CN107918704A - 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 - Google Patents
电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN107918704A CN107918704A CN201711108210.2A CN201711108210A CN107918704A CN 107918704 A CN107918704 A CN 107918704A CN 201711108210 A CN201711108210 A CN 201711108210A CN 107918704 A CN107918704 A CN 107918704A
- Authority
- CN
- China
- Prior art keywords
- charge amplifier
- storage life
- characteristic
- parameter
- sequence
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Amplifiers (AREA)
Abstract
本发明涉及一种电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备。首先获取电荷放大器贮存寿命的特征参数以及特征参数对应的特征数据序列,当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列,根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型,通过表征电荷放大器寿命特征的特征参数,得到建模特征数据序列,基于时间响应函数,进而得到电荷放大器贮存寿命的预测模型,以计算电荷放大器贮存寿命,这样解决了电荷放大器贮存寿命无法预测的问题,建立了电荷放大器的贮存寿命预测模型,能实现对电荷放大器的贮存寿命进行预测。
Description
技术领域
本发明涉及电子器件检测技术领域,特别是涉及一种电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备。
背景技术
随着科学技术的发展,电子设备的普及率越来越高,贮存寿命是电子设备的一项重要指标。电荷放大器作为必不可少的信号适调器,它能够将传感器输出的微弱电荷信号转化为放大的电压信号,同时又能够将传感器的高阻抗输出转换成低阻抗输出,还能防止电源短路,因而被广泛应用于微弱信号检测领域。
电荷放大器是测试***的一个串联环节,它的失效直接影响整个***的失效,因此,对电荷放大器的贮存寿命进行研究是非常重要的。传统的,通过加速寿命试验获取产品的失效寿命数据,进而建立寿命预测模型,但在有限的加速试验时间内,很难获得电荷放大器的失效数据,往往没有失效数据,因而无法对电荷放大器建立寿命预测模型。
发明内容
基于此,有必要针对上述问题,提供一种可实现对电荷放大器的贮存寿命进行预测的电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备。
一种电荷放大器贮存寿命的预测方法,包括:
获取电荷放大器贮存寿命的特征参数以及特征参数对应的特征数据序列;
当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列;
根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型;
根据电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命。
一种电荷放大器贮存寿命的预测装置,包括:
特征参数获取模块,用于获取电荷放大器贮存寿命的特征参数以及特征参数对应的特征数据序列;
建模序列获取模块,用于当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列;
预测模型获取模块,用于根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型;
贮存寿命计算模块,用于根据电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命。
一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行该程序时实现上述方法的步骤。
上述电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备,首先确定电荷放大器贮存寿命的特征参数,并获取特征参数对应的特征数据序列,当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列,根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型,根据电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命,通过表征电荷放大器寿命特征的特征参数,得到建模特征数据序列,基于时间响应函数,进而得到电荷放大器贮存寿命的预测模型,以计算电荷放大器贮存寿命,这样解决了电荷放大器贮存寿命无法预测的问题,建立了电荷放大器的贮存寿命预测模型,能实现对电荷放大器的贮存寿命进行预测。
附图说明
图1为一个实施例中电荷放大器贮存寿命的预测方法的流程示意图;
图2为一个实施例中电荷放大器贮存寿命的预测方法的流程示意图;
图3为一个实施例中电荷放大器贮存寿命的预测方法的流程示意图;
图4为一个实施例中电荷放大器贮存寿命的预测装置的结构示意图;
图5为一个实施例中电荷放大器贮存寿命的预测装置的结构示意图;
图6为一个实施例中电荷放大器增益的数据走向图。
具体实施方式
如图1所示,一种电荷放大器贮存寿命的预测方法,包括:
S100,获取电荷放大器贮存寿命的特征参数以及特征参数对应的特征数据序列。
电荷放大器包括电荷变换级、适调级、低通滤波器、高通滤波器、末级功放、电源等几部分,电荷放大器贮存寿命的性能参数包括频率、噪声性能、频率响应以及增益。
在一个实施例中,如图2所示,获取电荷放大器贮存寿命的特征参数的步骤具体可以包括:S120,获取电荷放大器贮存寿命的各性能参数对应的监测数据序列;S140,对各监测数据序列进行均值和方差的无偏估计,得到各性能参数对应的统计量;以及S160,将各性能参数对应的统计量分别与预设统计量进行比较,得到电荷放大器贮存寿命的特征参数。
电荷放大器贮存寿命的各性能参数包括频率、噪声性能、频率响应以及增益,获取各性能参数对应的监测数据,分别对应地组成监测数据序列。对各监测数据序列进行均值和方差的无偏估计,得到各性能参数对应的统计量,将各性能参数对应的统计量分别与预设统计量进行比较,具体地,当某性能参数的统计量大于该性能参数的预设统计量时,将该性能参数作为电荷放大器贮存寿命的特征参数。以增益监测数据序列为例,对增益监测数据序列求取均值和方差的无偏估计,进而求取得到电荷放大器的增益对应的统计量,将计算得到的统计量与预设统计量进行比较,当计算得到的统计量大于或等于预设统计量时,说明增益有显著的退化,分别对其它性能参数进行同样的处理,将有显著的退化的性能参数作为电荷放大器贮存寿命的特征参数。
在一个实施例中,如图2所示,获取特征参数对应的特征数据序列的步骤具体可以包括:S180,获取特征参数对应的特征数据监测序列;以及S190,基于插值法对特征数据监测序列进行处理,得到特征数据序列。
确定电荷放大器的特征参数之后,获取特征参数对应的特征数据监测序列,比如,电荷放大器的增益监测数据序列为:{1.989,1.98,1.98,1.98,1.98,1.94,1.97,1.93,1.93},由此可见,该序列存在突变点1.97,基于插值法对该序列进行处理,得到特征数据序列为:{1.989,1.98,1.98,1.98,1.98,1.94,1.935,1.93,1.93}。基于插值法对序列进行处理就是知道了序列整体趋势,通过前一个数据和后一个数据,用一个估算值代替突变值。
S200,当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列。
对特征数据序列进行单调性检验,比如电荷放大器的特征数据序列{1.989,1.98,1.98,1.98,1.98,1.94,1.935,1.93,1.93},可以看出该特征数据序列单调递减,且各监测数据值大于增益的预设失效阈值1.89,因此,该序列可作为建模特征数据序列。
S300,根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型。
时间响应函数具有适合于少数据、贫信息建模的优点,根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型的步骤,如图3所示,具体可以包括:S320,建立时间响应函数的表达式,时间响应函数的表达式包括第一参数和第二参数;S340,建立第一参数的计算公式和第二参数的计算公式,基于建模特征数据序列,求解得到第一参数数值和第二参数数值;S360,根据第一参数数值、第二参数数值和时间响应函数的表达式,得到电荷放大器的特征参数对应的时间响应函数;以及S380,根据特征参数对应的预设失效阈值和特征参数对应的时间响应函数,得到电荷放大器贮存寿命的预测模型。
时间响应函数的表达式为:
第一参数a的计算公式为:
第二参数b的计算公式为:
基于建模特征数据序列,求解得到第一参数数值和第二参数数值,具体地,a=0.0032,b=1.9849。
由此得到电荷放大器的特征参数对应的时间响应函数为:
根据特征参数对应的预设失效阈值1.89和特征参数对应的时间响应函数,得到电荷放大器贮存寿命的预测模型为:
其中,t表示电荷放大器的贮存寿命,X失效阈值表示电荷放大器贮存寿命的特征参数的失效阈值,X初始表示电荷放大器贮存寿命的特征参数的初始值。
S400,根据电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命。
将电荷放大器贮存寿命的特征参数的失效阈值以及电荷放大器贮存寿命的特征参数的初始值代入电荷放大器贮存寿命的预测模型的表达式中,得到电荷放大器贮存寿命。
一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行该程序时实现上述方法的步骤。
上述电荷放大器贮存寿命预测方法、存储介质和计算机设备,首先获取电荷放大器贮存寿命的特征参数以及特征参数对应的特征数据序列,当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列,根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型,根据电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命,通过表征电荷放大器寿命特征的特征参数,得到建模特征数据序列,基于时间响应函数,进而得到电荷放大器贮存寿命的预测模型,以计算电荷放大器贮存寿命,这样解决了电荷放大器贮存寿命无法预测的问题,建立了电荷放大器的贮存寿命预测模型,能实现对电荷放大器的贮存寿命进行预测。
在一个实施例中,电荷放大器贮存寿命的预测方法中根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型的步骤之后还包括:
基于平均相对误差的计算公式,对电荷放大器贮存寿命的预测模型进行精准度校验。
平均相对误差的计算公式为:
基于建模特征数据序列,对电荷放大器贮存寿命的预测模型进行精准度校验,计算得到误差小于预设工程误差值5%,因此,该预测模型可以用于长期预测。
在一个实施例中,如图4所示,一种电荷放大器贮存寿命的预测装置,包括:
特征参数获取模块100,用于获取电荷放大器贮存寿命的特征参数以及特征参数对应的特征数据序列;
建模序列获取模块200,用于当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列;
预测模型获取模块300,用于根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型;
贮存寿命计算模块400,用于根据电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命。
上述电荷放大器贮存寿命预测装置,包括特征参数获取模块100、建模序列获取模块200、预测模型获取模块300以及贮存寿命计算模块400,首先获取电荷放大器贮存寿命的特征参数以及特征参数对应的特征数据序列,当特征数据序列单调递减且特征数据序列中的特征数据值大于特征参数的预设失效阈值时,将特征数据序列作为建模特征数据序列,根据建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型,根据电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命,通过表征电荷放大器寿命特征的特征参数,得到建模特征数据序列,基于时间响应函数,进而得到电荷放大器贮存寿命的预测模型,以计算电荷放大器贮存寿命,这样解决了电荷放大器贮存寿命无法预测的问题,建立了电荷放大器的贮存寿命预测模型,能实现对电荷放大器的贮存寿命进行预测。
在一个实施例中,如图5所示,电荷放大器贮存寿命的预测装置中特征参数获取模块100包括:
性能参数获取单元120,用于获取电荷放大器贮存寿命的各性能参数对应的监测数据序列;
统计量获取单元140,用于对各监测数据序列进行均值和方差的无偏估计,得到各性能参数对应的统计量;
特征参数获取单元160,用于将各性能参数对应的统计量分别与预设统计量进行比较,得到电荷放大器贮存寿命的特征参数。
在一个实施例中,如图5所示,电荷放大器贮存寿命的预测装置中特征参数获取模块100包括:
监测数据获取单元180,用于获取特征参数对应的特征数据监测序列;
插值处理单元190,用于基于插值法对特征数据监测序列进行处理,得到特征数据序列。
电荷放大器贮存寿命的预测装置与电荷放大器贮存寿命的预测方法一一对应,在上述电荷放大器贮存寿命的预测方法的实施例中阐述的技术特征及其有益效果均适用于电荷放大器贮存寿命的预测装置的实施例中。
在一个实施例中,一种电荷放大器贮存寿命的预测方法,首先对电荷放大器贮存寿命的各性能参数的监测数据进行假设检验以确定电荷放大器贮存寿命的特征参数,然后基于电荷放大器贮存寿命的特征参数,建立电荷放大器贮存寿命的预测模型。
对电荷放大器贮存寿命的各性能参数的监测数据进行假设检验的步骤如下:
第一步,分组
对电荷放大器贮存寿命的各性能参数的监测数据进行分组,以增益为例,比如增益的监测数据序列为{1.989,1.98,1.98,1.98,1.98,1.94,1.97,1.93,1.93},将该监测数据序列分为两组:前段时间的监测数据序列{1.989,1.98,1.98,1.98,1.98}以及后段时间的监测数据序列{1.98,1.94,1.97,1.93,1.93},对该监测数据序列进行方差齐次校验,结果表明该监测数据序列为方差齐次。
第二步,求分组后数据序列的均值和方差的无偏估计
假设ξ1,…,ξn1是取自正态母体N(u1,σ2)的子样,η1,…,ηn2是取自正态母体N(u2,σ2)的子样,并且这两个子样相互独立,σ2是未知常数,检验原假设H0:u1=u2,两个字样的均值分别为:
这两个子样的均值和方差的无偏估计分别为:
第三步,构造并求解统计量t
如果原假设H0:u1=u2为真,那么在0的周围随机地摆动,于是统计量t为:
其中,
可以得出统计量t服从自由度为n1+n2-2的t-分布。
给出显著性水平α,在H0为真的情况下:
上式中的根据自由度为n1+n2-2的t-分布表得到。
第四步,比较并判断|t|与关系
当满足下面的条件时:
则拒绝原假设H0:u1=u2,即认为两个子样的均值有显著的差异;否则,认为两个子样的均值没有显著差别,即可以认为这两个子样来自同一母体。
对于电荷放大器贮存寿命的各性能参数,若则检验结果拒绝原假设H0:u1=u2,即认为该性能参数前段时间的监测数据的均值与后段时间的监测数据的均值有显著差异,即该性能参数有显著的退化,该性能参数的监测数据可以用来建模及寿命预测。
若则检验结果接受原假设H0:u1=u2,即认为该性能参数前段时间的监测数据的均值与后段时间的监测数据的均值无显著差异,即该性能参数无显著退化,该性能参数无预测的价值。
对于增益的监测数据{1.989,1.98,1.98,1.98,1.98,1.94,1.97,1.93,1.93},按上述步骤求解得到其统计量t=0.017378,查表得由此可知,增益的监测数据有显著的退化,由此确定了电荷放大器贮存寿命的特征参数为增益。
建立电荷放大器贮存寿命的预测模型的步骤如下:
第一步:对确定的电荷放大器贮存寿命的特征参数的监测数据进行预处理
电荷放大器的增益监测数据序列为:{1.989,1.98,1.98,1.98,1.98,1.94,1.97,1.93,1.93},由于该序列存在突变点1.97,基于插值法,得到处理后的数据序列{1.989,1.98,1.98,1.98,1.98,1.94,1.935,1.93,1.93}。
第二步:建模可行性分析
首先对处理后的电荷放大器的增益监测数据进行单调性检验,具体地,该序列中该序列为单调递减序列,如图6所示,电荷放大器的增益的预设失效阈值为1.89,综合考虑后,该序列可以用于建模。
第三步:建立电荷放大器贮存寿命的预测模型
将处理后的电荷放大器的增益监测数据作为原始序列,即原始序列为:{1.989,1.98,1.98,1.98,1.98,1.94,1.935,1.93,1.93},根据电荷放大器样本量少、数据量少等特点,结合时间响应函数具有适合于少数据、贫信息建模的优点,确定以时间响应函数为模型,具体地,时间响应函数的公式为:
上述模型中参数a和b的计算公式分别为:
其中,表示对序列中的数据逐次求和,具体地,比如原始序列为:{1.989,1.98,1.98,1.98,1.98,1.94,1.935,1.93,1.93},那么 以此类推;基于原始序列对参数a和b进行求解,得到a=0.0032,b=1.9849。
由此得到电荷放大器增益的时间响应函数为:
由于电荷放大器的性能参数增益要求大于X失效阈值,由此得到电荷放大器贮存寿命的预测模型为:
其中,t表示电荷放大器的贮存寿命,X失效阈值表示电荷放大器增益的失效阈值,X初始表示电荷放大器增益的初始值。
第四步:对电荷放大器贮存寿命的预测模型进行检验
为了确保电荷放大器贮存寿命的预测模型有较高的预测精度,需要进行检验,采用相对误差检验指标进行检验,平均相对误差越小,该预测模型的预测精度越高。
平均相对误差的计算公式为:
其中,表示实际值,表示通过电荷放大器寿命预测模型计算得到的预测值,对电荷放大器贮存寿命的预测模型进行检验,得到误差小于预设工程误差值5%,因此,该预测模型可以用于长期预测。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电荷放大器贮存寿命的预测方法,其特征在于,包括:
获取电荷放大器贮存寿命的特征参数以及所述特征参数对应的特征数据序列;
当所述特征数据序列单调递减且所述特征数据序列中的特征数据值大于所述特征参数的预设失效阈值时,将所述特征数据序列作为建模特征数据序列;
根据所述建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型;
根据所述电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命。
2.根据权利要求1所述的电荷放大器贮存寿命的预测方法,其特征在于,所述获取电荷放大器贮存寿命的特征参数的步骤包括:
获取电荷放大器贮存寿命的各性能参数对应的监测数据序列;
对各所述监测数据序列进行均值和方差的无偏估计,得到各性能参数对应的统计量;
将所述各性能参数对应的统计量分别与预设统计量进行比较,得到电荷放大器贮存寿命的特征参数。
3.根据权利要求2所述的电荷放大器贮存寿命的预测方法,其特征在于,所述将所述各性能参数对应的统计量分别与预设统计量进行比较,得到电荷放大器贮存寿命的特征参数的步骤包括:
将所述各性能参数对应的统计量分别与预设统计量进行比较,当所述性能参数的统计量大于所述性能参数的预设统计量时,将所述性能参数作为电荷放大器贮存寿命的特征参数。
4.根据权利要求1所述的电荷放大器贮存寿命的预测方法,其特征在于,所述获取所述特征参数对应的特征数据序列的步骤包括:
获取所述特征参数对应的特征数据监测序列;
基于插值法对所述特征数据监测序列进行处理,得到特征数据序列。
5.根据权利要求1所述的电荷放大器贮存寿命的预测方法,其特征在于,所述根据所述建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型的步骤包括:
建立时间响应函数的表达式,所述时间响应函数的表达式包括第一参数和第二参数;
建立所述第一参数的计算公式和所述第二参数的计算公式,基于所述建模特征数据序列,求解得到第一参数数值和第二参数数值;
根据所述第一参数数值、所述第二参数数值和所述时间响应函数的表达式,得到电荷放大器的特征参数对应的时间响应函数;
根据所述特征参数对应的预设失效阈值和所述特征参数对应的时间响应函数,得到电荷放大器贮存寿命的预测模型。
6.一种电荷放大器贮存寿命的预测装置,其特征在于,包括:
特征参数获取模块,用于获取电荷放大器贮存寿命的特征参数以及所述特征参数对应的特征数据序列;
建模序列获取模块,用于当所述特征数据序列单调递减且所述特征数据序列中的特征数据值大于所述特征参数的预设失效阈值时,将所述特征数据序列作为建模特征数据序列;
预测模型获取模块,用于根据所述建模特征数据序列,基于时间响应函数求解,得到电荷放大器贮存寿命的预测模型;
贮存寿命计算模块,用于根据所述电荷放大器贮存寿命的预测模型,得到电荷放大器贮存寿命。
7.根据权利要求6所述的电荷放大器贮存寿命的预测装置,其特征在于,所述特征参数获取模块包括:
性能参数获取单元,用于获取电荷放大器贮存寿命的各性能参数对应的监测数据序列;
统计量获取单元,用于对各所述监测数据序列进行均值和方差的无偏估计,得到各性能参数对应的统计量;
特征参数获取单元,用于将所述各性能参数对应的统计量分别与预设统计量进行比较,得到电荷放大器贮存寿命的特征参数。
8.根据权利要求6所述的电荷放大器贮存寿命的预测装置,其特征在于,所述特征参数获取模块包括:
监测数据获取单元,用于获取所述特征参数对应的特征数据监测序列;
插值处理单元,用于基于插值法对所述特征数据监测序列进行处理,得到特征数据序列。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5中任意一项所述方法的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1-5中任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711108210.2A CN107918704A (zh) | 2017-11-08 | 2017-11-08 | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711108210.2A CN107918704A (zh) | 2017-11-08 | 2017-11-08 | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107918704A true CN107918704A (zh) | 2018-04-17 |
Family
ID=61896258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711108210.2A Pending CN107918704A (zh) | 2017-11-08 | 2017-11-08 | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107918704A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146307A (zh) * | 2018-09-03 | 2019-01-04 | 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)) | 电子元器件自然库房贮存寿命特征参数评估方法 |
CN109165790A (zh) * | 2018-09-03 | 2019-01-08 | 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)) | 光电耦合器自然贮存寿命预测方法 |
CN109325270A (zh) * | 2018-09-03 | 2019-02-12 | 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)) | 磁控管自然贮存寿命预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630343A (zh) * | 2013-10-22 | 2014-03-12 | 航天科工防御技术研究试验中心 | 隔振器贮存寿命加速试验方法 |
CN105849798A (zh) * | 2013-12-25 | 2016-08-10 | Eizo株式会社 | 寿命预测方法、寿命预测程序以及寿命预测装置 |
-
2017
- 2017-11-08 CN CN201711108210.2A patent/CN107918704A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103630343A (zh) * | 2013-10-22 | 2014-03-12 | 航天科工防御技术研究试验中心 | 隔振器贮存寿命加速试验方法 |
CN105849798A (zh) * | 2013-12-25 | 2016-08-10 | Eizo株式会社 | 寿命预测方法、寿命预测程序以及寿命预测装置 |
Non-Patent Citations (5)
Title |
---|
JIKUN YANG 等: "The storage life prediction and simulation system development of solid rocket motor", 《2012 INTERNATIONAL CONFERENCE ON QUALITY, RELIABILITY, RISK, MAINTENANCE, AND SAFETY ENGINEERING》 * |
张子华 等: "某型固体继电器储存性能退化规律研究", 《装备环境工程》 * |
张济世 等: "《统计水文学》", 31 March 2006, 黄河水利出版社 * |
李坤兰 等: "某型混合集成电路长期贮存寿命研究", 《装备环境工程》 * |
李坤兰: "某种有机薄膜电容器长期贮存寿命预测研究", 《装备环境工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109146307A (zh) * | 2018-09-03 | 2019-01-04 | 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)) | 电子元器件自然库房贮存寿命特征参数评估方法 |
CN109165790A (zh) * | 2018-09-03 | 2019-01-08 | 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)) | 光电耦合器自然贮存寿命预测方法 |
CN109325270A (zh) * | 2018-09-03 | 2019-02-12 | 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)) | 磁控管自然贮存寿命预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114184229A (zh) | 一种开关柜运行环境监测*** | |
CN113189495B (zh) | 一种电池健康状态的预测方法、装置及电子设备 | |
CN110081923B (zh) | 野外基线环境参数自动采集***故障检测方法与装置 | |
CN108510147B (zh) | 一种基于残差波动模型的电能质量综合评价方法 | |
CN117748507B (zh) | 基于高斯回归模型的配网谐波接入不确定性评估方法 | |
CN111125868B (zh) | 一种电子产品的多应力寿命评估方法及装置 | |
CN107589391B (zh) | 一种检测电能计量装置整体误差的方法、装置和*** | |
CN107918704A (zh) | 电荷放大器贮存寿命预测方法、装置、存储介质和计算机设备 | |
CN112485747A (zh) | 一种电容式电压互感器误差状态评估方法 | |
Yang et al. | Real-time static voltage stability assessment in large-scale power systems based on spectrum estimation of phasor measurement unit data | |
CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN112883522A (zh) | 一种基于gru循环神经网络的微电网动态等效建模方法 | |
CN108009063B (zh) | 一种电子设备故障阈值检测的方法 | |
CN112729884B (zh) | 基于大数据的设备故障诊断方法及装置 | |
CN107977626A (zh) | 一种电子设备工作数据的分组方法 | |
CN115923592A (zh) | 电动车的电池状态检测方法及装置 | |
CN113468823B (zh) | 一种基于机器学习的光模块损坏检测方法及*** | |
CN116249186A (zh) | 无线网设备的数据处理方法、装置、存储介质及电子设备 | |
CN105656453B (zh) | 一种基于时间序列的光纤电流互感器随机噪声实时滤波方法 | |
CN112464848B (zh) | 一种基于密度空间聚类的信息流异常数据监测方法及装置 | |
CN114002603A (zh) | 识别电芯的方法、装置及计算机存储介质 | |
Hsieh et al. | Prediction of Battery Discharge States Based on the Recurrent Neural Network | |
CN114254516B (zh) | 一种删失数据下的参数概率不确定性建模方法 | |
Xie et al. | Rényi's Entropy Based Method for Analog Circuits Soft Fault Detection | |
Alegria et al. | Choosing between terminal and independently based gain and offset error in the ADC histogram test |
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 | ||
CB02 | Change of applicant information |
Address after: 511300 No.78, west of Zhucun Avenue, Zhucun street, Zengcheng District, Guangzhou City, Guangdong Province Applicant after: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING Research Institute Address before: 510610 No. 110 Zhuang Road, Tianhe District, Guangdong, Guangzhou, Dongguan Applicant before: CHINA ELECTRONIC PRODUCT RELIABILITY AND ENVIRONMENTAL TESTING Research Institute |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180417 |
|
RJ01 | Rejection of invention patent application after publication |