基于图卷积神经网络的电路板装配故障反演方法

扫码查看

原文链接

万方数据
维普

中文摘要：现阶段电路板装配故障信息不能有效反演至设计师,导致设计制造迭代效率无法提升.文中提出了一种基于图卷积神经网络的电路板装配故障反演方法,首次将电路板的电路结构作为非欧结构数据进行研究,提出了电路板电路结构的图化方法和批量双模型图卷积相似度算法以解决电路板装配故障反演问题.算法主要流程包括:将目标电路板和待检测电路板群拼接,形成训练集、验证集和测试集,送人第一模型,依次由图卷积神经网络层、全连接层和softmax层对图节点进行分类,并利用准确率、召回率和F1值评估第一模型;随后将完整数据送人第二模型,利用余弦相似度得出目标电路板装配故障器件点和待检测电路板群器件点的相似度评分,并将量化结果推荐到电路板设计师完成辅助设计.实验结果表明,该方法能够对电路板相似故障提出有效的反演设计建议.

外文标题：Circuit Board Assembly Fault Inversion Method Based on Graph Convolutional Neural Network

外文关键词：

graph convolutional neural networkcircuit board assembly faultinversionaided design

作者：

董晓冬、周金柱、林强强、杜志强、蔡云霓

展开 >

作者单位：

西安电子科技大学高性能电子装备机电集成制造全国重点实验室,陕西西安710071

关键词：

图卷积神经网络电路板装配故障反演辅助设计

基金：

国家自然科学基金国家重点研发计划陕西省自然科学基础研究计划西安市重点产业链关键核心技术攻关项目

项目编号：

521752472022YFB33061012023-JC-JQ-4323LLRH0080

出版年：

2024

DOI：

10.19659/j.issn.1008-5300.2024.01.003

电子机械工程

南京电子技术研究所

电子机械工程

影响因子：0.31

ISSN：1008-5300

年,卷(期)：2024.40(1)

参考文献量14