买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安电子科技大学申请的专利一种基于深度学习的PIN限幅器性能及HPM效应预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115935806B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211482474.5，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的PIN限幅器性能及HPM效应预测方法是由王树龙;高文泽;赵银峰;张旭艳;李宇航;李嘉睿;杨凌设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本一种基于深度学习的PIN限幅器性能及HPM效应预测方法在说明书摘要公布了：本发明为一种基于深度学习的PIN限幅器性能及HPM效应预测方法，利用TCAD仿真软件，首先建立PIN限幅器的数值物理模型，随后基于PIN二极管数值物理模型搭建PIN限幅器HPM效应仿真电路，根据样本集所需的特征设置器件参数、HPM参数并进行瞬态响应仿真，获取样本集特征对应的标签；构建深度学习网络预测模型并进行训练验证，得到满足要求的模型，利用该满足要求的模型对不同参数、工作条件下PIN限幅器性能及HPM效应进行预测，本发明解决了现有获取PIN限幅器限幅性能及HPM效应传统方法中存在的计算量大、耗时长且不收敛等问题，降低了获取限幅器性能的人力成本与时间成本，提高了预测效率与准确率。

本发明授权一种基于深度学习的PIN限幅器性能及HPM效应预测方法在权利要求书中公布了：1.一种基于深度学习的PIN限幅器性能及HPM效应预测方法，其特征在于，包括： 步骤1，基于TCAD仿真建立样本集 利用TCAD仿真软件，首先建立PIN限幅器的数值物理模型，随后基于PIN二极管数值物理模型搭建PIN限幅器HPM效应仿真电路，根据样本集所需的特征设置器件参数、HPM参数并进行瞬态响应仿真，获取样本集特征对应的标签； 其中，所述样本集所需的特征为： PIN二极管I层厚度WI、PIN二极管I层掺杂NI、HPM频率f、HPM上升时间tr和HPM输入功率Pin，每组特征需要对应仿真实验获取对应的一组标签； 所述样本集特征对应的标签为： 仿真得到的限幅功率阈值、插入损耗、最大隔离度和PIN二极管结温曲线，所述限幅功率阈值、插入损耗、最大隔离度用于表征所述限幅器的限幅性能；PIN二极管结温曲线用于表征HPM效应； 步骤2，将样本集划分为训练集、交叉验证集和测试集； 步骤3，构建深度学习网络预测模型并进行训练验证，得到满足要求的模型，利用该满足要求的模型对不同参数、工作条件下PIN限幅器性能及HPM效应进行预测，其中，所述深度学习网络预测模型包括网络一和网络二，所述网络一用于预测PIN限幅器的限幅性能，所述网络二用于预测PIN限幅器的HPM效应。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。