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！

龙图腾网恭喜合肥工业大学申请的专利用于系统级芯片异常值自适应测试的故障模型构建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：CN119716501B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202510237403.6，技术领域涉及：G01R31/28；该发明授权用于系统级芯片异常值自适应测试的故障模型构建方法是由王秋晨;刘波设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本用于系统级芯片异常值自适应测试的故障模型构建方法在说明书摘要公布了：本发明公开了一种用于系统级芯片异常值自适应测试的故障模型构建方法；涉及芯片测试的故障构建技术领域，在不同温度、电压、频率和负载等条件下大规模测试芯片，采集信号延迟、功耗等性能参数，运用Z‑score或箱线图法筛选异常值，用滑动窗口处理；通过CNN或RNN提取特征，归一化；K‑Means或层次聚类分类故障特征，准确率≥80%；SVM或决策树构建模型，能预测故障、自更新，根据芯片参数变化自适应调整，用独立数据验证优化，留一法等评估，梯度下降优化。本发明能对系统级芯片进行多条件测试，精准筛选异常值，提取特征并分类故障，构建可自更新的故障模型，实现自适应调整，验证优化提高准确率，提升芯片测试与故障诊断效率和准确性。

本发明授权用于系统级芯片异常值自适应测试的故障模型构建方法在权利要求书中公布了：1.一种用于系统级芯片异常值自适应测试的故障模型构建方法，其特征在于，包括以下步骤：测试数据采集步骤：对系统级芯片在不同工作条件下进行测试，测试过程中，通过数据通道复用技术采集性能参数；异常值筛选步骤：运用统计分析方法，对采集的测试数据进行分析，筛选出超出正常范围的异常值；故障特征提取步骤：筛选出的异常值数据，通过学习算法卷积神经网络或递归神经网络，提取故障特征；故障模式分类步骤：采用聚类算法对提取的故障特征进行分类；对于K-Means聚类，通过肘部法则确定最佳的聚类数K，对于层次聚类，采用完全连接方法计算簇间距离；故障模型构建步骤：基于分类后的故障模式，通过机器学习算法，构建故障模型；对于SVM算法，选择径向基核函数并通过网格搜索和交叉验证技术优化超参数，对于决策树算法，使用信息增益或基尼指数作为分裂准则，对不同故障模式进行建模；自适应调整步骤：在系统级芯片运行过程中，通过实时反馈机制，芯片的实时性能参数反馈到故障模型，通过计算性能参数变化率，若变化率超过阈值时触发模型调整；模型验证与优化步骤：使用独立的测试数据集对构建的故障模型进行验证。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市屯溪路193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”。