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！

龙图腾网获悉北京航空航天大学申请的专利基于低频噪声与深度学习的电路系统健康状况预测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：CN115728672B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211430864.8，技术领域涉及：G01R31/56；该发明授权基于低频噪声与深度学习的电路系统健康状况预测方法是由章耀文;朱俊达;张奕凯;朴泓名;王士颖;卢震旦;陈云霞设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于低频噪声与深度学习的电路系统健康状况预测方法在说明书摘要公布了：本发明涉及一种基于低频噪声与深度学习的电路系统健康状况预测方法，其包括以下步骤，步骤1：对电路系统进行稳定性重要度分配；步骤2：提取低频噪声，获取元器件低频噪声时域分析噪声的稳态分布特征参数；步骤3：处理低频噪声信号数据，建立神经网络模型；步骤4：完成对神经网络模型的训练，获得电路寿命的预测结果。本发明通过对元器件低频噪声的分析建立深度学习预测模型实现了电路健康状况分析，能够适应不同失效准则的电路系统，适合于工程领域的精确诊断，相比于传统的基于大量试验结果建模的老化试验法具有明显优点；不需要在测试过程中加过应力，实现电路的无损检测，并在健康诊断的基础上实现了电路系统时序上的功能预测。

本发明授权基于低频噪声与深度学习的电路系统健康状况预测方法在权利要求书中公布了：1.一种基于低频噪声与深度学习的电路系统健康状况预测方法，其特征在于，其包括以下步骤： 步骤1：对电路系统进行稳定性重要度分配； 对电路系统中n个元器件的重要度进行计算，第i个元器件重要度为ri，将n个元器件的结果经归一化后排序，元器件重要度的获取方法如下所示： 式中：ri表示第i个元器件重要度；Δoutputi表示第i个元器件输出变化引起的系统输出变化；i表示元器件编号；n表示元器件总数； 步骤2：提取低频噪声，获取元器件低频噪声时域分析噪声的稳态分布特征参数； 所述稳态分布特征参数包括关键频域分布特征参数和关键时域分布特征参数； 步骤21：利用优化功率谱得到关键频域分布特征参数，所述的优化功率谱使用双线性函数拟合处理，低频噪声的频域描述模型如下所示： 式中：log10表示取10为底的对数；Svf表示低频段关键频域分布曲线；f表示信号频率值；fβ表示噪声信号频谱双线性函数转折频率；k1和k2分别表示第一和第二线性斜率；D1和D2分别表示第一和第二截距； 步骤22：利用优化三参数分布函数得到关键时域分布特征参数，所述的优化三参数分布函数描述模型如下所示： 式中：px表示关键时域分布特征函数；x表示低频噪声信号数据电压值；γ表示噪声信号时域中峰度值；σ表示噪声信号时域中标准差值；g′θ表示概率密度覆盖函数的导数；gθ表示概率密度覆盖函数；θ表示概率密度覆盖率；μ表示噪声信号时域中均值；m表示概率密度缩放系数； 步骤3：处理低频噪声信号数据，建立神经网络模型； 获得低频噪声信号数据关键频域能量分布集中参数与概率分布特征参数；通过神经网络模型建立步骤2中得到的稳态分布特征参数与步骤1中得到的元器件输出变化引起的系统输出变化的非线性关系，如下所示： Δoutputi＝noisefβ,k,μ,σ,γ； 式中：noise表示神经网络训练出的非线性函数关系；k表示噪声信号频谱对数轴上的斜率； 步骤4：完成对神经网络模型的训练，获得电路寿命的预测结果； 根据使用环境给定失效阈值，确定元器件输出变化引起的系统输出变化的加权结果，根据加权结果得到各模块对电路系统的影响，完成对步骤3中神经网络模型的训练，得到电路寿命预测结果，具体获取方法如下所示： 式中：Δoutput表示神经网络模型的寿命预测结果。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；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”。