本发明涉及电变量测量领域,具体涉及一种基于数据分析的线束信号传输性能测定系统。
背景技术:
1、随着现代工业自动化和信息化水平的提高,电子设备之间的通信变得日益重要。线束作为连接不同电子设备、传输信号和电力的媒介,其性能直接关系到整个系统的可靠性和稳定性。
2、衡量线束传输质量的指标有多种,其中最关键的两大指标是线损和噪声系数。线损是线束对电力功率或信号功率的损耗。噪声系数则表现出线束的噪声特性。在学术上,噪声系数等于传输系统的输入端信号的信噪比除以输出端信号的信噪比,然而在生产测试环节中,为线束施加测试信号,通过昂贵的频谱仪一条一条缓慢地测试和计算各线束输入端信号的信噪比和输出端信号的信噪比,再手动依次计算噪声系数,显然不合适。
3、因此,传统的线束性能测试方式通常依赖于手动操作,缺乏系统性和准确性,也缺乏效率,难以满足快速变化的生产需求。
技术实现思路
1、针对现有技术中的上述不足,本发明提供的基于数据分析的线束信号传输性能测定系统解决了传统线束性能测试方式,缺乏系统性和准确性,也缺乏效率求的问题。
2、为了达到上述发明目的,本发明采用的技术方案为:
3、基于数据分析的线束信号传输性能测定系统,包括:
4、激励发生器,用于根据待测线束的功能需求,生成激励信号;
5、数据采集模块,用于周期性采样激励信号和线束输出信号,得到线束输入数据和线束输出数据;
6、性能评估模块,用于分析线束输入数据和线束输出数据,通过傅里叶非线性复合神经网络计算线束的线损值和噪声系数值,以评估线束信号传输性能;
7、自适应优化模块,用于根据用户抽检线束的校正线损值和校正噪声系数值,调整傅里叶非线性复合神经网络的参数。
8、本发明的有益效果为:本发明通过自适应优化的傅里叶非线性复合神经网络,基于线束的输入输出数据,在频域分析计算出线束的线损和噪声系数,以评估线束的信号传输性能,既准确高效,又能满足快速变化的生产需求,适合大规模生产测试。
9、进一步地,所述激励发生器根据待测线束的功能需求,生成激励信号的方法包括以下步骤:
10、a1、由用户设置待测线束用途工况的主要频段;
11、a2、在待测线束用途工况的主要频段区间范围内,生成频率按递进的n个正弦波,并合成得到激励信号;fmax为线束用途工况的最大频率,fmin为线束用途工况的最小频率,n为大于1的正整数。
12、上述进一步方案的有益效果为:本发明可以灵活的适配不同传输用途、不同传输工况的线束,并覆盖其通带频率范围,进行有效测试。
13、进一步地,所述数据采集模块的周期性采样频率大于,且小于。
14、上述进一步方案的有益效果为:过低的采样频率不能有效地还原被采样的信号,过高的采样频率既增大系统负荷又增大无必要的数据量。本发明的采样频率控制在至间,能契合傅里叶非线性复合神经网络的数据要求,也能准确测得数据。
15、进一步地,所述数据采集模块周期性采样激励信号和线束输出信号,得到线束输入数据和线束输出数据的方法包括以下步骤:
16、b1、分别对激励信号和线束输出信号的电压进行周期性采样,得到激励电压序列和线束输出电压序列;
17、b2、根据以下两式,通过频谱预畸变算子分别处理激励电压序列和线束输出电压序列,得到线束输入数据和线束输出数据:
18、,,其中,din(k)为线束输入数据的第k个元素,wdis(k)为频谱预畸变算子的第k个元素,sie(n-k)为激励电压序列的第n减k个元素,dout(k)为线束输出数据的第k个元素,sline(n-k)为线束输出电压序列的第n减k个元素,k为大于0且小于c的正整数,c为频谱预畸变算子长度。
19、进一步地,所述频谱预畸变算子的表达式为:
20、,其中,e为自然常数,ξ为形状因子。
21、上述进一步方案的有益效果为:神经网络处理数据是有限长的序列,有限长序列在进行频域分析时会出现频谱泄露的技术问题。本发明设置的指数型频谱预畸变算子,是一种计算简便,且能有效抑制频域旁瓣的有限长窗函数。通过它的处理,可使得频域分析更为准确。
22、进一步地,所述傅里叶非线性复合神经网络包括:
23、可调尺度傅里叶运算层,用于将线束输入数据和线束输出数据拼接后作为时域序列,处理得到频域特征序列;其带有控制傅里叶变换频域特征序列尺度的伸缩因子和平移因子;
24、第一非线性运算子网络,用于根据频域特征序列,计算得到线束的线损值;
25、第二非线性运算子网络,用于根据频域特征序列,计算得到线束的噪声系数值。
26、进一步地,所述可调尺度傅里叶运算层的表达式为:
27、,其中,f(m)为频域特征序列的第m个元素,d(k)为时域序列的第k个元素,π为圆周率,λ1为伸缩因子,λ2为平移因子,m为频域特征序列的索引号,j为复数的虚部标识符。
28、上述进一步方案的有益效果为:本发明的可调尺度傅里叶运算层,只需基于现有的全连接结构的单层神经网络技术便可实现,同时,表达式提供的复指数项相比于传统的数字傅里叶算子,还提供了用于调控伸缩和平移两种尺度的参数,使得该运算不仅仅是实现傅里叶变换,更利于基于数据分析的机器学习,具有更灵活可优化的频域特征提取能力。
29、进一步地,所述第一非线性运算子网络和第二非线性运算子网络均采用递归网络结构,表达式均为:
30、,其中,r(t)为第一非线性运算子网络或第二非线性运算子网络t时刻的输出值,m为频域特征序列的长度,κm为第m个加权系数,μτ为第τ个递归系数,τ为递归运算的时刻索引号,l为递归长度。
31、上述进一步方案的有益效果为:本发明通过系数加权与时间递归的复合型神经网络运算结构,构建离散化的微分方程,而该微分方程的具体函数关系则由各加权系数和各递归系数确定,而各参数由自适应优化模块根据抽检的样本训练。因此,本发明将频域上的信号、噪声计算转换成了不需事先设定具体复杂表达式的基于数据分析的自优化机器学习。使得本发明可以满足快速变化的生产需求。
1.一种基于数据分析的线束信号传输性能测定系统,其特征在于,包括:
2.根据权利要求1所述的基于数据分析的线束信号传输性能测定系统,其特征在于,所述激励发生器根据待测线束的功能需求,生成激励信号的方法包括以下步骤:
3.根据权利要求2所述的基于数据分析的线束信号传输性能测定系统,其特征在于,所述数据采集模块的周期性采样频率大于,且小于。
4.根据权利要求3所述的基于数据分析的线束信号传输性能测定系统,其特征在于,所述数据采集模块周期性采样激励信号和线束输出信号,得到线束输入数据和线束输出数据的方法包括以下步骤:
5.根据权利要求4所述的基于数据分析的线束信号传输性能测定系统,其特征在于,所述频谱预畸变算子的表达式为:
6.根据权利要求5所述的基于数据分析的线束信号传输性能测定系统,其特征在于,所述傅里叶非线性复合神经网络包括:
7.根据权利要求6所述的基于数据分析的线束信号传输性能测定系统,其特征在于,所述可调尺度傅里叶运算层的表达式为:
8.根据权利要求7所述的基于数据分析的线束信号传输性能测定系统,其特征在于,所述第一非线性运算子网络和第二非线性运算子网络均采用递归网络结构,表达式均为: