[发明专利]集总参数表贴环行器物料及工艺问题识别方法

权利要求书

1.一种集总参数表贴环行器物料及工艺问题识别方法，其特征在于：包括以下步骤：

(1)确定影响集总参数表贴环行器参数的问题，所述问题包括问题一：物料尺寸偏差，问题二：器件焊接位置偏差，问题三：器件焊接温度偏差，问题四：器件编带偏差；

对每个问题，分别设定一阈值，并将0-阈值间的偏差值，量化到0-1之间，则每个问题中，每个偏差值对应一量化值；

(2)获取多个样本的S参数数据，构建数据集A，所述样本为集总参数表贴环行器，所述S参数数据为X(k)＝(x₁(k),x₂(k),...,x_n(k))，n＝4；其中，k表示数据集A的第k个样本数据，x₁(k)、x₂(k)表示两个端口驻波曲线数据，x₃(k)表示隔离曲线数据，x₄(k)表示损耗曲线数据；

(3)构建期望输出的问题向量集Q；

对每个样本，依次测量问题一到问题四的偏差值，得到四个偏差值对应的量化值Q₁、Q₂、Q₃、Q₄，将Q₁-Q₄构成一问题向量Q(k)，则问题向量集Q中，第k个样本数据为Q(k)＝(Q₁,Q₂,Q₃,Q₄)；

(4)对数据集A中所有样本数据进行归一化处理，并从中选择归一化处理后的样本数据作为训练数据，构建样本集；

(5)构建一个三层BP神经网络；

(6)将样本集中的样本数据作为输入，该样本数据对应的问题向量作为输出，送入三层BP神经网络中进行训练，得到训练后的网络模型；

(7)获取待测样本的S参数数据，送入(6)中训练后的网络模型，得到该待测样本对应的问题向量。

2.根据权利要求1所述的集总参数表贴环行器物料及工艺问题识别方法，其特征在于：所述步骤(5)具体为：

所述三层BP神经网络包括输入层、中间隐含层和输出层，激活函数采用sigmoid函数，权值更新为随机梯度下降算法；

输入层有4个神经元，分别对应x₁(k)、x₂(k)、x₃(k)和x₄(k)，输入向量为X(k)；

隐含层有p个神经元，输入向量为H_i，输出向量为H_o；

输出层有q＝4个神经元，输入向量为Y_i，输出向量为Y_o，期望输出为Q；

输入层和隐含层间的连接权重为W_ih，隐含层和输出层间的连接权重为W_ho，隐含层各神经元阈值为b_h，输出层各神经元阈值为b_o。