CN102867104A - 一种电子设备的电磁环境影响因素的定量分析装置及方法 - Google Patents

一种电子设备的电磁环境影响因素的定量分析装置及方法 Download PDF

Info

Publication number
CN102867104A
CN102867104A CN2011102757296A CN201110275729A CN102867104A CN 102867104 A CN102867104 A CN 102867104A CN 2011102757296 A CN2011102757296 A CN 2011102757296A CN 201110275729 A CN201110275729 A CN 201110275729A CN 102867104 A CN102867104 A CN 102867104A
Authority
CN
China
Prior art keywords
electronic equipment
model
influence factor
data
factor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011102757296A
Other languages
English (en)
Other versions
CN102867104B (zh
Inventor
柯宏发
陈永光
梁高波
唐跃平
夏斌
唐晓婧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
EQUIPMENT & DIRECTION TECHNOLOGY COLLEGE PLA
Original Assignee
EQUIPMENT & DIRECTION TECHNOLOGY COLLEGE PLA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by EQUIPMENT & DIRECTION TECHNOLOGY COLLEGE PLA filed Critical EQUIPMENT & DIRECTION TECHNOLOGY COLLEGE PLA
Priority to CN201110275729.6A priority Critical patent/CN102867104B/zh
Publication of CN102867104A publication Critical patent/CN102867104A/zh
Application granted granted Critical
Publication of CN102867104B publication Critical patent/CN102867104B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及电磁干扰电子设备技术领域，公开一种电子设备的电磁环境影响因素的定量分析装置及方法，所述装置由影响因素数据接口装置及电子设备数据接口装置通过数据录取线缆与数据采集装置相连，数据采集装置通过数据录取线缆与影响因素主次关系定量分析装置相连；所述方法采用将影响因素数据接口装置、电子设备数据接口装置采集的信号源数据通过数据采集装置将上述传输至影响因素主次关系定量分析装置，进行电子设备的影响因素主次关系的定量分析，本发明能够实现对
Figure 439241DEST_PATH_IMAGE001
个影响因素的综合分析并对其主次关系进行搜索、判断和排序，预测或确定影响电子设备的相关电磁环境的主要因素，以便排除或减小电磁环境影响的主因素对电子设备性能进行的干扰。

Description

一种电子设备的电磁环境影响因素的定量分析装置及方法
技术领域
本发明涉及电磁干扰电子设备技术领域，尤其涉及一种电子设备的电磁环境影响因素的定量分析装置及方法。 
背景技术
目前，环境因素、特别是复杂电磁环境对易受电磁信号影响的电子设备工作性能的影响分析一直是公认的难题之一。目前的分析方法有定性分析和单因素定量分析方法。而实际电子设备工作性能受到n个因素的影响，n个一般为大于等于2、小于10的自然数；目前的定性分析和单因素定量分析方法都不能对这n个影响因素进行综合分析并对其主次关系进行排序。 
发明内容
为克服现有技术的不足，本发明提供一种电子设备的电磁环境影响因素的定量分析装置及方法，能够通过搜索、判断相关电磁环境影响因素的大小对电子设备性能进行预测。预测电子设备的性能以及相关电磁环境因素表达在大多数情况下是区间数的形式，即实现对n个影响因素的综合分析并对其主次关系进行排序，预测出相关电磁环境影响的主因素对电子设备性能进行的干扰，以便排除或减少电磁环境影响的主因素对电子设备性能进行的干扰。 
为实现如上所述的发明目的，本发明采用如下技术方案： 
一种电子设备的电磁环境影响因素的定量分析装置，包括：数据采集装置、影响因素数据接口装置、电子设备数据接口装置、影响因素主次关系定量分析装置，所述影响因素数据接口装置及电子设备数据接口装置通过数据录取线缆与数据采集装置相连，数据采集装置通过数据录取线缆与影响因素主次关系定量分析装置相连；电子设备数据接口装置为信号源X1，影响因素数据接口装置为X2至XN。
一种电子设备的电磁环境影响因素的定量分析方法，采用将影响因素数据接口装置、电子设备数据接口装置采集的信号源数据通过数据采集装置将上述传输至影响因素主次关系定量分析装置，进行电子设备的影响因素主次关系的定量分析，确定影响电子设备的主要因素，以便排除或减小其影响，便于在恶劣的电磁环境下电子设备的正常工作，其步骤如下： 
1）、首先进行粗略的定量分析：
a. 建立信号源数据GM(1,N)模型，首先建电子设备性能特征数据的建模序列和相关影响因素数据的建模序列；通过数据接口装置经采集装置在时刻1、2…、n采集的电子设备性能和影响因素数据： 
Figure DEST_PATH_107144DEST_PATH_IMAGE001
、
Figure DEST_PATH_86601DEST_PATH_IMAGE002
、…、
Figure DEST_PATH_866338DEST_PATH_IMAGE003
 ，对电子设备性能和影响因素数据列
Figure DEST_PATH_261547DEST_PATH_IMAGE004
进行1阶累加生成处理；及建立紧邻均值生成序列；
b. 建立近似时间响应的影子模型，通过设模型中间参数Y，模型中间参数R，
建GM(1,N)模型的最小二乘估计参数列：
Figure DEST_PATH_888969DEST_PATH_IMAGE005
及  GM(1,N)模型的影子方程；
Figure DEST_PATH_711431DEST_PATH_IMAGE006
   ；       
2）、再进行精确的定量分析：为了进一步提高粗略定量分析的分析精度，令
Figure DEST_PATH_978465DEST_PATH_IMAGE007
（
Figure DEST_PATH_239682DEST_PATH_IMAGE008
），得GM(1,N)模型中电子设备性能特征变量的相对残差
Figure DEST_PATH_908560DEST_PATH_IMAGE009
和平均相对残差
Figure DEST_PATH_901924DEST_PATH_IMAGE010
，即有：
Figure DEST_PATH_967838DEST_PATH_IMAGE011
         从而可以得到GM(1,N)模型的模拟精度
Figure DEST_PATH_704850DEST_PATH_IMAGE012
为：
Figure DEST_PATH_228235DEST_PATH_IMAGE013
  ；
GM(1,N)模型中对电子设备性能特征数据的紧邻均值生成是一种数值平滑，为克服紧邻均值生成的背景值产生的滞后误差，造成产生的模型偏差较大及降低建模分析精度，结合背景值加权构造形式，即
Figure DEST_PATH_962022DEST_PATH_IMAGE015
；
式中
Figure DEST_PATH_237145DEST_PATH_IMAGE016
为新信息的加权权重，对电子设备性能特征数据进行优化求解，设定加权权重
Figure DEST_PATH_693666DEST_PATH_IMAGE016
，得到GM(1,N)模型模拟值，和累减还原值
Figure DEST_PATH_757754DEST_PATH_IMAGE018
，
      即平均相对误差为：
Figure DEST_PATH_898885DEST_PATH_IMAGE019
， 
式中是权值
Figure DEST_PATH_168509DEST_PATH_IMAGE016
的函数，于是通过数学规划模型：
Figure DEST_PATH_430732DEST_PATH_IMAGE021
，
得到最优的权值
Figure DEST_PATH_313238DEST_PATH_IMAGE016
，从而得GM(1,N)模型的最优模型参数和模拟时间响应序列。
一种电子设备的电磁环境影响因素的定量分析方法，所述信号源数据GM(1,N)模型， 包括：电子设备性能特征数据建模序列
Figure DEST_PATH_665722DEST_PATH_IMAGE022
和相关影响因素数据建模序列； 
Figure DEST_PATH_670587DEST_PATH_IMAGE023
 
Figure DEST_PATH_108521DEST_PATH_IMAGE024
 
Figure DEST_PATH_529138DEST_PATH_IMAGE025
 
其中
Figure DEST_PATH_814757DEST_PATH_IMAGE026
、、…、
Figure DEST_PATH_915754DEST_PATH_IMAGE028
表示数据采集装置在时刻1采集的电子设备性能和影响因素数据，
Figure DEST_PATH_140062DEST_PATH_IMAGE029
、、…、
Figure DEST_PATH_797495DEST_PATH_IMAGE003
表示数据采集装置在时刻2采集的电子设备性能和影响因素数据，…，
Figure DEST_PATH_210021DEST_PATH_IMAGE031
、、…、
Figure DEST_PATH_481920DEST_PATH_IMAGE033
表示数据采集装置在时刻n采集的电子设备性能和影响因素数据；
对电子设备性能和影响因素数据列
Figure DEST_PATH_671593DEST_PATH_IMAGE034
进行1阶累加生成处理，其方法为：
Figure DEST_PATH_384465DEST_PATH_IMAGE035
为
Figure DEST_PATH_950575DEST_PATH_IMAGE034
的1阶累加生成算子（AGO，Accumulating Generation Operator）序列，
Figure DEST_PATH_252244DEST_PATH_IMAGE036
为
Figure DEST_PATH_675135DEST_PATH_IMAGE037
的紧邻均值生成序列，即：
Figure DEST_PATH_62254DEST_PATH_IMAGE038
                                                        
则GM(1,N)模型为    式中
Figure DEST_PATH_634235DEST_PATH_IMAGE040
为GM(1,N)的发展系数，
Figure DEST_PATH_431290DEST_PATH_IMAGE041
为GM(1,N)的驱动系数，为参数列。
一种电子设备的电磁环境影响因素的定量分析方法，所述近似时间响应的影子模型，包括设模型中间参数Y，模型中间参数R， 
，
Figure DEST_PATH_286617DEST_PATH_IMAGE044
                                      
则GM(1,N)模型的最小二乘估计参数列为：
Figure DEST_PATH_254573DEST_PATH_IMAGE005
                
设参数列
Figure DEST_PATH_163754DEST_PATH_IMAGE045
，则
Figure DEST_PATH_875358DEST_PATH_IMAGE006
为GM(1,N)模型的影子方程；
影子方程的近似时间响应式为：
Figure DEST_PATH_740546DEST_PATH_IMAGE046
                              
累减还原值为：
Figure DEST_PATH_941720DEST_PATH_IMAGE047
              
通过近似时间响应式判断，GM(1,N)模型是一种状态模型，根据电子设备性能特征的发展趋势和影响因素状态，采用状态模型进行估计与分析，即GM(1,N)的驱动系数
Figure DEST_PATH_525148DEST_PATH_IMAGE041
分别代表各个影响因素的作用力大小，再通过比较驱动系数的大小来对影响因素的相对重要性进行分析。
由于采用如上所述的技术方案，[khf1]  
一种电子设备的电磁环境影响因素的定量分析装置及方法，采用了综合装备性能及其电磁环境影响因素试验数据的GM(1,N)模型和高精度的GM(1,N)优化模型，以上仿真建立模型分析装置表明合理有效。[khf2] 即实现对个影响因素的综合分析并对其主次关系进行排序，预测出相关电磁环境影响的主因素对电子设备性能进行的干扰，以便排除或减少电磁环境影响的主因素对电子设备性能进行的干扰。
附图说明                           
图1电子设备的电磁环境影响因素的定量分析装置的工作示意图；
图2是电子设备干扰侦察概率的GM(1,4)及优化模型模拟值示意图；
图3是GM(1,4)模型的影响程度分析图；
图4是GM(1,4)优化模型的影响程度分析图。
具体实施方式
下面结合附图与实施例对本工艺进行进一步说明 
一种电子设备的电磁环境影响因素的定量分析装置， 包括：数据采集装置、影响因素数据接口装置、电子设备数据接口装置、影响因素主次关系定量分析装置，所述影响因素数据接口装置及电子设备数据接口装置通过数据录取线缆与数据采集装置相连，数据采集装置通过数据录取线缆与影响因素主次关系定量分析装置相连；电子设备数据接口装置为信号源X1，影响因素数据接口装置为X2至XN。如图1所示，图1中黑实线方框部分为本发明的定量分析装置，虚线框部分为待测试分析部分。
一种电子设备的电磁环境影响因素的定量分析方法，采用将影响因素数据接口装置、电子设备数据接口装置采集的信号源数据通过数据采集装置将上述传输至影响因素主次关系定量分析装置，进行电子设备的影响因素主次关系的定量分析，确定影响电子设备的主要因素，以便排除或减小其影响，便于在恶劣的电磁环境下电子设备的正常工作，其步骤如下： 
1、首先进行粗略的定量分析：
a.建立信号源数据GM(1,N)模型， 包括：
 电子设备性能特征数据建模序列
Figure DEST_PATH_774864DEST_PATH_IMAGE048
和
相关影响因素数据建模序列；
Figure DEST_PATH_95159DEST_PATH_IMAGE049
 
Figure DEST_PATH_404918DEST_PATH_IMAGE024
 
Figure DEST_PATH_475642DEST_PATH_IMAGE050
 
其中、
Figure DEST_PATH_431146DEST_PATH_IMAGE052
、…、
Figure DEST_PATH_724855DEST_PATH_IMAGE053
表示数据采集装置在时刻1采集的电子设备性能和影响因素数据，、
Figure DEST_PATH_874393DEST_PATH_IMAGE054
、…、
Figure DEST_PATH_568680DEST_PATH_IMAGE055
表示数据采集装置在时刻2采集的电子设备性能和影响因素数据，…，
Figure DEST_PATH_282558DEST_PATH_IMAGE031
、、…、
Figure DEST_PATH_34668DEST_PATH_IMAGE033
表示数据采集装置在时刻n采集的电子设备性能和影响因素数据；
对电子设备性能和影响因素数据列
Figure DEST_PATH_583461DEST_PATH_IMAGE034
进行1阶累加生成处理，其方法为：
Figure DEST_PATH_671503DEST_PATH_IMAGE035
为的1阶累加生成算子（AGO，Accumulating Generation Operator）序列，
Figure DEST_PATH_199753DEST_PATH_IMAGE036
为
Figure DEST_PATH_603053DEST_PATH_IMAGE037
的紧邻均值生成序列，即：
Figure DEST_PATH_675045DEST_PATH_IMAGE038
                                                        
则GM(1,N)模型为 
Figure DEST_PATH_429375DEST_PATH_IMAGE039
                      
式中
Figure DEST_PATH_166386DEST_PATH_IMAGE040
为GM(1,N)的发展系数，
Figure DEST_PATH_752088DEST_PATH_IMAGE041
为GM(1,N)的驱动系数，
Figure DEST_PATH_493517DEST_PATH_IMAGE042
为参数列；
b.建立近似时间响应的影子模型，包括设模型中间参数Y，模型中间参数R，
Figure DEST_PATH_469564DEST_PATH_IMAGE043
，
Figure DEST_PATH_10266DEST_PATH_IMAGE056
                                      
则GM(1,N)模型的最小二乘估计参数列为：
Figure DEST_PATH_716054DEST_PATH_IMAGE005
                
设参数列
Figure DEST_PATH_51221DEST_PATH_IMAGE045
，则
Figure DEST_PATH_780142DEST_PATH_IMAGE006
为GM(1,N)模型的影子方程；
影子方程的近似时间响应式为：
Figure DEST_PATH_672006DEST_PATH_IMAGE046
                              
累减还原值为：
Figure DEST_PATH_169983DEST_PATH_IMAGE047
              
由近似时间响应式知，GM(1,N)模型是一种状态模型，根据电子设备性能特征的发展趋势和目前的影响因素状态进行估计与分析；GM(1,N)的驱动系数
Figure DEST_PATH_738368DEST_PATH_IMAGE057
分别代表各个影响因素的作用力大小，因此可以通过比较驱动系数的大小来对影响因素的相对重要性进行分析；
2、再进行精确的定量分析：
为了进一步提高定量分析方法的分析精度，令
Figure DEST_PATH_954586DEST_PATH_IMAGE058
（
Figure DEST_PATH_837091DEST_PATH_IMAGE059
），得GM(1,N)模型中电子设备性能特征变量的相对残差和平均相对残差
Figure DEST_PATH_443708DEST_PATH_IMAGE061
，即有：
Figure DEST_PATH_881642DEST_PATH_IMAGE011
                                                          
从而可以得到GM(1,N)模型的模拟精度
Figure DEST_PATH_364576DEST_PATH_IMAGE012
为：
Figure DEST_PATH_837146DEST_PATH_IMAGE062
，       
GM(1,N)模型中对电子设备性能特征数据
Figure DEST_PATH_498065DEST_PATH_IMAGE014
的紧邻均值生成是一种数值平滑，在实际分析过程中，由于电子设备性能特征数据受到相关电磁环境影响因素数据的影响较大，采用紧邻均值生成的背景值往往产生较大的滞后误差，所产生的模型偏差较大，并且会降低建模分析精度，通过采用背景值加权构造形式，即：
Figure DEST_PATH_423296DEST_PATH_IMAGE015
；
       式中
Figure DEST_PATH_647604DEST_PATH_IMAGE016
为新信息的加权权重，针对不同的电子设备性能特征数据进行优化求解，
设定加权权重
Figure DEST_PATH_36997DEST_PATH_IMAGE016
，得到GM(1,N)模型模拟值，和累减还原值
Figure DEST_PATH_45459DEST_PATH_IMAGE018
，
此时平均相对误差为：
Figure DEST_PATH_870196DEST_PATH_IMAGE064
，
式中
Figure DEST_PATH_864828DEST_PATH_IMAGE065
是权值
Figure DEST_PATH_382397DEST_PATH_IMAGE016
的函数；于是通过下列数学规划模型：
Figure DEST_PATH_282219DEST_PATH_IMAGE021
，
得到最优的权值
Figure DEST_PATH_848330DEST_PATH_IMAGE016
，从而得GM(1,N)模型的最优模型参数和模拟时间响应序列。
使用时，在复杂电磁环境下，电子设备易受到很多因素的电磁信号影响，如：背景信号的电磁频段密度——大功率干扰信号频段进入电子设备频段的百分比，以及电子设备接收到的信号功率信干比。为了在复杂电磁环境下，采取相应的措施提高电子设备对信号的搜索概率，需要对电磁环境影响因素进行定量分析，并对各个影响因素的概率、影响大小进行排序，以便于在实际工作抓住主要矛盾、克服主要的影响因素。 
本发明用于信号搜索概率的影响因素建模分析， 首先对某频段信号搜索概率的电子设备性能特征数据建立模型序列，并且以干扰信号频段进入电子设备信号工作频段的百分比为相关因素一，信号功率信干比为相关因素二，其它电磁干扰信号为相关因素三，组成相关因素序列，分别建立GM(1,4)模型和GM(1,4)优化模型，分析上述3个相关因素对电子设备信号搜索概率的影响大小。电子设备的信号搜索概率和3个相关因素数据如表1所示。 
表 1  信号搜索概率及相关因素数据 
序号 1 2 3 4 5
设备搜索概率（%） 70.6 75.1 79.9 84.2 88.7
相关因素一（%） 22.6 21 19 17.5 16
相关因素二（dB） 13.9 14.2 14.4 14.8 15
相关因素三 8.6 8.7 8.9 9.1 9.2
表中对电子设备的信号搜索概率——设备搜索概率进行评估，以100分制表示，并对数据进行归一化处理后得到电子设备性能特征数据建模序列：
Figure DEST_PATH_196004DEST_PATH_IMAGE066
和相关因素数据序列
Figure DEST_PATH_822157DEST_PATH_IMAGE067
Figure DEST_PATH_271593DEST_PATH_IMAGE068
Figure DEST_PATH_375815DEST_PATH_IMAGE069
下面分别建立GM(1,4)模型和GM(1,4)优化模型；
1 、设备搜索概率的GM(1,4)模型，设GM(1,4)模型的白化方程为：
Figure DEST_PATH_345039DEST_PATH_IMAGE070
，对
Figure DEST_PATH_142094DEST_PATH_IMAGE071
和、、
Figure DEST_PATH_309005DEST_PATH_IMAGE074
作1-AGO，得到
Figure DEST_PATH_339278DEST_PATH_IMAGE075
Figure DEST_PATH_435410DEST_PATH_IMAGE076
Figure DEST_PATH_881435DEST_PATH_IMAGE077
Figure DEST_PATH_964108DEST_PATH_IMAGE079
的紧邻均值生成序列为：
于是有
Figure DEST_PATH_844843DEST_PATH_IMAGE082
   所以
Figure DEST_PATH_466186DEST_PATH_IMAGE083
得估计模型：
Figure DEST_PATH_536910DEST_PATH_IMAGE084
及近似时间响应式为：
由此得到：
，
Figure DEST_PATH_973073DEST_PATH_IMAGE087
，，
Figure DEST_PATH_935661DEST_PATH_IMAGE089
作1-IAGO还原 
Figure DEST_PATH_692265DEST_PATH_IMAGE090
Figure DEST_PATH_343826DEST_PATH_IMAGE091
2 、GM(1,4)优化模型，对电子设备信号搜索概率——设备搜索概率进行GM(1,N)优化模型建模，电子设备性能特征数据建模序列和相关因素序列如：
Figure DEST_PATH_389142DEST_PATH_IMAGE092
和相关因素数据序列
Figure DEST_PATH_95936DEST_PATH_IMAGE093
Figure DEST_PATH_644729DEST_PATH_IMAGE094
Figure DEST_PATH_795088DEST_PATH_IMAGE095
针对
Figure DEST_PATH_62121DEST_PATH_IMAGE096
的背景值生成序列为：
Figure DEST_PATH_808491DEST_PATH_IMAGE097
；
其中
Figure DEST_PATH_477370DEST_PATH_IMAGE098
，
Figure DEST_PATH_736313DEST_PATH_IMAGE099
。根据上述的GM(1,N)模型优化算法，求得最优的
Figure DEST_PATH_287380DEST_PATH_IMAGE100
，可得到此时的参数估计列：
Figure DEST_PATH_289971DEST_PATH_IMAGE101
和估计模型：
Figure DEST_PATH_124941DEST_PATH_IMAGE102
以及近似时间响应式：
Figure DEST_PATH_289206DEST_PATH_IMAGE103
由上述两个近似时间响应式以及1-IAGO还原算法分别得到GM(1,4)及其优化模型的模拟值，两种模型的模拟数据及相对误差见表2或图2所示，图2中的横坐标为数据序号分别为1至5，其纵坐标为搜索概率分别为0.65至0.9，图中的：曲线1代表原始数据，曲线2代表GM(1,4) 模型模拟数据，曲线3代表GM(1,4) 优化模型模拟数据，由图可见曲线3代表的GM(1,4)优化模型的模拟结果较优。上述两个近似时间响应式是一个状态模型，在得到相关因素估计值的基础上，能够用来对电子设备性能特征进行预测。
表 2  设备搜索概率的GM(1,4)及优化模型模拟结果 
3、影响因素分析，通过影响因素主次关系定量分析装置的两个状态模型可以判断出，由于
Figure DEST_PATH_133851DEST_PATH_IMAGE106
和
Figure DEST_PATH_511743DEST_PATH_IMAGE107
，所以相关因素二的影响要大于相关因素一和相关因素三的影响，这与实际电子设备试验工程结果是一致的；由于
Figure DEST_PATH_DEST_PATH_IMAGE108
，所以相关因素一和相关因素三的影响程度类似。
基于影响因素主次关系定量分析装置的GM(1,4) 模型及其优化模型的相关因素的影响程度分析如图3和图4所示，图3和图4中的横坐标为数据序号1至10，其纵坐标为搜索概率0.65至1，图中的：曲线1代表相关因素一，曲线2代表相关因素二，曲线3代表相关因素三，有图可见代表相关因素二的曲线2斜率明显大于其它两根曲线的斜率；所以相关因素二的影响最大。 
为了有效地对影响电子设备性能的电磁环境因素影响大小进行定量排序分析，本发明采用影响因素主次关系定量分析装置的综合装备性能及其电磁环境影响因素试验数据的GM(1,N)模型和高精度的GM(1,N)优化模型，仿真建立合理有效的计算模块。其建立的GM(1,N)模型还可以通过相关电磁环境影响因素的大小对电子设备性能进行预测，预测电子设备的性能。 

Claims (4)

1.一种电子设备的电磁环境影响因素的定量分析装置，其特征在于：包括：数据采集装置、影响因素数据接口装置、电子设备数据接口装置、影响因素主次关系定量分析装置，所述影响因素数据接口装置及电子设备数据接口装置通过数据录取线缆与数据采集装置相连，数据采集装置通过数据录取线缆与影响因素主次关系定量分析装置相连；电子设备数据接口装置为信号源X1，影响因素数据接口装置为X2至XN。
2.如权利要求1所述装置的一种电子设备的电磁环境影响因素的定量分析方法，其特征在于：采用将影响因素数据接口装置、电子设备数据接口装置采集的信号源数据通过数据采集装置将上述传输至影响因素主次关系定量分析装置，进行电子设备的影响因素主次关系的定量分析，确定影响电子设备的主要因素，以便排除或减小其影响，便于在恶劣的电磁环境下电子设备的正常工作，其步骤如下：
1）、首先进行粗略的定量分析：
a. 建立信号源数据GM(1,N)模型，首先建电子设备性能特征数据的建模序列和相关影响因素数据的建模序列；通过数据接口装置经采集装置在时刻1、2…、n采集的电子设备性能和影响因素数据： 、
Figure DEST_PATH_DEST_PATH_IMAGE004
、…、
Figure DEST_PATH_DEST_PATH_IMAGE006
 ，对电子设备性能和影响因素数据列
Figure DEST_PATH_DEST_PATH_IMAGE008
进行1阶累加生成处理；及建立紧邻均值生成序列；
b. 建立近似时间响应的影子模型，通过设模型中间参数Y，模型中间参数R，
建GM(1,N)模型的最小二乘估计参数列：
Figure DEST_PATH_DEST_PATH_IMAGE010
及  GM(1,N)模型的影子方程；
Figure DEST_PATH_DEST_PATH_IMAGE012
   ； 
2）、再进行精确的定量分析：为了进一步提高粗略定量分析的分析精度，令
Figure DEST_PATH_DEST_PATH_IMAGE014
（
Figure DEST_PATH_DEST_PATH_IMAGE016
），得GM(1,N)模型中电子设备性能特征变量的相对残差
Figure DEST_PATH_DEST_PATH_IMAGE018
和平均相对残差，即有：
Figure DEST_PATH_DEST_PATH_IMAGE022
         从而可以得到GM(1,N)模型的模拟精度
Figure DEST_PATH_DEST_PATH_IMAGE024
为：
Figure DEST_PATH_DEST_PATH_IMAGE026
  ；
GM(1,N)模型中对电子设备性能特征数据的紧邻均值生成是一种数值平滑，为克服紧邻均值生成的背景值产生的滞后误差，造成产生的模型偏差较大及降低建模分析精度，结合背景值加权构造形式，即
Figure DEST_PATH_DEST_PATH_IMAGE030
；
式中
Figure DEST_PATH_DEST_PATH_IMAGE032
为新信息的加权权重，对电子设备性能特征数据进行优化求解，设定加权权重
Figure DEST_PATH_DEST_PATH_IMAGE032A
，得到GM(1,N)模型模拟值
Figure DEST_PATH_DEST_PATH_IMAGE035
，和累减还原值，
      即平均相对误差为：
Figure DEST_PATH_DEST_PATH_IMAGE039
， 
式中
Figure DEST_PATH_DEST_PATH_IMAGE041
是权值
Figure DEST_PATH_DEST_PATH_IMAGE032AA
的函数，于是通过数学规划模型：
Figure DEST_PATH_DEST_PATH_IMAGE044
，
得到最优的权值
Figure DEST_PATH_DEST_PATH_IMAGE032AAA
，从而得GM(1,N)模型的最优模型参数和模拟时间响应序列。
3.如权利要求1所述的一种电子设备的电磁环境影响因素的定量分析方法，其特征在于：所述信号源数据GM(1,N)模型， 包括：电子设备性能特征数据建模序列和相关影响因素数据建模序列；
Figure DEST_PATH_DEST_PATH_IMAGE047A
 
Figure DEST_PATH_DEST_PATH_IMAGE049
 
Figure DEST_PATH_DEST_PATH_IMAGE051
 
其中
Figure DEST_PATH_DEST_PATH_IMAGE053
、、…、表示数据采集装置在时刻1采集的电子设备性能和影响因素数据，、、…、
Figure DEST_PATH_DEST_PATH_IMAGE006A
表示数据采集装置在时刻2采集的电子设备性能和影响因素数据，…，
Figure DEST_PATH_DEST_PATH_IMAGE063
、
Figure DEST_PATH_DEST_PATH_IMAGE065
、…、
Figure DEST_PATH_DEST_PATH_IMAGE067
表示数据采集装置在时刻n采集的电子设备性能和影响因素数据；
对电子设备性能和影响因素数据列
Figure DEST_PATH_DEST_PATH_IMAGE069
进行1阶累加生成处理，其方法为：
为的1阶累加生成算子（AGO，Accumulating Generation Operator）序列，
Figure DEST_PATH_DEST_PATH_IMAGE074
为
Figure DEST_PATH_DEST_PATH_IMAGE076
的紧邻均值生成序列，即：
Figure DEST_PATH_DEST_PATH_IMAGE078
                                                        
则GM(1,N)模型为 
Figure DEST_PATH_DEST_PATH_IMAGE080
  式中为GM(1,N)的发展系数，
Figure DEST_PATH_DEST_PATH_IMAGE084
为GM(1,N)的驱动系数，
Figure DEST_PATH_DEST_PATH_IMAGE086
为参数列。
4.如权利要求1所述的一种电子设备的电磁环境影响因素的定量分析方法，其特征在于：所述近似时间响应的影子模型，包括设模型中间参数Y，模型中间参数R，
Figure DEST_PATH_DEST_PATH_IMAGE088
，
Figure DEST_PATH_DEST_PATH_IMAGE090
                                      
则GM(1,N)模型的最小二乘估计参数列为：
Figure DEST_PATH_DEST_PATH_IMAGE010A
        
设参数列
Figure DEST_PATH_DEST_PATH_IMAGE093
，则为GM(1,N)模型的影子方程；
影子方程的近似时间响应式为：
Figure DEST_PATH_DEST_PATH_IMAGE096
                              
累减还原值为：              
通过近似时间响应式判断，GM(1,N)模型是一种状态模型，根据电子设备性能特征的发展趋势和影响因素状态，采用状态模型进行估计与分析，即GM(1,N)的驱动系数
Figure DEST_PATH_DEST_PATH_IMAGE084A
分别代表各个影响因素的作用力大小，再通过比较驱动系数的大小来对影响因素的相对重要性进行分析。
CN201110275729.6A 2011-09-17 2011-09-17 一种电子设备的电磁环境影响因素的定量分析装置及方法 Expired - Fee Related CN102867104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110275729.6A CN102867104B (zh) 2011-09-17 2011-09-17 一种电子设备的电磁环境影响因素的定量分析装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110275729.6A CN102867104B (zh) 2011-09-17 2011-09-17 一种电子设备的电磁环境影响因素的定量分析装置及方法

Publications (2)

Publication Number Publication Date
CN102867104A true CN102867104A (zh) 2013-01-09
CN102867104B CN102867104B (zh) 2016-01-27

Family

ID=47445972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110275729.6A Expired - Fee Related CN102867104B (zh) 2011-09-17 2011-09-17 一种电子设备的电磁环境影响因素的定量分析装置及方法

Country Status (1)

Country Link
CN (1) CN102867104B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103995192A (zh) * 2014-04-29 2014-08-20 中国人民解放军装备学院 一种电子装备电磁环境适应性能的测试评估方法及设备
CN105808928A (zh) * 2016-03-02 2016-07-27 中国人民解放军装备学院 装备系统效能的矩阵序列灰关联评估方法
CN105808944A (zh) * 2016-03-02 2016-07-27 中国人民解放军装备学院 装备效能评估数据的异型矩阵序列显示方法
CN106443243A (zh) * 2016-08-31 2017-02-22 中国人民解放军装备学院 一种电磁环境对装备性能影响因素的主次关系分析方法
CN109255182A (zh) * 2018-09-09 2019-01-22 浙江工业大学 一种硬脆材料工艺参数预测模型及其多目标优化方法
CN110008569A (zh) * 2019-03-29 2019-07-12 中国人民解放军战略支援部队航天工程大学 一种用于多特征多因素系统分析的mgm模型

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101701986A (zh) * 2009-10-27 2010-05-05 中国舰船研究设计中心 电子设备电磁辐射干扰预测试诊断系统及其方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101701986A (zh) * 2009-10-27 2010-05-05 中国舰船研究设计中心 电子设备电磁辐射干扰预测试诊断系统及其方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
蔡向阳 等: "《战场电磁环境分析框架与模型研究》", 《船舰电子对抗》 *
邵国培 等: "《战场电磁环境的定量描述与模拟构建及复杂性评估》", 《军事运筹与系统工程》 *
陈永光 等: "《电子装备试验系统的灰色特性研究》", 《电子与信息学报》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103995192A (zh) * 2014-04-29 2014-08-20 中国人民解放军装备学院 一种电子装备电磁环境适应性能的测试评估方法及设备
CN105808928A (zh) * 2016-03-02 2016-07-27 中国人民解放军装备学院 装备系统效能的矩阵序列灰关联评估方法
CN105808944A (zh) * 2016-03-02 2016-07-27 中国人民解放军装备学院 装备效能评估数据的异型矩阵序列显示方法
CN105808944B (zh) * 2016-03-02 2019-01-18 中国人民解放军装备学院 装备效能评估数据的异型矩阵序列显示方法
CN105808928B (zh) * 2016-03-02 2019-01-18 中国人民解放军装备学院 装备系统效能的矩阵序列灰关联评估方法
CN106443243A (zh) * 2016-08-31 2017-02-22 中国人民解放军装备学院 一种电磁环境对装备性能影响因素的主次关系分析方法
CN106443243B (zh) * 2016-08-31 2019-02-22 中国人民解放军装备学院 一种电磁环境对装备性能影响因素的主次关系分析方法
CN109255182A (zh) * 2018-09-09 2019-01-22 浙江工业大学 一种硬脆材料工艺参数预测模型及其多目标优化方法
CN110008569A (zh) * 2019-03-29 2019-07-12 中国人民解放军战略支援部队航天工程大学 一种用于多特征多因素系统分析的mgm模型
CN110008569B (zh) * 2019-03-29 2022-11-18 中国人民解放军战略支援部队航天工程大学 一种用于多特征多因素系统分析的mgm模型

Also Published As

Publication number Publication date
CN102867104B (zh) 2016-01-27

Similar Documents

Publication Publication Date Title
CN102867104B (zh) 一种电子设备的电磁环境影响因素的定量分析装置及方法
CN110348615B (zh) 基于蚁群优化支持向量机的电缆线路故障概率预测方法
CN109711609B (zh) 基于小波变换和极限学习机的光伏电站输出功率预测方法
CN111126471A (zh) 微地震事件检测方法及系统
CN110335168B (zh) 基于gru优化用电信息采集终端故障预测模型的方法及系统
CN110133714B (zh) 一种基于深度学习的微震信号分类辨识方法
CN111199127B (zh) 基于深度强化学习的雷达干扰决策方法
CN110087207B (zh) 无线传感器网络缺失数据重建方法
CN104091216A (zh) 基于果蝇优化最小二乘支持向量机的交通信息预测方法
CN107919983B (zh) 一种基于数据挖掘的天基信息网络效能评估系统及方法
CN103885867B (zh) 一种模拟电路性能的在线评价方法
CN110866366A (zh) 一种基于XGBoost算法的含PHEV光伏微网孤岛检测法
CN112949820A (zh) 基于生成对抗网络的认知抗干扰目标检测方法
CN110659682A (zh) 一种基于MCWD-KSMOTE-AdaBoost-DenseNet算法的数据分类方法
CN111541255B (zh) 基于动力学系统的低频振荡模态识别方法及系统
CN111292124A (zh) 一种基于优化组合神经网络的需水预测方法
CN109450573A (zh) 一种基于深度神经网络的频谱感知方法
CN109165770A (zh) 基于AFSA-Elman的新型光伏功率预测方法
CN106296434A (zh) 一种基于pso‑lssvm算法的粮食产量预测方法
CN103353895A (zh) 一种配电网线损数据的预处理方法
CN111353391A (zh) 雷达干扰效果评估方法、装置、电子设备及其存储介质
CN111914465A (zh) 基于聚类及粒子群优化的无资料地区水文参数率定方法
CN116089865A (zh) 一种基于改进型网格搜索随机森林算法进行opgw异常振动分类识别的方法
CN117149551B (zh) 一种车载无线通信芯片的测试方法
Gao Grey statistical decision-making for estimate of the regional wheat trials yield

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160127

Termination date: 20160917

CF01 Termination of patent right due to non-payment of annual fee