【技术实现步骤摘要】
本申请涉及阻抗建模，特别是涉及一种预测单芯屏蔽线缆转移阻抗的方法、装置和设备。
技术介绍
1、随着电子系统的频率越来越高，电子设备之间的电磁环境变得更加复杂，电磁干扰对系统的可靠性和安全性的影响日益增大。
2、电子设备之间的线缆的天线效应是产生电磁干扰的主要途经，但线缆又是电子设备传递信号和能量的载体，是电子系统不可或缺的组成部分，因此电子系统在实际应用之前，对线缆进行屏蔽效能的评估是非常有必要的，屏蔽效能的屏蔽效果的好坏决定了电子系统能否正常运行。
3、线缆的屏蔽效能的一种表征方式是线缆的转移阻抗，每个频点对应的转移阻抗越小则线缆的屏蔽效能越好。
4、现有技术中，对线缆转移阻抗建模的方法主要包括：数值仿真法和解析计算方法。其中，数值仿真法首先需要对线缆进行建模，再进行网格划分；解析计算法主要采用tyni模型、demoulin模型和kely模型等经典模型，计算得到单芯屏蔽线的转移阻抗。
5、但是，上述两种方法都存在一定的缺点：实际电子设备包含多种不同长度、不同屏蔽层参数的线缆，采用数值仿真法对每种线缆都进行建模和仿真需要耗费巨大的计算资源和时间成本；解析计算法需要建立精确的数值模型，单芯屏蔽线缆的屏蔽层的编织网结构的非均匀性和编织网孔处电磁耦合现象的复杂性使转移阻抗的解析计算变得非常困难。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种预测单芯屏蔽线缆转移阻抗的方法、装置和设备，能够简化建模复杂度，节约计算资源和时间成本，
2、一种预测单芯屏蔽线缆转移阻抗的方法，包括：
3、获取不同型号的单芯屏蔽线缆的结构参数以及对应的转移阻抗曲线，建立数据集；
4、根据单芯屏蔽线缆的结构参数，设计输入层、隐藏层以及输出层，建立先导神经网络模型；
5、初始化先导神经网络模型的参数，并采用贝叶斯正则化方法，根据数据集的特征值和标签值，对先导神经网络模型进行训练；
6、求解最小梯度，当判断最小梯度达到预设值时，计算数据集的均方误差，训练停止，得到预测神经网络模型；
7、获取待预测的单芯屏蔽线缆的结构参数，输入预测神经网络模型，根据预测神经网络模型的输入层与输出层之间的映射关系，输出转移阻抗采样点，并得到转移阻抗曲线。
8、在一个实施例中，求解最小梯度，当判断最小梯度未达到预设值时：
9、计算数据集的均方误差，并根据数据集的均方误差和最小梯度，更新预测神经网络模型；
10、对更新后的预测神经网络模型进行训练，并求解最小梯度，直至判断最小梯度达到预设值。
11、在一个实施例中，单芯屏蔽线缆的结构包括：芯线、绝缘层、编织屏蔽层以及外层绝缘层；
12、绝缘层、编织屏蔽层以及外层绝缘层依次逐层套设在芯线外。
13、在一个实施例中，单芯屏蔽线缆的结构参数包括：芯线半径、绝缘层半径、外层绝缘层厚度、编织屏蔽层的单根金属丝直径、编织屏蔽层的编织束数、编织束数中金属丝根数、编织束数中编织密度。
14、在一个实施例中，获取不同型号的单芯屏蔽线缆的结构参数以及对应的转移阻抗曲线，建立数据集，包括：
15、建立单芯屏蔽线缆模型；
16、获取不同型号的单芯屏蔽线缆的结构参数，输入所述单芯屏蔽线缆模型进行数值仿真，得到与不同型号的单芯屏蔽线缆的结构参数对应的多条转移阻抗曲线；
17、根据不同型号的单芯屏蔽线缆的结构参数以及多条转移阻抗曲线，建立数据集。
18、在一个实施例中，所述单芯屏蔽线缆模型包括：源电阻、激励源、单芯屏蔽线缆、匹配电阻、电压探针、屏蔽腔体、电流探针以及参考地；
19、源电阻、激励源、单芯屏蔽线缆、匹配电阻以及电压探针依次相连，电压探针通过屏蔽腔体与电流探针相连，电流探针和源电阻均与参考地相连。
20、在一个实施例中，数值仿真采用的方法为三同轴法。
21、在一个实施例中，根据单芯屏蔽线缆的结构参数，设计输入层，包括：
22、根据单芯屏蔽线缆的结构参数的数量，确定输入层中神经元的个数，结构参数与输入层中的神经元一一对应。
23、一种预测单芯屏蔽线缆转移阻抗的装置，包括：
24、获取模块，用于获取不同型号的单芯屏蔽线缆的结构参数以及对应的转移阻抗曲线，建立数据集；
25、建模模块，用于根据单芯屏蔽线缆的结构参数，设计输入层、隐藏层以及输出层，建立先导神经网络模型；
26、训练模块，用于初始化先导神经网络模型的参数，并采用贝叶斯正则化方法，根据数据集的特征值和标签值，对先导神经网络模型进行训练；
27、求解模块，用于求解最小梯度，当判断最小梯度达到预设值时，计算数据集的均方误差，训练停止，得到预测神经网络模型；
28、输出模块，用于获取待预测的单芯屏蔽线缆的结构参数，输入预测神经网络模型，根据预测神经网络模型的输入层与输出层之间的映射关系，输出转移阻抗采样点，并得到转移阻抗曲线。
29、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
30、获取不同型号的单芯屏蔽线缆的结构参数以及对应的转移阻抗曲线，建立数据集；
31、根据单芯屏蔽线缆的结构参数，设计输入层、隐藏层以及输出层，建立先导神经网络模型；
32、初始化先导神经网络模型的参数，并采用贝叶斯正则化方法，根据数据集的特征值和标签值，对先导神经网络模型进行训练；
33、求解最小梯度，当判断最小梯度达到预设值时，计算数据集的均方误差，训练停止，得到预测神经网络模型；
34、获取待预测的单芯屏蔽线缆的结构参数，输入预测神经网络模型，根据预测神经网络模型的输入层与输出层之间的映射关系，输出转移阻抗采样点，并得到转移阻抗曲线。
35、上述一种预测单芯屏蔽线缆转移阻抗的方法、装置和设备，具有以下技术效果：
36、(1)设计了神经网络模型，只需要对电子设备中部分型号的单芯屏蔽线缆进行数值仿真建模以获取数据集，使用少量的数据集作为样本，简化了单芯屏蔽线缆的建模复杂度，并且不需要对电子设备所有的单芯屏蔽线缆进行建模，降低单芯屏蔽线缆的建模时间成本，解决了建模复杂度高、建模时间长、建立精确的数值模型非常困难的问题。
37、(2)神经网络的数据集来源于数值仿真方法，避免了由于单芯屏蔽线缆的屏蔽层的编织网结构的非均匀性和编织网孔处电磁耦合现象的复杂性导致的建模困难问题。
38、(3)对数据集样本的转移阻抗曲线以1mhz采样频率步进进行采样得到转移阻抗采样点，对神经网络的训练输出得到的转移阻抗采样点进行多项式拟合得到转移阻抗曲线，能够通过单芯屏蔽线缆的结构参数，获取到该单芯屏蔽线缆从0到100mhz的转移阻抗曲线，也就是说，能够评估单本文档来自技高网...
【技术保护点】
1.一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，包括：
2.根据权利要求1所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，求解最小梯度，当判断最小梯度未达到预设值时：
3.根据权利要求1或2所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，单芯屏蔽线缆的结构包括：芯线、绝缘层、编织屏蔽层以及外层绝缘层；
4.根据权利要求3所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，单芯屏蔽线缆的结构参数包括：芯线半径、绝缘层半径、外层绝缘层厚度、编织屏蔽层的单根金属丝直径、编织屏蔽层的编织束数、编织束数中金属丝根数、编织束数中编织密度。
5.根据权利要求1或2所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，获取不同型号的单芯屏蔽线缆的结构参数以及对应的转移阻抗曲线，建立数据集，包括：
6.根据权利要求5所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，所述单芯屏蔽线缆模型包括：源电阻、激励源、单芯屏蔽线缆、匹配电阻、电压探针、屏蔽腔体、电流探针以及参考地；
7.根据权利要求6所述的一种预测单
8.根据权利要求1或2所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，根据单芯屏蔽线缆的结构参数，设计输入层，包括：
9.一种预测单芯屏蔽线缆转移阻抗的装置，其特征在于，包括：
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，包括：
2.根据权利要求1所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，求解最小梯度，当判断最小梯度未达到预设值时：
3.根据权利要求1或2所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，单芯屏蔽线缆的结构包括：芯线、绝缘层、编织屏蔽层以及外层绝缘层；
4.根据权利要求3所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，单芯屏蔽线缆的结构参数包括：芯线半径、绝缘层半径、外层绝缘层厚度、编织屏蔽层的单根金属丝直径、编织屏蔽层的编织束数、编织束数中金属丝根数、编织束数中编织密度。
5.根据权利要求1或2所述的一种预测单芯屏蔽线缆转移阻抗的方法，其特征在于，获取不同型号的单芯屏蔽线缆的结构参数以及对应...
【专利技术属性】
技术研发人员：肖培，陈晓添，李金鹏，彭盛超，李皓，李高升，
申请(专利权)人：湖南大学，
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。