CN110674315A - 一种基于知识图谱技术的辅助电源调试方法 - Google Patents

一种基于知识图谱技术的辅助电源调试方法 Download PDF

Info

Publication number
CN110674315A
CN110674315A CN201910927132.1A CN201910927132A CN110674315A CN 110674315 A CN110674315 A CN 110674315A CN 201910927132 A CN201910927132 A CN 201910927132A CN 110674315 A CN110674315 A CN 110674315A
Authority
CN
China
Prior art keywords
power supply
performance index
knowledge graph
influence
factors
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
CN201910927132.1A
Other languages
English (en)
Other versions
CN110674315B (zh
Inventor
段斌
吕梦平
旷怡
彭馨
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.)
Xiangtan University
Original Assignee
Xiangtan University
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 Xiangtan University filed Critical Xiangtan University
Priority to CN201910927132.1A priority Critical patent/CN110674315B/zh
Publication of CN110674315A publication Critical patent/CN110674315A/zh
Application granted granted Critical
Publication of CN110674315B publication Critical patent/CN110674315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367Ontology
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于知识图谱技术的辅助电源调试方法,包括以下步骤:以TI‑PMLK为研究平台,分析出开关电源包含的性能指标以及性能指标的各个影响因素;通过仿真得到数据,利用统计学软件SPSS进行相关性分析,得到电源性能指标与各影响因素之间的皮尔逊相关性系数;在neo4j中构建电源知识图谱,将皮尔逊相关性系数作为知识图谱中关系的属性值,再根据电源知识图谱辅助设计者进行电源调试。本发明将知识图谱技术应用到电源调试中,基于知识图谱的优势,将电源中各影响因素与性能指标间的复杂关系用图模型表示出来。通过搜索知识图谱,可以快速找到导致性能指标不合格的原因,从而减轻电源设计者的认知负荷,提高调试效率。

Description

一种基于知识图谱技术的辅助电源调试方法
技术领域
本发明公开了一种基于知识图谱技术的辅助电源调试方法。
背景技术
在开关电源设计过程中,为了设计出一款性能指标合格的电源,调试是必不可少的一个环节。但开关电源本身是一个复杂工程问题,涉及到多方面的技术,工程和其他因素,包含多个相互关联的子问题,并可能相互之间有一定的冲突,所以电源调试变成了一个很复杂的过程,比如文献1[陈永真.反激式开关电源设计、制作、调试[M].机械工业出版社,2014]所述。普通的设计者在设计好电路后,由于经验不足,无法周全考虑到各因素对电源指标的影响,不得不花很长时间进行调试,导致效率低下。而且,已经调试好的电源也会存在一些潜在的隐患,这些隐患在特殊情况下就会体现出来。因此,需构建开关电源知识图谱,将多因素与各性能指标关系显性化表达,反映电源领域中某些问题的真实认知,以帮助设计者准确,快速的找到问题,并进行解决。
目前,知识图谱技术已经在很多领域得到应用,文献2[一种基于图形数据库的快速电力网络拓扑分析方法]将电力网络拓扑映射到知识图谱中并以图形数据库的形式进行存储,再基于图形数据库开发了停电范围检测算法,取得了良好的效果。文献3[基于知识图谱技术的电力设备缺陷记录检索方法]提出了利用现有电力设备缺陷记录语料构建出电力设备缺陷知识图谱,基于知识图谱进行电力设备缺陷检索,相比于其他传统的方法具有更高的准确率。文献4[基于知识图谱的智能客服系统研究]基于知识图谱构建知识库的方法,结合客服知识库与基于图谱的知识检索技术,设计了智能客服系统技术方案。通过分析该系统与传统客服系统的差异,论证了该系统在企业中的应用前景和技术优势。
发明内容
为了解决上述技术问题,本发明提供一种算法简单、调试效率高的基于知识图谱技术的辅助电源调试方法。
本发明解决上述问题的技术方案是:一种基于知识图谱技术的辅助电源调试方法,包括以下步骤:
1)以TI-PMLK为研究平台,分析出开关电源包含的性能指标以及性能指标的各个影响因素;
2)通过Webench仿真得到数据,利用统计学软件SPSS进行相关性分析,得到电源性能指标与各影响因素之间的皮尔逊相关性系数;
3)在neo4j中构建电源知识图谱,将皮尔逊相关性系数作为知识图谱中关系的属性值,表示节点之间的关系强弱,再根据电源知识图谱辅助设计者进行电源调试。
上述基于知识图谱技术的辅助电源调试方法,所述步骤1)中,开关电源包含的性能指标为8个,包括效率、输出电压纹波、电感电流纹波、总损耗、穿越频率、相位裕度、低频增益、暂态浪涌幅度。
上述基于知识图谱技术的辅助电源调试方法,所述步骤1)中,性能指标的影响因素为8个,包括输入电压、负载电流、开关频率、输入电容、输入电容等效电阻、输出电容、输出电容等效电阻、电感饱和特性。
上述基于知识图谱技术的辅助电源调试方法,所述步骤2)中,得到的电源性能指标与各影响因素之间的皮尔逊相关性系数为:性能指标效率与影响因素输入电压、负载电流、开关频率、输入电容、输入电容等效电阻、输出电容、输出电容等效电阻、电感饱和特性的皮尔逊相关性系数分别为-0.32、0.95、-0.98、-0.33、-0.71、-0.7、-0.88、-0.62;性能指标输出电压纹波与上述8个影响因素的皮尔逊相关性系数分别为0.54、0.76、-0.89、0、0、0.92、0.81、-0.7;性能指标电感电流纹波与上述8个影响因素的皮尔逊相关性系数分别为0.83、0.86、-0.9、0、0、0、0、-0.87;性能指标总损耗与上述8个影响因素的皮尔逊相关性系数分别为0.89、0.93、0.98、0.21、0.69、0.32、0.87、0.82;性能指标穿越频率与上述8个影响因素的皮尔逊相关性系数分别为0.72、0.99、0.98、0、0.52、0.24、0.78、0.57;性能指标相位裕度与上述8个影响因素的皮尔逊相关性系数分别为0.81、0.89、-0.88、0、0.52、0.9、0.75、0.24;性能指标低频增益与上述8个影响因素的皮尔逊相关性系数分别为0.89、-0.78、0.89、0、0、0、0、0.6;性能指标暂态浪涌幅度与上述8个影响因素的皮尔逊相关性系数分别为-0.52、0.92、-0.9、-0.74、0.77、0.87、0.8、-0.62。
上述基于知识图谱技术的辅助电源调试方法,所述步骤2)中,记皮尔逊相关性系数为r,则0.8<r<1.0表示影响因素对性能指标影响程度为极强,0.6<r<0.8表示影响因素对性能指标影响程度为较强,0.4<r<0.6表示影响因素对性能指标影响程度为中等,0.2<r<0.4表示影响因素对性能指标影响程度为较弱,0<r<0.2表示影响因素对性能指标影响程度为极弱,皮尔逊相关性系数是正数的说明影响因素与性能指标呈正相关,负数则相反。
上述基于知识图谱技术的辅助电源调试方法,所述步骤3)中,以电源性能指标、影响因素作为节点,两者之间的关系作为边,皮尔逊相关性系数作为边的属性值,在neo4j中可以构建出电源知识图谱;基于电源知识图谱,辅助工程师提高调试效率。
上述基于知识图谱技术的辅助电源调试方法,所述步骤3)中,根据电源知识图谱辅助设计者进行电源调试的过程为:
3-1)根据设计出的电源样机,确定不合格的性能指标;
3-2)设定一个皮尔逊相关性系数阈值,通过电源知识图谱将与不合格性能指标的皮尔逊相关性系数大于设定阈值的影响因素筛选出来,记筛选出的影响因素为S1、S2、…、Sm,Sm为筛选出的第m个影响因素;
3-3)通过电源知识图谱查询筛选出的m个影响因素对其他7个性能指标的影响,设第m个影响因素Sm对其他7个性能指标中的n个性能指标有影响,记为Pmn,则按照n取值从小到大的次序依次选择对应的影响因素进行调节。
本发明的有益效果在于:本发明针对电源调试过程中设计者认知不足,经验水平有限等问题,提出了一种基于知识图谱技术的辅助电源调试方法,首先,以TI-PMLK为研究平台,分析出开关电源包含的性能指标以及对应的各个影响因素;其次,通过Webench仿真得到数据,利用统计学软件SPSS进行相关性分析,得到电源性能指标与各影响因素之间的皮尔逊相关性系数;最后,在neo4j中构建电源知识图谱,将皮尔逊相关性系数作为知识图谱中关系的属性值,表示节点之间的关系强弱,再根据电源知识图谱辅助设计者进行电源调试。本发明通过将知识图谱技术应用到电源调试中,基于知识图谱的优势,将电源中各影响因素与性能指标间的复杂关系用图模型表示出来。通过搜索知识图谱,可以快速找到导致性能指标不合格的原因,为设计者调试提供参考,从而减轻电源设计者的认知负荷,提高调试效率。
附图说明
图1为本发明的流程图。
图2为本知识图谱的工作原理图。
图3为本发明电源知识图谱示意图。
图4为本发明实施例中输出电压波纹的影响因素示意图。
图5为本发明实施例中输出电压波纹的3个影响因素对其他性能指标的影响示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1所示,一种基于知识图谱技术的辅助电源调试方法,包括以下步骤:
1)以TI-PMLK为研究平台,分析出开关电源包含的性能指标以及性能指标的各个影响因素。
以TI-PMLK为研究平台,TI-PMLK是斯坦福大学帮助德州仪器公司设计的一款电源管理实验套件,由BUCK、BOOST和LDO三套电路拓扑组成,每套电路拓扑包含6个实验,它代表着电源领域的专家知识,本身也是一个典型的复杂工程问题,即涉及到多方面的因素且各因素之间相互冲突。通过分析其中的每个实验,可以挖掘出开关电源主要包含的性能指标和影响因素,以及性能指标与影响因素间的关系。
通过分析挖掘,开关电源主要包含的性能指标为8个,包括效率、输出电压纹波、电感电流纹波、总损耗、穿越频率、相位裕度、低频增益、暂态浪涌幅度。
性能指标的影响因素为8个,包括输入电压、负载电流、开关频率、输入电容、输入电容等效电阻、输出电容、输出电容等效电阻、电感饱和特性。
2)通过Webench仿真得到数据,利用统计学软件SPSS进行相关性分析,得到电源性能指标与各影响因素之间的皮尔逊相关性系数。
为了提工作高效率,通过webench仿真可以观察电源性能指标在不同因素下的变化情况。部分仿真数据如表1所示。
表1
Figure BDA0002219217910000061
Figure BDA0002219217910000071
根据表1可以观察到影响因素对每个性能指标的影响程度不同,为了清晰的表达出它们之间的关联程度,将WEBENCH仿真数据导入到统计学软件SPSS中进行相关性分析就可以直接得到皮尔逊相关性系数表,如表2所示。
表2
Figure BDA0002219217910000081
其中:IV=输入电压;LC=负载电流;SF=开关频率;IC=输入电容;ESRIC=输入电容等效电阻;OC=输出电容;ESROC=输出电容等效电阻;SCOI=电感饱和特性;E=效率;OVR=输出电压纹波;ICR=电感电流纹波;TL=总损耗;CF=穿越频率;PM=相位裕度;LFG=低频增益;TSA=暂态浪涌幅度。
得到的电源性能指标与各影响因素之间的皮尔逊相关性系数为:性能指标效率与影响因素输入电压、负载电流、开关频率、输入电容、输入电容等效电阻、输出电容、输出电容等效电阻、电感饱和特性的皮尔逊相关性系数分别为-0.32、0.95、-0.98、-0.33、-0.71、-0.7、-0.88、-0.62;性能指标输出电压纹波与上述8个影响因素的皮尔逊相关性系数分别为0.54、0.76、-0.89、0、0、0.92、0.81、-0.7;性能指标电感电流纹波与上述8个影响因素的皮尔逊相关性系数分别为0.83、0.86、-0.9、0、0、0、0、-0.87;性能指标总损耗与上述8个影响因素的皮尔逊相关性系数分别为0.89、0.93、0.98、0.21、0.69、0.32、0.87、0.82;性能指标穿越频率与上述8个影响因素的皮尔逊相关性系数分别为0.72、0.99、0.98、0、0.52、0.24、0.78、0.57;性能指标相位裕度与上述8个影响因素的皮尔逊相关性系数分别为0.81、0.89、-0.88、0、0.52、0.9、0.75、0.24;性能指标低频增益与上述8个影响因素的皮尔逊相关性系数分别为0.89、-0.78、0.89、0、0、0、0、0.6;性能指标暂态浪涌幅度与上述8个影响因素的皮尔逊相关性系数分别为-0.52、0.92、-0.9、-0.74、0.77、0.87、0.8、-0.62。
记皮尔逊相关性系数为r,则0.8<r<1.0表示影响因素对性能指标影响程度为极强,0.6<r<0.8表示影响因素对性能指标影响程度为较强,0.4<r<0.6表示影响因素对性能指标影响程度为中等,0.2<r<0.4表示影响因素对性能指标影响程度为较弱,0<r<0.2表示影响因素对性能指标影响程度为极弱,皮尔逊相关性系数是正数的说明影响因素与性能指标呈正相关,负数则相反。这些皮尔逊相关性系数作为边的属性添加到知识图谱中,表示两个节点之间的关联性。
3)在neo4j中构建电源知识图谱,将皮尔逊相关性系数作为知识图谱中关系的属性值,表示节点之间的关系强弱,再根据电源知识图谱辅助设计者进行电源调试。
知识图谱本质上是一个知识库,它由节点和有向边构成,节点一般表示实体或者概念,有向边连接两个节点,表示两个节点间的关系。知识图谱旨在描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的语义网络图。与传统的基于关键字匹配的搜索引擎工作原理不同的是,知识图谱利用概念、实体的匹配度返回给用户与搜索相关的更全面的知识体系,其工作原理如图2所示。
本发明利用Neo4j作为构建电源知识图谱的工具,它是基于java的高性能、高可靠性、可扩展性强的开源图数据库,它作为一种新兴的数据库技术,图数据库的内核是一种极快的拓扑引擎,能够处理大数据内部复杂的依赖关系。根据以上的工作,以电源性能指标、影响因素作为节点,两者之间的相关性作为边的属性,在neo4j中可以构建出电源知识图谱,如图3所示;基于电源知识图谱,可以做一些查询,匹配等操作,帮助工程师提高调试效率。图中,重量,体积,电容,电感,变压器,PCB面积,其他等节点都可以作为衡量一款电源的指标,但这些节点的边没有属性,即不存在皮尔逊相关性系数,因此,这些节点仅仅只为电源工程师提供参考。
根据电源知识图谱辅助设计者进行电源调试的过程为:
3-1)根据设计出的电源样机,通过测试确定不合格的性能指标;
3-2)设定一个皮尔逊相关性系数阈值,通过电源知识图谱将与不合格性能指标的皮尔逊相关性系数大于设定阈值的影响因素筛选出来,记筛选出的影响因素为S1、S2、…、Sm,Sm为筛选出的第m个影响因素;
3-3)通过电源知识图谱查询筛选出的m个影响因素对其他7个性能指标的影响,设第m个影响因素Sm对其他7个性能指标中的n个性能指标有影响,记为Pmn,则按照n取值从小到大的次序依次选择对应的影响因素进行调节。
实施例
例如,一个工程师设计好一款电源样品后,在进行性能指标测试时,发现输出电压纹波不合格,然后工程师在neo4j中查询哪些影响因素对输出电压纹波影响较大,比如将相关系数大于0.8或者小于-0.8的影响因素筛选出来,然后,可以得到强烈影响输出电压纹波的因素如图4所示。
通过查看图4可知强烈影响输出电压纹波的影响因素是输出电容、输出电容等效电阻和开关频率。所以,首先调整这三个影响因素来降低输出电压纹波。但是,由于电源的复杂性,这三个影响因素可能还会强烈影响其他性能指标,调整这些影响因素的同时可能会导致其他性能指标不合格。通过查询可以得出这些因素对其他性能指标的影响如图5所示。
根据图5,开关频率会影响很多性能指标,如果单独改变开关频率来降低输出电压纹波,则会影响其他许多性能指标。但是除了强烈影响输出电压纹波之外,输出电容和输出电容等效电阻只影响相位裕度。所以在保证相位裕度合格的条件下首先调整输出电容和输出电容等效电阻来降低输出电压纹波,而不去调整开关频率。其他的指标也是用相同的方法。这里需要注意,相关性系数是正数的说明因素与性能指标呈正相关,负数则相反。例如:输出电容等效电阻与输出电压纹波是正相关,说明等效电阻越大,输出电压纹波越大,所以工程师需要选择等效电阻较小的输出电容。相同的道理,可以提高开关频率来降低输出电压纹波。

Claims (7)

1.一种基于知识图谱技术的辅助电源调试方法,包括以下步骤:
1)以TI-PMLK为研究平台,分析出开关电源包含的性能指标以及性能指标的各个影响因素;
2)通过Webench仿真得到数据,利用统计学软件SPSS进行相关性分析,得到电源性能指标与各影响因素之间的皮尔逊相关性系数;
3)在neo4j中构建电源知识图谱,将皮尔逊相关性系数作为知识图谱中关系的属性值,表示节点之间的关系强弱,再根据电源知识图谱辅助设计者进行电源调试。
2.根据权利要求1所述的基于知识图谱技术的辅助电源调试方法,其特征在于,所述步骤1)中,开关电源主要包含的性能指标为8个,包括效率、输出电压纹波、电感电流纹波、总损耗、穿越频率、相位裕度、低频增益、暂态浪涌幅度。
3.根据权利要求2所述的基于知识图谱技术的辅助电源调试方法,其特征在于,所述步骤1)中,针对性能指标的影响因素主要有8个,包括输入电压、负载电流、开关频率、输入电容、输入电容等效电阻、输出电容、输出电容等效电阻、电感饱和特性。
4.根据权利要求3所述的基于知识图谱技术的辅助电源调试方法,其特征在于,所述步骤2)中,得到的电源性能指标与各影响因素之间的皮尔逊相关性系数为:性能指标效率与影响因素输入电压、负载电流、开关频率、输入电容、输入电容等效电阻、输出电容、输出电容等效电阻、电感饱和特性的皮尔逊相关性系数分别为-0.32、0.95、-0.98、-0.33、-0.71、-0.7、-0.88、-0.62;性能指标输出电压纹波与上述8个影响因素的皮尔逊相关性系数分别为0.54、0.76、-0.89、0、0、0.92、0.81、-0.7;性能指标电感电流纹波与上述8个影响因素的皮尔逊相关性系数分别为0.83、0.86、-0.9、0、0、0、0、-0.87;性能指标总损耗与上述8个影响因素的皮尔逊相关性系数分别为0.89、0.93、0.98、0.21、0.69、0.32、0.87、0.82;性能指标穿越频率与上述8个影响因素的皮尔逊相关性系数分别为0.72、0.99、0.98、0、0.52、0.24、0.78、0.57;性能指标相位裕度与上述8个影响因素的皮尔逊相关性系数分别为0.81、0.89、-0.88、0、0.52、0.9、0.75、0.24;性能指标低频增益与上述8个影响因素的皮尔逊相关性系数分别为0.89、-0.78、0.89、0、0、0、0、0.6;性能指标暂态浪涌幅度与上述8个影响因素的皮尔逊相关性系数分别为-0.52、0.92、-0.9、-0.74、0.77、0.87、0.8、-0.62。
5.根据权利要求4所述的基于知识图谱技术的辅助电源调试方法,其特征在于,所述步骤2)中,记皮尔逊相关性系数为r,则0.8<r<1.0表示影响因素对性能指标影响程度为极强,0.6<r<0.8表示影响因素对性能指标影响程度为较强,0.4<r<0.6表示影响因素对性能指标影响程度为中等,0.2<r<0.4表示影响因素对性能指标影响程度为较弱,0 <r<0.2表示影响因素对性能指标影响程度为极弱,皮尔逊相关性系数是正数的说明影响因素与性能指标呈正相关,负数则相反。
6.根据权利要求5所述的基于知识图谱技术的辅助电源调试方法,其特征在于,所述步骤3)中,以电源性能指标、影响因素作为节点,两者之间的相关性作为边,皮尔逊相关系数作为边的属性值,在neo4j中可以构建出电源知识图谱,基于电源知识图谱,帮助工程师提高调试效率。
7.根据权利要求6所述的基于知识图谱技术的辅助电源调试方法,其特征在于,所述步骤3)中,根据电源知识图谱辅助设计者进行电源调试的过程为:
3-1)根据设计出的电源样机,通过测试确定不合格的性能指标;
3-2)设定一个皮尔逊相关性系数阈值,通过电源知识图谱将皮尔逊相关性系数大于设定阈值的影响因素筛选出来,记筛选出的影响因素为S1、S2、…、Sm,Sm为筛选出的第m个影响因素;
3-3)通过电源知识图谱查询筛选出的m个影响因素对其他7个性能指标的影响,设第m个影响因素Sm对其他7个性能指标中的n个性能指标有影响,记为Pmn,则按照n取值从小到大的次序依次选择对应的影响因素进行调节。
CN201910927132.1A 2019-09-27 2019-09-27 一种基于知识图谱技术的辅助电源调试方法 Active CN110674315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910927132.1A CN110674315B (zh) 2019-09-27 2019-09-27 一种基于知识图谱技术的辅助电源调试方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910927132.1A CN110674315B (zh) 2019-09-27 2019-09-27 一种基于知识图谱技术的辅助电源调试方法

Publications (2)

Publication Number Publication Date
CN110674315A true CN110674315A (zh) 2020-01-10
CN110674315B CN110674315B (zh) 2022-09-27

Family

ID=69079639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910927132.1A Active CN110674315B (zh) 2019-09-27 2019-09-27 一种基于知识图谱技术的辅助电源调试方法

Country Status (1)

Country Link
CN (1) CN110674315B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434200A (zh) * 2020-11-30 2021-03-02 北京思特奇信息技术股份有限公司 一种数据展示方法、系统及电子设备
CN113434659A (zh) * 2021-06-17 2021-09-24 天津大学 一种在协同设计过程中隐性冲突感知方法
CN112434200B (zh) * 2020-11-30 2024-06-04 北京思特奇信息技术股份有限公司 一种数据展示方法、系统及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108197175A (zh) * 2017-12-20 2018-06-22 国网北京市电力公司 技术监督数据的处理方法和装置、存储介质、处理器
CN108460136A (zh) * 2018-03-08 2018-08-28 国网福建省电力有限公司 电力运维信息知识图谱构建方法
US20180322954A1 (en) * 2017-05-08 2018-11-08 Hefei University Of Technology Method and device for constructing medical knowledge graph and assistant diagnosis method
CN109086523A (zh) * 2018-08-02 2018-12-25 湘潭大学 基于认知计算模型的电源设计性实验题目自动生成方法
CN109840270A (zh) * 2018-12-23 2019-06-04 国网浙江省电力有限公司 一种基于Neo4j的电网设备信息管理方法
CN110033101A (zh) * 2019-03-07 2019-07-19 华中科技大学 基于融合特征的知识图谱的水电机组故障诊断方法和系统
US20190287006A1 (en) * 2018-03-16 2019-09-19 Accenture Global Solutions Limited Integrated monitoring and communications system using knowledge graph based explanatory equipment management

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180322954A1 (en) * 2017-05-08 2018-11-08 Hefei University Of Technology Method and device for constructing medical knowledge graph and assistant diagnosis method
CN108197175A (zh) * 2017-12-20 2018-06-22 国网北京市电力公司 技术监督数据的处理方法和装置、存储介质、处理器
CN108460136A (zh) * 2018-03-08 2018-08-28 国网福建省电力有限公司 电力运维信息知识图谱构建方法
US20190287006A1 (en) * 2018-03-16 2019-09-19 Accenture Global Solutions Limited Integrated monitoring and communications system using knowledge graph based explanatory equipment management
CN109086523A (zh) * 2018-08-02 2018-12-25 湘潭大学 基于认知计算模型的电源设计性实验题目自动生成方法
CN109840270A (zh) * 2018-12-23 2019-06-04 国网浙江省电力有限公司 一种基于Neo4j的电网设备信息管理方法
CN110033101A (zh) * 2019-03-07 2019-07-19 华中科技大学 基于融合特征的知识图谱的水电机组故障诊断方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
彭红霞等: "基于两层知识架构的电力设备差异化运维技术", 《高压电器》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112434200A (zh) * 2020-11-30 2021-03-02 北京思特奇信息技术股份有限公司 一种数据展示方法、系统及电子设备
CN112434200B (zh) * 2020-11-30 2024-06-04 北京思特奇信息技术股份有限公司 一种数据展示方法、系统及电子设备
CN113434659A (zh) * 2021-06-17 2021-09-24 天津大学 一种在协同设计过程中隐性冲突感知方法

Also Published As

Publication number Publication date
CN110674315B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
De Geest et al. Adaptive CAD-model building algorithm for general planar microwave structures
Asensi et al. A full procedure to model high frequency transformer windings
CN105717390B (zh) 一种基于云平台的智能变电站测试平台及测试方法
Yun et al. Approximate weighted frequent pattern mining with/without noisy environments
US20060161413A1 (en) Methods for fast and large circuit simulation
CN103530321A (zh) 一种基于机器学习的排序系统
CN105373546A (zh) 一种用于知识服务的信息处理方法及系统
CN110674315B (zh) 一种基于知识图谱技术的辅助电源调试方法
CN117272913B (zh) 集成电路版图设计系统及方法
Sanaullah et al. Analysis of RLC interconnect delay model using second order approximation
CN104967114A (zh) 电网负荷实时数字建模方法及系统
CN108255852A (zh) Sql执行方法及装置
CN114676698A (zh) 一种基于知识图谱的设备故障关键信息提取方法及系统
Fan et al. From specification to topology: Automatic power converter design via reinforcement learning
CN116011564A (zh) 一种面向电力设备的实体关系补全方法、系统及应用
CN110263108A (zh) 一种基于道路网的关键词Skyline模糊查询方法及系统
CN105573984A (zh) 社会经济指标的识别方法及装置
De Oliveira et al. Optimized layout for an EMC filter: Analysis and validations
CN115329145A (zh) 基于物理关系的变电仿真信息知识图谱构建与检索方法
CN110543703B (zh) 一种考虑不同时间尺度的准谐振变换器建模分析方法
Dervenis et al. Neural network specialists for inverse spiral inductor design
CN112329432A (zh) 一种基于改进Apriori的配电网电压越限问题关联分析方法
Xu et al. Robust neural based microwave modelling and design using advanced model extrapolation
CN110991134B (zh) 一种片上功率合成器的阻抗平衡度分析方法
Nakanishi et al. Approaching the interconnection of heterogeneous knowledge bases on a knowledge grid

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