一种晶振温度测试数据智能分析存储系统的制作方法

1.本发明涉及数据处理技术领域，具体涉及一种晶振温度测试数据智能分析存储系统。


背景技术：

2.随着电子设备的发展和普及，晶振在电子设备中的应用越来越广泛，人们对晶振的质量和稳定性的要求也越来越高。晶振是一种电子元器件，通过产生稳定的高频信号，使电路工作在稳定的频率范围之内。因此，晶振的稳定性和精度对于设备的性能和可靠性有着重要的影响。
3.晶振在不同温度下会产生频率变化，在进行温度测试时，由于各种因素的影响，采集到的实际温度数据往往会存在一定的波动和噪声。如果直接使用这些未经处理的实际温度数据进行分析和存储，可能会导致结果的不稳定性和误差的增大。因此，在对晶振的温度测试数据分析存储之前，需要对实际温度数据进行平滑处理，有效的减少数据的噪声和波动，提高数据的准确性和可靠性。
4.指数平滑法是一种常用的时间序列预测方法，其核心是平滑因子的选择。传统指数平滑法中，平滑因子是认为设定的，平滑因子取的过小，会导致数据平滑程度不够，未消除噪声点所带来的影响；平滑因子取的过大，会导致数据过平滑，失去了原有的温度变化特征，导致分析结果不准确。


技术实现要素：

5.本发明提供一种晶振温度测试数据智能分析存储系统，以解决现有的问题。
6.本发明的一种晶振温度测试数据智能分析存储系统采用如下技术方案：本发明一个实施例提供了一种晶振温度测试数据智能分析存储系统，该系统包括以下模块：数据采集模块，采集实际温度数据；数据处理模块，根据实际温度数据和预设的初始平滑因子得到第一次平滑后的数据；将实际温度数据和第一次平滑后的数据记为原始数据；根据实际温度数据和第一次平滑后的数据得到第一特征，根据第一特征对原始数据进行分组得到分组结果，分组结果包括若干个组；根据分组结果中的实际温度数据和第一次平滑后的数据得到各组在初始平滑因子下的误差，根据各组在初始平滑因子下的误差得到各组最优平滑因子；数据存储模块，根据各组最优平滑因子对各组中的实际温度数据重新进行平滑，得到各组第二次平滑后的数据；将各组第二次平滑后的数据进行拼接得到实际温度数据第二次平滑后的数据，对实际温度数据第二次平滑后的数据进行存储；数据分析模块，对第二次平滑后的数据使用温度-频率特性曲线得到不同温度下的频率，根据频率的变化使用测量频率偏差法进行晶振质量的检测。
7.进一步地，所述第一次平滑后的数据的具体获取步骤如下：将初始平滑因子作为指数平滑公式中的平滑因子，根据指数平滑公式计算每个实际温度数据的平滑预测数据，作为第一次平滑后的数据。
8.进一步地，所述第一特征的具体获取步骤如下：第一特征的公式：式中，表示第个平滑预测数据；表示第个实际温度数据，表示第t个时刻的第一特征。
9.进一步地，所述根据第一特征对原始数据进行分组得到分组结果，包括的具体步骤如下：根据原始数据获得第一组，具体过程为：设置一个累加器g，累加器g的初始值为0；获取第一个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，累加器g加1，当时，累加器g不变；然后再计算获取第二个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，累加器g加1，当时，累加器g不变；然后再计算获取第三个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，累加器g加1，当时，累加器g不变；以此类推，直至在第n时刻得到的，用计算出的与差异变化阈值a进行比较，当时，此时累加器g加1，如果此时累加器g=10，将n个数据放入第一个分组中，至此得到第一组；将第一组中的数据从原始数据中去除，获得新的原始数据，同理，根据新的原始数据获得第二组；以此类推，直至获取所有满足条件的组，将剩余的原始数据作为一个新的组，获得所有组。
10.进一步地，所述根据分组结果中的实际温度数据和第一次平滑后的数据得到各组在初始平滑因子下的误差，包括的具体步骤如下：根据各组中每一时刻实际温度数据与平滑预测数据之间的差值平方的均值来得到各组在初始平滑因子下的误差。
11.进一步地，所述各组最优平滑因子的具体获取方法为：将任意一组记为目标组，当目标组在初始平滑因子下的误差小于等于预设阈值时，则目标组的平滑因子不用改变；当目标组在初始平滑因子下的误差大于预设阈值时，则通过平滑因子的调整值对目标组的初始平滑因子进行修正，将目标组的初始平滑因子与平滑因子的调整值的和作为目标组的新的平滑因子；以此类推，对目标组的新的平滑因子进行修正，直至目标组的新的平滑因子的误
差小于等于预设阈值，将此时的平滑因子作为各分组结果的最优平滑因子。
12.进一步地，所述平滑因子的调整值的具体获取方法为：平滑因子的调整值的计算公式为：式中，表示平滑因子的调整值，表示目标组的平滑因子，表示平滑因子为时的误差，b表示误差阈值。
13.进一步地，所述指数平滑公式的具体获取步骤如下：式中，表示第个平滑预测数据；表示平滑因子；表示第个实际温度数据；表示第个平滑预测数据；表示在[1,t-1]区间内的第个位置。
[0014]
进一步地，所述各组第二次平滑后的数据的具体获取步骤如下：将分组结果的最优平滑因子作为指数平滑公式中的平滑因子，根据指数平滑公式计算分组结果中每个实际温度数据的平滑预测数据，作为分组结果第二次平滑后的数据。
[0015]
进一步地，所述将各组第二次平滑后的数据进行拼接得到实际温度数据第二次平滑后的数据，包括的具体步骤如下：将各组第二次平滑后的数据按照原先位置顺序进行拼接得到实际温度数据第二次平滑后的数据。
[0016]
本发明的技术方案的有益效果是：指数平滑法是对数据进行平滑的方法之一，通过设置平滑因子对数据进行平滑处理。传统的指数平滑法是将全局设置为同一个平滑因子，进行平滑处理。而在晶振数据中，随着温度的变化，晶振的频率数据也会发生不同的变化，采用全局单平滑因子对数据进行平滑会造成较大的误差。因此，本发明通过设置初始平滑因子后的数据与实际温度数据的差异对数据进行自适应分段，使每一分段内的数据差异性较小。然后，根据每一分段内的数据，计算每一分段内的最优平滑因子，使同一分段内的数据利用同一平滑因子进行平滑时的误差较小。令对数据进行平滑时的误差减小，从而提高对晶振实际温度数据进行分析时的准确率。
附图说明
[0017]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]
图1为本发明一种晶振温度测试数据智能分析存储系统的模块流程图。
具体实施方式
[0019]
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结
合附图及较佳实施例，对依据本发明提出的一种晶振温度测试数据智能分析存储系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0020]
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
[0021]
下面结合附图具体的说明本发明所提供的一种晶振温度测试数据智能分析存储系统的具体方案。
[0022]
请参阅图1，其示出了本发明一个实施例提供的一种晶振温度测试数据智能分析存储系统的模块流程图，该方法包括以下模块：数据采集模块101：需要说明的是，晶振温度测试数据是指在晶振器件的生产过程中，对晶振器件进行温度测试时所获得的数据。在晶振器件中，晶体的精密结构和材料特性会随着温度的变化而发生变化，从而影响晶振的频率、稳定性和准确性等性能。因此，需要对晶振进行温度测试来评估其性能表现和可靠性。
[0023]
通常情况下，晶振温度测试数据包括温度和频率两个指标。温度指标表示测试时晶振器件所处的环境温度，通常以摄氏度为单位；频率指标表示在该温度下测量到的晶振信号频率，通常以赫兹为单位。通过采集和分析晶振温度测试数据，得到晶振在不同温度下的性能，判断其质量及可靠性。
[0024]
具体地，使用晶振温度检测仪采集两小时内以30秒为间隔的温度数据，记为实际温度数据。
[0025]
至此，实际温度数据采集完成。
[0026]
数据处理模块102：需要说明的是，平滑因子是指数平滑中的一个重要参数，用于平衡历史数据和当前数据的权重，从而实现平滑预测数据的平滑性和灵敏性。传统的指数平滑模型中，平滑因子是一个常量，为固定值，但是随着温度的变化，晶振的频率特性会随着温度的变化而变化，采用固定的平滑因子可能会导致预测误差较大，因此需要通过计算误差来对平滑因子进行收敛，根据数据不同温度下的频率变化自适应选取平滑因子，使利用平滑因子平滑后的数据误差最小化。
[0027]
（1）设置初始平滑因子，根据初始平滑因子获取平滑预测数据。
[0028]
进一步需要说明的是，在进行数据平滑时，由于数据的采集和处理过程中存在各种误差，比如测量误差、采样误差、计算误差等，因此数据平滑也会存在误差。这些误差可能会导致数据平滑后的结果与实际情况存在一定的偏差。
[0029]
具体地，预设初始平滑因子为，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中可根据具体实施情况而定。将初始平滑因子作为指数平滑公式中的平滑因子，根据指数平滑公式计算每个实际温度数据的平滑预测数据，作为第一次平滑后的数据。
[0030]
指数平滑公式如下：
式中，表示第个平滑预测数据；表示平滑因子；表示第个实际温度数据；表示第个平滑预测数据；表示在[1,t-1]区间内的第个位置。
[0031]
至此，得到平滑预测数据，记为第一次平滑后的数据。
[0032]
（2）根据实际温度数据和平滑预测数据之间的差异进行分组。
[0033]
需要说明的是，在对数据进行平滑时，随着温度的不断变化，晶振所对应的频率是在不断变化的，即此时利用单一平滑因子对数据进行平滑时，平滑后的预测值和实际值之间的差异实在不断变化的，而这些变化存在一定的规律性，即在局部的差异性是相似的，在平滑时根据这些局部规律性对数据进行分组，并将不同的分组赋予不同的平滑因子，可使平滑结果更加准确。因此，在本步骤需要根据平滑前后的的数据差异对数据进行分组，使每一分组中可以利用同一平滑值。
[0034]
具体地，分组规则如下：预设一个差异变化阈值a，其中本实施例以a=2为例进行叙述，本实施例不进行具体限定，其中a可根据具体实施情况而定。通过数据平滑前后各个数据点的差异对数据进行分组，使每个分组内数据平滑前后的差异相似，使其在分组内利用同一平滑因子对数据进行平滑的误差降低到最小。
[0035]
将任意时刻记为目标时刻，计算目标时刻对应的实际温度数据和平滑预测数据之间的差异，记为第一差异，其中差异为差值的绝对值；再计算所有时刻对应的实际温度数据和平滑预测数据之间的差异的均值，记为第一均值；用第一差异减去第一均值得到第二差异，根据所有时刻的第二差异的平方的均值得到第一特征，用g表示。
[0036]
当时，进行连续时刻的累加，得到一个时刻的长度，即就是数据的长度，以此来对该程度进行分组。将进行分组的数据记为原始数据，当连续的数据符合条件并分组后，将这组数据在原先的数据中删除，得到删除后的原始数据，以此类推，将所有符合条件的数据长度在原始数据中进行删除。其中，将每次符合条件的数据个数记为t，分组过程可用一个循环遍历来进行。
[0037]
第t个时刻的实际数据的第一特征计算公式为：式中，表示前t个原始数据个数；表示第个平滑预测数据；表示第个实际温度数据，表示第t个时刻的第一特征。
[0038]
根据原始数据获得第一组，具体过程为：设置一个累加器g，累加器g的初始值为0；获取第一个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，即认为符合累加g的条件，则此时累加器g加1，当时，即认为不符合累加g的条件，则此时累加器g不变。
[0039]
然后在计算获取第二个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，即认为符合累加g的条件，则此时累加器g加1，当时，即认为不符合累加g的条件，则此时累加器g不变。
[0040]
然后在计算获取第三个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，即认为符合累加g的条件，则此时累加器g加1，当时，即认为不符合累加g的条件，则此时累加器g不变。
[0041]
以此类推，直至在第n时刻得到的，用计算出的与差异变化阈值a进行比较，当时，此时累加器g加1，如果此时累加器g=10，将n个数据放入第一个分组中，至此得到第一组。
[0042]
将第一组中的数据从原始数据中去除，获得新的原始数据，同理，根据新的原始获得第二组。
[0043]
以此类推，直至获取所有满足条件的组，将剩余的原始数据作为一个新的组，获得所有组。
[0044]
至此，对原始数据的分组完成。
[0045]
（3）计算每一个分组内的最优平滑因子。
[0046]
需要说明的是，通过上述步骤平滑前后数据的差异变化将实际温度数据进行分组，使每一分组内的数据利用同一平滑因子对数据进行平滑时的误差降低到最小。在对数据进行平滑时，平滑因子的选择是十分重要的，平滑因子是控制历史数据和当前数据权重的关键参数，它直接影响到预测结果的准确性，随着温度的变化，晶振的频率数据的特征在不断发生变化。因此，需要根据数据的波动特征自适应调整平滑因子，使每一分组中的数据进行平滑后的数据误差降低到最小。在计算最优平滑因子时，需要根据平滑预测数据与实际温度数据的误差大小来调整平滑因子的取值。在上述步骤中，已经计算出了，所有数据在初始平滑因子时的所有平滑后的数据，本步骤需要根据平滑前后的数据差异，来计算最优平滑因子。
[0047]
进一步需要说明的是，平滑因子越大，对历史数据的影响就越小，对最近数据的影响就越大，因此可以更快地反应出数据的变化趋势。但是，如果平滑因子取值过大，会导致预测结果过于敏感，容易出现过拟合的情况，从而导致误差较大。相反，如果平滑因子取值过小，也会导致预测结果过于平稳，无法及时反应数据的变化趋势，也容易出现较大的误差。虽然，平滑因子取值过大或过小都会导致误差较大，但是这两种误差并不相同。当平滑因子取值过大时，指数平滑会更加敏感于最近的观测值，导致平滑曲线变化过于剧烈，容易出现过拟合的情况，从而使预测结果偏离真实值较远；当平滑因子取值过小时，指数平滑会更加平滑，减少了最近观测值的依赖，但同时也减少了对最新观测值的反应能力，导致平滑曲线变化缓慢，容易出现欠拟合的情况，从而使预测结果与真实值之间的误差较大。因此，可以根据平滑后的数据波动情况判断平滑因子是过大还是过小，若平滑后的数据波动较大，则说明平滑因子过大；若平滑后的数据波动过小，则说明平滑因子过小。
[0048]
具体地，根据分组内的数据特征计算该分组内的最优平滑因子的过程如下：将任意一个分组记为目标组，计算目标组的最优平滑因子的过程如下：第一步，根据初始平滑因子进行目标组结果内数据误差，即根据平滑前后
的数据可求出该平滑因子下的误差，计算误差的公式如下：式中，表示平滑因子为时目标组的误差；表示目标组中的数据总数；表示目标组中的第个平滑预测预测；表示目标组中的第个实际温度数据。
[0049]
其中，若平滑前后的数据差异越大，则利用平滑因子进行平滑时的误差越大，即利用该平滑因子取值下的平滑效果越差。
[0050]
预设一个误差系数x，其中本实施例以x=0.1为例进行叙述，本实施例不进行具体限定，其中x可根据具体实施情况而定；根据预设误差系数x获得误差阈值b，，表示目标组中的第个实际温度数据。即若则认为该平滑因子取值下的误差在可接受范围之内，使用该平滑因子取值较优；若，则认为该平滑因子取值下的平滑效果较差，需要对该平滑因子进行更新。
[0051]
第二步，对于误差不在可接受范围内的平滑因子进行调整，使利用平滑因子平滑后的数据在可接受范围之内。
[0052]
当时，平滑因子不需要调整，当时，平滑因子需要调整，计算调整值的公式如下：式中，表示平滑因子的调整值，表示目标组的平滑因子，表示平滑因子为时的误差，b表示误差阈值。
[0053]
其中，若误差在可接受范围之外，即平滑预测数据与实际温度数据的误差越大，则需要调整的平滑因子的值就越大；反之，当平滑预测数据与实际温度数据的误差越小，则需要调整的平滑因子的值就越小。
[0054]
将目标组的平滑因子与平滑因子的调整值的和作为目标组的新的平滑因子。
[0055]
第三步，计算出新的平滑因子后，重复第一步和第二步，利用新的平滑因子计算新的平滑因子下的误差，根据误差判断新的平滑因子是否需要更新，若需要更新，则重复上述步骤，直到误差在可接受范围之内截止。
[0056]
至此，得到每个分组结果对应的平滑因子。
[0057]
数据存储模块103：具体地，利用每个分组结果的最优平滑因子对其各自分组结果进行平滑，得到平滑后的数据，并对平滑后的数据进行存储，便于后续对数据结果的分析。
[0058]
根据分组结果以及各分组结果所对应的最优平滑因子将实际温度数据利用现有指数平滑方法进行平滑处理，将分组结果的最优平滑因子作为指数平滑公式中的平滑因子，根据指数平滑公式计算分组结果中每个实际温度数据的平滑预测数据，作为分组结果第二次平滑后的数据。
[0059]
至此，得到目标组平滑后的数据。
[0060]
依次得到所有分组结果平滑后的数据。
[0061]
然后将所有分组结果按之前删除的位置重新排列到原先位置，得到第二次平滑后的数据。
[0062]
最后对第二次平滑后的数据进行存储。
[0063]
数据分析模块104：获取之前时刻的晶振温度数据和频率数据，根据温度数据和频率数据建立温度-频率特性曲线。
[0064]
将存储的数据进行分析，对第二次平滑后的数据使用温度-频率特性曲线得到不同温度下的频率，根据频率的变化使用测量频率偏差法进行晶振质量的检测。
[0065]
至此，本实施例完成。
[0066]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种晶振温度测试数据智能分析存储系统，其特征在于，该系统包括以下模块：数据采集模块，采集实际温度数据；数据处理模块，根据实际温度数据和预设的初始平滑因子得到第一次平滑后的数据；将实际温度数据和第一次平滑后的数据记为原始数据；根据实际温度数据和第一次平滑后的数据得到第一特征，根据第一特征对原始数据进行分组得到分组结果，分组结果包括若干个组；根据分组结果中的实际温度数据和第一次平滑后的数据得到各组在初始平滑因子下的误差，根据各组在初始平滑因子下的误差得到各组最优平滑因子；数据存储模块，根据各组最优平滑因子对各组中的实际温度数据重新进行平滑，得到各组第二次平滑后的数据；将各组第二次平滑后的数据进行拼接得到实际温度数据第二次平滑后的数据，对实际温度数据第二次平滑后的数据进行存储；数据分析模块，对第二次平滑后的数据使用温度-频率特性曲线得到不同温度下的频率，根据频率的变化使用测量频率偏差法进行晶振质量的检测。2.根据权利要求1所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述第一次平滑后的数据的具体获取步骤如下：将初始平滑因子作为指数平滑公式中的平滑因子，根据指数平滑公式计算每个实际温度数据的平滑预测数据，作为第一次平滑后的数据。3.根据权利要求1所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述第一特征的具体获取步骤如下：第一特征的公式：式中，表示第个平滑预测数据；表示第个实际温度数据，表示第t个时刻的第一特征。4.根据权利要求1所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述根据第一特征对原始数据进行分组得到分组结果，包括的具体步骤如下：根据原始数据获得第一组，具体过程为：设置一个累加器g，累加器g的初始值为0；获取第一个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，累加器g加1，当时，累加器g不变；然后再计算获取第二个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，累加器g加1，当时，累加器g不变；然后再计算获取第三个时刻的第一特征；然后用计算出的与差异变化阈值a进行比较，当时，累加器g加1，当时，累加器g不变；以此类推，直至在第n时刻得到的，用计算出的与差异变化阈值a进行比较，当时，此时累加器g加1，如果此时累加器g=10，将n个数据放入第一个分组中，至此得到第一
组；将第一组中的数据从原始数据中去除，获得新的原始数据，同理，根据新的原始数据获得第二组；以此类推，直至获取所有满足条件的组，将剩余的原始数据作为一个新的组，获得所有组。5.根据权利要求1所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述根据分组结果中的实际温度数据和第一次平滑后的数据得到各组在初始平滑因子下的误差，包括的具体步骤如下：根据各组中每一时刻实际温度数据与平滑预测数据之间的差值平方的均值来得到各组在初始平滑因子下的误差。6.根据权利要求1所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述各组最优平滑因子的具体获取方法为：将任意一组记为目标组，当目标组在初始平滑因子下的误差小于等于预设阈值时，则目标组的平滑因子不用改变；当目标组在初始平滑因子下的误差大于预设阈值时，则通过平滑因子的调整值对目标组的初始平滑因子进行修正，将目标组的初始平滑因子与平滑因子的调整值的和作为目标组的新的平滑因子；以此类推，对目标组的新的平滑因子进行修正，直至目标组的新的平滑因子的误差小于等于预设阈值，将此时的平滑因子作为各分组结果的最优平滑因子。7.根据权利要求6所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述平滑因子的调整值的具体获取方法为：平滑因子的调整值的计算公式为：式中，表示平滑因子的调整值，表示目标组的平滑因子，表示平滑因子为时的误差，b表示误差阈值。8.根据权利要求2所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述指数平滑公式的具体获取步骤如下：式中，表示第个平滑预测数据；表示平滑因子；表示第个实际温度数据；表示第个平滑预测数据；表示在[1,t-1]区间内的第个位置。9.根据权利要求8所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述各组第二次平滑后的数据的具体获取步骤如下：将分组结果的最优平滑因子作为指数平滑公式中的平滑因子，根据指数平滑公式计算分组结果中每个实际温度数据的平滑预测数据，作为分组结果第二次平滑后的数据。10.根据权利要求1所述一种晶振温度测试数据智能分析存储系统，其特征在于，所述将各组第二次平滑后的数据进行拼接得到实际温度数据第二次平滑后的数据，包括的具体
步骤如下：将各组第二次平滑后的数据按照原先位置顺序进行拼接得到实际温度数据第二次平滑后的数据。

技术总结
本发明涉及数据处理领域，具体涉及一种晶振温度测试数据智能分析存储系统，包括：数据采集模块，采集实际温度数据；数据处理模块，根据实际温度数据得到第一次平滑后的数据；根据实际温度数据和第一次平滑后的数据得到第一特征，根据第一特征对原始数据进行分组得到分组结果；利用实际温度数据和第一次平滑后的数据计算各组的误差，并得到各组最优平滑因子；数据存储模块，根据各组最优平滑因子得到第二次平滑后的数据；然后对其进行存储；数据分析模块，对第二次平滑后的数据进行分析得到不同温度下的频率特性，根据频率的变化判断该晶振的质量。本发明用数据处理方式对数据分组，获取各组的平滑因子，提高预测数据的准确性。提高预测数据的准确性。提高预测数据的准确性。


技术研发人员：曾志 刘卫华 刘勇 董占恩 周小刚 王帮鑫 朱立璐 张孝天 刘志敏 韩盼盼
受保护的技术使用者：山东盈动智能科技有限公司
技术研发日：2023.08.22
技术公布日：2023/9/20