CN117434372B - 电子产品的电磁兼容抗扰度测试方法及系统 - Google Patents
电子产品的电磁兼容抗扰度测试方法及系统 Download PDFInfo
- Publication number
- CN117434372B CN117434372B CN202311767136.0A CN202311767136A CN117434372B CN 117434372 B CN117434372 B CN 117434372B CN 202311767136 A CN202311767136 A CN 202311767136A CN 117434372 B CN117434372 B CN 117434372B
- Authority
- CN
- China
- Prior art keywords
- immunity
- target
- electronic product
- data
- electromagnetic
- 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
- 230000036039 immunity Effects 0.000 title claims abstract description 511
- 238000010998 test method Methods 0.000 title claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 199
- 230000015556 catabolic process Effects 0.000 claims abstract description 127
- 238000006731 degradation reaction Methods 0.000 claims abstract description 127
- 230000005672 electromagnetic field Effects 0.000 claims abstract description 112
- 239000013598 vector Substances 0.000 claims abstract description 110
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 238000013499 data model Methods 0.000 claims abstract description 56
- 238000004364 calculation method Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000013507 mapping Methods 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 230000001186 cumulative effect Effects 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 8
- 230000002457 bidirectional effect Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 5
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000005477 standard model Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000593 degrading effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Testing Electric Properties And Detecting Electric Faults (AREA)
Abstract
本发明涉及数据处理领域，公开了一种电子产品的电磁兼容抗扰度测试方法及系统，用于提高电子产品的电磁兼容抗扰度测试准确率。方法包括：基于目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；对电磁场强度分布区间以及目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；进行电子产品失效阈值识别，得到电子产品失效阈值；进行抗扰度累积退化量计算，得到抗扰度累积退化量；对电子产品失效阈值以及抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到目标抗扰度测试结果。
Description
技术领域
本发明涉及数据处理领域，尤其涉及一种电子产品的电磁兼容抗扰度测试方法及系统。
背景技术
电子产品的广泛应用使得其在不同环境下面临着各种电磁兼容性问题，包括电磁干扰和抗扰度等。电磁兼容抗扰度测试是保障电子产品在实际应用中能够在不同的电磁环境下正常运行的重要环节。随着电子产品的不断普及和功能复杂性的提升，其对电磁环境的适应性和抗扰度要求也变得越来越高。因此，为了确保电子产品在各种电磁环境下的稳定性和可靠性，进行电磁兼容抗扰度测试变得至关重要。
电磁环境是一个高度动态且复杂的系统，但传统的电磁兼容测试方法往往缺乏对这种复杂性的准确建模。现有方案基于固定强度的电磁场测试无法全面覆盖电子产品在实际使用中所遇到的各种复杂电磁场环境，进而导致现有方案的测试准确率低。
发明内容
本发明提供了一种电子产品的电磁兼容抗扰度测试方法及系统，用于提高电子产品的电磁兼容抗扰度测试准确率。
本发明第一方面提供了一种电子产品的电磁兼容抗扰度测试方法，所述电子产品的电磁兼容抗扰度测试方法包括：
基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；
对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；
对所述抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值；
对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量；
对所述电子产品失效阈值以及所述抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；
将所述目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到所述目标电子产品的目标抗扰度测试结果。
结合第一方面，在本发明第一方面的第一种实现方式中，所述基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据，包括：
基于预置的目标测试环境确定电磁场强度分布区间，并对所述电磁场强度分布区间进行梯度划分，生成多个电磁场强度梯度子区间；
基于所述多个电磁场强度梯度子区间，对目标电子产品进行抗扰度测试，并采集所述目标电子产品的多个性能参数数据；
分别对所述多个性能参数数据进行抗扰度计算，得到每个性能参数数据的初始抗扰度测试数据；
计算每个性能参数数据的抗扰度影响权重，并基于所述抗扰度影响权重，对所述初始抗扰度测试数据进行加权计算，得到每个性能参数数据的加权抗扰度测试数据；
对所述加权抗扰度测试数据进行数据融合处理，得到目标抗扰度测试数据。
结合第一方面，在本发明第一方面的第二种实现方式中，所述对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型，包括：
根据所述多个电磁场强度梯度子区间，对所述目标抗扰度测试数据进行数据分割，得到每个电磁场强度梯度子区间对应的抗扰度测试区间数据；
对所述抗扰度测试区间数据进行抗扰度离散化处理，得到离散化抗扰度测试数据点，并对每个电磁场强度梯度子区间进行电磁场强度离散化处理，得到离散化电磁场强度数据点；
通过预置的非概率失效评定图模型，对所述离散化抗扰度测试数据点以及所述离散化电磁场强度数据点进行关系量化分析，得到抗扰度关系数据模型。
结合第一方面，在本发明第一方面的第三种实现方式中，所述对所述抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值，包括：
对所述抗扰度关系数据模型进行曲线拟合，生成对应的抗扰度关系曲线；
对所述抗扰度关系曲线进行可靠域、不确定域以及失效域划分，得到对应的可靠域、不确定域以及失效域；
根据所述可靠域、所述不确定域以及所述失效域，对所述抗扰度关系曲线进行失效阈值临界点识别，得到失效阈值临界点；
对所述失效阈值临界点进行数值映射，生成对应的电子产品失效阈值。
结合第一方面，在本发明第一方面的第四种实现方式中，所述对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量，包括：
对所述抗扰度关系数据模型进行退化趋势检测，得到抗扰度退化趋势指标；
根据所述抗扰度退化趋势指标，创建所述抗扰度关系数据模型对应的抗扰度退化量计算函数；
根据所述抗扰度退化量计算函数，对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量。
结合第一方面，在本发明第一方面的第五种实现方式中，所述对所述电子产品失效阈值以及所述抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量，包括：
采用K-Bins算法对所述抗扰度累积退化量进行离散区间数计算，得到目标K值；
获取所述抗扰度累积退化量的最大值以及最小值，并根据所述最大值以及所述最小值确定对应的离散化区间范围；
根据所述目标K值以及所述离散化区间范围确定K个目标区间范围，并根据所述K个目标区间范围对所述抗扰度累积退化量进行映射处理，得到每个目标区间范围对应的抗扰度累积退化量；
根据每个目标区间范围对应的抗扰度累积退化量生成对应的多个抗扰度累积特征；
对所述多个抗扰度累积特征和所述电子产品失效阈值进行归一化处理和向量转换，得到目标抗扰度评价向量。
结合第一方面，在本发明第一方面的第六种实现方式中，所述将所述目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到所述目标电子产品的目标抗扰度测试结果，包括：
将所述目标抗扰度评价向量输入预置的标准电磁性能模型，其中，所述标准电磁性能模型包括第一双向门限循环网络、第二门限循环网络以及双层全连接层；
获取所述目标电子产品的电磁兼容抗扰度标准信息，并根据所述电磁兼容抗扰度标准信息构建对应的标准抗扰度评价向量；
将所述目标抗扰度评价向量输入所述第一双向门限循环网络进行特征提取，得到第一抗扰度特征向量，并将所述标准抗扰度评价向量输入所述第二门限循环网络进行特征提取，得到第二抗扰度特征向量；
对所述第一抗扰度特征向量以及所述第二抗扰度特征向量进行向量融合，得到融合抗扰度特征向量；
通过所述双层全连接层计算所述融合抗扰度特征向量的抗扰度评价分数，并基于所述抗扰度评价分数确定所述目标电子产品的目标抗扰度测试结果。
本发明第二方面提供了一种电子产品的电磁兼容抗扰度测试系统，所述电子产品的电磁兼容抗扰度测试系统包括：
测试模块，用于基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；
建模模块，用于对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；
识别模块，用于对所述抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值；
计算模块，用于对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量；
编码模块，用于对所述电子产品失效阈值以及所述抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；
分析模块，用于将所述目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到所述目标电子产品的目标抗扰度测试结果。
本发明第三方面提供了一种电子产品的电磁兼容抗扰度测试设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子产品的电磁兼容抗扰度测试设备执行上述的电子产品的电磁兼容抗扰度测试方法。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的电子产品的电磁兼容抗扰度测试方法。
本发明提供的技术方案中，基于目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；对电磁场强度分布区间以及目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；进行电子产品失效阈值识别，得到电子产品失效阈值；进行抗扰度累积退化量计算，得到抗扰度累积退化量；对电子产品失效阈值以及抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到目标抗扰度测试结果，本发明通过基于预置的目标测试环境确定电磁场强度分布区间，以及对多个电磁场强度梯度子区间进行抗扰度测试，更精准地模拟了真实世界中的多样化电磁环境，提高了测试的真实性和准确性。采用多个性能参数数据和抗扰度计算，通过抗扰度影响权重的加权计算，综合考虑了不同性能参数对抗扰度的影响，使得测试结果更全面、综合。通过对抗扰度关系曲线的曲线拟合和失效域划分，增强了对电子产品失效阈值的可靠性识别，提高了失效阈值的准确性和稳定性。引入了抗扰度累积退化量的概念，通过建立退化趋势检测和计算函数，考虑了电子产品在不同时间点的抗扰度情况，使测试结果更有时序性，更能反映电子产品随时间的性能变化。采用K-Bins算法对抗扰度累积退化量进行离散化处理，使得数据更易于处理和分析，有助于建立更有效的模型和更好的数据可视化。通过将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，引入了标准模型的分析，进而提高了电子产品的电磁兼容抗扰度测试准确率。
附图说明
图1为本发明实施例中电子产品的电磁兼容抗扰度测试方法的一个实施例示意图；
图2为本发明实施例中关系建模的流程图；
图3为本发明实施例中电子产品失效阈值识别的流程图；
图4为本发明实施例中抗扰度累积退化量计算的流程图；
图5为本发明实施例中电子产品的电磁兼容抗扰度测试系统的一个实施例示意图；
图6为本发明实施例中电子产品的电磁兼容抗扰度测试设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种电子产品的电磁兼容抗扰度测试方法及系统，用于提高电子产品的电磁兼容抗扰度测试准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中电子产品的电磁兼容抗扰度测试方法的一个实施例包括：
S101、基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；
可以理解的是，本发明的执行主体可以为电子产品的电磁兼容抗扰度测试系统，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的，基于预置的目标测试环境确定电磁场强度分布区间。根据电子产品预期的实际使用情况，模拟出相应的电磁场环境。这可以通过放置电子产品在一个具有多种电磁场强度的测试室中来实现。这个测试室会模拟电子产品在实际使用中面对的电磁场环境。所述电磁场强度分布区间会进一步细分成多个电磁场强度梯度子区间。这是为了更精细地评估电子产品的抗扰度。例如，电磁场强度梯度子区间可以代表不同的使用情境，例如手机在无线网络、蓝牙和Wi-Fi等不同信号频段下的性能。在每个电磁场强度梯度子区间中，目标电子产品会进行抗扰度测试，同时采集多个性能参数的数据。这些性能参数包括信号质量、数据传输速度、无线连接稳定性等等。针对每个性能参数数据，进行抗扰度计算，以获得每个性能参数数据的初始抗扰度测试数据。这个计算基于电子产品在每个子区间中的性能表现和所处电磁场强度的关系。例如，对于无线连接稳定性，抗扰度计算可以考虑在不同电磁场强度下的连接中断率。每个性能参数数据都具有不同的重要性，因此需要计算抗扰度影响权重。这些权重可以根据电子产品的用途和性能要求来确定。例如，对于一个医疗设备，安全性能比其他性能参数更加重要，因此其权重会更高。基于抗扰度影响权重，对初始抗扰度测试数据进行加权计算，以获得每个性能参数数据的加权抗扰度测试数据。这个过程可以确保更重要的性能参数对电子产品的整体抗扰度产生更大的影响。将所有性能参数的加权抗扰度测试数据进行数据融合处理，以得到目标抗扰度测试数据。这个数据融合过程会考虑不同性能参数之间的相互关系，以获得一个更全面的抗扰度评估。
S102、对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；
具体的，根据多个电磁场强度梯度子区间，将目标抗扰度测试数据进行数据分割，以获得每个电磁场强度梯度子区间对应的抗扰度测试区间数据。将每个子区间中的性能数据分离出来，以进行后续的分析。例如，每个子区间代表不同的信号强度范围。对抗扰度测试区间数据进行抗扰度离散化处理。这个步骤将连续的性能数据转化为离散化的数据点，以便更容易进行分析。例如，如果服务器正在测试一个传感器的准确性，将连续的传感器输出数据分割成几个离散的数据点，以便后续处理。同样，需要对每个电磁场强度梯度子区间进行电磁场强度离散化处理，将不同子区间中的电磁场强度值转化为离散数据点。这是为了确保服务器对不同的电磁条件进行比较和分析。通过使用预置的非概率失效评定图模型，对离散化抗扰度测试数据点以及离散化电磁场强度数据点进行关系量化分析。这个模型可以帮助服务器理解电磁场强度和性能数据之间的关系。例如，对于一个计算机处理器的性能，服务器使用这个模型来了解在不同电磁场条件下处理器的性能如何受到影响。通过将这些分析数据整合起来，可以建立抗扰度关系数据模型。这个模型将提供一个关于电子产品抗扰度的深入理解，可以用于预测电子产品在未来不同电磁场条件下的性能。
S103、对抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值；
需要说明的是，对抗扰度关系数据模型进行曲线拟合。这是通过将已经收集到的抗扰度测试数据与电磁场强度之间的关系拟合成曲线来实现的。这个曲线将代表电子产品的性能如何随着电磁场强度的变化而变化。随后，对抗扰度关系曲线进行可靠域、不确定域以及失效域的划分。这是为了将曲线分为不同的区域，以确定不同电磁场条件下的性能可靠性。可靠域表示电子产品在该区域内的性能是可靠的，不确定域表示性能不太稳定，而失效域表示性能已经达到了失效的点。这种划分可以根据不同产品和性能标准来调整。根据可靠域、不确定域以及失效域，对抗扰度关系曲线进行失效阈值临界点的识别。这是为了确定在哪个电磁场条件下电子产品的性能会达到失效的点。失效阈值临界点通常位于可靠域和不确定域之间，表示产品性能开始出现问题的阈值。对失效阈值临界点进行数值映射，生成对应的电子产品失效阈值。这个映射过程可以根据具体的产品和性能要求进行调整。失效阈值是一个重要的参考点，用于确定电子产品是否在特定电磁场条件下能够正常运行，或者是否需要进一步的改进和优化。例如，假设服务器建立了抗扰度关系曲线，然后划分了可靠域、不确定域和失效域。通过分析曲线，服务器确定了在某一电磁场强度下，电子产品的性能会开始下降，这是失效的阈值。
S104、对抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量；
具体的，对抗扰度关系数据模型进行退化趋势检测。这是通过分析抗扰度关系数据模型中的性能数据随时间或使用情境的变化来实现的。这可以使用统计方法、数据挖掘技术或机器学习算法来完成。退化趋势检测有助于确定电子产品性能是否在逐渐下降，以及下降的速度。根据抗扰度退化趋势指标，创建抗扰度关系数据模型对应的抗扰度退化量计算函数。这个函数将基于退化趋势指标来估算性能的退化量。函数的具体形式可以根据产品类型和性能参数的不同而有所不同。例如，考虑一种医疗设备，它在不同环境条件下的电磁抗扰度性能需要监测。根据已有的数据，可以建立一个退化量计算函数，该函数考虑了环境条件的影响，根据时间、温度、湿度等因素来估算设备性能的退化。根据抗扰度退化量计算函数，对抗扰度关系数据模型进行抗扰度累积退化量计算。这一步骤将使用计算函数来估算电子产品的抗扰度在特定时间段内或特定使用情境下的累积退化量。这有助于了解电子产品在实际使用中性能的变化情况。例如，考虑一个移动通信设备，使用该方法，可以计算出设备在一年内在不同地理位置和天气条件下的抗扰度累积退化量。这有助于制造商了解产品的长期性能和稳定性，以便采取必要的维护或改进措施。
S105、对电子产品失效阈值以及抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；
具体的，采用K-Bins算法对抗扰度累积退化量进行离散区间数计算，得到目标K值。K-Bins算法是一种常用于将连续数据划分为离散区间的方法。这个K值将决定最终生成的目标抗扰度评价向量的维度。K值的选择可以根据具体需求进行调整，以确保目标抗扰度评价向量具有合适的维度。获取抗扰度累积退化量的最大值和最小值，并根据这些值确定对应的离散化区间范围。这将用于将连续的抗扰度累积退化量数据划分为离散的区间。例如，如果抗扰度累积退化量的最大值为100，最小值为0，服务器将其划分为10个等宽的区间，每个区间的范围为0到10、10到20，以此类推。根据目标K值和离散化区间范围确定K个目标区间范围。这些目标区间范围将覆盖整个抗扰度累积退化量的范围，并用于将抗扰度累积退化量映射到不同的区间。这有助于将连续的数据转化为离散的特征。根据K个目标区间范围对抗扰度累积退化量进行映射处理，得到每个目标区间范围对应的抗扰度累积退化量。这将产生一系列特征，每个特征代表了一个目标区间范围内的抗扰度累积退化量。这些特征可以用于描述电子产品在不同区间内的性能表现。对生成的多个抗扰度累积特征和电子产品失效阈值进行归一化处理和向量转换，得到目标抗扰度评价向量。归一化确保不同特征的值在相同的尺度上，以便进行比较。向量转换将这些特征组合成一个综合的抗扰度评价向量，该向量可以用于表示电子产品的抗扰度性能。
S106、将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到目标电子产品的目标抗扰度测试结果。
具体的，将目标抗扰度评价向量输入预置的标准电磁性能模型。这个标准电磁性能模型通常由多个网络层组成，包括第一双向门限循环网络、第二门限循环网络以及双层全连接层。这些网络层用于处理输入的抗扰度评价向量，以提取特征并进行最终的性能评估。获取目标电子产品的电磁兼容抗扰度标准信息，并根据这些信息构建对应的标准抗扰度评价向量。这些标准抗扰度评价向量代表了电子产品应满足的电磁性能标准，例如在特定电磁场条件下的性能要求。标准抗扰度评价向量是用于与目标抗扰度评价向量进行比较的基准。将目标抗扰度评价向量输入第一双向门限循环网络进行特征提取，得到第一抗扰度特征向量。这一步骤涉及将输入向量传递给神经网络，以提取与电子产品的抗扰度性能相关的特征。这些特征通常是从输入数据中学习和提取的。同时，将标准抗扰度评价向量输入第二门限循环网络进行特征提取，得到第二抗扰度特征向量。这个网络用于提取与电子产品的电磁性能标准相关的特征。第一和第二抗扰度特征向量分别代表了电子产品的性能特征和标准要求的特征。对第一抗扰度特征向量和第二抗扰度特征向量进行向量融合，得到融合抗扰度特征向量。这一步骤将合并两个特征向量，以获得更全面的性能信息。融合后的特征向量包含了电子产品性能和标准要求的综合特征。通过双层全连接层计算融合抗扰度特征向量的抗扰度评价分数，并基于这个分数确定目标电子产品的抗扰度测试结果。全连接层用于将特征向量映射到一个单一的评价分数，该分数反映了电子产品的抗扰度性能。这个分数可以与标准要求进行比较，以确定电子产品是否满足电磁兼容抗扰度标准。例如，考虑一个智能手机的电磁兼容抗扰度测试。在此情况下，将智能手机的抗扰度评价向量与标准电磁性能模型相结合，以获得评价分数。如果分数高于电磁兼容抗扰度标准，则手机可以被认为是电磁兼容的，否则需要进行改进。
本发明实施例中，基于目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；对电磁场强度分布区间以及目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；进行电子产品失效阈值识别，得到电子产品失效阈值；进行抗扰度累积退化量计算，得到抗扰度累积退化量；对电子产品失效阈值以及抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到目标抗扰度测试结果，本发明通过基于预置的目标测试环境确定电磁场强度分布区间，以及对多个电磁场强度梯度子区间进行抗扰度测试，更精准地模拟了真实世界中的多样化电磁环境，提高了测试的真实性和准确性。采用多个性能参数数据和抗扰度计算，通过抗扰度影响权重的加权计算，综合考虑了不同性能参数对抗扰度的影响，使得测试结果更全面、综合。通过对抗扰度关系曲线的曲线拟合和失效域划分，增强了对电子产品失效阈值的可靠性识别，提高了失效阈值的准确性和稳定性。引入了抗扰度累积退化量的概念，通过建立退化趋势检测和计算函数，考虑了电子产品在不同时间点的抗扰度情况，使测试结果更有时序性，更能反映电子产品随时间的性能变化。采用K-Bins算法对抗扰度累积退化量进行离散化处理，使得数据更易于处理和分析，有助于建立更有效的模型和更好的数据可视化。通过将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，引入了标准模型的分析，进而提高了电子产品的电磁兼容抗扰度测试准确率。
在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：
（1）基于预置的目标测试环境确定电磁场强度分布区间，并对电磁场强度分布区间进行梯度划分，生成多个电磁场强度梯度子区间；
（2）基于多个电磁场强度梯度子区间，对目标电子产品进行抗扰度测试，并采集目标电子产品的多个性能参数数据；
（3）分别对多个性能参数数据进行抗扰度计算，得到每个性能参数数据的初始抗扰度测试数据；
（4）计算每个性能参数数据的抗扰度影响权重，并基于抗扰度影响权重，对初始抗扰度测试数据进行加权计算，得到每个性能参数数据的加权抗扰度测试数据；
（5）对加权抗扰度测试数据进行数据融合处理，得到目标抗扰度测试数据。
具体的，基于预置的目标测试环境确定电磁场强度分布区间。确定电磁场的范围和特性，这些特性包括频率、强度、方向等。这通常需要考虑电子产品在实际使用中遇到的各种电磁环境，以确保测试是全面的。例如，家用电子产品需要考虑在家庭中的Wi-Fi信号和其他无线设备的干扰。将电磁场强度分布区间进行梯度划分，生成多个电磁场强度梯度子区间。这一步骤旨在创建不同电磁场梯度的子区间，以涵盖更广泛的测试情境。例如，可以将电磁场分布区间划分为不同的子区间，包括低电磁干扰环境、中等电磁干扰环境和高电磁干扰环境。基于多个电磁场强度梯度子区间，对目标电子产品进行抗扰度测试，并采集多个性能参数数据。这一步骤包括将电子产品置于各个子区间中，模拟不同电磁环境下的性能。收集性能参数数据，这些数据包括设备的工作频率、传输速度、误码率等。分别对多个性能参数数据进行抗扰度计算，得到每个性能参数数据的初始抗扰度测试数据。抗扰度计算是用来评估电子产品在不同电磁场条件下的性能表现。例如，对于一个网络路由器，可以计算其在不同电磁干扰环境下的传输速度。随后，计算每个性能参数数据的抗扰度影响权重。这一步骤用于确定不同性能参数对电子产品抗扰度的影响程度。某些参数对性能更为关键，因此它们的权重应更高。基于抗扰度影响权重，对初始抗扰度测试数据进行加权计算，得到每个性能参数数据的加权抗扰度测试数据。这一步骤考虑了不同参数的相对重要性，以获得更全面的性能评估。对加权抗扰度测试数据进行数据融合处理，得到目标抗扰度测试数据。数据融合可以是简单的平均，也可以是更复杂的方法，以综合考虑各个性能参数的结果。最终的目标抗扰度测试数据代表了电子产品在不同电磁场强度梯度下的综合抗扰度性能。
在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：
S201、根据多个电磁场强度梯度子区间，对目标抗扰度测试数据进行数据分割，得到每个电磁场强度梯度子区间对应的抗扰度测试区间数据；
S202、对抗扰度测试区间数据进行抗扰度离散化处理，得到离散化抗扰度测试数据点，并对每个电磁场强度梯度子区间进行电磁场强度离散化处理，得到离散化电磁场强度数据点；
S203、通过预置的非概率失效评定图模型，对离散化抗扰度测试数据点以及离散化电磁场强度数据点进行关系量化分析，得到抗扰度关系数据模型。
具体的，根据多个电磁场强度梯度子区间，对目标抗扰度测试数据进行数据分割，以获得每个电磁场强度梯度子区间对应的抗扰度测试区间数据。这一步骤涉及将抗扰度测试数据根据不同的电磁场梯度子区间进行分类。每个子区间代表了不同的电磁环境条件，可以包括低、中、高电磁场强度等级。对抗扰度测试区间数据进行抗扰度离散化处理。这一步骤将连续的测试数据转化为离散的数据点。离散化包括将性能参数值划分为几个范围或区间，以便更好地理解数据的变化。同时，对每个电磁场强度梯度子区间进行电磁场强度离散化处理。这一步骤将不同电磁场强度值转化为离散的数据点。类似于抗扰度测试数据的离散化，电磁场强度的离散化也有助于将复杂的场强数据转化为更容易处理的形式。通过预置的非概率失效评定图模型，对离散化抗扰度测试数据点以及离散化电磁场强度数据点进行关系量化分析，以得到抗扰度关系数据模型。这一步骤涉及使用先验的模型来分析抗扰度数据和电磁场强度数据之间的关系。非概率失效评定图模型通常用于描述电子产品在不同条件下的性能。例如，不同的电磁场梯度子区间包括室内、户外、高电磁干扰环境等。测试数据包括设备的通信性能、响应时间等性能参数。通过将这些数据离散化并使用预置的非概率失效评定图模型，可以建立抗扰度关系数据模型，该模型描述了性能参数与电磁场强度之间的关系。
在一具体实施例中，如图3所示，执行步骤S103的过程可以具体包括如下步骤：
S301、对抗扰度关系数据模型进行曲线拟合，生成对应的抗扰度关系曲线；
S302、对抗扰度关系曲线进行可靠域、不确定域以及失效域划分，得到对应的可靠域、不确定域以及失效域；
S303、根据可靠域、不确定域以及失效域，对抗扰度关系曲线进行失效阈值临界点识别，得到失效阈值临界点；
S304、对失效阈值临界点进行数值映射，生成对应的电子产品失效阈值。
具体的，对抗扰度关系数据模型进行曲线拟合。这一步骤涉及将离散的抗扰度关系数据模型数据拟合成曲线，以更好地理解性能与电磁场强度之间的关系。曲线可以是各种数学模型，如线性、多项式、指数等。曲线拟合有助于可视化抗扰度关系数据，以便后续的分析和划分。对抗扰度关系曲线进行可靠域、不确定域和失效域的划分。这一步骤旨在将曲线划分为不同的区域，以表示性能在不同电磁场条件下的可靠性、不确定性和失效性。可靠域代表产品在各种电磁场条件下都能正常工作的区域，不确定域表示性能不确定但尚未失效的区域，而失效域表示性能已经达到失效状态的区域。随后，根据可靠域、不确定域和失效域，对抗扰度关系曲线进行失效阈值临界点识别。这一步骤涉及确定曲线上的某个点，它表示性能将从可靠状态转变为不确定状态，即失效的阈值临界点。这个阈值通常用于衡量产品在特定电磁条件下的性能极限。对失效阈值临界点进行数值映射，生成电子产品的失效阈值。这一步骤涉及将曲线上的临界点的位置映射到实际的性能参数值，以便制造商可以根据这个阈值来评估产品的抗扰度性能。
在一具体实施例中，如图4所示，执行步骤S104的过程可以具体包括如下步骤：
S401、对抗扰度关系数据模型进行退化趋势检测，得到抗扰度退化趋势指标；
S402、根据抗扰度退化趋势指标，创建抗扰度关系数据模型对应的抗扰度退化量计算函数；
S403、根据抗扰度退化量计算函数，对抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量。
具体的，对抗扰度关系数据模型进行退化趋势检测。这一步骤旨在分析抗扰度关系数据模型中的趋势，以确定性能是否随时间或电磁环境的变化而发生退化。这可以涉及统计分析、数据挖掘技术或机器学习算法，以检测性能数据的趋势。根据抗扰度退化趋势指标，创建抗扰度关系数据模型对应的抗扰度退化量计算函数。趋势指标提供了性能退化的度量，允许建立一个函数，将趋势指标映射到抗扰度退化量。这个函数可以是数学模型或算法，用于量化性能退化的程度。例如，可以使用指数函数来描述性能与时间的关系，以捕捉线性或非线性的退化趋势。根据抗扰度退化量计算函数，对抗扰度关系数据模型进行抗扰度累积退化量计算。这一步骤涉及将模型中的抗扰度数据与时间或电磁环境变量相结合，以计算抗扰度的累积退化量。这个累积退化量是一个重要指标，用于了解产品在特定条件下的性能退化情况。例如，考虑一个无线通信设备的抗扰度测试。通过分析抗扰度关系数据模型，可以检测到性能随时间的退化趋势。例如，设备的通信范围会随时间减小，这表明性能正在退化。可以使用指数退化函数来描述这种趋势，并根据该函数计算设备的抗扰度累积退化量。这个累积退化量可以用来评估设备在实际使用中的性能变化情况，从而有助于制造商采取相应的措施来维护或改进产品的性能。
在一具体实施例中，执行步骤S105的过程可以具体包括如下步骤：
（1）采用K-Bins算法对抗扰度累积退化量进行离散区间数计算，得到目标K值；
（2）获取抗扰度累积退化量的最大值以及最小值，并根据最大值以及最小值确定对应的离散化区间范围；
（3）根据目标K值以及离散化区间范围确定K个目标区间范围，并根据K个目标区间范围对抗扰度累积退化量进行映射处理，得到每个目标区间范围对应的抗扰度累积退化量；
（4）根据每个目标区间范围对应的抗扰度累积退化量生成对应的多个抗扰度累积特征；
（5）对多个抗扰度累积特征和电子产品失效阈值进行归一化处理和向量转换，得到目标抗扰度评价向量。
具体的，采用K-Bins算法对抗扰度累积退化量进行离散区间数计算，以确定目标K值。K-Bins算法是一种常用的数据分箱技术，它将连续数据分割成K个离散的区间，使数据更易分析。K值的选择通常基于数据的特性和所需的分辨率。获取抗扰度累积退化量的最大值和最小值，并根据这些值确定对应的离散化区间范围。这一步骤有助于确保所有的抗扰度累积退化量数据都在相同的范围内，以便后续处理。根据目标K值和离散化区间范围确定K个目标区间范围，并对抗扰度累积退化量进行映射处理，得到每个目标区间范围对应的抗扰度累积退化量。这一步骤将连续的抗扰度数据转化为K个不同的区间，每个区间表示一种抗扰度的水平。随后，根据每个目标区间范围对应的抗扰度累积退化量生成多个抗扰度累积特征。这些特征可以包括每个区间的平均值、标准差、中位数等统计信息，用于描述不同抗扰度水平的特性。对多个抗扰度累积特征和电子产品失效阈值进行归一化处理和向量转换，得到目标抗扰度评价向量。这个向量包含了用于评估产品抗扰度性能的多个特征，使制造商可以更全面地了解产品在不同电磁环境下的性能。例如，假设使用K-Bins算法，将抗扰度累积退化量数据分成10个区间，每个区间代表不同的抗扰度水平。对每个区间计算统计特征，例如平均值、标准差和中位数。将这些特征与设备的失效阈值进行归一化处理，并将它们组合成一个目标抗扰度评价向量，用于评估设备在不同电磁环境下的性能。
在一具体实施例中，执行步骤S106的过程可以具体包括如下步骤：
（1）将目标抗扰度评价向量输入预置的标准电磁性能模型，其中，标准电磁性能模型包括第一双向门限循环网络、第二门限循环网络以及双层全连接层；
（2）获取目标电子产品的电磁兼容抗扰度标准信息，并根据电磁兼容抗扰度标准信息构建对应的标准抗扰度评价向量；
（3）将目标抗扰度评价向量输入第一双向门限循环网络进行特征提取，得到第一抗扰度特征向量，并将标准抗扰度评价向量输入第二门限循环网络进行特征提取，得到第二抗扰度特征向量；
（4）对第一抗扰度特征向量以及第二抗扰度特征向量进行向量融合，得到融合抗扰度特征向量；
（5）通过双层全连接层计算融合抗扰度特征向量的抗扰度评价分数，并基于抗扰度评价分数确定目标电子产品的目标抗扰度测试结果。
具体的，标准电磁性能模型通常由多个层次构成，包括第一双向门限循环网络、第二门限循环网络以及双层全连接层。这些层次通常用于对输入的抗扰度评价向量进行特征提取和分析。在电磁兼容抗扰度测试中，这些层次的目的是将输入的向量转化为有意义的特征，以便评估电子产品的电磁性能。获取目标电子产品的电磁兼容抗扰度标准信息，并根据这些标准信息构建对应的标准抗扰度评价向量。这个标准评价向量通常包含了产品应该达到的电磁性能标准。这可以包括抗扰度的阈值、性能等级或其他相关信息。将目标抗扰度评价向量输入第一双向门限循环网络进行特征提取，得到第一抗扰度特征向量。这个步骤涉及使用模型的第一层来提取抗扰度评价向量的特征，这些特征通常与产品的电磁性能相关。同时，将标准抗扰度评价向量输入第二门限循环网络进行特征提取，得到第二抗扰度特征向量。第二层的目的是进一步提取关于产品电磁性能的特征，以更好地与标准进行比较。对第一抗扰度特征向量以及第二抗扰度特征向量进行向量融合，得到融合抗扰度特征向量。这一步骤可以包括简单的向量拼接或更复杂的特征融合技术，以综合考虑从两个层次提取的特征。通过双层全连接层计算融合抗扰度特征向量的抗扰度评价分数，并基于抗扰度评价分数确定目标电子产品的目标抗扰度测试结果。这一步骤涉及使用神经网络或其他模型来将融合的特征映射到最终的评价分数，这个分数可以帮助判断产品是否符合电磁兼容抗扰度标准。例如，假设将设备的抗扰度评价向量输入标准电磁性能模型，该模型包括两个门限循环网络和双层全连接层。模型会提取关于设备性能的特征，然后与电磁兼容抗扰度标准进行比较，计算出设备的抗扰度评价分数，从而判断设备是否符合标准。
上面对本发明实施例中电子产品的电磁兼容抗扰度测试方法进行了描述，下面对本发明实施例中电子产品的电磁兼容抗扰度测试系统进行描述，请参阅图5，本发明实施例中电子产品的电磁兼容抗扰度测试系统一个实施例包括：
测试模块501，用于基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；
建模模块502，用于对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；
识别模块503，用于对所述抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值；
计算模块504，用于对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量；
编码模块505，用于对所述电子产品失效阈值以及所述抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；
分析模块506，用于将所述目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到所述目标电子产品的目标抗扰度测试结果。
通过上述各个组成部分的协同合作，基于目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；对电磁场强度分布区间以及目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；进行电子产品失效阈值识别，得到电子产品失效阈值；进行抗扰度累积退化量计算，得到抗扰度累积退化量；对电子产品失效阈值以及抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到目标抗扰度测试结果，本发明通过基于预置的目标测试环境确定电磁场强度分布区间，以及对多个电磁场强度梯度子区间进行抗扰度测试，更精准地模拟了真实世界中的多样化电磁环境，提高了测试的真实性和准确性。采用多个性能参数数据和抗扰度计算，通过抗扰度影响权重的加权计算，综合考虑了不同性能参数对抗扰度的影响，使得测试结果更全面、综合。通过对抗扰度关系曲线的曲线拟合和失效域划分，增强了对电子产品失效阈值的可靠性识别，提高了失效阈值的准确性和稳定性。引入了抗扰度累积退化量的概念，通过建立退化趋势检测和计算函数，考虑了电子产品在不同时间点的抗扰度情况，使测试结果更有时序性，更能反映电子产品随时间的性能变化。采用K-Bins算法对抗扰度累积退化量进行离散化处理，使得数据更易于处理和分析，有助于建立更有效的模型和更好的数据可视化。通过将目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，引入了标准模型的分析，进而提高了电子产品的电磁兼容抗扰度测试准确率。
上面图5从模块化功能实体的角度对本发明实施例中的电子产品的电磁兼容抗扰度测试系统进行详细描述，下面从硬件处理的角度对本发明实施例中电子产品的电磁兼容抗扰度测试设备进行详细描述。
图6是本发明实施例提供的一种电子产品的电磁兼容抗扰度测试设备的结构示意图，该电子产品的电磁兼容抗扰度测试设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对电子产品的电磁兼容抗扰度测试设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在电子产品的电磁兼容抗扰度测试设备600上执行存储介质630中的一系列指令操作。
电子产品的电磁兼容抗扰度测试设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Server，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的电子产品的电磁兼容抗扰度测试设备结构并不构成对电子产品的电磁兼容抗扰度测试设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种电子产品的电磁兼容抗扰度测试设备，所述电子产品的电磁兼容抗扰度测试设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述电子产品的电磁兼容抗扰度测试方法的步骤。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述电子产品的电磁兼容抗扰度测试方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种电子产品的电磁兼容抗扰度测试方法，其特征在于，所述电子产品的电磁兼容抗扰度测试方法包括：
基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；
对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；
对所述抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值；
对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量；
对所述电子产品失效阈值以及所述抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；
将所述目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到所述目标电子产品的目标抗扰度测试结果。
2.根据权利要求1所述的电子产品的电磁兼容抗扰度测试方法，其特征在于，所述基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据，包括：
基于预置的目标测试环境确定电磁场强度分布区间，并对所述电磁场强度分布区间进行梯度划分，生成多个电磁场强度梯度子区间；
基于所述多个电磁场强度梯度子区间，对目标电子产品进行抗扰度测试，并采集所述目标电子产品的多个性能参数数据；
分别对所述多个性能参数数据进行抗扰度计算，得到每个性能参数数据的初始抗扰度测试数据；
计算每个性能参数数据的抗扰度影响权重，并基于所述抗扰度影响权重，对所述初始抗扰度测试数据进行加权计算，得到每个性能参数数据的加权抗扰度测试数据；
对所述加权抗扰度测试数据进行数据融合处理，得到目标抗扰度测试数据。
3.根据权利要求2所述的电子产品的电磁兼容抗扰度测试方法，其特征在于，所述对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型，包括：
根据所述多个电磁场强度梯度子区间，对所述目标抗扰度测试数据进行数据分割，得到每个电磁场强度梯度子区间对应的抗扰度测试区间数据；
对所述抗扰度测试区间数据进行抗扰度离散化处理，得到离散化抗扰度测试数据点，并对每个电磁场强度梯度子区间进行电磁场强度离散化处理，得到离散化电磁场强度数据点；
通过预置的非概率失效评定图模型，对所述离散化抗扰度测试数据点以及所述离散化电磁场强度数据点进行关系量化分析，得到抗扰度关系数据模型。
4.根据权利要求1所述的电子产品的电磁兼容抗扰度测试方法，其特征在于，所述对所述抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值，包括：
对所述抗扰度关系数据模型进行曲线拟合，生成对应的抗扰度关系曲线；
对所述抗扰度关系曲线进行可靠域、不确定域以及失效域划分，得到对应的可靠域、不确定域以及失效域；
根据所述可靠域、所述不确定域以及所述失效域，对所述抗扰度关系曲线进行失效阈值临界点识别，得到失效阈值临界点；
对所述失效阈值临界点进行数值映射，生成对应的电子产品失效阈值。
5.根据权利要求1所述的电子产品的电磁兼容抗扰度测试方法，其特征在于，所述对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量，包括：
对所述抗扰度关系数据模型进行退化趋势检测，得到抗扰度退化趋势指标；
根据所述抗扰度退化趋势指标，创建所述抗扰度关系数据模型对应的抗扰度退化量计算函数；
根据所述抗扰度退化量计算函数，对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量。
6.根据权利要求1所述的电子产品的电磁兼容抗扰度测试方法，其特征在于，所述对所述电子产品失效阈值以及所述抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量，包括：
采用K-Bins算法对所述抗扰度累积退化量进行离散区间数计算，得到目标K值；
获取所述抗扰度累积退化量的最大值以及最小值，并根据所述最大值以及所述最小值确定对应的离散化区间范围；
根据所述目标K值以及所述离散化区间范围确定K个目标区间范围，并根据所述K个目标区间范围对所述抗扰度累积退化量进行映射处理，得到每个目标区间范围对应的抗扰度累积退化量；
根据每个目标区间范围对应的抗扰度累积退化量生成对应的多个抗扰度累积特征；
对所述多个抗扰度累积特征和所述电子产品失效阈值进行归一化处理和向量转换，得到目标抗扰度评价向量。
7.根据权利要求1所述的电子产品的电磁兼容抗扰度测试方法，其特征在于，所述将所述目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到所述目标电子产品的目标抗扰度测试结果，包括：
将所述目标抗扰度评价向量输入预置的标准电磁性能模型，其中，所述标准电磁性能模型包括第一双向门限循环网络、第二门限循环网络以及双层全连接层；
获取所述目标电子产品的电磁兼容抗扰度标准信息，并根据所述电磁兼容抗扰度标准信息构建对应的标准抗扰度评价向量；
将所述目标抗扰度评价向量输入所述第一双向门限循环网络进行特征提取，得到第一抗扰度特征向量，并将所述标准抗扰度评价向量输入所述第二门限循环网络进行特征提取，得到第二抗扰度特征向量；
对所述第一抗扰度特征向量以及所述第二抗扰度特征向量进行向量融合，得到融合抗扰度特征向量；
通过所述双层全连接层计算所述融合抗扰度特征向量的抗扰度评价分数，并基于所述抗扰度评价分数确定所述目标电子产品的目标抗扰度测试结果。
8.一种电子产品的电磁兼容抗扰度测试系统，其特征在于，所述电子产品的电磁兼容抗扰度测试系统包括：
测试模块，用于基于预置的目标测试环境确定电磁场强度分布区间，并对目标电子产品进行抗扰度测试和数据分析，得到目标抗扰度测试数据；
建模模块，用于对所述电磁场强度分布区间以及所述目标抗扰度测试数据进行关系建模，得到抗扰度关系数据模型；
识别模块，用于对所述抗扰度关系数据模型进行电子产品失效阈值识别，得到电子产品失效阈值；
计算模块，用于对所述抗扰度关系数据模型进行抗扰度累积退化量计算，得到抗扰度累积退化量；
编码模块，用于对所述电子产品失效阈值以及所述抗扰度累积退化量进行编码映射，生成目标抗扰度评价向量；
分析模块，用于将所述目标抗扰度评价向量输入预置的标准电磁性能模型进行电子产品电磁性能分析，得到所述目标电子产品的目标抗扰度测试结果。
9.一种电子产品的电磁兼容抗扰度测试设备，其特征在于，所述电子产品的电磁兼容抗扰度测试设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述电子产品的电磁兼容抗扰度测试设备执行如权利要求1-7中任一项所述的电子产品的电磁兼容抗扰度测试方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的电子产品的电磁兼容抗扰度测试方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311767136.0A CN117434372B (zh) | 2023-12-21 | 2023-12-21 | 电子产品的电磁兼容抗扰度测试方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311767136.0A CN117434372B (zh) | 2023-12-21 | 2023-12-21 | 电子产品的电磁兼容抗扰度测试方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117434372A CN117434372A (zh) | 2024-01-23 |
| CN117434372B true CN117434372B (zh) | 2024-03-08 |
Family
ID=89556923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311767136.0A Active CN117434372B (zh) | 2023-12-21 | 2023-12-21 | 电子产品的电磁兼容抗扰度测试方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117434372B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117647694B (zh) * | 2024-01-29 | 2024-04-09 | 深圳市微克科技股份有限公司 | 一种适用于智能手表加工过程的质量检测方法 |
| CN118091281B (zh) * | 2024-02-26 | 2024-08-02 | 江苏省产品质量监督检验研究院 | 一种基于大数据的电磁兼容性测试仿真分析方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19507809A1 (de) * | 1995-03-06 | 1996-09-12 | Gunter Dipl Ing Langer | Meßverfahren zur Erfassung pulsförmiger Störgrößen |
| JP2018005831A (ja) * | 2016-07-08 | 2018-01-11 | ローム株式会社 | コンピュータシミュレーション方法 |
| CN110716166A (zh) * | 2019-10-09 | 2020-01-21 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种电气二次设备电磁兼容测试结果验证的方法 |
| CN114021302A (zh) * | 2021-08-09 | 2022-02-08 | 国网青海省电力公司信息通信公司 | 输电线路的寿命评估方法、装置、系统及存储介质 |
| CN114646907A (zh) * | 2021-12-24 | 2022-06-21 | 中铁二院工程集团有限责任公司 | 一种基于机器学习的轨道交通低频磁场现场测量方法 |
| CN116108697A (zh) * | 2023-04-04 | 2023-05-12 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 基于多元性能退化的加速试验数据处理方法、装置和设备 |
| CN116126009A (zh) * | 2022-09-26 | 2023-05-16 | 深圳供电局有限公司 | 一种基于磁场分析的配网无人机抗电磁干扰巡视方法及系统 |
| CN116977550A (zh) * | 2023-06-13 | 2023-10-31 | 中国民用航空飞行学院 | 一种基于射线追踪的电磁干扰覆盖范围评估方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2022167044A (ja) * | 2021-04-22 | 2022-11-04 | 富士通株式会社 | Ｅｍｉ算出プログラム、ｅｍｉ算出方法およびｅｍｉ算出装置 |
-
2023
- 2023-12-21 CN CN202311767136.0A patent/CN117434372B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19507809A1 (de) * | 1995-03-06 | 1996-09-12 | Gunter Dipl Ing Langer | Meßverfahren zur Erfassung pulsförmiger Störgrößen |
| JP2018005831A (ja) * | 2016-07-08 | 2018-01-11 | ローム株式会社 | コンピュータシミュレーション方法 |
| CN110716166A (zh) * | 2019-10-09 | 2020-01-21 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种电气二次设备电磁兼容测试结果验证的方法 |
| CN114021302A (zh) * | 2021-08-09 | 2022-02-08 | 国网青海省电力公司信息通信公司 | 输电线路的寿命评估方法、装置、系统及存储介质 |
| CN114646907A (zh) * | 2021-12-24 | 2022-06-21 | 中铁二院工程集团有限责任公司 | 一种基于机器学习的轨道交通低频磁场现场测量方法 |
| CN116126009A (zh) * | 2022-09-26 | 2023-05-16 | 深圳供电局有限公司 | 一种基于磁场分析的配网无人机抗电磁干扰巡视方法及系统 |
| CN116108697A (zh) * | 2023-04-04 | 2023-05-12 | 中国电子产品可靠性与环境试验研究所（（工业和信息化部电子第五研究所）（中国赛宝实验室）） | 基于多元性能退化的加速试验数据处理方法、装置和设备 |
| CN116977550A (zh) * | 2023-06-13 | 2023-10-31 | 中国民用航空飞行学院 | 一种基于射线追踪的电磁干扰覆盖范围评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| On the Maximum Expected Electric Field in Electrically Small, Undermoded Enclosures;Paul Bremner, et al.;2019 ESA Workshop on Aerospace EMC (Aerospace EMC);20190818;第1-8页 * |
| 炮口感应装定系统中的电磁兼容性研究;黄学功 等;弹箭与制导学报;20030815;第23卷(第5期);第115-117页 * |
| 罗氏线圈采集器的电磁抗扰度的研究;段显壮 等;电力电子技术;20170620;51(第06期);第89-91页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117434372A (zh) | 2024-01-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117434372B (zh) | 电子产品的电磁兼容抗扰度测试方法及系统 | |
| Worden et al. | Novelty detection in a changing environment: regression and interpolation approaches | |
| CN111400371A (zh) | 一种基于电压相关性校验的户变关系识别方法 | |
| CN115982602B (zh) | 一种光伏变压器电故障检测方法 | |
| Peterson et al. | The good, the bad and the outliers: automated detection of errors and outliers from groundwater hydrographs | |
| CN109389325B (zh) | 基于小波神经网络的变电站电子式互感器状态评估方法 | |
| CN110260774B (zh) | 一种基于Pettitt算法的GNSS变形信息检验与预警方法 | |
| CN111881594B (zh) | 一种核动力设备的非平稳信号状态监测方法及系统 | |
| CN109063885A (zh) | 一种变电站异常量测数据预测方法 | |
| CN117590159A (zh) | 一种基于深度学习的隧道电缆供电状态监测方法及系统 | |
| CN116520068B (zh) | 一种电力数据的诊断方法、装置、设备及存储介质 | |
| CN116756595A (zh) | 一种导电滑环故障数据采集监测方法 | |
| CN117111544B (zh) | 一种自动适配的楼宇物联网监控方法及系统 | |
| CN115224794A (zh) | 一种基于物联网技术的配电网监测方法 | |
| CN117368651A (zh) | 一种配电网故障综合分析系统及方法 | |
| CN116662771A (zh) | 电容式电压互感器自适应pca误差定量评价的方法及系统 | |
| CN117454283A (zh) | 一种用于风电机组运行检测数据的状态评估方法 | |
| CN111505064A (zh) | 一种催化燃烧式甲烷传感器服役状态评价方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN116401532A (zh) | 一种电力系统受扰后频率失稳识别方法及系统 | |
| CN117857225A (zh) | 一种新能源电站采集终端用的身份认证系统及方法 | |
| 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 | |
| CN115343579B (zh) | 一种电网故障分析方法、装置及电子设备 | |
| CN103475527B (zh) | 一种网管故障可信度分析系统及方法 | |
| CN116341698A (zh) | 一种基于时间序列预测模型的大坝变形监测分析方法 |
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 |