賈彥榮,崔展博,吳倩倩,侯昌宇,李興麗,高云紅

(1.石家莊海山實業(yè)發(fā)展總公司， 石家莊 050200；2.石家莊海山航空電子科技有限公司 電子室，石家莊 050200；3.沈陽航空航天大學 自動化學院，沈陽 110136)

?

基于紅外熱像采集的BPSO-WD-ESN電路板故障預測

賈彥榮1,2,崔展博1,2,吳倩倩1,2,侯昌宇1,李興麗1,2,高云紅3

(1.石家莊海山實業(yè)發(fā)展總公司， 石家莊 050200；2.石家莊海山航空電子科技有限公司 電子室，石家莊 050200；3.沈陽航空航天大學 自動化學院，沈陽 110136)

針對電路板集成度高、故障規(guī)律波動無序、偽周期性等難以準確預測的問題，借助紅外熱成像儀應用于電路板故障診斷中，提出了一種基于Bootstrap采樣技術的粒子群優(yōu)化(BPSO)小波回聲狀態(tài)網(wǎng)絡(WD-ESN)模型，運用紅外熱像故障分析模式，對功能電路板進行動態(tài)分析，獲取相關模塊的熱成像變化數(shù)據(jù)。利用WD解析出表征不同元器件變化區(qū)間，根據(jù)不同熱量變化規(guī)律，建立相應的儲備池網(wǎng)絡預測模型，采用Bootstrap粒子群算法對WD-ESN網(wǎng)絡的組合權值矩陣進行優(yōu)化。分別采用三種不同算法和經(jīng)過BPSO優(yōu)化后的WD-ESN模型對某型航電產(chǎn)品功能電路溫度圖譜進行分析，仿真結果表明，經(jīng)過PSO優(yōu)化后的WD-ESN模型能夠更加準確預測溫度變化趨勢(誤差低于15%)，滿足了高速、實時、準確的紅外溫度預測的要求。

紅外熱像技術;小波分解解析；WD-ESN網(wǎng)絡；SCADA系統(tǒng)；整合重構

隨著對功能電路板集成性和低能耗的要求越來越高，快速準確地對電路板的各種故障進行分析和定位[1]，已被作為衡量航電產(chǎn)品可靠性技術的重要特性。傳統(tǒng)的電路板檢測技術是一種接觸式檢測方法[2]，首先需要測量電路中功能模塊電流、電壓等元器件必要的參數(shù)，然后由檢測人員結合電路原理和故障現(xiàn)象進行分析[3]，才能診斷出電路板上的故障部位或元器件[4]，不僅整個檢測過程耗費時間較長，而且要求檢測人員具有較強的專業(yè)技能[5]。 航空電子產(chǎn)品在通電情況下，各類電子器件(電阻、電容、光耦、集成電路芯片等)均會發(fā)熱[6]，其工作過程會伴隨功耗變化，進而影響電路板的性能變化。有效分析功能電路板的溫度變化規(guī)律，對故障模塊預測顯得尤為重要。

GontarZ于2001年提出了改進型徑向基神經(jīng)網(wǎng)絡(RBF)預測模型[7]，可以有效反映輸入輸出間的非線性關系，在學習過程中動態(tài)確定隱層神經(jīng)元個數(shù)，但很難保證所建立網(wǎng)絡精確預測。SVM采用最小化系統(tǒng)泛化誤差可有效獲得全局最優(yōu)解[8]，但是求解過程多是隨機確定模型參數(shù)，將問題轉化為求解高維空間下的規(guī)劃問題且不具備動態(tài)記憶能力，計算量較大。針對這一問題，李明等學者利用動態(tài)儲備池理論建立了減少預測訓練權值計算量的回聲狀態(tài)網(wǎng)絡(ESN)[9]，通過對紅外熱像儀采集的功能電路溫度變化的仿真分析表明，利用常規(guī)的ESN算法對功能電路的溫度變化進行預測時，訓練過程和學習速率方面得到一定改善，能夠減少誤差，但因儲備池結構固定，僅能解決特定溫度變化范圍的預測，對波動較大的復雜非線性時間序列處理過程較差。

針對以上問題，本文將紅外熱像儀技術結合小波分解應用到時序波動，無序的電路板故障預測中，提出了基于Bootstrap采樣技術的粒子群優(yōu)化小波回聲狀態(tài)網(wǎng)絡(WD-ESN)模型，對網(wǎng)絡權值進行優(yōu)化，改善了預測效果，減少了權值訓練的計算過程。紅外熱像儀即是基于這一熱量變化過程來記錄電路板各觀測點的溫度變化，并將其記錄數(shù)據(jù)與數(shù)據(jù)庫中存儲的正常電路狀態(tài)進行對比分析，預測出熱量變化“失常單元”，以此為電子產(chǎn)品設計人員及電路維修人員提供排故依據(jù)。

1　紅外熱像系統(tǒng)構建

1.1紅外熱像系統(tǒng)功能

本應用系統(tǒng)借助紅外熱成像儀采集某航電產(chǎn)品正常測試數(shù)據(jù)和故障測試數(shù)據(jù)等多方面信息，采用數(shù)據(jù)處理、知識挖掘、專家經(jīng)驗等多方面手段，通過融合數(shù)據(jù)挖掘技術、優(yōu)化模型等多種信息，給出電路故障分析方案。系統(tǒng)功能模塊組成如圖1所示。

圖1　系統(tǒng)功能模塊組成

系統(tǒng)遵照模塊化方式進行設計，核心功能分為原始電路紅外采集數(shù)據(jù)處理與建庫、模型優(yōu)化及故障定位三個部分。具體流程如下：鑒于現(xiàn)場實時數(shù)據(jù)和歷史數(shù)據(jù)形成的EMS原始數(shù)據(jù)噪聲高、動態(tài)特性強等[10]問題，首先將原始數(shù)據(jù)通過除噪、濾波、缺失數(shù)據(jù)填補等處理環(huán)節(jié)，形成模型使用的應用數(shù)據(jù)庫。另一方面，實時數(shù)據(jù)、歷史數(shù)據(jù)和計劃數(shù)據(jù)將一并送入實時預測模塊。在此過程中，系統(tǒng)將依據(jù)SCADA系統(tǒng)實時監(jiān)控數(shù)據(jù)來完成對電路板故障分析環(huán)節(jié)的在線校正，將誤差減到最小，完成在線實時預測。紅外熱像技術應用于電路板故障預測的功能流程圖如圖2所示。

系統(tǒng)輸入來源為EMS/MES系統(tǒng)數(shù)據(jù)庫的計劃數(shù)據(jù)、實時數(shù)據(jù)和歷史數(shù)據(jù)，還包括現(xiàn)場定修等專家預案和人工干預等。此類信息將為系統(tǒng)四大功能模塊提供服務。

工程實踐中，技術人員有時更加關注諸多不確定性因素影響下的故障變化趨勢，并能有效衡量各類不確定性因素對預測結果的影響?？赏ㄟ^實施區(qū)間定位給用戶展示出相應階段電路溫度曲線的最高/最低波動區(qū)間，一般設定其區(qū)間置信率為80%。

圖2　系統(tǒng)功能流程圖

1.2數(shù)據(jù)庫基本設計

本紅外熱像系統(tǒng)關系數(shù)據(jù)庫管理系統(tǒng)采用DB2，表的設計大致分為四部分，即主要處理計劃數(shù)據(jù)的計劃類表，主要處理歷史數(shù)據(jù)的數(shù)據(jù)表，主要處理電耗類數(shù)據(jù)的數(shù)據(jù)表以及負責帳號管理等輔助功能的數(shù)據(jù)表?；颈碓O計包括一些主外鍵連接以方便聯(lián)合查詢，但也未設置過多此類連接，以免造成數(shù)據(jù)庫調(diào)試修改困難。

數(shù)據(jù)庫與系統(tǒng)的每個模塊都具備輸入輸出接口[11]，方便各模塊依功能需要從數(shù)據(jù)庫取得相應數(shù)據(jù)，或存儲一些關鍵參數(shù)、操作信息等。

2　小波分解改進ESN網(wǎng)絡模型(WD-ESN)

2.1ESN模型算法

回聲狀態(tài)網(wǎng)絡預測(echostatenetwork,ESN)算法是一種動態(tài)遞歸網(wǎng)絡算法[12]，其基本思路是通過內(nèi)部的動態(tài)儲備池DR(DynamicalReservoir，DR)產(chǎn)生一個隨輸入信號u(t)變化生成的動態(tài)非線性系統(tǒng)。該系統(tǒng)時序預測方面表現(xiàn)出較好的性能。

ESN預測模型建模過程如下：

Step1 設定input(輸入單元)、output(輸出單元)，可得預測系統(tǒng)如公式(1)、(2)所示：

UcDi(n)=[cDi(n),cDi(n-V1),…,cDi(n-VM-1)]

(1)

YcDi(n)=[cDi(n+VM)]

(2)

式中，V1,V2,…VM-1,VM分別表示溫度變化延遲時間，M表征輸入維數(shù)。

Step2 儲備池更新 確定儲備池(DR)大小NcDi，縮放矩陣使譜半徑ρcDi<1，生成連接矩陣，依據(jù)生成的輸入連接和輸出反饋權值，結合ESN建模理論，得到式(3)的DR狀態(tài)更新推導公式：

(3)

Step3 輸出權值計算

令xcDi(0)=0，當實時功能電路溫度變化數(shù)據(jù)動態(tài)導入ESN預測模型，DR(儲備池)隨(4)式不斷更新，輸出權值矩陣如式(4)所示：

(4)

(4)式中 DcDi=[ucDi(n)xcDi(n)]，TcDi=[ycDi(n)]

Step4 溫度變化預測

溫度變化預測方程如式(5)所示：

(5)

2.2小波分解(wavelet decomposition,WD)基本算法

小波分解是建立在基函數(shù)基礎上的時間～尺度(時間～頻率)分析方法，適合將復雜非線性信號分解成若干不同頻帶的細節(jié)和基本信號序列[13]，針對不同的尺度信號分別建模，然后再還原信號得到更為精確的預測信號，分解過程如式(6)所示：

(6)

(7)

分解步驟如下：

步驟1：設置小波基函數(shù)，將其與待分解溫度變化信號初始時刻對齊；

步驟2：選擇初始小波變換尺度a0，計算初始時刻待分解的溫度變化信號與小波基函數(shù)的相似程度C。C值的大小反應出溫度變化信號與所選小波函數(shù)逼近效果；

步驟3：以溫度變化信號為參照，令小波函數(shù)沿著時間軸平行移動b0，利用步驟1～步驟2，計算平移后的小波變換系數(shù)C1，重復這一過程直到完整覆蓋溫度變化信號；

步驟4：重新設置小波變換尺度a1，然后重復步驟1～步驟3；

步驟5：針對待分解信號重復步驟1～步驟4(尺度伸縮)，最后，將得到各電路板功能模塊溫度變化在這些小波函數(shù)的投影效果。

2.3WD-ESN預測模型

由于電路板各功能模塊溫度變化波動無序、幅度大、易受外界干擾，這就增加了溫度變化預測的難度，一旦發(fā)生波動，或產(chǎn)品性能下降，都將嚴重影響其算法模型的應用推廣。

基于以上分析，為了解決電路板時序邏輯芯片溫度變化信號非平穩(wěn)和多尺度變化的問題，本文利用小波分解算法改進ESN網(wǎng)絡泛化效果。通過WD將溫度變化信號進行分頻解析，經(jīng)平移及伸縮后分解為1個低頻基本分量和多個高頻細節(jié)分量，希望利用分頻預測來提高ESN網(wǎng)絡的預測效果，最終將分解預測效果重構，得到電路板功能模塊溫度變化整體預測效果。

WD-ESN預測建模步驟如下：

(1)確定時序信號的分解層次m，初始化伸縮變量a0，通過式(7)，依次平移b0個單位?？蓪囟茸兓跏夹盘柗纸鉃榛痉至縞A1，高頻分量cD1；

(2)改變伸縮變量，對細節(jié)分量cA1進行小波變換，可將其分解為基本分量cA2和細節(jié)變量cD2；

(3)根據(jù)分解層次m，可依次將原始溫度變化序列分解為cAm，…，cDm，cD2,cD1；

通過小波重構整合理論，可整合出電路板溫度變化終值，如式(8)所示：

(8)

為便于準確預測溫度變化趨勢，以真實值y實(n)和預測值y(n)的偏差最小值為目標，借助線性回歸來確定各分支系數(shù)，如式(9)所示：

O=(JTJ)-1JTT

(9)

其中，O=[w1w2w3…wm+1] ，

T=[y(1)y(2)…y(λ)],

3　基于BPSO的WD-ESN預測模型優(yōu)化

本文溫度變化預測用戶選擇某航空產(chǎn)品的5個主要功能模塊，各預測環(huán)節(jié)的運行狀態(tài)不同，其用電特征和溫度變化波動情況各異，故應針對各模塊分別進行預測，模型參數(shù)的選取就顯得尤為重要。對多參數(shù)、過擬合、非線性、多尺度、多約束等耦合系統(tǒng)尋優(yōu)問題，BPSO優(yōu)化效果較為理想。

文化是民族的血脈，是人民的精神家園，人類的發(fā)展史亦可稱為一部文化的繼承與發(fā)展史。而高校是人才培養(yǎng)的搖籃，是滋生文化的沃土，是傳播文化的重要領地，理應是文化建設中的重大抓手。在日新月異、瞬息萬變的時代里，高校文化建設更是應該把握時代發(fā)展脈絡，不斷調(diào)整發(fā)展方向、豐富發(fā)展內(nèi)涵，積極推進文化大發(fā)展與大繁榮。

3.1基于BPSO的WD-ESN參數(shù)優(yōu)化

PSO算法用于WD-ESN網(wǎng)絡組合權值優(yōu)化。一方面采用數(shù)值迭代的求解方式，不需要進行矩陣求逆操作，可以避免因病態(tài)矩陣而導致權值偏移的現(xiàn)象；另一方面編碼方式采取實數(shù)編碼，即用粒子編碼來表征待求的網(wǎng)絡權值，將網(wǎng)絡權值尋優(yōu)過程轉化為粒子尋優(yōu)問題。為提高模型實用性，本文在建立WD-ESN算法模型基礎上，提出基于Bootstrap采樣技術的粒子群優(yōu)WD-ESN模型。

在利用BPSO算法進行組合權值優(yōu)化時，將粒子進行歸一化操作，并在“評價標準(適應度函數(shù))”中引入罰函數(shù)項，以弱化噪聲和共線性的干擾。因此，對于給定好的m個回聲網(wǎng)絡，cD1,cD2,cD3,…,cDm,其優(yōu)化組合權值w(w1,w2,…,wm)步驟如下：

Step2：將初始化粒子群按照式(10)進行處理，種群粒子代入問題“評價標準”之中。初始20組粒子，通過MATLAB2012中的HeavySine函數(shù)進行小波分解層數(shù)的自適應分析，對于本文預測對象，適應度函數(shù)選取如下：

φ(x)=1/L

(10)

給定輸入?yún)?shù)作為尋優(yōu)變量，WD-ESN的動態(tài)優(yōu)化目標函數(shù)選取如式(11)所示：

(11)

(12)

FP表征罰函數(shù)項，用以約束權值和為1，如式(13)所示：

(13)

Step3：當t

(14)

(15)

為限制PSO粒子的盲目搜素，將位置和速度分別限制在[-Xmax,+Xmax]和[-Vmax,+Vmax]區(qū)間，k是當前迭代次數(shù)，Vid粒子的速度是非負加速度學習因子,σ是慣性權重。為了改善算法的收斂性能通常取值如式(16)所示：

(16)

其中σmax、σmin分別為最大、最小加權系數(shù)，t為當前迭代次數(shù)，tmax為算法迭代總次數(shù)。

每執(zhí)行一次，需對粒子約束條件進行驗證，如超過速度或位置約束，則排除該粒子，并對其他粒子進行更新操作，直到達到最大迭代次數(shù)為止；

(17)

(18)

Step6：誤差對比分析，將得到最優(yōu)位置或者達到迭代進化次數(shù)上限(本文中取80) 的尋優(yōu)粒子代入WD-ESN網(wǎng)絡，如果達到預期溫度變化預測精度需求，則尋優(yōu)停止，否則轉至Step2。

3.2模型預測流程

Step1 針對輸入的電路板溫度變化數(shù)據(jù)，借助WD分解得到cAm，…,cDm,cD2,cD1；

Step2 結合紅外成像SCADA系統(tǒng)，對WD分解后不同尺度的電路板溫度變化分量進行單支重構，得到對應尺度的電路板溫度變化序列，分析其對應尺度變化情況，尋找其規(guī)律，為后續(xù)ESN建模提供指導；

Step3 依據(jù)不同尺度溫度變化序列的特征，借助BPSO優(yōu)化選擇合適的ESN網(wǎng)絡權值參數(shù)，分別預測對應頻率溫度變化序列ycDi(n)。

其BPSO算法優(yōu)化權重過程如下：

(1)輸入待處理的組合權值矩陣數(shù)據(jù)改變目標優(yōu)化函數(shù)L；

(2)約定最大尋優(yōu)次數(shù)tmax=50，初始值t=1；

(5)t=t+1 ；

(7)對20個過程(6)所示最優(yōu)組合求均值如式(19)所示：

(19)

(8) 相應的ESN網(wǎng)絡分支輸出如式(20)所示：

(20)

Step4 通過線性回歸模型整合各分支預測結果(溫度變化預測流程如圖3所示)。

圖3　溫度變化預測流程

3.3預測仿真分析

為驗證本文所建立紅外熱像技術應用于電路板溫度變化預測模型的實用性，分別采用經(jīng)典SVM，徑向基預測模型及ESN網(wǎng)絡進行對比預測分析，預測對象為CPU模塊、電源模塊、驅動電路模塊、通信模塊，選擇2015年5月份某航電產(chǎn)品通電測試段內(nèi)的1 920個溫度變化數(shù)據(jù)(每隔15秒的電路板溫度變化值為一個采樣時刻數(shù)據(jù))作為訓練樣本，預測電路板溫度變化趨勢，仿真效果擬選用三種評價準則進行綜合分析。

(1)平均絕對百分比誤差如式(21)所示：

(21)

(2)歸一化均方根誤差如式(22)所示：

nrmse=

(22)

(3)均方誤差如式(23)所示：

(23)

式中，yreal(i)表征溫度變化驗證真實數(shù)據(jù)，ypre(i)為預測點，q表征溫度變化預測點數(shù)，不同模型預測效果如表1所示。

由預測對比結果可知，本文提出的基于紅外熱像技術組合模型對某航電產(chǎn)品電路板系統(tǒng)主要模塊進行溫度變化預測時，不同的評價準則的預測效果均優(yōu)于其他幾種模型。ESN雖然輸出波動不大，但預測精度不高,原因可能是由于其網(wǎng)絡結構固定，性能易受儲備池神經(jīng)元不同選擇的影響。徑向基網(wǎng)絡因為其學習過程易形成局部極值點，因此導致模型預測效果不夠理想。SVM模型輸出波動最大，性能易受核函數(shù)不同選擇的影響,預測精度最低，但運算速度上具有明顯優(yōu)勢(0.309 11秒)，且適合于小樣本處理(數(shù)據(jù)點數(shù)小于4 000)。而本文提出的BPSO優(yōu)化WD-ESN預測模型，無論輸出精度(誤差均低于10%)，還是預測效果的穩(wěn)定性都遠優(yōu)于其他幾種算法。

表1　各主要電路板用戶溫度變化預測誤差率對比

4　結束語

(1)電路板標準信息庫(SCADA系統(tǒng))的建立是電路板檢測的基礎工作。要完善故障的相關信息，如溫度特征信息、溫度特征曲線等?？筛鶕?jù)相關的溫度特征信息將故障分級，以方便對電路板的維修。本文以紅外熱像技術應用于電路板溫度變化預測為背景，提出基于BPSO和WD-ESN組合模型，將電路板功能模塊波動無序和非線性的溫度變化預測問題轉化為不同尺度的溫度變化分量，針對不同的尺度信號分別建立ESN網(wǎng)絡，更有針對性；

(2)基于Bootstrap采樣技術的粒子群優(yōu)化算法有效解決了多參數(shù)、過擬合、非線性、多尺度、多約束等耦合系統(tǒng)尋優(yōu)問題；

(3)針對不同溫度變化預測對象的仿真實例表明，經(jīng)BPSO優(yōu)化后的WD-ESN模型的預測精度更高，適應性更好，可以有效處理電路板溫度變化難以準確預測的問題，為解決時序電路故障定位提供了一個良好的思路。

[1]張聰.PCB外觀檢測儀中基于FPGA的CMOS圖像采集[D].成都：電子科技大學,2013.

[2]賈延璽.加載電路板檢測系統(tǒng)研制[D].哈爾濱：哈爾濱工業(yè)大學,2009.

[3]崔昊楊,許永鵬,楊俊杰,等.基于MIV和BRBP神經(jīng)網(wǎng)絡的電路板紅外診斷方法[J].激光與紅外,2014,44(4):382-386.

[4]FARROKHRAHIMI,ALIIPAKCHI.Overviewofdemandresponseunderthesmartgridandmarketparadigms[C].OpenAccessTechnol.Int.Inc.(OATI),Minneapolls,MN,USAinGaithersburg,MD,2010:1-7.

[5]龔鎮(zhèn)，李運禎.基于紅外溫度變化規(guī)律診斷電路故障[J].電子技術，2009，8(25)：37-39.

[6]周孟特.基于ARM11的便攜式紅外電路故障檢測硬件系統(tǒng)[D].成都：電子科技大學,2013.

[7]田裕鵬.紅外檢測與診斷技術[M].北京：化學工業(yè)出版社，2006.

[8]崔偉.電路板故障紅外熱像檢測關鍵技術研究[D].南京：南京航空航天大學,2011.

[9]MENG LI,WEI DONG.,Model of multi-sensor data fusion and trajectory prediction based on echo state network[C].IEEE Industrial Electronics Society Beijing(Shenzhen) Chapter、Changchun University of Technology,China、Intelligent Information Technology Application Research Association(IITA Association),Hong Kong,2010:4.

[10]周孟特,葉玉堂,王智芳,等.便攜式紅外電路故障檢測系統(tǒng)[J].光電工程,2011,38(8):101-106.

[11]曾佩佩.基于主動輪廓模型的PCB紅外圖像分割[D].天津：中國民航大學,2015.

[12]景華.基于ARM11的嵌入式碳氫分析儀的研制[D].南京：南京信息工程大學,2015.

[13]李加超.基于NiosⅡ的多功能圖像信號源的設計與實現(xiàn)[D].太原：中北大學,2015.

[14]劉寧.便攜式紅外電路故障檢測儀底層軟件設計[D].成都：電子科技大學,2013.

[15]雷冬梅.非侵入式電路故障診斷及家用電器用電狀況在線監(jiān)測算法研究[D].重慶：重慶大學,2013.

[16]劉寧,周孟特,王智芳,等.便攜式紅外電路故障檢測儀視頻采集驅動設計[J].計算機工程與科學,2011,33(12):189-193.

(責任編輯：劉劃英文審校：趙歡)

FaultpredictionofBPSO-WD-ESNcircuitboardbasedonthermalinfraredimaging

JIAYan-rong1,2,CUIZhan-bo1,2,WUQian-qian1,2,HOUChang-yu1,LIXing-li1,2,GAOYun-hong3

(1.HaishanCorporationofIndustrialDevelopmentinShijiazhuang,Shijiazhuang050200,China;2.TheElectronicChamber，ShijiazhuangHaishanAvionicsCo.,Ltd.,Shijiazhuang050200,China;3.CollegeofAutomation，ShenyangAerospaceUniversity,Shenyang110136,China)

Somefaultsofcircuitboardaredifficulttopredictaccuratelyduetohighintegrationoftheboard,disorderlyfluctuationsoftimingmodulefailure,andpseudo-periodicity.Awaveletechostatenetwork(WD-ESN)modebasedonbootstrapsamplingtechniqueandparticleswarmoptimization(BPSO)wasproposedusingthermalinfraredimagingtodynamicallyanalyzethefunctionoftheboardandobtainthechangesinthermalimageofrelativemodule.ThevariationrangeofdifferentcomponentscharacterizedbyWDanalysis,correspondingreservepoolnetworkpredictionmodelwasestablishedbasedontheheatvariation,andcombinationweightmatrixofWD-ESNnetworkwasoptimizedusingBootstrapPSOalgorithms.ThreedifferentalgorithmsandWD-ESNmodeloptimizedbyBPSOwereusedrespectivelytoanalyzethefeaturescircuitofacertainavionicsproduct.SimulativeresultsshowthatWD-ESNmodeloptimizedbyPSOcanmoreaccuratelypredictthechangeoftemperature(errorLowto15%)andmeetthepredictionrequirementssuchashigh-speed,real-time,andaccurate.

hermalinfraredimagingtechnology;waveletanalysis;WD-ESNnetwork;SCADAsystem;integrationandreconstruction

2015-11-08

國家自然科學基金(項目編號：51277126);航空科學基金(項目編號：2014ZB54010)

賈彥榮(1982-)，男，工程師，主要研究方向：航空電子產(chǎn)品可靠性維修，E-mail:2363022568@qq.com。

2095-1248(2016)04-0066-07

N945.12

A

10.3969/j.issn.2095-1248.2016.04.012