System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体涉及基于人工智能的场效应管寿命评估方法。
技术介绍
1、场效应管(fet)是一种重要的半导体器件,用于控制电流流动的元件,它是现代电子技术中的重要组成部分,从微处理器到功率电子设备,在各种应用场景中起着关键的作用。场效应管的寿命评估在电子设备和系统设计中具有重要意义,因为其有助于确保设备的可靠性和持久性,对性能和经济效益至关重要。现有方法中对场效应管进行加速测试,通过在高温、高湿度和高电压等条件下测试fet来模拟其长期使用中可能遇到的环境和应力,得到测试数据来对场效应管的寿命进行评估。
2、现有技术中通过对得到的测试数据进行k均值聚类,对多样本的时序曲线通过聚类中心进行拟合,得到整体样本数据的拟合曲线,进而进行寿命评估;然而传统的k均值聚类存在陷入局部最优解的问题,导致聚类结果不准确,进而影响整体样本数据的拟合结果,从而无法获取准确的寿命评估结果。
技术实现思路
1、本专利技术提供基于人工智能的场效应管寿命评估方法,以解决现有的对场效应管通过加速寿命测试得到测试数据后,测试数据的聚类结果不准确而影响寿命评估的问题,所采用的技术方案具体如下:
2、本专利技术一个实施例提供了基于人工智能的场效应管寿命评估方法,该方法包括以下步骤:
3、采集若干场效应管的多个维度的测试数据;
4、将任一维度作为当前维度,对当前维度所有场效应管的测试数据进行初始聚类,得到若干初始聚簇;根据初始聚簇分布及内部数据点分布,获取若干聚类
5、根据聚类初始中心进行k均值聚类的第一次分类,得到若干第一类簇;根据第一类簇的分布及数据点的分布,获取每个第一类簇的质心的聚类距离的第一调整参数;根据不同维度的测试数据的相关性,获取每个第一类簇的质心的聚类距离的第二调整参数;结合每个第一类簇的质心,调整聚类距离并进行第二次分类,得到若干第二类簇;
6、根据第一类簇与第二类簇,调整聚类距离并迭代分类,得到当前维度的若干最终类簇;根据每个维度的最终类簇的质心,得到每个维度的测试变化曲线。
7、进一步的,所述得到若干初始聚簇,包括的具体方法为:
8、获取当前维度所有测试数据,以横坐标为时间,纵坐标为测试数据值,将所有测试数据转换为坐标系中的数据点;对于任意一个数据点,获取该数据点与其他每个数据点的欧式距离,将所有欧式距离的最小值,作为该数据点的最近邻距离;获取所有数据点的最近邻距离,将所有数据点的最近邻距离的均值,作为dbscan聚类的邻域半径;对所有数据点进行dbscan聚类,距离度量为数据点之间的欧式距离,根据邻域半径,得到若干聚簇,记为若干初始聚簇。
9、进一步的,所述若干聚类初始中心,具体的获取方法为:
10、根据每个初始聚簇中数据点分布,获取每个初始聚簇的质量评价;获取每个初始聚簇的质心,预设一个分布数量,获取每个质心的横坐标,将所有质心的横坐标最小值作为起始横坐标,从起始横坐标开始,每分布数量个横坐标作为一个横坐标组,得到若干横坐标组;
11、对于任意一个横坐标组,获取横坐标在该横坐标组中的若干质心,记为该横坐标组的分布质心,获取每个分布质心对应的初始聚簇及其质量评价,将得到的初始聚簇的质量评价最大值对应的分布质心,作为一个聚类初始中心。
12、进一步的,所述每个初始聚簇的质量评价,具体的获取方法为:
13、对于任意一个初始聚簇,获取该初始聚簇的质心,统计该初始聚簇中数据点的数量,获取该初始聚簇中所有数据点的横坐标最小值及最大值、纵坐标最小值及最大值,根据横纵坐标的最小值及最大值,构建该初始聚簇的外接矩形,计算外接矩形的面积;获取该初始聚簇中数据点的数量与外接矩形的面积的比值,将比值与该初始聚簇中数据点的数量的乘积,作为该初始聚簇的质量评价。
14、进一步的,所述得到若干第一类簇,包括的具体方法为:
15、获取聚类初始中心的数量,作为k均值聚类的k值,对所有数据点进行k均值聚类的第一次分类,第一次分类中聚类距离为数据点之间的欧式距离,得到第一次分类的若干簇,记为第一类簇。
16、进一步的,所述每个第一类簇的质心的聚类距离的第一调整参数,具体的获取方法为:
17、获取所有数据点中纵坐标的最大值及最小值,将纵坐标最小值到最大值之间的闭区间,作为纵轴跨度;对于任意一个第一类簇,获取该第一类簇的质心,以及该第一类簇中所有数据点的横坐标最小值及最大值、纵坐标最小值及最大值,根据横纵坐标的最小值及最大值,构建该第一类簇的外接矩形;
18、将横坐标最小值到最大值之间的闭区间,作为该第一类簇的横轴跨度,根据横轴跨度及纵轴跨度,以该第一类簇的质心为圆心,圆心到横轴跨度两个边界及纵轴跨度两个边界的最小值为半径,得到圆,再根据其他三个边界对圆在三个方向上进行等比例拉伸,得到一个类似椭圆的区域,记为该第一类簇的周围区域,统计周围区域中不属于该第一类簇的数据点的数量,根据横轴跨度及纵轴跨度,获取周围区域的外接矩形;
19、对于该第一类簇中任意一个数据点,获取该数据点与该第一类簇内其他每个数据点的欧式距离,将所有欧式距离的最小值,作为该数据点在该第一类簇内的相邻距离;获取该第一类簇内每个数据点的相邻距离,将所有相邻距离的方差,作为该第一类簇的分布程度;第个第一类簇的质心的聚类距离的第一调整参数的计算方法为:
20、
21、其中,表示第个第一类簇的第一调整因子,表示第个第一类簇中数据点的数量,表示第个第一类簇的外接矩形的面积,表示第个第一类簇的周围区域中不属于第个第一类簇的数据点的数量,表示第个第一类簇的周围区域的外接矩形的面积,表示第个第一类簇的分布程度,表示求绝对值;
22、获取每个第一类簇的第一调整因子,对所有第一调整因子进行线性归一化,得到的结果作为每个第一类簇的质心的聚类距离的第一调整参数。
23、进一步的,所述每个第一类簇的质心的聚类距离的第二调整参数,具体的获取方法为:
24、对于当前维度,对同一横坐标下所有数据点的测试数据值求均值,作为每个横坐标的测试数值;获取其他维度每个横坐标的测试数值;从两个维度的第一个横坐标开始遍历,第一个横坐标下直接对两个一维向量获取皮尔逊相关系数,作为第一个横坐标的相关性,遍历到第二个横坐标时,两个维度各自对应一个二维向量,每个二维向量由对应维度下两个横坐标的测试数值组成,再次计算皮尔逊相关系数,并作为第二个坐标的相关性,以此类推,得到每个横坐标的相关性;
25、以横坐标为时间,纵坐标为相关性,得到一个相关性曲线,对相关性曲线中每个坐标点计算斜率,得到相关性曲线中每个坐标点的斜率,记为每个坐标点对应的横坐标的相关变化程度;
26、对于第个第一类簇,获取第个第一类簇中所有数据点的横坐标,记为第个第一类簇中的横坐标,第个第一类簇的第二调整参数的计算方法为:
27、
28、其中,表示本文档来自技高网...
【技术保护点】
1.基于人工智能的场效应管寿命评估方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述得到若干初始聚簇,包括的具体方法为:
3.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述若干聚类初始中心,具体的获取方法为:
4.根据权利要求3所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述每个初始聚簇的质量评价,具体的获取方法为:
5.根据权利要求2所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述得到若干第一类簇,包括的具体方法为:
6.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述每个第一类簇的质心的聚类距离的第一调整参数,具体的获取方法为:
7.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述每个第一类簇的质心的聚类距离的第二调整参数,具体的获取方法为:
8.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述得到若干第二类簇,
9.根据权利要求8所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述得到当前维度的若干最终类簇,包括的具体方法为:
10.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述得到每个维度的测试变化曲线,包括的具体方法为:
...【技术特征摘要】
1.基于人工智能的场效应管寿命评估方法,其特征在于,该方法包括以下步骤:
2.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述得到若干初始聚簇,包括的具体方法为:
3.根据权利要求1所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述若干聚类初始中心,具体的获取方法为:
4.根据权利要求3所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述每个初始聚簇的质量评价,具体的获取方法为:
5.根据权利要求2所述的基于人工智能的场效应管寿命评估方法,其特征在于,所述得到若干第一类簇,包括的具体方法为:
6.根据权利要求1所述的基于人工智能的场效应管寿...
【专利技术属性】
技术研发人员:李冰,
申请(专利权)人:广东力宏微电子有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。