【技术实现步骤摘要】
本专利技术涉及电磁兼容性，特别涉及一种基于卷积神经网络与多头注意力机制的线束串扰预测方法。
技术介绍
1、在电气系统中，尤其是高速信号传输和复杂电路设计中，线束串扰是一个重要问题。传统的线束串扰预测方法通常依赖于经验公式和物理建模，这些方法在处理复杂的多维数据时存在一定局限性。随着深度学习技术的快速发展，基于数据驱动的预测方法逐渐成为一种有效的替代方案。然而，现有的深度学习模型往往无法有效地结合局部特征和全局信息，导致预测精度不足。
技术实现思路
1、本专利技术提供一种基于卷积神经网络与多头注意力机制的线束串扰预测方法，通过在cnn层之前引入多头注意力机制，使模型能够在输入特征层面上就加权重要信息，进一步提升模型的预测能力。
2、本专利技术实施例提供一种基于卷积神经网络与多头注意力机制的线束串扰预测方法，包括以下步骤：
3、步骤1：通过时域有限差分法和多导体传输线法得到线束近端串扰值，构建的线束参数数据集作为训练样本数据集；
4、步骤2：将线束参数数据集...
【技术保护点】
1.一种基于卷积神经网络与多头注意力机制的线束串扰预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述线束参数数据集包括：选择一组线束将其导线长度l1和l2、线芯距离d、离地高度h1和h2、线芯半径r1和r2、绝缘层厚度Δr1和Δr2、绝缘层介质相对介电常数和导线1激励电压源Vs、导线2串扰电压Vd以及频率f作为线束参数数据集。
3.根据权利要求2所述的方法，其特征在于，在步骤1中，导线2串扰电压Vd为模型的输出，其余为输入；在将线束参数数据集输入模型训练之前，将数据归一化处理，采用最大最小归一化，计算公式如下：
4.根...
【技术特征摘要】
1.一种基于卷积神经网络与多头注意力机制的线束串扰预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述线束参数数据集包括：选择一组线束将其导线长度l1和l2、线芯距离d、离地高度h1和h2、线芯半径r1和r2、绝缘层厚度δr1和δr2、绝缘层介质相对介电常数和导线1激励电压源vs、导线2串扰电压vd以及频率f作为线束参数数据集。
3.根据权利要求2所述的方法，其特征在于，在步骤1中，导线2串扰电压vd为模型的输出，其余为输入；在将线束参数数据集输入模型训练之前，将数据归一化处理，采用最大最小归一化，计算公式如下：
4.根据权利要求1所述的方法，其特征在于，在步骤2中，对于每个注意力头，均独立地执行查询q、键k和值v向量的计算，单头注意力计算公式如下：
5.根据权利要求1所述的方法，其特征在于，在步骤3中，cnn层包括输入层、卷积层、激活层、池化层，输入层用于接收经多头注意力机制处理后的输出，卷积层的卷积核大小为3，卷积...
【专利技术属性】
技术研发人员：魏民祥，杨凯，王森，杨非凡，郑成，丁少鸿，吴昭，
申请(专利权)人：南京航空航天大学，
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。