CN111897855B - 电磁兼容性能诊断方法与系统 - Google Patents
电磁兼容性能诊断方法与系统 Download PDFInfo
- Publication number
- CN111897855B CN111897855B CN202010749534.XA CN202010749534A CN111897855B CN 111897855 B CN111897855 B CN 111897855B CN 202010749534 A CN202010749534 A CN 202010749534A CN 111897855 B CN111897855 B CN 111897855B
- Authority
- CN
- China
- Prior art keywords
- probability
- symptom
- target
- frequency band
- library
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 14
- 208000024891 symptom Diseases 0.000 claims abstract description 172
- 238000012937 correction Methods 0.000 claims abstract description 108
- 238000005259 measurement Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000012986 modification Methods 0.000 claims description 19
- 230000004048 modification Effects 0.000 claims description 19
- 230000005855 radiation Effects 0.000 claims description 18
- 238000012216 screening Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000010287 polarization Effects 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 3
- 238000002405 diagnostic procedure Methods 0.000 claims 5
- 238000012360 testing method Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000006872 improvement Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 101100518501 Mus musculus Spp1 gene Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提出了一种电磁兼容性能诊断方法与系统，实现对现场测量数据的电磁兼容问题进行智能诊断，该系统包括诊断数据库、诊断数据库管理模块、诊断目标获取模块、以及诊断推理模块。该方法包括有如下步骤：在诊断数据库中设置有针对电磁兼容性能的整改条件与征兆之间的对应关系、整改条件与征兆之间的对应关系；通过实验测量获取目标征兆的信息，根据所获得的目标征兆的信息结合诊断数据库进行综合推理，从而获得诊断结论；所述综合推理包括依次执行的概率计算步骤、经验链接步骤和统计诊断步骤。
Description
技术领域
本发明涉及电磁兼容性能诊断方法与系统。
背景技术
我国针对电磁灶产品电磁兼容的检测标准有GB4824-2013《工业科学和医疗(ISM)射频设备骚扰特性限值和测量方法》，该标准对电磁灶产品的端子骚扰电压和电磁辐射骚扰限值和测量方法进行了规范和要求。在此基础上，国内出现了大量针对电磁兼容自动测试方法的研究，即集中在设计和测量环节，电磁灶产品的测试方法已经较为成熟，具有较强的可重复性，但针对测试结果的诊断技术目前仍然停留在测试人员的经验判断环节，没有一个功能比较综合全面的系统作为依托，对测试人员的经验素质各方面都有比较高的要求，判断结论的依赖性强，不利于提高产品整改的效率，也不利于降低产品的整改成本，这与目前电磁灶产品电磁兼容整改需求相矛盾。
发明内容
为克服现有技术中存在的问题，本发明提出了电磁兼容性能诊断方法与系统，实现对现场测量数据的电磁兼容问题进行智能诊断，其具体技术内容如下：
本发明的电磁兼容性能诊断系统，其包括
诊断数据库，其储存有整改条件与征兆之间的对应关系、整改条件与征兆之间的概率关系；
诊断数据库管理模块，其用于对上述诊断数据库进行读/写操作；
诊断目标获取模块，其用于获取通过测量得到的目标征兆信息；以及
诊断推理模块，其用于根据获得的目标征兆信息并结合诊断数据库中进行综合推理，从而获得诊断结论。
于本发明的一个或多个实施例当中，所述诊断数据库包括概率库和经验库；所述概率库储存有整改条件与征兆之间的概率关系，以一个整改条件对应一个征兆的概率矩阵进行储存，每个征兆对应的所有整改条件概率之和为100％；所述经验库储存有整改条件与征兆间的对应关系，以一个或多个征兆对应一个或多个整改条件的方式进行储存。
于本发明的一个或多个实施例当中，所述目标征兆为测量所获得的辐射频段；所述概率库以征兆频段为行、以整改条件为列，对应出征兆频段与整改条件之间的概率关系，并给予每一征兆频段唯一的频段编号；所述经验库以概率库里的各频段编号为行进行划分，以一个或多个频段编号为一组并分配组号，每组频段编号对应有一个或多个整改条件。
于本发明的一个或多个实施例当中，所述诊断目标获取模块具有选项添加方式或/和手动录入方式；所述选项添加方式为读取系统预设的征兆集以为用户提供目标征兆选项；所述手动录入方式为导入实际获取的目标征兆数据并供用户选择。
本发明的电磁兼容性能诊断方法，其包括有如下步骤：
在诊断数据库中设置有针对电磁兼容性能的整改条件与征兆之间的对应关系、整改条件与征兆之间的对应关系；
通过实验测量获取目标征兆的信息，根据所获得的目标征兆的信息结合诊断数据库进行综合推理，从而获得诊断结论；所述综合推理包括依次执行的概率计算步骤、经验链接步骤和统计诊断步骤；
所述概率计算步骤是：
根据诊断数据库中的整改条件与征兆之间的概率关系，获取与当前测量获得的目标征兆相关的概率关系列表；计算上述概率关系列表中的各整改条件的可信度，并将可信度低于预设阈值的概率关系记录排除，保留可信度达标的概率关系记录；
所述经验链接步骤是：
根据诊断数据库中的整改条件与征兆之间的对应关系，获取与上述步骤中保留的整改条件的记录关联的对应关系列表，其获取规则是在征兆列中直接包含有目标征兆，或是征兆列所列出的范围中包含目标征兆；
所述统计诊断步骤是：
将上述步骤中选出的对应关系列表的记录进行排序，获得相应的优先级列表，并应用所获的优先级列表中的整改条件递进整改，直至测量中目标征兆消失则整改完成；整改完成后，将所整改的目标征兆与整改条件的关系更新至诊断数据库当中。
于本发明的一个或多个实施例当中，所述诊断数据库包括概率库和经验库；所述概率库储存有整改条件与征兆之间的概率关系，其以一个整改条件对应一个目标征兆的概率矩阵进行储存，每个目标征兆对应的所有整改条件概率之和应为100％；所述经验库储存有整改条件与征兆之间的对应关系，以一个或多个征兆对应一个或多个整改条件的方式进行储存。
于本发明的一个或多个实施例当中，所述目标征兆为测量所获得的辐射频段；所述概率库以征兆频段为行、以整改条件为列，对应出征兆频段与整改条件之间的概率关系，并给予每一征兆频段唯一的频段编号；所述经验库以概率库里的各频段编号为行进行划分，以一个或多个频段编号为一组并分配组号，每组频段编号对应有一个或多个整改条件。
于本发明的一个或多个实施例当中，所述概率库包括有传导骚扰概率库和辐射骚扰概率库；所述传导骚扰概率库以征兆的频段为行；所述辐射骚扰概率库以征兆的频段和天线极化为行；对应的，所述经库验包括传导骚扰征兆经库验和辐射骚扰征兆经库验。
于本发明的一个或多个实施例当中，在概率计算步骤中，根据获得的目标征兆的频段查找对应的概率库，列出包括目标征兆的频段的概率关系记录；
设整改条件的可信度为η(i),i＝1，2...；
η(i)取对应概率的最小值，即η(i)＝min(P1,P2,...)；
依次获得各整改条件的可信度η(i)。
根据整改条件的可信度η(i)进行条件筛选，即预设有阀值δ，将η(i)＜δ的概率关系记录排除，保留余下的概率关系记录；
在经验链接步骤中，以经验库的征兆频段中直接包含有目标征兆，或是征兆频段所列出的范围中包含目标征兆为原则筛选出相应的记录；
在统计诊断步骤中，根据经验链接步骤所得的记录作两次排序，第一次排序为根据各组记录中整改条件重复出现的次数进行排序，第二次排序为在第一次排序的基础上，根据整改条件可信度η(i)的大小进行排序，得出整改条件优先级列表；
再根据整改条件优先级列表递进整改，观察目标征兆的频段是否有改善，若无改善当前整改条件执行下一个整改条件；若有当前整改条件对目标征兆的频段有改善，则保留当前整改条件并加入下一个整改条件共同作用，观察目标征兆的频段是否有改善，以此类推；
当目标征兆的频段消失则整改完成。
于本发明的一个或多个实施例当中，由实验测量获取的目标征兆信息通过选项添加或/和手动录入的方式进入录入；其中，所述选项添加方式为读取系统预设的征兆集以为用户提供目标征兆选项；所述手动录入方式为导入实际获取的目标征兆数据并供用户选择。
本发明的有益效果是：利用现场测量数据对电磁兼容问题进行智能诊断，自动生成故障诊断报告，可为生产企业提供智能化的故障诊断服务，并提出针对性的整改措施，方便快捷地为企业提供整改技术指导，降低生产企业的电磁兼容整改成本，避免盲目整改造成的原材料、检测和时间上的浪费，提高企业整体制造水平。
附图说明
图1为本发明的系统框架示意图。
图2为本发明的方法流程示意图。
具体实施方式
如下对本申请方案作进一步描述：
参见附图1，电磁兼容性能诊断系统，其包括
诊断数据库1，其储存有整改条件与征兆之间的对应关系、整改条件与征兆之间的概率关系；
诊断数据库管理模块2，其用于对上述诊断数据库进行读/写操作；
诊断目标获取模块3，其用于获取通过测量得到的目标征兆信息；以及
诊断推理模块4，其用于根据获得的目标征兆信息并结合诊断数据库中进行综合推理，从而获得诊断结论。
所述诊断数据库1包括概率库和经验库；所述概率库储存有整改条件与征兆之间的概率关系，以一个整改条件对应一个征兆的概率矩阵进行储存，每个征兆对应的所有整改条件概率之和为100％；所述经验库储存有整改条件与征兆间的对应关系，以一个或多个征兆对应一个或多个整改条件的方式进行储存。
具体的，所述目标征兆为测量所获得的辐射频段；所述概率库以征兆频段为行、以整改条件为列，对应出征兆频段与整改条件之间的概率关系，并给予每一征兆频段唯一的频段编号；所述经验库以概率库里的各频段编号为行进行划分，以一个或多个频段编号为一组并分配组号，每组频段编号对应有一个或多个整改条件。
例如：诊断数据库按照标准GB 4824-2013的检测项目类型，分为传导骚扰和辐射骚扰整改经验库、传导骚扰和辐射骚扰征兆概率库两种类型的四个库单元，各个库单元可在诊断数据库管理模块中进行输入、修改、添加、删除、浏览等操作。
传导骚扰征兆概率库以征兆频段为行，以整改条件为列对应出征兆频段和整改条件间的概率关系，并且给征兆频段进行编号。辐射骚扰征兆概率库以征兆频段和天线极化为行，以整改条件为列对应出征兆频段、天线极化和整改条件间的概率关系，并且给征兆频段和天线极化进行编号。
所述诊断目标获取模块3通过选项添加式获取和手动录入获取两种方式获取目标征兆的有关信息，其中：选项添加式获取即在系统已有的征兆集内进行选取需要的目标征兆，用于模糊筛选和快速筛选；而手动录入获取即按照已经获取的数据进行目标征兆精准筛选。
参见表1，以辐射骚扰征兆概率库为例，其中每行的概率之和应为100％，即A1到A5所有的数字和应为100％；具体可根据实际情况自行增减整改条件的数量。
参见表2，以辐射骚扰整改经验库，其中按照对应征兆概率库里记录的频段编号划分征兆类型，所有的频段编号可根据实际情况自由组合。
表1辐射骚扰征兆概率库
| 频段编号 | 频段MHz/整改条件 | 极化 | 条件1 | 条件2 | 条件3 | 条件4 | 条件5 |
| 1 | 30-40 | H | A1 | A2 | A3 | A4 | A5 |
| 2 | 40-50 | H | |||||
| 3 | 50-70 | H | |||||
| 4 | 70-100 | H | |||||
| 5 | 100-150 | H | |||||
| 6 | 70-80 | H | |||||
| 7 | 80-100 | H | |||||
| 8 | 150-200 | H | |||||
| 9 | 200-250 | H | |||||
| 10 | 250-300 | H | |||||
| 11 | 300-400 | H | |||||
| 12 | 400-500 | H | |||||
| 13 | 500-600 | H | |||||
| 14 | 600-700 | H | |||||
| 15 | 700-800 | H | |||||
| 16 | 800-900 | H | |||||
| 17 | 900-1000 | H | |||||
| 18 | 30-35 | V | |||||
| 19 | 35-40 | V | |||||
| 20 | 40-50 | V | |||||
| 21 | 50-60 | V | |||||
| 22 | 60-70 | V | |||||
| 23 | 70-80 | V | |||||
| 24 | 80-100 | V | |||||
| 25 | 100-200 | V | |||||
| 26 | 200-300 | V | |||||
| 27 | 300-400 | V | |||||
| 28 | 400-500 | V | |||||
| 29 | 500-800 | V | |||||
| 30 | 800-1000 | V |
表2辐射骚扰整改经验库
| 组号 | 频段编号 | 整改条件 |
| 1 | 18 | 条件1、条件2 |
| 2 | 18-19-20 | 条件1、条件2、条件3、条件4 |
| 3 | 18-19-21 | 条件2、条件3 |
| 4 | 19-20 | 条件1、条件3 |
| 5 | 18-20-21 | 条件2 |
| 6 | 18-20-24 | 条件2、条件4 |
| 7 | 1 | 条件3、条件4、条件5 |
| 8 | 1-2-3-4 | 条件1、条件2、条件5 |
| 9 | 1-2-5 | 条件1、条件3、条件4 |
| 10 | 2-7 | 条件1、条件3 |
| 11 | 1-2-5-7 | 条件1、条件3、条件4 |
| 12 | 1-4-6-9 | 条件4 |
参见附图2，本发明的电磁兼容性能诊断方法，其包括有如下步骤：
在诊断数据库中设置有针对电磁兼容性能的整改条件与征兆之间的对应关系、整改条件与征兆之间的对应关系；
通过实验测量获取目标征兆的信息，根据所获得的目标征兆的信息结合诊断数据库进行综合推理，从而获得诊断结论；所述综合推理包括依次执行的概率计算步骤、经验链接步骤和统计诊断步骤；
所述概率计算步骤是：
根据诊断数据库中的整改条件与征兆之间的概率关系，获取与当前测量获得的目标征兆相关的概率关系列表；计算上述概率关系列表中的各整改条件的可信度，并将可信度低于预设阈值的概率关系记录排除，保留可信度达标的概率关系记录；
所述经验链接步骤是：
根据诊断数据库中的整改条件与征兆之间的对应关系，获取与上述步骤中保留的整改条件的记录关联的对应关系列表，其获取规则是在征兆列中直接包含有目标征兆，或是征兆列所列出的范围中包含目标征兆；
所述统计诊断步骤是：
将上述步骤中选出的对应关系列表的记录进行排序，获得相应的优先级列表，并应用所获的优先级列表中的整改条件递进整改，直至测量中目标征兆消失则整改完成；整改完成后，将所整改的目标征兆与整改条件的关系更新至诊断数据库当中。
进一步的，所述诊断数据库包括概率库和经验库；所述概率库储存有整改条件与征兆之间的概率关系，其以一个整改条件对应一个目标征兆的概率矩阵进行储存，每个目标征兆对应的所有整改条件概率之和应为100％；所述经验库储存有整改条件与征兆之间的对应关系，以一个或多个征兆对应一个或多个整改条件的方式进行储存。
所述目标征兆为测量所获得的辐射频段；所述概率库以征兆频段为行、以整改条件为列，对应出征兆频段与整改条件之间的概率关系，并给予每一征兆频段唯一的频段编号；所述经验库以概率库里的各频段编号为行进行划分，以一个或多个频段编号为一组并分配组号，每组频段编号对应有一个或多个整改条件。
进一步的，所述概率库包括有传导骚扰概率库和辐射骚扰概率库；所述传导骚扰概率库以征兆的频段为行；所述辐射骚扰概率库以征兆的频段和天线极化为行；对应的，所述经库验包括传导骚扰征兆经库验和辐射骚扰征兆经库验。
进一步的，在概率计算步骤中，根据获得的目标征兆的频段查找对应的概率库，列出包括目标征兆的频段的概率关系记录；
设整改条件的可信度为η(i),i＝1，2...；
η(i)取对应概率的最小值，即η(i)＝min(P1,P2,...)；
依次获得各整改条件的可信度η(i)。
根据整改条件的可信度η(i)进行条件筛选，即预设有阀值δ，将η(i)＜δ的概率关系记录排除，保留余下的概率关系记录；
在经验链接步骤中，以经验库的征兆频段中直接包含有目标征兆，或是征兆频段所列出的范围中包含目标征兆为原则筛选出相应的记录；
在统计诊断步骤中，根据经验链接步骤所得的记录作两次排序，第一次排序为根据各组记录中整改条件重复出现的次数进行排序，第二次排序为在第一次排序的基础上，根据整改条件可信度η(i)的大小进行排序，得出整改条件优先级列表；
再根据整改条件优先级列表递进整改，观察目标征兆的频段是否有改善，若无改善当前整改条件执行下一个整改条件；若有当前整改条件对目标征兆的频段有改善，则保留当前整改条件并加入下一个整改条件共同作用，观察目标征兆的频段是否有改善，以此类推；当目标征兆的频段消失则整改完成。
具体的综合推理过程举例如下：
1、根据已有的征兆频段信息查找对应的征兆概率库，列出频段编号对应的征兆概率关系。例如：根据征兆频段信息发现频段编号为2、3、4、5、7的频段为整改对象，以编号2、3、4、5、7为列，以概率库中对应的条件概率为行组成一个概率矩阵，假设条件有五个，矩阵关系用如下表格表示。
条件1的可信度η1取频段编号中的对应概率的最小值即为min(A1，B1，C1，D1，E1)。同理可得出各个条件的可信度η2、η3、η4、η5。
2、条件筛选：通过预定的阀值δ将可信度可低于阀值的条件排除，例如若η5＜δ，则选取条件1-4，这样按照预定的阀值δ把可信度较小的整改同事件排除，保留可信度相对较大的整改条件。
3、链接经验库组号：以包含征兆频段编号一半以上或被包含在征兆频段以内为原则选取经验库组号，如上例编号为2、3、4、5、7的征兆频段对应的图2中经验库组号为8(包含编号为2、3、4的频段)、10(编号2、7全部包含在征兆频段内)、11(包含编号为2、5、7的频段)。
4、在概率库筛选出的条件下统计经验库组号中的条件数得出整改条件优先级，如上例：条件1(出现3次)＞条件3(出现2次)＞条件2、条件4(出现1次)。再根据可信度进行二次排列，若η4＞η2，则最后得出整改条件优先级为：条件1＞条件3＞条件4＞条件2。到此推理过程完成，得到整改条件和条件优先级。
5、生成诊断建议：按得到的整改条件优先级递进整改，如上例：采用优先采用条件1后观察征兆频段是否有改善，若无改善则抛弃条件1选择下一个条件3，若有改善，保留条件1加入下一个条件3，以此类推。若征兆频段消失则整改完成。
整改完成后，所整改的频段编号和整改条件又可以添加到经验库中，生成新的经验库组号，形成了整改数据库→整改条件推理→整改结论→诊断数据库的闭环。
本发明利用现场测量数据对电磁兼容问题进行智能诊断，自动生成故障诊断报告，可为生产企业提供智能化的故障诊断服务，并提出针对性的整改措施，方便快捷地为企业提供整改技术指导，降低生产企业的电磁兼容整改成本，避免盲目整改造成的原材料、检测和时间上的浪费，提高企业整体制造水平。
上述优选实施方式应视为本申请方案实施方式的举例说明，凡与本申请方案雷同、近似或以此为基础作出的技术推演、替换、改进等，均应视为本专利的保护范围。
Claims (6)
1.一种电磁兼容性能诊断方法，其特征在于，包括有如下步骤：
在诊断数据库中设置有针对电磁兼容性能的整改条件与征兆之间的对应关系、整改条件与征兆之间的对应关系；
通过实验测量获取目标征兆的信息，根据所获得的目标征兆的信息结合诊断数据库进行综合推理，从而获得诊断结论；所述综合推理包括依次执行的概率计算步骤、经验链接步骤和统计诊断步骤；
所述概率计算步骤是：
根据诊断数据库中的整改条件与征兆之间的概率关系，获取与当前测量获得的目标征兆相关的概率关系列表；计算上述概率关系列表中的各整改条件的可信度，并将可信度低于预设阈值的概率关系记录排除，保留可信度达标的概率关系记录；
所述经验链接步骤是：
根据诊断数据库中的整改条件与征兆之间的对应关系，获取与上述步骤中保留的整改条件的记录关联的对应关系列表，其获取规则是在征兆列中直接包含有目标征兆，或是征兆列所列出的范围中包含目标征兆；
所述统计诊断步骤是：
将上述步骤中选出的对应关系列表的记录进行排序，获得相应的优先级列表，并应用所获的优先级列表中的整改条件递进整改，直至测量中目标征兆消失则整改完成；整改完成后，将所整改的目标征兆与整改条件的关系更新至诊断数据库当中。
2.根据权利要求 1 所述的电磁兼容性能诊断方法，其特征在于：
所述诊断数据库包括概率库和经验库；
所述概率库储存有整改条件与征兆之间的概率关系，其以一个整改条件对
应一个目标征兆的概率矩阵进行储存，每个目标征兆对应的所有整改条件概率
之和应为 100％；
所述经验库储存有整改条件与征兆之间的对应关系，以一个或多个征兆对
应一个或多个整改条件的方式进行储存。
3.根据权利要求2所述的电磁兼容性能诊断方法，其特征在于：
所述目标征兆为测量所获得的辐射频段；
所述概率库以征兆频段为行、以整改条件为列，对应出征兆频段与整改条件之间的概率关系，并给予每一征兆频段唯一的频段编号；
所述经验库以概率库里的各频段编号为行进行划分，以一个或多个频段编号为一组并分配组号，每组频段编号对应有一个或多个整改条件。
4.根据权利要求3所述的电磁兼容性能诊断方法，其特征在于：
所述概率库包括有传导骚扰概率库和辐射骚扰概率库；
所述传导骚扰概率库以征兆的频段为行；
所述辐射骚扰概率库以征兆的频段和天线极化为行；
对应的，所述经验库包括传导骚扰征兆经验库和辐射骚扰征兆经验库。
5.根据权利要求3所述的电磁兼容性能诊断方法，其特征在于：
在概率计算步骤中，根据获得的目标征兆的频段查找对应的概率库，列出包括目标征兆的频段的概率关系记录；
设整改条件的可信度为η(i),i=1，2...；
η(i)取对应概率的最小值，即η(i)=min(P1,P2,...)；
依次获得各整改条件的可信度η(i)；
根据整改条件的可信度η(i)进行条件筛选，即预设有阀值δ，将η(i)＜δ的概率关系记录排除，保留余下的概率关系记录；
在经验链接步骤中，以经验库的征兆频段中直接包含有目标征兆，或是征兆频段所列出的范围中包含目标征兆为原则筛选出相应的记录；
在统计诊断步骤中，根据经验链接步骤所得的记录作两次排序，第一次排序为根据各组记录中整改条件重复出现的次数进行排序，第二次排序为在第一次排序的基础上，根据整改条件可信度η(i)的大小进行排序，得出整改条件优先级列表；
再根据整改条件优先级列表递进整改，观察目标征兆的频段是否有改善，若无改善，执行下一个整改条件；若当前整改条件对目标征兆的频段有改善，则保留当前整改条件并加入下一个整改条件共同作用，观察目标征兆的频段是否有改善，以此类推；
当目标征兆的频段消失则整改完成。
6.根据权利要求1所述的电磁兼容性能诊断方法，其特征在于：
由实验测量获取的目标征兆信息通过选项添加或/和手动录入的方式进入录入；其中，所述选项添加方式为读取系统预设的征兆集以为用户提供目标征兆选项；所述手动录入方式为导入实际获取的目标征兆数据并供用户选择。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010749534.XA CN111897855B (zh) | 2020-07-30 | 2020-07-30 | 电磁兼容性能诊断方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010749534.XA CN111897855B (zh) | 2020-07-30 | 2020-07-30 | 电磁兼容性能诊断方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111897855A CN111897855A (zh) | 2020-11-06 |
| CN111897855B true CN111897855B (zh) | 2023-11-10 |
Family
ID=73183732
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010749534.XA Active CN111897855B (zh) | 2020-07-30 | 2020-07-30 | 电磁兼容性能诊断方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111897855B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6970560B1 (en) * | 1999-11-11 | 2005-11-29 | Tokyo Electron Limited | Method and apparatus for impairment diagnosis in communication systems |
| CN102445661A (zh) * | 2011-10-14 | 2012-05-09 | 北京航空航天大学 | 基于声发射及振动特征的可重构双通道航空发电机原位故障诊断仪 |
| CN102540054A (zh) * | 2012-02-16 | 2012-07-04 | 陕西科技大学 | 基于多模块贝叶斯网的电子电路故障诊断方法 |
| CN104360263A (zh) * | 2014-10-29 | 2015-02-18 | 国家电网公司 | 基于分合闸线圈电流的断路器操作机构故障诊断专家系统 |
| CN105590146A (zh) * | 2016-02-29 | 2016-05-18 | 上海带来科技有限公司 | 一种基于大数据的电厂设备智能预测检修方法和系统 |
| CN106951197A (zh) * | 2017-01-19 | 2017-07-14 | 北京印刷学院 | 一种基于信号测试的印刷设备远程故障诊断方法及系统 |
| CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
| CN109633310A (zh) * | 2018-12-14 | 2019-04-16 | 山东鲁能智能技术有限公司 | 面向电动汽车充电设施的互联互通检测云平台 |
| CN110046662A (zh) * | 2019-04-10 | 2019-07-23 | 河南科技大学 | 基于模型与数据融合的冷水机组复合故障诊断方法及系统 |
| CN110208658A (zh) * | 2019-05-23 | 2019-09-06 | 国网天津市电力公司电力科学研究院 | 一种对局部放电诊断结果进行多元互补交叉验证的方法 |
| CN110716539A (zh) * | 2019-11-26 | 2020-01-21 | 宁波市轨道交通集团有限公司 | 一种故障诊断分析方法和装置 |
| CN111461497A (zh) * | 2020-03-12 | 2020-07-28 | 许昌许继风电科技有限公司 | 一种具有智能诊断功能的风电机组预警方法及系统 |
-
2020
- 2020-07-30 CN CN202010749534.XA patent/CN111897855B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6970560B1 (en) * | 1999-11-11 | 2005-11-29 | Tokyo Electron Limited | Method and apparatus for impairment diagnosis in communication systems |
| CN102445661A (zh) * | 2011-10-14 | 2012-05-09 | 北京航空航天大学 | 基于声发射及振动特征的可重构双通道航空发电机原位故障诊断仪 |
| CN102540054A (zh) * | 2012-02-16 | 2012-07-04 | 陕西科技大学 | 基于多模块贝叶斯网的电子电路故障诊断方法 |
| CN104360263A (zh) * | 2014-10-29 | 2015-02-18 | 国家电网公司 | 基于分合闸线圈电流的断路器操作机构故障诊断专家系统 |
| CN105590146A (zh) * | 2016-02-29 | 2016-05-18 | 上海带来科技有限公司 | 一种基于大数据的电厂设备智能预测检修方法和系统 |
| CN106951197A (zh) * | 2017-01-19 | 2017-07-14 | 北京印刷学院 | 一种基于信号测试的印刷设备远程故障诊断方法及系统 |
| CN107272646A (zh) * | 2017-06-30 | 2017-10-20 | 南京理工大学 | 基于专家系统的压力机故障诊断系统 |
| CN109633310A (zh) * | 2018-12-14 | 2019-04-16 | 山东鲁能智能技术有限公司 | 面向电动汽车充电设施的互联互通检测云平台 |
| CN110046662A (zh) * | 2019-04-10 | 2019-07-23 | 河南科技大学 | 基于模型与数据融合的冷水机组复合故障诊断方法及系统 |
| CN110208658A (zh) * | 2019-05-23 | 2019-09-06 | 国网天津市电力公司电力科学研究院 | 一种对局部放电诊断结果进行多元互补交叉验证的方法 |
| CN110716539A (zh) * | 2019-11-26 | 2020-01-21 | 宁波市轨道交通集团有限公司 | 一种故障诊断分析方法和装置 |
| CN111461497A (zh) * | 2020-03-12 | 2020-07-28 | 许昌许继风电科技有限公司 | 一种具有智能诊断功能的风电机组预警方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111897855A (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110109835B (zh) | 一种基于深度神经网络的软件缺陷定位方法 | |
| CN107391369B (zh) | 一种基于数据筛选和数据过采样的跨项目缺陷预测方法 | |
| CN102650996B (zh) | 确定数据库表之间的数据映射关系的方法和装置 | |
| US10818052B2 (en) | Selecting an anomaly for presentation at a user interface based on a context | |
| US20080154807A1 (en) | Confusion matrix for classification systems | |
| EP3709192A1 (en) | Method and classifier for automatic modeling of olap data model | |
| EP3467673A1 (en) | Text analysis of unstructured data | |
| CN111897855B (zh) | 电磁兼容性能诊断方法与系统 | |
| CN111309718A (zh) | 一种配网电压数据缺失填补方法及装置 | |
| CN115512823A (zh) | 设备异常处理方法、装置、异常处理系统和设备 | |
| CN106325596A (zh) | 一种书写笔迹自动纠错方法及系统 | |
| Huang et al. | Towards smarter diagnosis: A learning-based diagnostic outcome previewer | |
| US12052134B2 (en) | Identification of clusters of elements causing network performance degradation or outage | |
| US20210064592A1 (en) | Computer storage and retrieval mechanisms using distributed probabilistic counting | |
| CN110674142A (zh) | 一种Oracle数据库索引优化方法 | |
| CN103136440A (zh) | 数据处理方法和装置 | |
| CN103196691B (zh) | 基于主对角元占优模糊关系矩阵建立相关性故障测试矩阵的方法 | |
| US12182123B2 (en) | Dynamic performance tuning based on implied data characteristics | |
| US20210201173A1 (en) | Monitoring Database Processes to Generate Machine Learning Predictions | |
| Bodhe et al. | Diagnostic Fail Data Minimization Using an $ N $-Cover Algorithm | |
| CN104636422B (zh) | 用于挖掘数据集中的模式的方法和系统 | |
| US11868850B2 (en) | Preventing quantum errors using a quantum error correction algorithm trainer (QECAT) table | |
| KR102731691B1 (ko) | 회로의 고장 진단 방법 및 장치 | |
| US20220108187A1 (en) | Predictor Generation Genetic Algorithm | |
| CN108460117A (zh) | 一种预测结果驱动的数据修复方法 |
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 |