CN116027180A - 一种pcb板高阻抗的性能检测方法及系统 - Google Patents
一种pcb板高阻抗的性能检测方法及系统 Download PDFInfo
- Publication number
- CN116027180A CN116027180A CN202310323410.9A CN202310323410A CN116027180A CN 116027180 A CN116027180 A CN 116027180A CN 202310323410 A CN202310323410 A CN 202310323410A CN 116027180 A CN116027180 A CN 116027180A
- Authority
- CN
- China
- Prior art keywords
- test
- data
- pcb
- test data
- parameters
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012360 testing method Methods 0.000 claims abstract description 500
- 238000004364 calculation method Methods 0.000 claims abstract description 68
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 238000013461 design Methods 0.000 claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims description 60
- 238000001914 filtration Methods 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 37
- 238000013524 data verification Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 23
- 238000012795 verification Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 19
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- RVCKCEDKBVEEHL-UHFFFAOYSA-N 2,3,4,5,6-pentachlorobenzyl alcohol Chemical compound OCC1=C(Cl)C(Cl)=C(Cl)C(Cl)=C1Cl RVCKCEDKBVEEHL-UHFFFAOYSA-N 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 8
- 238000013507 mapping Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013100 final test Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013450 outlier detection Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Measurement Of Resistance Or Impedance (AREA)
Abstract
本发明涉及PCB电路板检测技术领域，尤其涉及一种PCB板高阻抗的性能检测方法及系统。该方法包括以下步骤：获取PCB板测试参数，利用PCB板测试参数通过控制终端设定的多个测试点对PCB板进行测试，获得原始测试数据；根据预处理测试数据进行测试结果转换，并通过预设的评估方式进行分析和评估，从而获得性能检测结果。本发明基于多个测试点的数据对PCB板进行检测和评估，综合考虑多个测试点的测试结果，进而极大提高了检测和评估的效率和准确性；而且通过仿真计算获取设计原型的仿真测试参数，并通过最大偏差特征提取并识别特征测试参数，弥补了两种测试参数之间的偏差可能带来的性能扰动，消除了检测时可能产生的噪声特性。
Description
技术领域
本发明涉及PCB电路板检测技术领域，尤其涉及一种PCB板高阻抗的性能检测方法及系统。
背景技术
近年来，随着台式电脑（控制终端）、笔记本电脑、手机、数字电视、机顶盒、消费电子（MP3、MP4、游戏机、数码相机等）、通信设备和汽车电子等电子产品的飞速发展，其信号传输频率和速度越来越快，对所使用的线路板（PCB板）提出了严格的特性阻抗测试要求。
PCB板线路的特性阻抗和板上线路的物理尺寸、PCB板制造材料、加工工艺等因素有关，可能每一批线路的特性阻抗都不一样。为了控制线路阻抗，PCB板制造商需要对生成的每一块PCB板进行严格的特性阻抗测试，检验是否符合设计和生成的要求；制造商根据测试结果，可疑通过改变线路宽度、叠层厚度、控制蚀刻等方法，调整或补偿不同批次PCB板的特性阻抗，满足客户对PCB板特性阻抗控制精度的要求。
传统的测试方法往往通过测试系统进行采样，这种方式的采样方法往往依赖于人工操作，需要长时间的培训且操作复杂，测试速度慢。
发明内容
本发明为解决上述技术问题，提出了一种PCB板高阻抗的性能检测方法及系统，以解决至少一个上述技术问题。
一种PCB板高阻抗的性能检测方法，应用于PCB板高阻抗测试系统，该PCB板高阻抗测试系统包括依次电性连接的控制终端、测试主机与探测单元，控制终端内设置有分析模组，测试主机包括脉冲发射单元、脉冲接收单元、电路开关、信号采集单元、PCBA组件与中央处理单元，脉冲发射单元与脉冲接收单元并联，并通过电路开关与探测单元电性连接，信号采集单元连接于脉冲接收单元与电路开关之间，PCBA组件电性连接于中央处理单元，脉冲发射单元包括依次电性连接的脉冲发生器、信号放大器、信号滤波器、信号耦合器以及信号输出器，脉冲接受单元与脉冲发生器均与PCBA组件(Printed Circuit Board Assembly，印刷电路板组件)电性连接，其中PCBA组件可以为逻辑控制电路，所述方法包括以下步骤：
步骤S1：获取PCB板测试参数，其中PCB板测试参数包括测试频率、测试电压以及测试模式；
步骤S2：利用PCB板测试参数通过控制终端设定的多个测试点对PCB板进行测试，从而获得原始测试数据；
步骤S3：对原始测试数据进行预处理，从而获得预处理测试数据；
步骤S4：根据预处理测试数据进行测试结果转换，从而获得预处理测试结果；
步骤S5：根据预处理测试结果通过预设的评估方式进行分析和评估，从而获得性能检测结果，以供PCB板高阻抗的后续维护工作。
本实施例提高了PCB板高阻抗的检测准确性和效率，通过对测试参数的设定和原始测试数据的预处理，可以获得更准确和可靠的性能检测结果；通过预设的评估方式进行分析和评估，可以对PCB板高阻抗的性能进行有针对性的评估和分析，从而可以更好地指导后续的维护工作；该方法利用现代计算机技术和人工智能算法，针对多个测试点的数据，对PCB板进行自动化和智能化的检测和评估，避免了单个无效/离群测试点所带来的偏差，综合考虑多个测试点的性能均值，进而极大提高了检测和评估的效率和准确性；该方法及其步骤可以应用于多种PCB板高阻抗的检测和评估，具有较高的通用性和适用性。
在本说明书的一个实施例中，步骤S1具体为：
步骤S11：获取PCB板设计参数；
步骤S12：根据PCB板设计参数进行仿真计算，从而获得PCB板仿真测试参数；
步骤S13：利用PCB板测试基础模型对PCB板设计参数进行最大偏差特征提取，获取PCB板设计参数特征；
步骤S14：通过PCB板设计参数识别模型对PCB板设计参数特征进行识别计算，从而获得PCB板特征测试参数；
步骤S15：获取历史PCB板测试参数；
步骤S16：根据PCB板仿真测试参数以及PCB板特征测试参数通过历史PCB板测试参数进行历史参数率定并合并计算，从而获得PCB板测试参数。
本实施例可以提高PCB板测试参数的准确性和稳定性，通过历史参数的参考和率定，通过仿真计算获取设计原型的仿真测试参数，并通过最大偏差特征提取并识别特征测试参数，弥补了两种测试参数之间的偏差可能带来的性能扰动，消除了检测时可能产生的噪声特性，可以更好地适应不同的测试条件和环境，从而获得更可靠和精准的PCB板测试参数。这有助于提高PCB板高阻抗性能检测的准确性和效率，减少测试成本和人力成本。
在本说明书的一个实施例中，多个测试点包括端点类测试点以及链路类测试点，步骤S2具体为：
步骤S21：根据PCB板测试参数通过端点类测试点对PCB板施加电信号并测量单元的响应，从而获得第一原始测试数据；
步骤S22：根据PCB板测试参数通过链路类测试点对PCB板施加电信号并测量单元的响应，从而获得第二原始测试数据；
步骤S23：根据第一原始测试数据以及第二原始测试数据进行平滑均值计算，从而获得原始测试数据，将端点类测试点与链路类测试点汇集生成测试点集，其中原始测试数据包括测试点集的电阻数据、电容数据以及电感数据。
本实施例通过采用端点类测试点和链路类测试点的方式，可以更全面地对PCB板进行测试，从而得到更准确的原始测试数据，提高了测试的精度和可靠性。同时，采用平滑均值计算的方法对原始测试数据进行处理，可以有效地去除噪声干扰，提高了数据的稳定性和可读性。最终得到的测试点集包含了电阻、电容和电感等多种参数，可以更全面地反映PCB板的性能表现。
在本说明书的一个实施例中，步骤S3具体为：
步骤S31：根据原始测试数据进行滤波处理，从而获得滤波测试数据；
步骤S32：根据滤波测试数据通过数据校验，生成数据校验结果；
步骤S33：确定数据检验结果包括为假的数据检验结果时，根据数据校验结果对滤波测试数据进行数据校正作业，从而生成校验测试数据；
步骤S34：确定数据校验结果包括为真的数据检验结果时，则将滤波测试数据确定为校验测试数据；
步骤S35：根据多个测试点对应的校验测试数据进行时间对齐，从而获得预处理测试结果。
本实施例通过滤波处理原始测试数据获得滤波测试数据，并通过数据校验获得数据校验结果。当数据校验结果为假时，对滤波测试数据进行校正，从而生成校验测试数据。这样可以有效地去除原始测试数据中的噪声和干扰，提高测试数据的准确性和可靠性。同时，通过对不同测试点对应的校验测试数据进行时间对齐，可以更好地进行后续分析和评估，提高了分析和评估的准确性和可靠性，从而得到更加精确的高阻抗性能检测结果，为后续PCB板高阻抗的维护工作提供了更有价值的参考。
在本说明书的一个实施例中，其中数据校正作业具体为：
步骤S301：确定数据校验结果包括数据异常值时，则对滤波测试数据进行数据异常值去除处理，从而获得校验测试数据；
步骤S302：确定数据校验结果包括非法数据时，则获取历史滤波测试数据并利用历史滤波测试数据对滤波测试数据进行数据平滑处理，从而获得校验测试数据；
步骤S303：确定数据校验结果包括数据缺失时，则根据滤波测试数据通过线性插值法进行插值处理，从而获得校验测试数据。
本实施例提供了三种不同的数据校正方式，其中面对数据异常值直接进行处理，且确定数据缺失时可以以线性插值法处理，降低异常数据的误差影响，以应对不同类型的数据异常情况，从而提高了数据处理的准确性和可靠性，有益于进一步提高检测结果的精度和可靠性，为后续维护工作提供更加有效的支持。
在本说明书的一个实施例中，步骤S4具体为：
步骤S41：获取标准测试数据，并根据预处理测试数据与标准测试数据进行偏差计算，从而获得偏差值；
步骤S42：判断偏差值是否小于预设的偏差阈值；
步骤S43：确定偏差值小于预设的偏差阈值时，则根据预处理测试数据进行数值计算并结果转换，生成预处理测试结果；
步骤S44：确定偏差值大于或等于预设的偏差阈值时，则根据预处理测试数据通过预设的测试数据识别模型进行识别计算，从而获得预处理测试结果。
该实施例采用偏差计算来判断预处理测试数据与标准测试数据之间的差异程度，通过设定偏差阈值来判断预处理测试数据是否合格，能够快速准确地评估PCB板高阻抗的性能，避免了人工评估的主观性和不准确性。同时，该实施例还提供了两种方法来生成预处理测试结果，既能够基于数值计算进行结果转换，又能够基于测试数据识别模型进行识别计算，具有较高的灵活性和可操作性。
在本说明书的一个实施例中，偏差计算通过偏差计算公式进行计算，其中偏差计算公式具体为：
本实施例提供一种偏差计算公式，该公式充分考虑了调整项
、根据
以及
生成的调整系数
、第
个预处理测试数据的权重系数
、第
个预处理测试数据
、第
个标准测试数据的权重系数
、第
个标准测试数据
、初始系数
、数据总数
、数据总数的误差调整项
以及相互之间的作用关系，
用于调整偏差计算的精度和灵敏度，能够避免最敏感参数影响偏差值的计算结果，
通过根据
和
生成的调整系数，能够调整预处理测试数据和标准测试数据之间的权重比例，以便更准确地计算偏差值，通过权重系数
以及
对
以及
进行调整，从而更加准确地计算偏差值，通过彼此之间的差值以评估PCB板高阻抗的性能，通过偏差值的修正系数
进行修正，从而提供准确可靠的数据支撑。
在本说明书的一个实施例中，其中测试数据识别模型的构建步骤包括以下步骤：
步骤S401：获取标准预处理测试数据以及相应的阻抗性能标签，其中阻抗性能标签包括高阻抗性能标签以及低阻抗性能标签；
步骤S402：根据标准预处理测试数据以及相应的阻抗性能标签进行最小代价向量化，从而获得标准测试数据向量；
步骤S403：构建一维卷积核，并利用一维卷积核对标准测试数据向量进行特征提取，从而获取标准测试数据特征向量；
步骤S404：将标准测试数据特征向量进行降维计算，从而获得降维特征向量；
步骤S405：根据降维特征向量进行预设的权重连接计算并根据相应的阻抗性能标签进行标记，从而构建测试数据识别模型。
本实施例可以通过获取标准预处理测试数据以及相应的阻抗性能标签，建立标准测试数据向量，并利用一维卷积核对标准测试数据向量进行特征提取，从而获取标准测试数据特征向量，提高模型对于数据的抽象和泛化能力；通过对标准测试数据特征向量进行降维计算，可以减少特征维度，提高模型的运算效率；根据降维特征向量通过预设的权重连接计算并根据相应的阻抗性能标签进行标记，可以构建测试数据识别模型，从而实现对未知数据的预测和分类，提高了高阻抗性能检测的准确性和可靠性。
在本说明书的一个实施例中，步骤S5具体为：
步骤S51：根据预处理测试结果通过阻抗相位计算，从而获得测试相位值；
步骤S52：根据测试相位值与预设的标准相位值进行计算，从而获得比较相位值；
步骤S53：判断比较相位值是否小于或等于预设的相位差阈值；
步骤S54：确定比较相位值小于或等于预设的相位差阈值时，则生成良好性能检测结果；
步骤S55：确定比较相位值大于预设的相位差阈值时，则生成隐患性能检测结果，以供PCB板高阻抗的后续维护工作。
本实施例这种实施例中，通过阻抗相位计算和比较相位值的计算，可以快速确定PCB板的性能情况，包括良好性能和隐患性能。这可以帮助后续的维护工作快速识别并解决可能存在的高阻抗问题，提高PCB板的工作效率和稳定性。
本发明提供一种PCB板高阻抗的性能检测系统，所述系统包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任意一项所述的一种PCB板高阻抗的性能检测方法。
本发明通过获取PCB板测试参数，利用控制终端设定的多个测试点对PCB板进行测试，并根据预处理测试数据进行测试结果转换，从而获得预处理测试结果，通过预设的评估方式进行分析和评估，能够实现对PCB板高阻抗问题的精准检测；该方法能够对PCB板进行快速、高效的性能检测，对原始测试数据进行预处理、滤波处理、数据校验和校正作业等步骤，能够有效提高检测效率；该系统能够自动完成PCB板高阻抗的性能检测，不需要人工干预，可以大大提高测试的自动化水平；该方法利用预设的偏差计算公式进行计算，能够准确地评估PCB板的高阻抗问题；该系统能够对端点类测试点和链路类测试点进行测试，并通过阻抗相位计算和比较相位值等方法进行高阻抗问题的检测，具有实用性和应用价值。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出了一实施例的一种PCB板高阻抗测试系统的结构示意图；
图2示出了一实施例的一种PCB板高阻抗的性能检测方法的步骤流程图；
图3示出了一实施例的一种PCB板测试参数获取方法的步骤流程图；
图4示出了一实施例的一种原始测试数据获取方法的步骤流程图；
图5示出了一实施例的一种预处理测试结果生成方法的步骤流程图；
图6示出了一实施例的一种数据校正作业的步骤流程图；
图7示出了一实施例的一种预处理测试结果获取方法的步骤流程图；
图8示出了一实施例的一种测试数据识别模型构建方法的步骤流程图；
图9示出了一实施例的一种预处理测试结果评估作业的步骤流程图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例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，本领域所属的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。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成单元中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
本发明提供一种PCB板高阻抗的性能检测方法，请参阅图1至图9，应用于PCB板高阻抗测试系统，该PCB板高阻抗测试系统包括依次电性连接的控制终端、测试主机与探测单元，控制终端内设置有分析模组，测试主机包括脉冲发射单元、脉冲接收单元、电路开关、信号采集单元、PCBA组件与中央处理单元，脉冲发射单元与脉冲接收单元并联，并通过电路开关与探测单元电性连接，信号采集单元连接于脉冲接收单元与电路开关之间，PCBA组件电性连接于中央处理单元，脉冲发射单元包括依次电性连接的脉冲发生器、信号放大器、信号滤波器、信号耦合器以及信号输出器，脉冲接受单元与脉冲发生器均与PCBA组件(PrintedCircuit Board Assembly，印刷电路板组件)电性连接，所述方法包括以下步骤：
步骤S1：获取PCB板测试参数，其中PCB板测试参数包括测试频率、测试电压以及测试模式；
具体地，例如在PCB板高阻抗的性能检测中，获取PCB板的测试频率、测试电压以及测试模式，以确定测试条件。例如，测试频率可以设置为100kHz、1MHz、10MHz等不同频率，测试电压可以设置为0.1V、1V、10V等不同电压，测试模式可以设置为直流电阻测试、交流电容测试、交流电感测试等不同测试模式，以便在不同的测试条件下进行测试，获得更加准确和全面的测试结果。
步骤S2：利用PCB板测试参数通过控制终端设定的多个测试点对PCB板进行测试，从而获得原始测试数据；
具体地，例如使用测试仪器（如示波器、网络分析仪等）对PCB板上的测试点进行测试，通过在控制终端上设置测试参数（包括测试频率、测试电压、测试模式等），控制测试仪器对PCB板进行相应的测试操作，获得原始测试数据。例如，在网络分析仪上设置测试频率为1GHz、测试电压为1V、测试模式为S11，将网络分析仪的测试端口与PCB板上的测试点连接，进行测试操作，即可获取该测试点的S11响应数据，作为原始测试数据的一部分。通过多次设置不同的测试参数并测试不同的测试点，可以获得完整的原始测试数据集合。
步骤S3：对原始测试数据进行预处理，从而获得预处理测试数据；
具体地，例如对原始测试数据进行去噪处理，如利用滤波器等方法去除原始测试数据中的噪声干扰，从而获得预处理测试数据；对于一些不稳定的测试数据，通过平滑滤波等方法进行处理；通过时间对齐等方式进行数据处理，从而得到同步的测试数据。
步骤S4：根据预处理测试数据进行测试结果转换，从而获得预处理测试结果；
具体地，例如测试数据是电阻、电容和电感等元件参数，则可以根据这些参数计算单元的传输特性，如带宽、增益、相位等。
步骤S5：根据预处理测试结果通过预设的评估方式进行分析和评估，从而获得性能检测结果，以供PCB板高阻抗的后续维护工作。
具体地，例如使用数据挖掘技术和机器学习算法构建评估模型，对预处理测试结果进行分析和评估。首先，从历史数据中提取特征，构建特征向量，然后使用分类算法对特征向量进行分类，将预处理测试结果分类为正常或异常。最后，根据分类结果，生成性能检测报告，以供PCB板高阻抗的后续维护工作。
本实施例提高了PCB板高阻抗的检测准确性和效率，通过对测试参数的设定和原始测试数据的预处理，可以获得更准确和可靠的性能检测结果；通过预设的评估方式进行分析和评估，可以对PCB板高阻抗的性能进行有针对性的评估和分析，从而可以更好地指导后续的维护工作；该方法利用现代计算机技术和人工智能算法，基于针对多个测试点的数据，对PCB板进行自动化和智能化的检测和评估，避免了单个无效/离群测试点所带来的偏差，综合考虑多个测试点的性能均值，进而极大提高了检测和评估的效率和准确性；该方法及其步骤可以应用于多种PCB板高阻抗的检测和评估，具有较高的通用性和适用性。
在本说明书的一个实施例中，步骤S1具体为：
步骤S11：获取PCB板设计参数；
具体地，例如可以从PCB板设计文件中获取PCB板的布局、线宽、线距、板厚、层数、器件安装位置等设计参数。
步骤S12：根据PCB板设计参数进行仿真计算，从而获得PCB板仿真测试参数；
具体地，例如使用电子设计自动化 (EDA) 软件，如Altium Designer、CadenceAllegro等，根据PCB板设计参数进行单元仿真计算，以确定单元的性能参数，如传输带宽、频率响应等。
具体地，例如将PCB板的物理结构和特性输入到电磁场仿真软件中进行建模；设定测试参数，如测试频率、测试电压等；进行仿真计算，获得PCB板仿真测试参数，如阻抗、反射系数等。
步骤S13：利用PCB板测试基础模型对PCB板设计参数进行最大偏差特征提取，获取PCB板设计参数特征；
具体地，例如，更为重要地是，获取PCB板的设计参数构建PCB板测试基础模型，包括线路长度、线路宽度、线路厚度等参数。利用PCB板测试基础模型对这些参数进行最大偏差特征提取，获取PCB板设计参数特征；
首先，可以将这些参数分别设置不同的取值范围，例如线路长度可以设置为5-20厘米，线路宽度可以设置为0.1-1毫米等等。然后，在每个参数的取值范围内，计算PCB板的阻抗变化情况，并记录最大偏差值。
最终，根据记录的最大偏差值，可以提取出PCB板设计参数的特征，例如哪些参数对PCB板的阻抗影响最大，哪些参数的偏差值最容易引起PCB板高阻抗等。
步骤S14：通过PCB板设计参数识别模型对PCB板设计参数特征进行识别计算，从而获得PCB板特征测试参数；
具体地，例如构建PCB板设计参数识别模型，包括选取特征提取方法、特征选择方法、分类器等；
对已有的PCB板设计参数数据进行标注，标注不同的设计参数对应的测试参数；
利用已标注的数据对PCB板设计参数识别模型进行训练；
对新的PCB板设计参数进行特征提取、特征选择和分类器预测，从而得到相应的测试参数。
步骤S15：获取历史PCB板测试参数；
具体地，例如从测试记录数据库中获取历史PCB板测试参数，例如使用MySQL、Oracle等数据库管理系统，建立测试记录数据库，将每次测试得到的PCB板测试参数存入数据库中，后续查询历史PCB板测试参数时通过SQL语句查询相应数据即可。
步骤S16：根据PCB板仿真测试参数以及PCB板特征测试参数通过历史PCB板测试参数进行历史参数率定并合并计算，从而获得PCB板测试参数。
具体地，例如历史参数率定和合并计算的过程可以使用回归分析等方法进行。
本实施例可以提高PCB板测试参数的准确性和稳定性，通过历史参数的参考和率定，通过仿真计算获取设计原型的仿真测试参数，并通过最大偏差特征提取并识别特征测试参数，弥补了两种测试参数之间的偏差可能带来的性能扰动，消除了检测时可能产生的噪声特性，可以更好地适应不同的测试条件和环境，从而获得更可靠和精准的PCB板测试参数。这有助于提高PCB板高阻抗性能检测的准确性和效率，减少测试成本和人力成本。
在本说明书的一个实施例中，多个测试点包括端点类测试点以及链路类测试点，步骤S2具体为：
步骤S21：根据PCB板测试参数通过端点类测试点对PCB板施加电信号并测量单元的响应，从而获得第一原始测试数据；
具体地，例如直接测量元器件两端的电阻值，然后利用测试仪器通过施加电信号并测量响应，获取第一原始测试数据。
步骤S22：根据PCB板测试参数通过链路类测试点对PCB板施加电信号并测量单元的响应，从而获得第二原始测试数据；
具体地，例如测试点的选择可以根据需要测试的单元元件和信号传输路径来确定。
步骤S23：根据第一原始测试数据以及第二原始测试数据进行平滑均值计算，从而获得原始测试数据，将端点类测试点与链路类测试点汇集生成测试点集，其中原始测试数据包括测试点集的电阻数据、电容数据以及电感数据。
具体地，例如对第一原始测试数据和第二原始测试数据中对应测试点的数据进行平均值计算，得到平均值a1和b1；
对第一原始测试数据和第二原始测试数据中对应测试点的数据进行方差计算，得到方差s1和s2；
对a1和b1进行加权平均值计算，得到平滑均值c1 = (s1 * a1 + s2 * b1) / (s1+ s2)；
将c1作为该测试点的原始测试数据。
本实施例通过采用端点类测试点和链路类测试点的方式，可以更全面地对PCB板进行测试，从而得到更准确的原始测试数据，提高了测试的精度和可靠性。同时，采用平滑均值计算的方法对原始测试数据进行处理，可以有效地去除噪声干扰，提高了数据的稳定性和可读性。最终得到的测试点集包含了电阻、电容和电感等多种参数，可以更全面地反映PCB板的性能表现。
在本说明书的一个实施例中，步骤S3具体为：
步骤S31：根据原始测试数据进行滤波处理，从而获得滤波测试数据；
具体地，例如根据原始测试数据通过带通滤波器进行滤波处理，从而获得滤波测试数据。
步骤S32：根据滤波测试数据通过数据校验，生成数据校验结果；
具体地，例如计算数据的Z值，如果Z值超过预设的范围，则判定为异常数据。Z值表示数据与均值之间的标准差。
步骤S33：确定数据检验结果包括为假的数据检验结果时，根据数据校验结果对滤波测试数据进行数据校正作业，从而生成校验测试数据；
具体地，例如对于检测到的异常值，可以采用插值法或者替换法进行数据校正。插值法是指根据周围的数据点，通过某种函数关系计算出异常值的合理估计值。替换法是指直接用周围数据点的均值或者中位数等值代替异常值。对于非法数据，可以采用平滑法，即根据历史测试数据的变化趋势对当前非法数据进行平滑处理，得到更合理的校验测试数据。对于缺失数据，可以采用插值法对数据进行估计填充，得到更完整的校验测试数据。
步骤S34：确定数据校验结果包括为真的数据检验结果时，则将滤波测试数据确定为校验测试数据；
具体地，例如确定数据校验结果包括为真的数据检验结果时，如滤波测试数据是符合要求，则将滤波测试数据确定为校验测试数据。
步骤S35：根据多个测试点对应的校验测试数据进行时间对齐，从而获得预处理测试结果。
具体地，例如使用一种时间对齐算法，比如说基于相关系数的时间对齐方法，对不同测试点对应的校验测试数据进行时间对齐。
本实施例通过滤波处理原始测试数据获得滤波测试数据，并通过数据校验获得数据校验结果。当数据校验结果为假时，对滤波测试数据进行校正，从而生成校验测试数据。这样可以有效地去除原始测试数据中的噪声和干扰，提高测试数据的准确性和可靠性。同时，通过对不同测试点对应的校验测试数据进行时间对齐，可以更好地进行后续分析和评估，提高了分析和评估的准确性和可靠性，从而得到更加精确的高阻抗性能检测结果，为后续PCB板高阻抗的维护工作提供了更有价值的参考。
在本说明书的一个实施例中，其中数据校正作业具体为：
步骤S301：确定数据校验结果包括数据异常值时，则对滤波测试数据进行数据异常值去除处理，从而获得校验测试数据；
具体地，例如数据异常值为不符合预设的合理数据范围。
具体地，例如数据校验结果中包含数据异常值，对滤波测试数据进行数据异常值去除处理，使用一种异常值检测算法，例如基于箱线图的异常值检测方法，对数据异常值进行检测。然后将检测到的数据异常值从滤波测试数据中删除，从而获得校验测试数据；所述箱线图为将数据用箱线图进行可视化，在箱线图中离箱子很远的数据点视为异常点。
步骤S302：确定数据校验结果包括非法数据时，则获取历史滤波测试数据并利用历史滤波测试数据对滤波测试数据进行数据平滑处理，从而获得校验测试数据；
具体地，例如非法数据为包含不合规字符的数据。
具体地，例如确定数据校验结果包括非法数据时，采用指数平滑算法，对滤波测试数据进行平滑处理，指数平滑算法具体为获取一个平滑因子，这个平滑因子根据历史滤波测试数据生成，进行平滑处理，然后生成下一个平滑处理的初始值，平滑处理的公式为Smoothed_Value(t) = α * Current_Value(t) + (1 - α) * Smoothed_Value(t-1)，α是设定的平滑因子，Current_Value(t)是当前的原始数据，Smoothed_Value(t-1)是前一次平滑处理得到的平滑值。
步骤S303：确定数据校验结果包括数据缺失时，则根据滤波测试数据通过线性插值法进行插值处理，从而获得校验测试数据。
具体地，例如确定一个线性插值方程，线性插值方程的形式为：y = a * x + b，其中，y是需要插值的数据，x是已知的数据，a和b是常数项，使用最小二乘法或拉格朗日插值法等算法计算出常数项a和b。
本实施例提供了三种不同的数据校正方式，其中面对数据异常值直接进行处理，且确定数据缺失时可以以线性插值法处理，降低异常数据的误差影响，以应对不同类型的数据异常情况，从而提高了数据处理的准确性和可靠性，有益于进一步提高检测结果的精度和可靠性，为后续维护工作提供更加有效的支持。
在本说明书的一个实施例中，步骤S4具体为：
步骤S41：获取标准测试数据，并根据预处理测试数据与标准测试数据进行偏差计算，从而获得偏差值；
具体地，例如根据预处理测试数据与标准测试数据进行相减操作，得到相对偏差，根据相对偏差转换成绝对偏差。
步骤S42：判断偏差值是否小于预设的偏差阈值；
具体地，例如设置一个偏差阈值，如5。
步骤S43：确定偏差值小于预设的偏差阈值时，则根据预处理测试数据进行数值计算并结果转换，生成预处理测试结果；
具体地，例如根据预处理测试数据，进行相应的数值计算。例如，计算出数据的平均值、最大值、最小值等。根据预设的语义结果映射关系进行映射为语义结果的对应关系，如将分数从0~100分分为10个等级，每个等级对应一个评价结果；根据定义好的语义结果映射关系，对计算结果进行转换，如根据分数的大小，判断该分数属于哪个等级，从而获得对应的评价结果。
步骤S44：确定偏差值大于或等于预设的偏差阈值时，则根据预处理测试数据通过预设的测试数据识别模型进行识别计算，从而获得预处理测试结果。
具体地，例如测试数据识别模型通过机器学习算法进行构建，首先获取大量预处理过的PCB板标准测试数据进行特征提取，生成PCB板标准测试特征，根据PCB板标准测试特征进行相应的建模计算，如神经网络模型算法、支持向量机算法以及生成决策树算法，从而构建测试数据识别模型。
该实施例采用偏差计算来判断预处理测试数据与标准测试数据之间的差异程度，通过设定偏差阈值来判断预处理测试数据是否合格，能够快速准确地评估PCB板高阻抗的性能，避免了人工评估的主观性和不准确性。同时，该实施例还提供了两种方法来生成预处理测试结果，既能够基于数值计算进行结果转换，又能够基于测试数据识别模型进行识别计算，具有较高的灵活性和可操作性。
在本说明书的一个实施例中，偏差计算通过偏差计算公式进行计算，其中偏差计算公式具体为：
本实施例提供一种偏差计算公式，该公式充分考虑了调整项
、根据
以及
生成的调整系数
、第
个预处理测试数据的权重系数
、第
个预处理测试数据
、第
个标准测试数据的权重系数
、第
个标准测试数据
、初始系数
、数据总数
、数据总数的误差调整项
以及相互之间的作用关系，
用于调整偏差计算的精度和灵敏度，能够避免最敏感参数影响偏差值的计算结果，
通过根据
和
生成的调整系数，能够调整预处理测试数据和标准测试数据之间的权重比例，以便更准确地计算偏差值，通过权重系数
以及
对
以及
进行调整，从而更加准确地计算偏差值，通过彼此之间的差值以评估PCB板高阻抗的性能，通过偏差值的修正系数
进行修正，从而提供准确可靠的数据支撑。
在本说明书的一个实施例中，其中测试数据识别模型的构建步骤包括以下步骤：
步骤S401：获取标准预处理测试数据以及相应的阻抗性能标签，其中阻抗性能标签包括高阻抗性能标签以及低阻抗性能标签；
具体地，例如使用自动数据采集工具从样品数据库中获取标准预处理测试数据，并使用数据预处理软件对数据进行预处理和标注。
步骤S402：根据标准预处理测试数据以及相应的阻抗性能标签进行最小代价向量化，从而获得标准测试数据向量；
具体地，例如将相应的阻抗性能标签通过预设的数值向量映射关系转换，转化成自然数，如0、1以及2，同时将标准预处理测试数据中具备明显分类数据情况，如方差或偏差值在预设的第一标准偏差范围内，视为标准，如0，方差或偏差值在预设的第二标准偏差范围内，视为低误差，视为1，方差或偏差值在预设的第三标准偏差范围内，视为高误差，视为2。
步骤S403：构建一维卷积核，并利用一维卷积核对标准测试数据向量进行特征提取，从而获取标准测试数据特征向量；
具体地，例如构建一维卷积核，卷积核是一个权值矩阵，可以认为是一个低通滤波器，用于提取标准测试数据的低频特征；将标准测试数据向量与一维卷积核进行卷积运算。卷积运算的过程中，卷积核从左到右移动，对标准测试数据向量的每一个位置进行一次卷积；卷积运算的结果是一个标准测试数据特征向量。
步骤S404：将标准测试数据特征向量进行降维计算，从而获得降维特征向量；
具体地，例如使用PCA算法对标准测试数据特征向量进行降维处理；
按照预设的维度数对标准测试数据特征向量进行降维，从而得到降维特征向量。
步骤S405：根据降维特征向量进行预设的权重连接计算并根据相应的阻抗性能标签进行标记，从而构建测试数据识别模型。
具体地，例如在进行训练时，模型会根据预设的权重连接计算对训练数据进行标记，并通过比较预测标记与实际标记的差异，如生成预测偏差值，来更新模型的权重；
训练过程通常需要多次迭代，直到模型的权重已经充分更新，并且模型的预测标记与实际标记的差异已经趋近于最小为止，最终得到的测试数据识别模型即可根据相应的阻抗性能标签对测试数据进行标记。
本实施例可以通过获取标准预处理测试数据以及相应的阻抗性能标签，建立标准测试数据向量，并利用一维卷积核对标准测试数据向量进行特征提取，从而获取标准测试数据特征向量，提高模型对于数据的抽象和泛化能力；通过对标准测试数据特征向量进行降维计算，可以减少特征维度，提高模型的运算效率；根据降维特征向量通过预设的权重连接计算并根据相应的阻抗性能标签进行标记，可以构建测试数据识别模型，从而实现对未知数据的预测和分类，提高了高阻抗性能检测的准确性和可靠性。
在本说明书的一个实施例中，步骤S5具体为：
步骤S51：根据预处理测试结果通过阻抗相位计算，从而获得测试相位值；
具体地，例如对预处理测试结果进行傅里叶变换，从而获得频域测试结果；
计算频域测试结果的相角，从而获得测试相位值。
步骤S52：根据测试相位值与预设的标准相位值进行计算，从而获得比较相位值；
具体地，例如读入测试相位值和预设的标准相位值；
计算比较相位值，通常使用公式：比较相位值=测试相位值-标准相位值。
步骤S53：判断比较相位值是否小于或等于预设的相位差阈值；
具体地，例如对比较相位值进行分析和处理，如比较相位值与预设的阈值进行比较。
步骤S54：确定比较相位值小于或等于预设的相位差阈值时，则生成良好性能检测结果；
具体地，例如如果小于阈值，则说明测试数据与标准数据吻合。
步骤S55：确定比较相位值大于预设的相位差阈值时，则生成隐患性能检测结果，以供PCB板高阻抗的后续维护工作。
具体地，例如如果大于阈值，则说明测试数据与标准数据不吻合。
本实施例这种实施例中，通过阻抗相位计算和比较相位值的计算，可以快速确定PCB板的性能情况，包括良好性能和隐患性能。这可以帮助后续的维护工作快速识别并解决可能存在的高阻抗问题，提高PCB板的工作效率和稳定性。
本发明提供一种PCB板高阻抗的性能检测系统，所述系统包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任意一项所述的一种PCB板高阻抗的性能检测方法。
本发明通过获取PCB板测试参数，利用控制终端设定的多个测试点对PCB板进行测试，并根据预处理测试数据进行测试结果转换，从而获得预处理测试结果，通过预设的评估方式进行分析和评估，能够实现对PCB板高阻抗问题的精准检测；该方法能够对PCB板进行快速、高效的性能检测，对原始测试数据进行预处理、滤波处理、数据校验和校正作业等步骤，能够有效提高检测效率；该系统能够自动完成PCB板高阻抗的性能检测，不需要人工干预，可以大大提高测试的自动化水平；该方法利用预设的偏差计算公式进行计算，能够准确地评估PCB板的高阻抗问题；该系统能够对端点类测试点和链路类测试点进行测试，并通过阻抗相位计算和比较相位值等方法进行高阻抗问题的检测，具有实用性和应用价值。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种PCB板高阻抗的性能检测方法，其特征在于，应用于PCB板高阻抗测试系统，该PCB板高阻抗测试系统包括依次电性连接的控制终端、测试主机与探测单元，控制终端内设置有分析模组，测试主机包括脉冲发射单元、脉冲接收单元、电路开关、信号采集单元、PCBA组件与中央处理单元，脉冲发射单元与脉冲接收单元并联，并通过电路开关与探测单元电性连接，信号采集单元连接于脉冲接收单元与电路开关之间，PCBA组件电性连接于中央处理单元，脉冲发射单元包括依次电性连接的脉冲发生器、信号放大器、信号滤波器、信号耦合器以及信号输出器，脉冲接受单元与脉冲发生器均与PCBA组件电性连接，所述方法包括以下步骤：
步骤S1：获取PCB板测试参数，其中PCB板测试参数包括测试频率、测试电压以及测试模式；
步骤S2：根据PCB板测试参数通过控制终端设定的多个测试点对PCB板进行测试，从而获得原始测试数据；
步骤S3：对原始测试数据进行预处理，从而获得预处理测试数据；
步骤S4：根据预处理测试数据进行测试结果转换，从而获得预处理测试结果；
步骤S5：根据预处理测试结果通过预设的评估方式进行分析和评估，从而获得性能检测结果，以供PCB板高阻抗的后续维护工作。
2.根据权利要求1所述的方法，其特征在于，步骤S1具体为：
获取PCB板设计参数；
根据PCB板设计参数进行仿真计算，从而获得PCB板仿真测试参数；
利用PCB板测试基础模型对PCB板设计参数进行最大偏差特征提取，获取PCB板设计参数特征；
通过PCB板设计参数识别模型对PCB板设计参数特征进行识别计算，从而获得PCB板特征测试参数；
获取历史PCB板测试参数；
根据PCB板仿真测试参数以及PCB板特征测试参数通过历史PCB板测试参数进行历史参数率定并合并计算，从而获得PCB板测试参数。
3.根据权利要求1所述的方法，其特征在于，多个测试点包括端点类测试点以及链路类测试点，步骤S2具体为：
根据PCB板测试参数通过端点类测试点对PCB板施加电信号并测量单元的响应，从而获得第一原始测试数据；
根据PCB板测试参数通过链路类测试点对PCB板施加电信号并测量单元的响应，从而获得第二原始测试数据；
根据第一原始测试数据以及第二原始测试数据进行平滑均值计算，从而获得原始测试数据，将端点类测试点与链路类测试点汇集生成测试点集，其中原始测试数据包括测试点集的电阻数据、电容数据以及电感数据。
4.根据权利要求1所述的方法，其特征在于，步骤S3具体为：
根据原始测试数据进行滤波处理，从而获得滤波测试数据；
根据滤波测试数据通过数据校验，生成数据校验结果；
确定数据检验结果包括为假的数据检验结果时，根据数据校验结果对滤波测试数据进行数据校正作业，从而生成校验测试数据；
确定数据校验结果包括为真的数据检验结果时，则将滤波测试数据确定为校验测试数据；
根据多个测试点对应的校验测试数据进行时间对齐，从而获得预处理测试结果。
5.根据权利要求4所述的方法，其特征在于，其中数据校正作业具体为：
确定数据校验结果包括数据异常值时，则对滤波测试数据进行数据异常值去除处理，从而获得校验测试数据；
确定数据校验结果包括非法数据时，则获取历史滤波测试数据并利用历史滤波测试数据对滤波测试数据进行数据平滑处理，从而获得校验测试数据；
确定数据校验结果包括数据缺失时，则根据滤波测试数据通过线性插值法进行插值处理，从而获得校验测试数据。
6.根据权利要求1所述的方法，其特征在于，步骤S4具体为：
获取标准测试数据，并根据预处理测试数据与标准测试数据进行偏差计算，从而获得偏差值；
判断偏差值是否小于预设的偏差阈值；
确定偏差值小于预设的偏差阈值时，则根据预处理测试数据进行数值计算并结果转换，生成预处理测试结果；
确定偏差值大于或等于预设的偏差阈值时，则根据预处理测试数据通过预设的测试数据识别模型进行识别计算，从而获得预处理测试结果。
7.根据权利要求6所述的方法，其特征在于，偏差计算通过偏差计算公式进行计算，其中偏差计算公式具体为：
8.根据权利要求6所述的方法，其特征在于，其中测试数据识别模型的构建步骤包括以下步骤：
获取标准预处理测试数据以及相应的阻抗性能标签，其中阻抗性能标签包括高阻抗性能标签以及低阻抗性能标签；
根据标准预处理测试数据以及相应的阻抗性能标签进行最小代价向量化，从而获得标准测试数据向量；
构建一维卷积核，并利用一维卷积核对标准测试数据向量进行特征提取，从而获取标准测试数据特征向量；
将标准测试数据特征向量进行降维计算，从而获得降维特征向量；
根据降维特征向量进行预设的权重连接计算并根据相应的阻抗性能标签进行标记，从而构建测试数据识别模型。
9.根据权利要求1所述的方法，其特征在于，步骤S5具体为：
根据预处理测试结果通过阻抗相位计算，从而获得测试相位值；
根据测试相位值与预设的标准相位值进行计算，从而获得比较相位值；
判断比较相位值是否小于或等于预设的相位差阈值；
确定比较相位值小于或等于预设的相位差阈值时，则生成良好性能检测结果；
确定比较相位值大于预设的相位差阈值时，则生成隐患性能检测结果，以供PCB板高阻抗的后续维护工作。
10.一种PCB板高阻抗的性能检测系统，其特征在于，所述系统包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至9中任意一项所述的一种PCB板高阻抗的性能检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310323410.9A CN116027180B (zh) | 2023-03-30 | 2023-03-30 | 一种pcb板高阻抗的性能检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310323410.9A CN116027180B (zh) | 2023-03-30 | 2023-03-30 | 一种pcb板高阻抗的性能检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116027180A true CN116027180A (zh) | 2023-04-28 |
| CN116027180B CN116027180B (zh) | 2023-06-23 |
Family
ID=86072656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310323410.9A Active CN116027180B (zh) | 2023-03-30 | 2023-03-30 | 一种pcb板高阻抗的性能检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116027180B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117350226A (zh) * | 2023-09-26 | 2024-01-05 | 菏泽嘉诺网络科技有限公司 | 一种igbt器件的状态参数采集方法 |
| CN117572209A (zh) * | 2023-11-15 | 2024-02-20 | 深圳市一诺智控科技有限公司 | 一种智能门锁主板pcba测试方法 |
| CN117890215A (zh) * | 2024-03-14 | 2024-04-16 | 苏州先准电子科技有限公司 | 用于可拉伸电路板的性能检测方法及系统 |
| CN118278215A (zh) * | 2024-05-27 | 2024-07-02 | 长春理工大学 | 一种基于载荷模拟的设备抗冲击仿真系统及方法 |
| CN118362867A (zh) * | 2024-06-14 | 2024-07-19 | 深圳市创马优精密电子有限公司 | 一种pcba控制板测试方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101221210A (zh) * | 2007-11-30 | 2008-07-16 | 华南理工大学 | 一种成品线路板自动测试校正系统及其自动测试校正方法 |
| CN101413973A (zh) * | 2008-11-26 | 2009-04-22 | 电子科技大学 | 一种线路板特性阻抗测试系统和方法 |
| CN106950488A (zh) * | 2017-03-27 | 2017-07-14 | 联想(北京)有限公司 | 一种电路板及检测方法 |
| WO2020061619A1 (en) * | 2018-09-27 | 2020-04-02 | Impedimed Limited | Evaluating impedance measurements |
| CN115575794A (zh) * | 2022-09-14 | 2023-01-06 | 金禄电子科技股份有限公司 | 线路板线路阻值检测方法、装置、计算机设备和存储介质 |
-
2023
- 2023-03-30 CN CN202310323410.9A patent/CN116027180B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101221210A (zh) * | 2007-11-30 | 2008-07-16 | 华南理工大学 | 一种成品线路板自动测试校正系统及其自动测试校正方法 |
| CN101413973A (zh) * | 2008-11-26 | 2009-04-22 | 电子科技大学 | 一种线路板特性阻抗测试系统和方法 |
| CN106950488A (zh) * | 2017-03-27 | 2017-07-14 | 联想(北京)有限公司 | 一种电路板及检测方法 |
| WO2020061619A1 (en) * | 2018-09-27 | 2020-04-02 | Impedimed Limited | Evaluating impedance measurements |
| CN115575794A (zh) * | 2022-09-14 | 2023-01-06 | 金禄电子科技股份有限公司 | 线路板线路阻值检测方法、装置、计算机设备和存储介质 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117350226A (zh) * | 2023-09-26 | 2024-01-05 | 菏泽嘉诺网络科技有限公司 | 一种igbt器件的状态参数采集方法 |
| CN117572209A (zh) * | 2023-11-15 | 2024-02-20 | 深圳市一诺智控科技有限公司 | 一种智能门锁主板pcba测试方法 |
| CN117572209B (zh) * | 2023-11-15 | 2024-06-11 | 深圳市一诺智控科技有限公司 | 一种智能门锁主板pcba测试方法 |
| CN117890215A (zh) * | 2024-03-14 | 2024-04-16 | 苏州先准电子科技有限公司 | 用于可拉伸电路板的性能检测方法及系统 |
| CN117890215B (zh) * | 2024-03-14 | 2024-05-24 | 苏州先准电子科技有限公司 | 用于可拉伸电路板的性能检测方法及系统 |
| CN118278215A (zh) * | 2024-05-27 | 2024-07-02 | 长春理工大学 | 一种基于载荷模拟的设备抗冲击仿真系统及方法 |
| CN118362867A (zh) * | 2024-06-14 | 2024-07-19 | 深圳市创马优精密电子有限公司 | 一种pcba控制板测试方法及系统 |
| CN118362867B (zh) * | 2024-06-14 | 2024-09-06 | 深圳市创马优精密电子有限公司 | 一种pcba控制板测试方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116027180B (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116027180B (zh) | 一种pcb板高阻抗的性能检测方法及系统 | |
| US10054624B2 (en) | Electronic component classification | |
| US20240003968A1 (en) | Integrated circuit profiling and anomaly detection | |
| CN108593260B (zh) | 光缆线路故障定位和检测方法及终端设备 | |
| JP6361175B2 (ja) | 異常診断装置及びプログラム | |
| CN109376786A (zh) | 一种图像分类方法、装置、终端设备及可读存储介质 | |
| CN106529545B (zh) | 一种基于图像特征描述的散斑图像质量识别方法及系统 | |
| CN110533166B (zh) | 一种基于时空间融合特征的室内定位方法 | |
| CN111695620A (zh) | 一种电力系统时间序列异常数据检测与修正方法及系统 | |
| CN116552306B (zh) | 直流桩的监控系统及其方法 | |
| US11709474B2 (en) | Method and apparatus for detecting abnormality of manufacturing facility | |
| CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
| CN117272913A (zh) | 集成电路版图设计系统及方法 | |
| CN117171702A (zh) | 一种基于深度学习的多模态电网故障检测方法和系统 | |
| CN116451081A (zh) | 数据漂移的检测方法、装置、终端及存储介质 | |
| Leng et al. | Multi-layer parallel transformer model for detecting product quality issues and locating anomalies based on multiple time‑series process data in Industry 4.0 | |
| CN113591984A (zh) | 设备运行事件的检测方法、装置、电子设备和存储介质 | |
| CN117630797A (zh) | 基于工作电流的电表健康状态检测方法、系统及存储介质 | |
| CN111695319A (zh) | 一种实时补偿连接器串联回路电感的方法和设备 | |
| CN116796187A (zh) | 一种输电线局部放电检测方法 | |
| CN116188445A (zh) | 一种产品表面缺陷的检测定位方法、装置及终端设备 | |
| WO2020029155A1 (en) | Method for monitoring circuit breaker and apparaus and internet of things using the same | |
| CN110874600B (zh) | 基于机器学习的离子束溅射沉积薄膜凹坑与颗粒判别方法 | |
| CN110146120B (zh) | 一种传感器故障诊断方法及系统 | |
| CN108829978A (zh) | 基于统计特征评估与高斯过程回归的直流电源在线异常检测方法 |
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 |