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！

龙图腾网获悉电子科技大学申请的专利一种基于数据驱动的射频电路板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：CN119355483B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202411399722.9，技术领域涉及：G01R31/28；该发明授权一种基于数据驱动的射频电路板故障诊断方法是由刘震;罗忠山;唐小婷;王敏;邱根;龙兵;周秀云设计研发完成，并于2024-10-09向国家知识产权局提交的专利申请。

本一种基于数据驱动的射频电路板故障诊断方法在说明书摘要公布了：本发明公开了一种基于数据驱动的射频电路板故障诊断方法，通过预定故障，并输入激励信号获取多组时域数据，然后对时域数据进行双重滤波处理得到频域数据，然后对频域数据进行特征提取，得到一个故障类型的故障特征，然后将对于所有故障类型，将故障类型作为标签，对应的故障特征作为训练样本，输入至分类器，对分类器进行训练，直至收敛，最后，对于一块射频电路板，采用相同的数据处理，得到其故障特征送入训练好即训练收敛的分类器中，得到故障类型，完成故障诊断。本发明无需添加额外的内部测点，仅通过射频电路板自身的输入输出端口进行故障诊断，通过对射频电路板施加激励并采集射频输出信号数据，利用机器学习模型对这些数据进行分析，从而准确识别出射频电路板的故障类型。

本发明授权一种基于数据驱动的射频电路板故障诊断方法在权利要求书中公布了：1.一种基于数据驱动的射频电路板故障诊断方法，其特征在于，包括以下步骤： 1、对射频电路板进行建模，选择重要的元器件进行监测，并在射频电路板上引入故障模型，依据故障模型在射频电路板上引入预定故障即选择一个故障类型； 2、对于选择的故障类型，选择扫频信号作为激励信号注入射频电路板输入端，并从射频电路板输出端采集时域信号，得到时域数据，重复上述过程以获取多组时域数据，从而形成系统化的数据集，其中，t为时间，n为采样点数序号； 3、对采集到的一组时域数据进行双重滤波处理； 3.1、构建一个长度与时域数据相同的纯噪声时域信号； 3.1.1、对时域数据提取包络信号； a、计算离散傅里叶变换，得到频域数据： ； 其中，N为离散傅里叶变换的长度，k代表频率点； b、计算希尔伯特变换的频率响应： ； 为变换矩阵； c、计算希尔伯特变换后的信号： ； d、计算包络： ； 3.1.2、取出纯噪声数据； 确定一个阈值，对于满足的时域数据中的数据点被判定为纯噪声数据，这样提取出纯噪声数据，其中，为时域数据的采样点数； 3.1.3、生成等长的纯噪声时域信号； 将纯噪声数据周期性地延展，生成等长的纯噪声时域信号： ； 其中，=0,1,2,…； 3.2、自适应滤波； a、对纯噪声时域信号进行滤波，得到噪声数据： ； 其中，为自适应滤波器的系数向量，，是自适应滤波器的阶数，为自适应滤波器的系数，； b、计算误差信号: ； c、采用最小均方误差准则算法，通过迭代调整自适应滤波器系数来最小化误差信号的均方值： ； 其中，表示期望值，迭代调整自适应滤波器系数为： ； 其中，是步长因子，控制自适应滤波器系数更新的速率和稳定性； d、将误差信号作为自适应滤波后的时域数据； 3.3、傅里叶变换； 对自适应滤波后的时域数据进行傅里叶变换，得到频域数据： ； 其中，N为离散傅里叶变换的长度，k代表频率点； 3.4、滑动最大值滤波； 对频域数据进行滑动最大值滤波，对于每个频域点k，滑动窗口包含个频域样本，最大值滤波的输出即频域数据为窗口内的最大值： ； 其中，k的取值范围需要确保k-m在有效频率范围内，即； 4、频域数据进行特征提取； 4.1、提取描述频域波形的关键指标作为样本特征； 4.2、提取表征不同故障类型之间差异的特征即提取样本间特征； 4.2.1、为每种故障类型构建一个“基频谱图”； a、首先从该故障类型中随机挑选L条经过二次滤波后的频域数据，单条频域数据均值分别记为，L条频域数据均值的均值记为，则第i条频域数据均值的残差： ； b、利用贝塞尔公式计算标准偏差： ； c、使用莱特检验法对频域数据进行粗大误差的剔除，即如果存在某个频域数据的残差绝对值大于3倍的标准偏差即，该条频域数据是粗大误差，予以剔除，返回步骤a重新选择、计算和剔除，直到随机挑选L条经过二次滤波后的频域数据没有粗大误差为止； d、将对不包含粗大误差的L条频域数据均值的均值作为该故障类型的“基频谱图”； 4.2.2、提取皮尔森相关系数：对于第c故障类型的“基频谱图”，记为，并与所有的故障类型的“基频谱图”进行皮尔森相关系数计算，得到个相关特征： ； 其中，为第c故障类型对应的不包含粗大误差的条频域数据中的条，为第j故障类型对应的不包含粗大误差的条频域数据中的条； 个相关特征即为第c故障类型的样本间特征； 5、将第c故障类型的样本特征与样本间特征进行拼接，得到第c故障类型的故障特征，对于所有故障类型，将故障类型作为标签，对应的故障特征作为训练样本，输入至分类器，对分类器进行训练，直至收敛； 6、故障诊断； 对于一块射频电路板，选择扫频信号作为激励信号注入射频电路板输入端，并从射频电路板输出端采集时域信号，得到时域数据，重复上述过程以获取多组时域数据，从而形成系统化的数据集，然后，按照步骤3、4.1、4.2.1的方法进行处理，得到样本特征以及“基频谱图”，将其与所有的故障类型的“基频谱图”进行皮尔森相关系数计算，得到个相关特征，然后将样本特征与样本间特征进行拼接，得到故障特征，送入步骤5训练好即训练收敛的分类器中，得到故障类型，完成故障诊断。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。

以上内容由龙图腾AI智能生成。