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！

龙图腾网获悉西安电子科技大学;中国电子科技集团公司第十研究所申请的专利基于图嵌入微波滤波器故障诊断的性能调试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：CN115859085B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211588818.0，技术领域涉及：G06F18/213；该发明授权基于图嵌入微波滤波器故障诊断的性能调试方法是由周金柱;林强强;赵晓虎;陈凤;阎德劲;刘法;康乐;周阳明设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本基于图嵌入微波滤波器故障诊断的性能调试方法在说明书摘要公布了：本发明公开了一种基于图嵌入微波滤波器故障诊断的性能调试方法，首先，构建由复数卷积编码子网络和复数反卷积解码子网络级联的导纳参数特征提取网络，而后结合待诊断和调试的微波滤波器结构构建图卷积反演网络，生成导纳参数训练集和散射参数训练集，最后交替训练导纳参数特征提取网络和图卷积反演网络，对微波滤波器进行故障诊断和调试。本发明是一种无监督模型，降低了采集大量数据集的难度；且在故障诊断和调试过程中，无需任何迭代优化过程，可节约大量的诊断调试时间；结合滤波器的物理结构构建的模型，可用于任意结构的微波滤波器故障诊断和调试，具有更高的适用性。

本发明授权基于图嵌入微波滤波器故障诊断的性能调试方法在权利要求书中公布了：1.一种基于图嵌入微波滤波器故障诊断的性能调试方法，其特征在于，将微波滤波器抽象为一个无向图，构建由复数卷积编码子网络和复数反卷积解码子网络级联的导纳参数特征提取网络，结合待诊断和调试的微波滤波器结构构建图卷积反演网络；该性能调试方法的步骤包括如下： 步骤1，构建导纳参数特征提取网络： 步骤1.1，搭建一个由三个结构相同的复数卷积模块级联构成的复数卷积编码子网络，每个复数卷积模块均由两个复数卷积层级联构成； 将第一复数卷积模块中的两个复数卷积层的卷积核大小均设置为3×1，通道数分别设置为64、128，步长均设置为1，激活函数均由CRelu函数实现； 将第二个复数卷积模块中两个复数卷积层的卷积核大小均设置为3×1，通道数分别设置为256、128，步长均设置为1，激活函数均由CRelu函数实现； 将第三个复数卷积模块中两个复数卷积层的卷积核大小均设置为3×1，通道数分别设置为64、n+2，n的取值与滤波器的阶数相等，步长均设置为1，激活函数均由CRelu函数实现； 步骤1.2，搭建一个由三个复数反卷积模块级联构成的复数反卷积解码子网络，三个复数反卷积模块均由两个复数反卷积层级联构成； 将第一个复数反卷积模块中两个复数反卷积层的卷积核大小均设置为3×1，通道数分别设置为64、128，步长均设置为1，激活函数均由CRelu函数实现； 将第二个复数反卷积模块中两个复数反卷积层的卷积核大小均设置为3×1，通道数分别设置为256、128，步长均设置为1，激活函数均由CRelu函数实现； 将第三个复数反卷积模块中两个复数反卷积层的卷积核大小均设置为3×1，通道数分别设置为64、3，步长均设置为1，激活函数均由CRelu函数实现； 步骤1.3，将复数卷积编码子网络和复数反卷积解码子网络级联构成导纳参数特征提取网络； 步骤2，构建图卷积反演网络： 步骤2.1，将微波滤波器抽象为一个无向图，该滤波器的源端、负载端以及滤波器的每个腔体对应无向图中的节点，每个互相耦合路和交叉耦合路对应无向图中的边，得到一个与滤波器结构相对应的无向图，并生成无向图的邻接矩阵；邻接矩阵的行代表微波滤波器无向图中的节点，每一列代表微波滤波器无向图中节点之间的连接关系，若微波滤波器对应的无向图中各节点之间存在边，则邻接矩阵对应位置元素为1，若无向图中各节点之间不存在边，则邻接矩阵对应位置元素为0； 步骤2.2，搭建一个由3个图卷积层级联的图卷积反演网络，将第一至第三图卷积层中的邻接矩阵采用无向图邻接矩阵，节点个数均设置为n1+2，通道数分别设置为n1+2、32、n1+2，n1的取值与n相等； 步骤3，生成训练集： 步骤3.1，将一个微波滤波器的每个腔体随机调试至少30次，同时通过VNA采集每次调试的散射参数，得到30×n2组的散射参数，n2的取值与n相等；将每组散射参数中的正向反射系数S11和正向传输系数S21组成该组的散射参数集，将30×n2组散射参数集组成散射参数训练集DS； 步骤3.2，将每组散射参数转换为导纳参数，得到转换后的30×n2组导纳参数，将每组转换后导纳参数中的正向输入导纳Y11、正向转移导纳Y21以及相对应的采样频率f组成该组导纳参数集，将30×n2组导纳参数集组成导纳参数训练集DY； 步骤4，交替训练导纳参数特征提取网络和图卷积反演网络： 步骤4.1，将导纳参数训练集DY输入到导纳参数特征提取网络中，复数卷积编码子网络输出导纳特征，复数反卷积编码子网络输出预测导纳参数；将训练集DY作为导纳参数特征提取网络的导纳参数标签，选择均方误差损失函数，计算所有预测导纳参数和对应输入的导纳参数标签之间的损失Loss1，利用反向传播梯度下降法，更新导纳参数特征提取网络各层中的参数； 步骤4.2，将复数卷积编码子网络输出的导纳特征输入到图卷积反演网络中，输出所有导纳参数训练集DY对应的预测耦合矩阵，通过预测耦合矩阵计算所有导纳参数训练集DY对应的预测散射参数；将训练集DS作为图卷积反演网络的散射参数标签，选择均方误差损失函数，计算所有预测散射参数和对应输入的散射参数标签之间的损失Loss2，利用反向传播梯度下降法，更新图卷积反演网络各层中的参数； 步骤4.3，重复步骤4.1和4.2，直到Loss1和Loss2均收敛为止，得到训练好的导纳参数特征提取网络和图卷积反演网络； 步骤5，对待诊断和调试的微波滤波器进行故障诊断和调试： 步骤5.1，利用VNA测量待故障诊断和调试微波滤波器的散射参数，采用与步骤3.2相同的方式，将测量的散射参数转换为导纳参数后再输入到训练好的导纳参数特征提取网络中，输出导纳特征；将导纳特征输入到训练好的图卷积反演网络中，输出测量散射参数对应的耦合矩阵M，计算M与微波滤波器设计耦合矩阵的差值，得到差值矩阵； 步骤5.2，判断差值矩阵中的所有元素的绝对值是否全小于ε，ε是在[0.05,0.3]范围根据实际滤波需求设定的误差值，若是，则执行步骤6，否则，将微波滤波器判定为有故障后执行步骤5.3； 步骤5.3，利用耦合矩阵M应用空间映射法，计算微波滤波器当前状态的调试量，根据该调试量调试微波滤波器后执行步骤5.1； 步骤6，将微波滤波器判定为无故障，结束调试，得到一个无故障的微波滤波器。

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西安电子科技大学;中国电子科技集团公司第十研究所，其通讯地址为：710071 陕西省西安市太白南路2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。