通道进行通道混合操作,完成CSM操作; S32、将混合后的主要操作通道进行堆叠后,与次要操作通道进行拼接,作为RPGMCBAM的输入; S33、以ResNet34为步骤S31中CSM和步骤S32中RPGMCBAM输入的载体,通过将CSM和RPGMCBAM部署在ResNet34网络的顶端,构建出CSM-RPGMCBAM-ResNet34诊断模型; 所述步骤S32中,所述RPGMCBAM是通过添加反向Ghost模块对CSM的输出进行初步特征提取,提取后的特征张量再被输入到CBAM中,经CBAM对特征张量中的重要特征进行再一次突出后,输入到卷积神经网络的主题结构中,以实现最终的特征提取与故障诊断的目的。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人安徽理工大学环境友好材料与职业健康研究院(芜湖),其通讯地址为:241000 安徽省芜湖市弋江区中山南路芜湖科技产业园;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。