【技术实现步骤摘要】
本专利技术属于神经网络领域，具体涉及一种获取电感感值和直流电阻的方法。
技术介绍
1、为了获取电感感值和直流电阻，一般情况下会针对电感进行仿真,需要经过选择合适的物理场，求解器，建模，材料赋予，网格剖分，计算等步骤，建立物理模型，此过程耗时长，且计算精度受人员对产品和模型的理解能力的影响。
2、现有技术中，如中国公开专利cn 103164562 b公布的一种差分电感仿真方法，能将工艺波动造成的随机差异反映出来，仿真能得到电感值和q值的差异分布，使包含差分电感的半导体产品在生产前能较好的预测。但是现有技术中是通过构建物理模型对电感进行仿真，获得电感感值和电阻值，耗时时间长，且难建模难度较大，依赖技术人员的建模能力，不满足现在智能化工厂的需求。
技术实现思路
1、本专利技术的目的是提出一种获取电感感值和直流电阻的方法，通过神经网络代理模型替代物理建模的过程，解决现有技术中物理建模难度大、时间长的问题。
2、为此，本专利技术提供一种获取电感感值和直流电阻的方法，包括以下步骤：
3、s1、构建神经网络代理模型；
4、s2、获取输入数据，并转换为输入特征；
5、s3、将输入特征输入神经网络代理模型，获得输出特征，并转换为输出数据，输出数据中至少包括电感感值和直流电阻。
6、其中，输入数据由机器或设备上的传感器或视觉识别模组得到，将输入数据转换为输入特征输入到神经网络代理模型中可以实时得到输出数据，计算速度快，精度较高。神
7、优选的，在步骤s1中，构建神经网络代理模型的方法包括：
8、a1、获取训练数据；
9、a2、搭建神经网络架构；
10、a3、将训练数据输入神经网络架构进行训练，得到神经网络代理模型。
11、优选的，所述训练数据包括实测数据和仿真数据。
12、优选的，所述实测数据和仿真数据均包含输入特征和输出特征。
13、其中，实测数据为通过实际测量得到的数据，仿真数据为通过建立物理模型仿真得到的数据，输入特征包括产品长、产品宽、线宽、线厚、短轴、长轴、漆膜、厚度、圈数、tcore磁导率、p core磁导率、压缩率，输出特征包括电感感值和直流电阻。使用实测数据和仿真数据对模型进行训练，提升神经网络代理模型的计算精度。
14、优选的，所述神经网络架构包括输入层、隐藏层和输出层，每个输入层、隐藏层和输出层之后设置有激活函数。
15、其中，输入层为神经网络架构的第一层，用于接收外部数据并将其转换为神经网络代理模型可以处理的形式。输出层为神经网络架构的最后一层，用于将神经网络的内部表示为最终的输出结果。隐藏层为在神经网络架构中介于输入层和输出层之间的一层或多层，用于对时输入层的特征进行非线性的数据转换和特征提取，帮助神经网络学习更复杂的模式和关系。
16、优选的，所述隐藏层至少设置有3个。
17、进一步优选的，隐藏层设置为3个。
18、优选的，所述输入层的特征数量为6-12个，与所述输入层连接的隐藏层的特征数量大于所述输入层的特征数量且所述隐藏层的特征数量从前到后依次减小，所述输出层的特征数量至少为2个
19、进一步优选的，所述输入层的特征数量为12个，所述隐藏层的特征数量依次设置为30个,20个和10个，所述输出层的特征数量为2个。
20、优选的，所述输入层的每个特征为产品长、产品宽、线宽、线厚、短轴、长轴、漆膜、厚度、圈数、t core磁导率、p core磁导率、压缩率中的一种且输入层的特征各不相同。
21、优选的，所述输入层后的激活函数为relu，所述隐藏层和输出层的激活函数为tanh。
22、优选的，神经网络架构训练的过程中，损失函数为均方差函数，训练次数不低于5000次，采用adam算法对学习率进行优化。
23、有益效果：
24、1.本专利技术提供了一种获取电感感值和直流电阻的方法，通过神经网络代理模型替代物理建模的过程，建模难度低，不依赖于技术人员的建模能力，且响应速度快，输入数据后可以实时获得电感感值和直流电阻，计算精度高，响应速度快，满足智能化工厂的需求。
25、2.现有技术中通过构建物理模型对电感进行仿真，获得电感感值和电阻值，耗时时间长，且难建模难度较大，依赖技术人员的建模能力。由机器或设备上的传感器或视觉识别模组得到输入数据，将输入数据转换为输入特征输入到神经网络代理模型中可以实时得到输出数据，计算速度快，精度较高。神经网络代理模型不是物理仿真的模型，无需建模、材料赋予、网格划分等操作，不依赖于技术人员的建模能力，使用简单方便，效率较高。
26、3.本专利技术通过使用实测数据和仿真数据对模型进行训练，实测数据和仿真数据均包含输入特征和输出特征，可以提升神经网络代理模型的计算精度，使隐藏层提取输入特征的性能更准确，保证神经网络代理模型的学习能力。
27、4.本专利技术通过输入层的特征以及隐藏层的特征数量设置，可以提升神经网络代理模型对电感感值和直流电阻的预测精度。
本文档来自技高网...【技术保护点】
1.一种获取电感感值和直流电阻的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种获取电感感值和直流电阻的方法，其特征在于，在步骤S1中，构建神经网络代理模型的方法包括：
3.根据权利要求2所述的一种获取电感感值和直流电阻的方法，其特征在于，所述训练数据包括实测数据和仿真数据。
4.根据权利要求3所述的一种获取电感感值和直流电阻的方法，其特征在于，所述实测数据和仿真数据均包含输入特征和输出特征。
5.根据权利要求2所述的一种获取电感感值和直流电阻的方法，其特征在于，所述神经网络架构包括输入层、隐藏层和输出层，隐藏层在输入层与输出层之间且与输入层和输出层连接，每个输入层、隐藏层和输出层之后设置有激活函数。
6.根据权利要求5所述的一种获取电感感值和直流电阻的方法，其特征在于，所述隐藏层至少设置有3个。
7.根据权利要求6所述的一种获取电感感值和直流电阻的方法，其特征在于，所述输入层的特征数量为6-12个，与所述输入层连接的隐藏层的特征数量大于所述输入层的特征数量且所述隐藏层的特征数量从前到后依次减小
8.根据权利要求7所述的一种获取电感感值和直流电阻的方法，其特征在于，所述输入层的每个特征为产品长、产品宽、线宽、线厚、短轴、长轴、漆膜、厚度、圈数、T Core磁导率、PCore磁导率、压缩率中的一种且输入层的特征各不相同。
9.根据权利要求5所述的一种获取电感感值和直流电阻的方法，其特征在于，所述输入层后的激活函数为ReLU，所述隐藏层和输出层的激活函数为tanh。
10.根据权利要求2所述的一种获取电感感值和直流电阻的方法，其特征在于，神经网络架构训练的过程中，损失函数为均方差函数，训练次数不低于5000次，采用Adam算法对学习率进行优化。
...【技术特征摘要】
1.一种获取电感感值和直流电阻的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种获取电感感值和直流电阻的方法，其特征在于，在步骤s1中，构建神经网络代理模型的方法包括：
3.根据权利要求2所述的一种获取电感感值和直流电阻的方法，其特征在于，所述训练数据包括实测数据和仿真数据。
4.根据权利要求3所述的一种获取电感感值和直流电阻的方法，其特征在于，所述实测数据和仿真数据均包含输入特征和输出特征。
5.根据权利要求2所述的一种获取电感感值和直流电阻的方法，其特征在于，所述神经网络架构包括输入层、隐藏层和输出层，隐藏层在输入层与输出层之间且与输入层和输出层连接，每个输入层、隐藏层和输出层之后设置有激活函数。
6.根据权利要求5所述的一种获取电感感值和直流电阻的方法，其特征在于，所述隐藏层至少设置有3个。
7.根据权利要求...
【专利技术属性】
技术研发人员：刘海波，
申请(专利权)人：昆山玛冀电子有限公司，
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。