[发明专利]集总参数表贴环行器物料及工艺问题识别方法有效

专利信息
申请号: 202010934074.8 申请日: 2020-09-08
公开(公告)号: CN111967799B 公开(公告)日: 2023-01-13
发明(设计)人: 刘有彬;吴江;蒋运石;闫欢;胡艺缤;田珺宏 申请(专利权)人: 中国电子科技集团公司第九研究所
主分类号: G06Q10/06 分类号: G06Q10/06;G06N3/04;G06N3/08
代理公司: 绵阳市博图知识产权代理事务所(普通合伙) 51235 代理人: 黎仲
地址: 621000 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 总参 数表 环行 器物 料及 工艺 问题 识别 方法
【说明书】:

发明公开了一种集总参数表贴环行器物料及工艺问题识别方法,包括确定影响集总参数表贴环行器参数的问题,具体为物料尺寸偏差、器件焊接位置偏差、器件焊接温度偏差、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;将样本的S参数数据,作为训练模型的输入,而该样本经量化后得到的四个量化值构成向量Q作为期望的输出,用三层BP神经网络对样本进行训练,得到训练模型。本发明具有仅输入样本的S参数数据,就能输出该样本对应的问题向量Q的能力。本发明能提高测试效率,及时定位器件可能出现的问题;对于批量化生产,可以及时检测批次差异问题,并能对各批次产品性能状态变化情况进行统计分析。

技术领域

本发明涉及一种识别方法,尤其涉及一种集总参数表贴环行器物料及工艺问题识别方法。

背景技术

目前,集总参数表贴环行器等微波无源器件基本都依赖于人工测试、分析与判断,工作量大、效率低、可靠性差,且不能反映器件可能存在的问题,特别是对于批量化生产,基本上只能对单个的性能优劣好坏进行人工判断,不能将器件性能反映到具体的物料、工艺等问题上,不利于批量化生产的产品质量控制与产品性能优化。

该方法的不足:

1、采用人工测试的方式,工作量大,效率低,数据可靠性差,影响对器件性能的整体评估,不利于批量生产;

2、只能判断器件合格与不合格,不能将器件性能优劣与可能产生的原因形成对应关系,不利于批量生产的产品优化和质量控制;

3、不能对批次性产品性能状态进行统计分析,不能及时发现生产中可能出现的问题。

发明内容

本发明的目的就在于提供一种解决上述问题,无需人工测量,能提高测试效率、提高数据可靠性,且能及时判断产品问题的集总参数表贴环行器物料及工艺问题识别方法。

为了实现上述目的,本发明采用的技术方案是这样的:一种集总参数表贴环行器物料及工艺问题识别方法,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),...,xn(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;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子科技集团公司第九研究所,未经中国电子科技集团公司第九研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010934074.8/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top