CN107732403A - 一种射频器件的智能调节方法及智能调节装置 - Google Patents
一种射频器件的智能调节方法及智能调节装置 Download PDFInfo
- Publication number
- CN107732403A CN107732403A CN201710769041.0A CN201710769041A CN107732403A CN 107732403 A CN107732403 A CN 107732403A CN 201710769041 A CN201710769041 A CN 201710769041A CN 107732403 A CN107732403 A CN 107732403A
- Authority
- CN
- China
- Prior art keywords
- output waveform
- radio
- waveform data
- data
- frequency devices
- 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
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01P—WAVEGUIDES; RESONATORS, LINES, OR OTHER DEVICES OF THE WAVEGUIDE TYPE
- H01P11/00—Apparatus or processes specially adapted for manufacturing waveguides or resonators, lines, or other devices of the waveguide type
- H01P11/007—Manufacturing frequency-selective devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
- Circuits Of Receivers In General (AREA)
Abstract
本发明实施例公开了一种射频器件的智能调节方法及智能调节装置,该智能调节方法包括:读取已建立的经验模型,其中,所述经验模型由操作员调节同类射频器件的调谐杆时的经验数据构建得到;根据所述经验模型对待调射频器件的调谐杆的状态进行调节,直至所述待调射频器件的输出波形数据符合目标波形条件。通过上述方式,利用建立的经验模型来进行待调射频器件的调节,能够实现射频器件调节的自动化,节省人力和时间成本。
Description
技术领域
本发明实施例涉及自动化领域,特别是涉及一种射频器件的智能调节方法及智能调节装置。
背景技术
对于部分射频器件而言,在其生产过程中,通常需要对其上的多个调谐杆的状态进行调节,从而调整谐振腔内状态和谐振腔之间的耦合关系,使得器件实现符合产生要求的指标输出。而通常一个射频器件通常有多路谐振腔构成,因此需要通过几个至十几个个调谐杆来实现对射频器件的调节,这一调节过程是非常复杂的工序。
目前,几乎所有的射频器件的谐振腔的调节仍然依赖人工调节,即工人使用螺丝刀,在观察矢量网络分析仪上的输出波形的同时,手动调节谐振腔上的每个调谐杆的状态,直至射频器件的输出波形符合要求。而人工调节的过程是非常耗时的,即使是经验丰富的工人,调节好一个射频器件的产品也需要20至40分钟,非常耗时,且需要大量的人力劳动,对企业而言,需要付出巨大的劳动了成本,且生产效率较低。
发明内容
本发明实施例主要解决的技术问题是提供一种射频器件的智能调节方法,能够实现射频器件调节的自动化。
为解决上述技术问题,本发明实施例采用的一个技术方案是:提供一种射频器件的智能调节方法,该方法包括:
读取已建立的经验模型,其中,所述经验模型由操作员调节同类射频器件的调谐杆时的经验数据构建得到;
根据所述经验模型对待调射频器件的调谐杆的状态进行调节,直至所述待调射频器件的输出波形数据符合目标波形条件。
其中,在所述读取已建立的经验模型之前,所述智能调节方法还包括:
采集操作员调节同类射频器件的调谐杆时的经验数据;
利用采集到的所述经验数据建立经验模型。
其中,所述经验数据包括所述调谐杆的不同状态数据以及对应所述不同状态数据时所述待调射频器件的输出波形数据;
在所述采集操作员调节同类射频器件的调谐杆时的经验数据的步骤之后,所述智能调节方法还包括:
对具有第一采样数的所述输出波形数据进行特征提取,得到具有第二采样数的波形数据,并由经过所述特征提取后的波形数据构建特征集,其中,所述第一采样数大于所述第二采样数。
其中,所述利用采集到的所述经验数据建立经验模型的步骤,包括:
根据所述经验数据建立分类模型;
利用所述特征集对所述分类模型进行训练,建立所述经验模型;
其中,所述经验模型用于利用所述经验数据,对当前采集到的所述待调射频器件的输出波形数据进行分析,得到所述待调射频器件的输出波形的变化趋势。
其中,所述变化趋势具体为:
所述当前采集到的所述待调射频器件的输出波形数据相对于之前采集到的所述待调射频器件的输出波形数据是否更加符合目标波形条件。
其中,所述根据所述经验模型对待调射频器件的调谐杆的状态进行调节的步骤,包括:
将所述待调射频器件的一调谐杆调节至不同的多个状态,并分别采集所述调谐杆在多个状态下对应的多个输出波形数据;
利用所述经验模型,从所述多个输出波形数据中选择出最接近所述目标波形数据的一个输出波形数据作为最优输出波形数据;
将所述调谐杆调节至与所述最优输出波形数据对应的最优状态;
重复以上步骤,以将所述射频器件的其他调谐杆均调节至最优状态。
其中,所述将所述待调射频器件的一调谐杆为不同的多个状态,并分别采集所述调谐杆在多个状态下对应的多个输出波形数据;利用所述经验模型,从所述多个输出波形数据中选择出最接近所述目标波形数据的一个输出波形数据作为最优输出波形数据的步骤,包括:
获取所述待调射频器件的一调谐杆的初始状态和对应的初始输出波形数据,并将所述初始输出波形数据作为参考波形数据;
改变所述调谐杆的状态,获取改变后所述调谐杆的当前状态和对应的当前输出波形数据;
判断所述当前输出波形数据是否满足目标波形条件;
若是,则结束对所述待调射频器件的调节;
否则,将所述初始输出波形数据和所述当前输出波形数据输入所述经验模型,利用所述经验模型,从所述初始输出波形数据和所述当前输出波形数据中选择出最接近所述目标波形的一个输出波形数据,并将选择的最接近所述目标波形的输出波形数据作为新的参考波形数据;以及重复上述改变所述调谐杆的状态及其以后的步骤,直至遍历所述调谐杆的所有设定状态。
其中,所述利用所述经验模型,从所述初始输出波形数据和所述当前输出波形数据中选择出最接近所述目标波形的一个输出波形数据的步骤,具体为:
利用所述经验模型,将所述初始输出波形数据与所述当前输出波形数据进行比较,判断所述当前输出波形数据相对于所述初始输出波形数据是否更符合所述目标波形条件;
若是,则选择所述当前输出波形数据,并将所述当前输出波形数据作为新的参考波形数据;
否则,选择所述初始输出波形数据,所述初始输出波形数据仍为参考波波形数据。
其中,所述待调射频器件包括腔体滤波器、双工器、合路器,所述调谐杆的状态包括所述调谐杆的高度和/或旋入角度。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种射频器件的智能调节装置,包括:调节装置、传感器、存储器和处理器;所述调节装置、传感器、存储器分别通过总线与所述处理器连接;
所述传感器用于采集操作员调节同类射频器件的调谐杆时的经验数据,以及在调节待调射频器件的过程中,采集所述待调射频器件调谐杆的状态以及对应的输出波形;
所述存储器用于存储传感器采集到的数据,以及处理器执行的操作指令;
所述调节装置用于根据所述处理器的控制指令对所述待调射频器件的调谐杆进行调节;
所述处理器用于根据存储器中存储的操作指令执行权利要求1-9任一项所述的智能调节方法。
为解决上述技术问题,本发明实施例采用的又一个技术方案是:提供一种存储介质,该存储介质存储有程序数据,所述程序数据能够被执行以实现本发明技术方案中提供的上述射频器件的智能调节方法。
本发明实施例的有益效果是:在本发明实施例的射频器件的智能调节方法中,通过读取已建立的经验模型,其中,所述经验模型由操作员调节同类射频器件的调谐杆时的经验数据构建得到;根据所述经验模型对待调射频器件的调谐杆的状态进行调节,直至所述待调射频器件的输出波形数据符合目标波形条件,由此可以实现射频器件调节的自动化,节省人力和时间成本。
附图说明
图1是本发明射频器件的智能调节方法第一实施例的流程示意图;
图2是本发明射频器件的智能调节方法第二实施例的流程示意图;
图3是本发明射频器件的智能调节方法第三实施例的流程示意图;
图4是图3中步骤S22的流程示意图;
图5是图3中步骤S24的流程示意图;
图6是图5中步骤S2411的流程示意图;
图7是本发明射频器件的智能调节装置一实施例的结构示意图;
图8是本发明存储介质一实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图1是本发明射频器件的智能调节方法第一实施例的流程示意图。本实施例的智能调节方法可包括以下步骤:
步骤S11、读取已建立的经验模型。
本实施例中,读取的经验模型是通过采集操作员调节与待调射频器件类型相同的同类射频器件的调谐杆时的经验数据,根据采集到的经验数据构建得到的。
通过获取由操作员调节同类射频器件的调谐杆时的经验数据,根据获取到的经验数据构建经验模型,该经验模型的输入为调节待调射频器件的过程中,待调射频器件输出的输出波形数据,经验模型的输出为对该输出波形数据变好或变坏的预测。本实施例中,对该输出波形数据变好或变坏的预测指判断该输出波形数据相对于之前输入该经验模型的待调射频器件的输出波形数据而言,是否更加符合目标波形条件。
根据本实施例,经验模型的输出的内容为表征待调射频器件的输出波形数据变好或变坏的布尔量集合(由0或1组成的集合)。其中,待调射频器件的输出波形数据可以包括回波损耗、插入损耗、带外抑制、带内波动、反射系数、传输系数等多种表征波形的指标参数,可以选择上述的多种指标参数中的一种或几种指标参数作为观测量,例如,将反射系数和传输系数作为输入经验模型的波形数据。
进一步,本实施例中获取的经验数据可以是采集经验丰富的操作员调节同类射频器件的调谐杆得到的经验数据,换言之,在本实施例中,经验模型中射频器件的调谐杆的状态对应的输出波形数据的变化趋势的越来越符合目标波形条件的。
本实施例中,射频器件包括但不限于腔体滤波器、合路器、双工器等滤波器件。
步骤S12、根据经验模型对待调射频器件的调谐杆的状态进行调节,直至待调射频器件的输出波形数据符合目标波形条件。
读取经验模型之后,即可利用读取的经验模型对同类型的待调射频器件进行调节。调节待调射频器件时,可以先获取待调射频器件的各个调谐杆处于原始状态时,待调射频器件的输出波形的输出波形数据,将该输出波形数据与目标波形条件进行比对,若此时待调射频器件的输出波形数据已经符合目标波形条件,则不需要再对待调射频器件进行调节。若待调射频器件的输出波形数据不符合目标波形条件,则记录下此时的输出波形数据以及此时调谐杆的第一状态(可以理解的是,此时记录的调谐杆的第一状态可以仅是某一个调谐杆的第一状态,也可以是每一个调谐杆的第一状态);相关数据记录完成后,开始调节待调射频器件的一个调谐杆(此时调节的调谐杆与之前记录了状态的调谐杆对应),将本次调节的调谐杆调节从第一状态至第二状态,获取该调谐杆在第二状态时,待调射频器件的当前输出波形数据,将该当前输出波形数据输入读取的经验模型中,由经验模型对该当前输出波形数据是变好或变坏进行预测,换言之,由经验模型去判断当前输出波形数据相对于之前输入经验模型的输出波形数据是否更接近目标波形,若当前输出波形相对于之前输入经验模型的输出波形数据更接近目标波形,则经验模型对该当前输出波形数据的预测结果为变好,若令布尔量1表征波形变好,布尔量0表征波形变坏,则此时经验模型输出布尔量1;否则输出0。
重复上述过程,直至遍历此次调节的调谐杆的所有状态,经验模型即可获得本次调节的调谐杆在其所有状态下对应的多个输出波形数据,且能够从获得的多个输出波形数据中选择出最符合目标波形条件的一个输出波形数据,以及最符合目标波形条件的一个输出波形数据对应的调谐杆的状态,此时,在遍历该调谐杆的所有状态之后,将该调谐杆调节至最符合目标波形条件的一个输出波形数据对应的调谐杆的状态,即完成一个调谐杆的调节。
重复上述过程,对待调射频器件的所有调谐杆进行上述调制,最终完成该待调射频器件的调节。
本实施例中,待调射频器件的调谐杆的状态包括调谐杆的高度和/或旋入角度。
本实施例通过读取建立好经验模型,将待调射频器件的输出波形数据作为驱动,对待调射频器件进行调节,在对待调射频器件进行调节时不需要人工参与,且由于经验模型是依据人工调节同类型射频器件的经验模型,且以输入的数据作为驱动,不会因为个体变化而变化,能够实现待调射频器件的自动化调节,节省人力资源和时间成本。
请参阅图2,图2是本发明射频器件的智能调节方法第二实施例的流程示意图,本实施例的智能调节方法可包括以下步骤:
S21、采集操作员调节同类射频器件的调谐杆时的经验数据。
本实施例中,采集的经验数据至少包括射频器件上每个调谐杆的不同状态以及每个调谐杆在不同状态下对应的射频器件的输出波形数据。输出波形数据至少包括回波损耗、插入损耗、带外抑制、带内波动、反射系数、传输系数等多种表征波形的指标参数,本实施例中选择反射系数和传输系数作为观测量,即将反射系数和传输系数作为输入经验模型的波形数据。
进一步,本实施例中获取的经验数据是根据经验丰富的操作员调节同类射频器件的调谐杆得到的经验数据,换言之,在本实施例获取到的经验数据中,射频器件的调谐杆的状态对应的输出波形数据的变化趋势是越来越符合目标波形的。
S22、利用采集到的经验数据建立经验模型。
根据步骤S21中采集到的经验数据建立相应的经验模型。本实施例的经验模型的输入为调节射频器件的过程中获取到的射频器件的输出波形数据,输出为对输入的输出波形数据是否符合目标波形条件的预测结果,即预测当前输入的输出波形数据相对于之前输入到该经验模型中的其他输出波形数据而言,当前输入的输出波形数据是否更加符合目标波形数据。
本实施例中,令经验模型的输出为布尔量集合,即0或1组成的集合,令布尔量1表征当前输入的输出波形数据相对于之前输入到该经验模型中的其他输出波形数据更加符合目标波形数据,反之,布尔量0表征之前输入到该经验模型中的其他输出波形数据相对于当前输入的输出波形数据更加符合目标波形数据。可以理解的是,对于布尔量0或1的表征结果可以根据需要进行设置,即可以令布尔量0表征当前输入的输出波形数据相对于之前输入到该经验模型中的其他输出波形数据更加符合目标波形数据,反之输出1。
S23、读取已建立的经验模型。
S24、根据经验模型对待调射频器件的调谐杆的状态进行调节,直至待调射频器件的输出波形数据符合目标波形条件。
本实施例中,步骤S23和步骤S24与图1所示的智能调节方法第一实施例中的步骤S11和步骤S12相似,此处不再赘述。
进一步,请参阅图3,图3是本发明射频器件的智能调节方法第三实施例的流程示意图,本实施例是在图2所示的智能调节方法第二实施例的基础上改进得到的,如图3所示,本实施例在图2的步骤S21之后,还包括如下步骤:
S25、对具有第一采样数的输出波形数据进行特征提取,得到具有第二采样数的波形数据,并由经过特征提取后的波形数据构建特征集,其中,第一采样数大于第二采样数。
在步骤S21采集到经验数据之后,该经验数据中包含了同类射频器件上每个调谐杆的不同状态以及每个调谐杆在不同状态下对应的同类射频器件的输出波形数据;其中,输出波形数据具有第一采样数。
由于步骤S21中采集到的经验数据中的输出波形数据通常包含数百个采样数,维度较高,不便于数据的处理,因此,本实施例可通过对步骤S21采集到的具有第一采样数的输出波形数据进行特征提取,得到具有第二采样数(小于第一采样数)的输出波形数据,进而实现对步骤S21采集到的输出波形数据进行降维的目的,由降维处理后的输出波形数据构建特征集。本实施例中构建的特征集的输入为输出波形数据,输出为正负分类。
本实施例中,特征提取的方法包括但不限于主成分分析、傅里叶变换、自动编码器等方法,此外,还可以采用多种特征提取的方法同时进行降维处理。
进一步,请参阅图4,步骤S22可包括如下步骤:
S221、根据经验数据建立分类模型。
本实施例中,根据经验数据构建初步的经验模型,即分类模型。
S222、利用特征集对分类模型进行训练,建立经验模型。
步骤S221中得到的分类模型的输入为波形特征,输出为正负分类,且不能利用该分类模型对待调射频器件的调谐杆进行调节。本实施例中,通过步骤S25构建的特征集对步骤S222中得到的分类模型进行训练,进而建立所需的经验模型,其中,建立的经验模型的输入为待调射频器件的输出波形数据,输出为对该输出波形数据的变化趋势的预测结果。
本实施例中,该变化趋势指当前采集到的待调射频器件的输出波形数据相对于之前采集到的待调射频器件的输出波形数据更加符合目标波形条件;或之前采集到的待调射频器件的输出波形数据相对于当前采集到的待调射频器件的输出波形数据更加符合目标波形数据。
进一步,步骤S24根据经验模型对待调射频器件的调谐杆的状态进行调节,直至待调射频器件的输出波形数据符合目标波形条件可具体为:将待调射频器件的一调谐杆调节至不同的多个状态,并分别采集调谐杆在多个状态下对应的多个输出波形数据。利用经验模型,从采集到的多个输出波形数据中选择出最接近目标波形数据的一个输出波形数据作为最优输出波形数据;并将调谐杆调节至与最优输出波形数据对应的状态,将该状态作为最优状态,即完成待调射频器件的一调谐杆的调节。
重复以上步骤,对待调射频器件的剩余调谐杆逐一进行上述调节,直至待调射频器件的输出波形数据符合目标波形条件。
请进一步参阅图5,根据上述步骤S24的执行内容,以待调射频器件的多个调谐杆中的一个调谐杆的调节过程为例,本实施例可将上述步骤S24的执行内容划分为以下几个步骤:
S241、获取待调射频器件的一调谐杆的初始状态和对应的初始输出波形数据,并将初始输出波形数据作为参考波形数据。
读取已建立的经验模型后,首先获取待调射频器件在初始状态下的初始输出波形数据,以及此时调谐杆的初始状态,可以理解的是,此时初始输出波形与待调射频器件的每一个调谐杆的状态均有相应关系,因此,此时可以仅获取要调节的一调谐杆的初始状态,也可以获取该待调射频器件的每一个调谐杆的初始状态。
将待调射频器件的初始输出波形数据作为最初的参考波形数据;值得注意的是,本实施例中所说的参考波形数据不是一个固定的波形数据,而是一个设定命名,在调节过程中,会根据需求改变作为参考波形数据的待调射频器件的输出波形数据,具体的改变过程在后续步骤中会有详细说明。
此时,还可以对该初始输出波形数据进行判断,判断该初始波形数据是否符合目标波形条件,若该初始输出波形数据符合目标波形条件,则此时的待调射频器件已经符合要求,不需要再对该待调射频器件的调谐杆进行调节;若该初始输出波形数据不符合目标波形条件,则进行执行步骤S242。
S242、改变调谐杆的状态,获取改变后调谐杆的当前状态和对应的当前输出波形数据。
调节该待调射频器件的一个调谐杆,改变该调谐杆的状态,将调节后的调谐杆的状态作为当前状态,该当前状态对应的输出波形数据作为当前输出波形数据。
本实施例中,在改变该调谐杆的状态后,获取调节后的调谐杆的当前状态和对应的当前输出波形数据。
S243、判断当前输出波形数据是否满足目标波形条件。
对步骤S242中获取的待调射频器件的当前输出波形数据进行判断,以确定该当前输出波形数据是否满足目标波形条件,根据判断的结果选择后续的执行步骤。若当前输出波形数据满足目标波形条件,则执行步骤S244,若当前输出波形数据不满足目标波形条件,则执行步骤S245。
S244、结束对待调射频器件的调节。
若经过步骤S242调节待调射频器件的一个调谐杆后,其输出的当前波形数据满足目标波形条件,则说明此时的待调射频器件已经符合要求,则结束对该待调射频器件的调节,完成对待调射频器件的试调。
S245、将初始输出波形数据和当前输出波形数据输入经验模型,利用经验模型,从初始输出波形数据和当前输出波形数据中选择出最接近目标波形的一个输出波形数据,并将选择的最接近目标波形的输出波形数据作为新的参考波形数据。
若经过步骤S242调节待调射频器件的一个调谐杆后,其输出的当前波形数据仍不满足目标波形条件,则需要对获取到的当前波形数据进行变化趋势的预测。
具体为,将步骤S241中获取到的初始输出波形数据和步骤S242中获取的当前输出波形数据作为建立的经验模型的输入,利用经验模型能够从输入的初始输出波形数据和当前输出波形数据中选择出最接近目标波形的一个输出波形数据,并将选择出的输出波形数据作为新的参考波形数据;此时,请进一步参阅图6,步骤S241可包括如下步骤:
S2411、将初始输出波形数据与当前输出波形数据进行比较,判断当前输出波形数据相对于初始输出波形数据是否更符合目标波形条件。
利用经验模型,能够将输入的初始输出波形数据和当前输出波形数据进行比较,由于经验模型中存储有波形数据的变化趋势,因此可以通过比较初始输出波形数据和当前输出波形数据,判断出初始输出波形数据或当前输出波形数据更符合目标波形条件,根据判断结果选择后续的执行步骤。若当前输出波形数据相对于初始输出波形数据而言,更加符合目标波形条件,则执行步骤S2412;若初始输出波形数据相对于当前输出波形数据更加符合目标波形条件,则执行步骤S2413。
S2412、选择当前输出波形数据,并将当前输出波形数据作为新的参考波形数据。
此时,当前输出波形数据相对于初始输出波形数据而言,更加符合目标波形条件,则说明当前输出波形数据的变化趋势是变好的,即是向着目标波形变化的,将当前输出波形数据作为新的参考波形数据,用于再次调节待调射频器件的调谐杆时,判断再次调节后的待调射频器件输出的输出波形数据的变化趋势。
S2413、选择初始输出波形数据,初始输出波形数据仍为参考波波形数据。
此时,初始输出波形数据相对于当前输出波形数据而言,更加符合目标波形条件,则说明当前输出波形数据的变化趋势是变坏的,因此,将初始波形数据作为新的参考波形数据,用于再次调节待调射频器件的调谐杆时,判断再次调节后的待调射频器件输出的输出波形数据的变化趋势。
如此即完成了对待调射频器件的一个调谐杆的状态的一次调节,在确定了新的参考波形数据之后,重复步骤S242至步骤S245,直至遍历该调谐杆的所有状态。由于,每调节一次调谐杆的状态,就将最接近目标波形数据的输出波形数据作为新的参考波形,因此在遍历该调谐杆的所有状态之后得到的新的参考波长数据即为此时调节的调谐杆能够得到最优输出波形数据,而与该新的参考波长数据对应的调谐杆的状态即为所需的最优状态,则在遍历该调谐杆的所有状态之后将该调谐杆的状态调节至与最优输出波形数据对应的最优状态,根据上述步骤即完成对待调射频器件的一个调谐杆的调节。
此时,重复步骤S24至步骤S25,对待调射频器件的剩余调谐杆逐一进行调节,直至得到的待调射频器件的输出波形数据符合目标波形数据,则结束对待调射频器件的调节。
请参阅图7,图7是本发明射频器件的智能调节装置一实施例的结构示意图。如图7所示,本实施例的智能调节装置包括调节装置701、传感器704、存储器703和处理器702;调节装置701、传感器704、存储器703分别通过总线与处理器702连接。
其中,传感器704用于采集操作员调节同类射频器件的调谐杆时的经验数据,以及在调节待调射频器件的过程中,采集待调射频器件调谐杆的状态以及对应的输出波形。
存储器703用于存储传感器704采集到的数据,以及处理器702执行的操作指令。
调节装置701用于根据处理器702的控制指令对待调射频器件的调谐杆进行调节。处理器702用于根据存储器703中存储的操作指令执行的智能调节方法为图1至图6所示的智能调节方法第一实施例或第二实施例。
值得注意的是,根据传感器704采集到的操作员调节同类射频器件的调谐杆时的经验数据建立经验模型的装置可以是本发明智能调节装置700的处理器702,也可以是独立于本发明智能调节装置700之外的其他装置,换言之,可以在另一装置上利用该传感器704采集到的操作员调节同类射频器件的调谐杆时的经验数据建立经验模型之后,在将建立的经验模型储存在图7所示的本发明智能调节装置700的存储器703中。当然,也可以直接利用图7所示的本发明智能调节装置700的处理器702建立经验模型,并将建立的经验模型存储至存储器703中。
另一方面,请参阅图8,图8是本发明存储介质800一实施例的结构示意图。如图8所示,本实施例的存储介质800中存储有至少一个程序或指令801,程序或指令801用于执行如图1至图6所示的智能调节方法第一实施例或第二实施例。
在一个实施例中,存储介质800可以是终端中的存储芯片、硬盘或者是移动硬盘或者优盘、光盘等其他可读写存储的工具,还可以是服务器等等。
以上所述仅为本发明的实施方式,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种射频器件的智能调节方法,其特征在于,包括:
读取已建立的经验模型,其中,所述经验模型由操作员调节同类射频器件的调谐杆时的经验数据构建得到;
根据所述经验模型对待调射频器件的调谐杆的状态进行调节,直至所述待调射频器件的输出波形数据符合目标波形条件。
2.根据权利要求1所述的智能调节方法,其特征在于,在所述读取已建立的经验模型之前,所述智能调节方法还包括:
采集操作员调节同类射频器件的调谐杆时的经验数据;
利用采集到的所述经验数据建立经验模型。
3.根据权利要求2所述的智能调节方法,其特征在于,所述经验数据包括所述调谐杆的不同状态数据以及对应所述不同状态数据时所述待调射频器件的输出波形数据;
在所述采集操作员调节同类射频器件的调谐杆时的经验数据的步骤之后,所述智能调节方法还包括:
对具有第一采样数的所述输出波形数据进行特征提取,得到具有第二采样数的波形数据,并由经过所述特征提取后的波形数据构建特征集,其中,所述第一采样数大于所述第二采样数。
4.根据权利要求3所述的智能调节方法,其特征在于,所述利用采集到的所述经验数据建立经验模型的步骤,包括:
根据所述经验数据建立分类模型;
利用所述特征集对所述分类模型进行训练,建立所述经验模型;
其中,所述经验模型用于利用所述经验数据,对当前采集到的所述待调射频器件的输出波形数据进行分析,得到所述待调射频器件的输出波形的变化趋势。
5.根据权利要求4所述的智能调节方法,其特征在于,所述变化趋势具体为:
所述当前采集到的所述待调射频器件的输出波形数据相对于之前采集到的所述待调射频器件的输出波形数据是否更加符合目标波形条件。
6.根据权利要求1所述的智能调节方法,其特征在于,所述根据所述经验模型对待调射频器件的调谐杆的状态进行调节的步骤,包括:
将所述待调射频器件的一调谐杆调节至不同的多个状态,并分别采集所述调谐杆在多个状态下对应的多个输出波形数据;
利用所述经验模型,从所述多个输出波形数据中选择出最接近所述目标波形数据的一个输出波形数据作为最优输出波形数据;
将所述调谐杆调节至与所述最优输出波形数据对应的最优状态;
重复以上步骤,以将所述射频器件的其他调谐杆均调节至最优状态。
7.根据权利要求6所述的智能调节方法,其特征在于,所述将所述待调射频器件的一调谐杆为不同的多个状态,并分别采集所述调谐杆在多个状态下对应的多个输出波形数据;利用所述经验模型,从所述多个输出波形数据中选择出最接近所述目标波形数据的一个输出波形数据作为最优输出波形数据的步骤,包括:
获取所述待调射频器件的一调谐杆的初始状态和对应的初始输出波形数据,并将所述初始输出波形数据作为参考波形数据;
改变所述调谐杆的状态,获取改变后所述调谐杆的当前状态和对应的当前输出波形数据;
判断所述当前输出波形数据是否满足目标波形条件;
若是,则结束对所述待调射频器件的调节;
否则,将所述初始输出波形数据和所述当前输出波形数据输入所述经验模型,利用所述经验模型,从所述初始输出波形数据和所述当前输出波形数据中选择出最接近所述目标波形的一个输出波形数据,并将选择的最接近所述目标波形的输出波形数据作为新的参考波形数据;以及重复上述改变所述调谐杆的状态及其以后的步骤,直至遍历所述调谐杆的所有设定状态。
8.根据权利要求7所述的智能调节方法,其特征在于,所述利用所述经验模型,从所述初始输出波形数据和所述当前输出波形数据中选择出最接近所述目标波形的一个输出波形数据的步骤,具体为:
利用所述经验模型,将所述初始输出波形数据与所述当前输出波形数据进行比较,判断所述当前输出波形数据相对于所述初始输出波形数据是否更符合所述目标波形条件;
若是,则选择所述当前输出波形数据,并将所述当前输出波形数据作为新的参考波形数据;
否则,选择所述初始输出波形数据,所述初始输出波形数据仍为参考波波形数据。
9.根据权利要求7所述的智能调节方法,其特征在于,所述待调射频器件包括腔体滤波器、双工器、合路器,所述调谐杆的状态包括所述调谐杆的高度和/或旋入角度。
10.一种射频器件的智能调节装置,其特征在于,包括调节装置、传感器、存储器和处理器;所述调节装置、传感器、存储器分别通过总线与所述处理器连接;
所述传感器用于采集操作员调节同类射频器件的调谐杆时的经验数据,以及在调节待调射频器件的过程中,采集所述待调射频器件调谐杆的状态以及对应的输出波形;
所述存储器用于存储传感器采集到的数据,以及处理器执行的操作指令;
所述调节装置用于根据所述处理器的控制指令对所述待调射频器件的调谐杆进行调节;
所述处理器用于根据存储器中存储的操作指令执行权利要求1-9任一项所述的智能调节方法。
11.一种存储介质,其特征在于,存储有程序数据,所述程序数据能够被执行以实现权利要求1-9任意一项所述的射频器件的智能调节方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710769041.0A CN107732403B (zh) | 2017-08-30 | 2017-08-30 | 一种射频器件的智能调节方法及智能调节装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710769041.0A CN107732403B (zh) | 2017-08-30 | 2017-08-30 | 一种射频器件的智能调节方法及智能调节装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107732403A true CN107732403A (zh) | 2018-02-23 |
CN107732403B CN107732403B (zh) | 2020-07-17 |
Family
ID=61205561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710769041.0A Active CN107732403B (zh) | 2017-08-30 | 2017-08-30 | 一种射频器件的智能调节方法及智能调节装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107732403B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111313136A (zh) * | 2019-12-13 | 2020-06-19 | 新益技术(深圳)有限公司 | 一种介质滤波器自动调试系统以及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122932A (zh) * | 2011-01-20 | 2011-07-13 | 中兴通讯股份有限公司 | 一种智能自适应阻抗匹配调节的方法和装置 |
CN104659460A (zh) * | 2013-11-25 | 2015-05-27 | 中国科学院深圳先进技术研究院 | 腔体滤波器的自动调谐方法与系统 |
-
2017
- 2017-08-30 CN CN201710769041.0A patent/CN107732403B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102122932A (zh) * | 2011-01-20 | 2011-07-13 | 中兴通讯股份有限公司 | 一种智能自适应阻抗匹配调节的方法和装置 |
CN104659460A (zh) * | 2013-11-25 | 2015-05-27 | 中国科学院深圳先进技术研究院 | 腔体滤波器的自动调谐方法与系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111313136A (zh) * | 2019-12-13 | 2020-06-19 | 新益技术(深圳)有限公司 | 一种介质滤波器自动调试系统以及方法 |
CN111313136B (zh) * | 2019-12-13 | 2021-08-17 | 新益技术(深圳)有限公司 | 一种介质滤波器自动调试系统以及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107732403B (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3966579A1 (de) | Server-seitige charakterisierung von wiederaufladbaren batterien | |
CN104659460B (zh) | 腔体滤波器的自动调谐方法与系统 | |
CN102824172B (zh) | 一种脑电特征提取方法 | |
CN107450331A (zh) | 一种智能家电控制方法、装置及系统 | |
WO2005008572A1 (en) | Method and apparatus for automated feature selection | |
CN113191575B (zh) | 配电网检修停电方式的优化方法、装置、终端和存储介质 | |
CN107732403A (zh) | 一种射频器件的智能调节方法及智能调节装置 | |
WO2021007845A1 (zh) | 一种氧化铝生产指标的云-边协同预报系统及方法 | |
EP1985832B1 (en) | Control parameters for searching | |
CN108198072A (zh) | 一种人工智能评估金融产品特征的系统 | |
CN103473640A (zh) | 一种基于机床刀具受力状态的加工进度信息采集方法 | |
CN110493072A (zh) | 基于深度学习的带宽滤波方法、装置、服务器及存储介质 | |
CN104793496B (zh) | 二输入二输出聚合反应器的解耦控制系统 | |
CN102705087B (zh) | 一种发动机热管理控制器及策略在线配置方法 | |
CN110716534A (zh) | 一种基于自整定变分模态分解的工业过程振荡检测方法 | |
CN103631991B (zh) | 原动机调速系统参数辨识系统及方法 | |
CN115906303A (zh) | 一种基于机器学习的平面微波滤波器设计方法及装置 | |
CN109217386B (zh) | 自动发电控制方法、系统及终端设备 | |
CN103439964A (zh) | 一种ocsvm监控模型的在线更新系统及方法 | |
CN113723869A (zh) | 一种电网基建项目后评价方法、装置、设备及介质 | |
CN110554686A (zh) | 一种电动车控制器动力参数标定调试装置 | |
CN109750152A (zh) | 用于机床焊接床身的主频叠振时效处理方法 | |
CN109993034A (zh) | 一种激光穿孔检测判断方法 | |
CN117930011A (zh) | 一种电池寿命预测方法、装置、电子设备及存储介质 | |
CN114336598B (zh) | 一种基于并行仿真的地区电网自动电压控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |