一种基于加权隐马尔可夫的 自回归状态预测模型

针对电子系统状态趋势预测问题,提出了一种加权隐马尔可夫模型的自回归趋势预测方法.该方法以自回归模型作为隐马尔可夫的状态输出,利用加权预测思想对马尔可夫链中的隐状态进行混合高斯模型的加权序列预测,并利用最大概率隐状态下的自回归系数计算模型输出.通过对实际的复杂混沌序列和电子系统BIT状态数据进行趋势预测,并针对不同模型参数下的预测结果进行实验分析,结果表明该方法对系统状态变化的趋势具有较好的预测性能.     

基于时间序列分析的纪特邮票发行量预测

在调查了国家邮政局在纪特邮票发行过程中的具体操作和分析了纪特邮票数据本身的特点后,采用社会统计学中的时间序列分析法分析了我国近20年来纪特邮票预定量数据,提出了3个纪特邮票预定量的数学模型,预测了今后几年纪特邮票预定量数据。通过对数学模型的求解,获得一些纪特邮票发行内在规律,而这些规律对决策结构在决策过程中有一定的参考作用。     

基于ARIMA结合ConvLSTM的燃气负荷预测

燃气负荷预测对于燃气资源的优化调度至关重要.燃气负荷预测除了具有趋势性、周期性等时间特性外,相邻燃气调压站的负荷数据与温湿度数据之间也存在空间特性,导致燃气负荷预测机理建模困难且模型预测精度较低.针对以上问题,提出了一种基于自回归移动平均模型(ARIMA)与卷积长短时神经网络(ConvLSTM)结合的燃气负荷预测模型....     

基于自适应观测器的故障预测与健康评估

针对计量检定流水线中机械臂的运行状态监控问题,基于自适应状态观测器提出了一种机械臂故障预测与健康评估模型.充分考虑机械臂的离散输出数据,通过自适应状态观测器重构机械臂动态系统;将实际机械臂系统与期望机械臂系统比较,得到实际机械臂系统与期望机械臂系统之间的偏差;计算机械臂健康度指标,实现机械臂故障预测与健康度评估.通过系...     

航空电气设备的故障预测与健康管理的研究

基于对航空可靠性、安全性和经济性方面的需求,对航空电气设备的故障预测与健康管理技术越来越多地得到了重视与应用,在国外的航空设备检测技术中,故障检测与健康管理技术已经成为了核心技术.介绍了航空电气设备故障预测与健康管理(PHM)技术,针对航空典型电气设备的故障预测与健康管理系统建模的重点内容,分析了航空电气设备的故障预测与健康管理技术的整体预测过程、相应应用策略.     

半导体级别故障预测与健康管理

随着集成电路特征尺寸按比例缩小,其可靠性问题越来越突出.为了避免因集成电路失效而发生灾难性后果,有必要对集成电路进行故障预测与健康管理.首先,介绍了故障预测与健康管理技术的发展概况;然后,阐述了实施半导体级别故障预测与健康管理的两个主要方法:预兆单元法和失效先兆监测推理法,并根据相关案例进行了分析;最后,指出了该技术面...     

基于LSTM的航班过点时间预测

为了提高空管流量管理效率,在飞行计划阶段,精确推测航空器预计过点时间,提出了基于长短时记忆网络(Long Short-Term Memory,LSTM)的航班过点时间预测方法。通过关联航班飞行计划与实际雷达数据,根据计划数据航路点与实际过点时间信息构建了预测模型。将模型预测结果与真实航班过点时间进行对比,将预测过点时间与实际过点时间的绝对值误差作为评价标准,结果表明,基于LSTM的航班过点时间预测模型误差更小,以国内航班CCA4439为例,LSTM模型精度更高,可以将航班的过点时间误差控制在30s以内。     

基于多变量LSTM的工业传感器时序数据预测

传感器时序数据预测作为工业自动化和智能化的关键过程,对于自动化生产监督、风险预防和技术改进等具有重要意义.考虑到传统基于统计学的时序分析方法通用性弱、普通循环神经网络模型存在长期依赖的不足,针对工业设备温度、压力和电流强度等时序数据预测问题,提出了一种基于多变量分析的长短时记忆神经网络时序预测方法,该方法利用数据的远距离信息和多变量相关性,有效地提高了工业传感器时序数据预测的准确性.实验选取瑞典某公司的机械装载传感器数据用于训练和测试,通过与单变量长短时记忆模型以及其它主流时序预测算法比较,证明了该方法具备较好的预测性能和通用性.     

从线性预测HMM到一种新的语音识别的混合模型

线性预测HMM(Linear Prediction HMM,LPHMM)并没有象传统HMM那样引入状态输出独立同分布假设,但实用中识别性能并不佳.通过分析两种HMM的各自优劣,本文提出了一种新的语音识别的混合模型,将语音静态特性(基于传统HMM)和动态特性(基于LPHMM)分别描述又有机结合在一起,更为精确地刻划了真实的语音现象,同时又继承使系统的实现改动很小和较小的计算量.汉语大词汇量非特定人连续语音识别的实验表明,混合模型的识别性能显著好于LPHMM和传统HMM.理论上,本文还给出了LPHMM的一组闭式参数重估公式.     

基于CPS的装备故障预测与健康管理体系架构

信息物理系统(Cyber-Physical System,CPS)具有网络性、异构性、实时性和安全可靠性,能够解决信息化条件下武器装备故障检测效率低、维修成本高等问题.根据通用武器装备应用需求,将信息物理系统(Cyber-Physical System,CPS)引入装备的健康管理中.从CPS的概念、特性和关键环节等方面对CPS进行概要介绍,详细讨论了基于CPS的装备故障预测和健康管理平台架构,最后指明了下一步工作重点.     

基于神经元MOS器件的施密特触发器设计

为实现施密特触发器低功耗、回差可控,将神经元MOS器件的控阈技术用于施密特触发器的设计中,设计出基于神经元MOS器件的施密特触发器,并且进一步提出了外部可控回差的施密特触发器的设计.通过HSPICE对电路进行模拟,实验表明此设计仅需2个MOS管,功耗降低30%.并且这种通过改变外部电压值调整回差电压大小的方法比以往的方法更为方便实用.     

Si（Ge）MOSFET器件微结构的研究

采用横断面的透射电子显微术，扫描电子显微术和高分辨电子显微学方法，研究了ＧｅＳｉ沟道ｐ－ＭＯＳＦＥＴ的微结构。观察表明，器件是由Ｓｉ基片／ＳｉＯ２非晶层／ＳＯＩＳｉ层／ＧｅＳｉ沟道层／超薄ＳｉＯ２非晶层／Ｓｉ细晶层／ＳｉＯ２非晶层／Ａｌ电极层等组成的；ＳＯＩＳｉ层工作区单晶性良好，很难找到缺陷，缺陷能效地被限制在工作两侧的缺陷聚集区；在ＳＯＳＳｉ层和ＧｅＳｉ沟道层之间存在着一些瓣状衬底，它可能是在     

基于结构函数的功率MOSFET器件热阻研究

热阻是衡量功率MOSFET器件散热能力的重要参数,对其准确测试与分析具有重要意义。基于结构函数理论,同一功率MOSFET器件在不同条件下进行两次实验,通过积分结构函数分离点来确定器件热阻。该方法简单准确,可重复性好,实验测试结果为0.5 K/W,与有限元(FE)建模获得的0.44 K/W符合较好。对比两不同批次器件的微分结构函数,其中一种器件微分结构函数发生0.2 K/W偏移,超声波扫描(SAM)发现该器件焊料层存有空洞,该方法可用来判断器件内部工艺的好坏。     

基于贝叶斯网络的PECVD故障诊断技术

提出了贝叶斯网络技术在故障诊断中的一种应用,介绍了基于贝叶斯网络的故障诊断技术的基本概念和原理,分析了故障节点和维修节点之间相互作用的关系.应用GeNIe决策系统软件,以PECVD淀积台的真空系统为例,讲述了贝叶斯网络在半导体工艺设备故障诊断中的应用.     

军用手持仪器剩余电量的实时预测

锂电池以其较好的性能越来越多的应用于手持仪器中,但电池的管理却是个棘手的问题.本文首先讨论了剩余电量和电荷状态预测的两种方法的优缺点,然后根据具体情况提出了综合两者的长处、用软件方法实现的方法.以较低的成本解决了电池的电量实时预测问题,提高了可靠性.     

基于SON的MOSFET器件及其工艺方法研究

超薄体SOI器件能够有效抑制短沟道效应,业界认为在纳米器件时代它有可能取代传统体硅器件。但SOI器件的全局化埋氧层特性会使其产生自加热效应,严重时会导致器件开态电流下降、漏电流增加,从而导致器件可靠性降低。具有局部空洞层或介质层的SON器件及其制备方法已成为纳米器件时代的一个研究热点。阐述了SON器件的基本概念,比较了SON器件和传统体硅器件的电学特性。对SON器件的工艺制备方法进行了全面描述,包括早期的SON器件制备方法、基于MSTS的SON制备方法、气体注入SON制备方法,以及完全自对准SON器件制备方法。详细描述了准自对准气体注入SON器件和完全自对准SON器件制备方法的工艺流程。     

MOSFET失配的研究现状与进展

特定工艺条件下的器件失配程度限制了射频／模拟集成电路的设计精度和成品率。电路设计者需要精确的MOSFET失配模型来约束电路优化设计,版图设计者需要相应的设计规则来减小芯片失配。本文介绍了MOSFET失配的基本概念;回顾了MOSFET模型的研究进展及相关的版图设计技术、计算机仿真方法;总结了MOSFET失酉己对电路性能的影响及消除技术。最后探讨了MOSFET失配的研究趋势。     

Online Fault Prediction Based on Combined AOSVR and ARMA Models

Accurate fault prediction can obviously reduce cost and decrease the probability of accidents so as to improve the performance of the system testing and maintenance. Traditional fault prediction methods are always offline that are not suitable for online and real-time processing. For the complicated nonlinear and non-stationary time series, it is hard to achieve exact predicting result with single models such as support vector regression （SVR）, artifieial neural network （ANN）, and autoregressive moving average （ARMA）. Combined with the accurate online support vector regression （AOSVR） algorithm and ARMA model, a new online approach is presented to forecast fault with time series prediction. The fault trend feature can be extracted by the AOSVR with global kernel for general fault modes. Moreover, its prediction residual that represents the local high-frequency components is synchronously revised and compensated by the sliding time window ARMA model. Fault prediction with combined AOSVR and ARMA can be realized better than with the single one. Experiments on Tennessee Eastman process fault data show the new method is practical and effective.     

基于时间序列的电磁环境分析与预测方法

从电子战设备应该如何应对当前复杂的电磁环境入手,提出了一种基于时间序列分析理论的背景电磁环境分析与预测方法.并使用实际移动通信系统中载频级的占用时长数据建立了能够描述背景电磁频谱占用情况的数学模型,使用该模型对未来的频谱占用情况进行了预测.基于实际数值的研究结果表明该模型能够对未来的频谱占用情况做出较好地预测,从而为提升电子战设备对于不同背景电磁环境的适应能力奠定了基础.     

功率MOSFET管的热疲劳寿命预测

通过ANSYS有限元分析软件对TO-263器件功率MOSFET管进行电-热-机械耦合分析,并对其热疲劳寿命作出预测。首先进行了瞬态热分析,得出了芯片的热通量变化图,在此基础上进行模拟并通过Coffin-Manson定律预测功率MOSFET管的热疲劳寿命。结果表明,TO-263器件功率MOSFET管的热疲劳失效循环总数为6 113。