楚軍　張栓　沈靜靜

【摘 要】為保證電子系統(tǒng)的穩(wěn)定運(yùn)行，需對(duì)系統(tǒng)故障的發(fā)生提前做出預(yù)測(cè)并及時(shí)維護(hù)，故障預(yù)測(cè)技術(shù)也不斷成為當(dāng)下研究熱點(diǎn)，而模擬電路故障預(yù)測(cè)研究還處于起步階段。針對(duì)模擬電路故障預(yù)測(cè)研究，本文總結(jié)了現(xiàn)有的研究方法。

【關(guān)鍵詞】故障預(yù)測(cè)；模擬電路

【Abstract】In order to ensure the stable operation of the electronic system it is necessary to make predictions and timely maintenance of the system fault. The fault prediction technology has also become the hotspot of the current research and the simulation circuit fault prediction research is still in the initial stage. This paper summarizes the existing research methods for analog circuit fault prediction research.

【Key words】Failure prediction； Analog circuits

0 引言

隨著當(dāng)代電子科技的快速發(fā)展，電路的設(shè)計(jì)規(guī)模逐漸變大，其結(jié)構(gòu)也更加復(fù)雜，致使電路系統(tǒng)更易發(fā)生多樣的故障。為了保證電子系統(tǒng)的穩(wěn)定運(yùn)行，需對(duì)系統(tǒng)的運(yùn)行狀況進(jìn)行檢測(cè)，無誤的做出故障預(yù)測(cè)并及時(shí)維護(hù)，故障預(yù)測(cè)技術(shù)也不斷成為當(dāng)下研究熱點(diǎn)，這就使得故障預(yù)測(cè)與健康管理（Prognostic and Health Management， PHM）技術(shù)受到更多的重視。PHM 技術(shù)以故障預(yù)測(cè)技術(shù)為核心，具有較強(qiáng)的主動(dòng)性，能夠有效提高設(shè)備的可靠性，降低設(shè)備維護(hù)、維修成本。據(jù)統(tǒng)計(jì)80%的電路故障是出現(xiàn)在模擬電路中，只有20%出現(xiàn)在數(shù)字電路中，并且對(duì)數(shù)字電路的故障預(yù)測(cè)技術(shù)已經(jīng)處于成熟階段，為此本文主要介紹針對(duì)模擬電路故障預(yù)測(cè)的研究概述。

1 模擬電路故障特征提取

模擬電路故障預(yù)測(cè)主要由故障數(shù)據(jù)采集、特征提取、信息處理、故障預(yù)測(cè)、健康評(píng)估五部分組成。模擬電路是否可以準(zhǔn)確的作出故障預(yù)測(cè)，其關(guān)鍵點(diǎn)在模擬電路的故障特征提取。對(duì)故障電路采集的信息越詳細(xì)，故障預(yù)測(cè)結(jié)果就越準(zhǔn)確。提取到的原始數(shù)據(jù)信息量龐大，如果直接用于故障預(yù)測(cè)，會(huì)導(dǎo)致預(yù)測(cè)結(jié)果不準(zhǔn)確，效率偏低。為此，需要對(duì)原始數(shù)據(jù)進(jìn)行特征提取，比較常見的特征提取方法主要有：基于小波變換的電路故障特征提取、基于傅里葉變換的電路故障特征提取、基于統(tǒng)計(jì)信號(hào)的電路故障特征提取等方法。

2 模擬電路故障預(yù)測(cè)方法

故障預(yù)測(cè)是PHM技術(shù)的重要組成部分，當(dāng)今對(duì)電子設(shè)備的故障預(yù)測(cè)技術(shù)的研究還不是很成熟，而模擬電路作為電子設(shè)備中的重要組成部分，所以對(duì)模擬電路的故障預(yù)測(cè)就成為完善PHM理論具有重要意義。目前，對(duì)模擬電路的故障預(yù)測(cè)方法主要分為如下三類：

2.1 基于模型的故障預(yù)測(cè)

基于模型的故障預(yù)測(cè)技術(shù)采用建模的預(yù)測(cè)方法，深入到系統(tǒng)本質(zhì)研究其性質(zhì)，對(duì)設(shè)備在未來的使用中進(jìn)行預(yù)測(cè)，采用這種方法的前提是己知系統(tǒng)的模型。該方法的優(yōu)點(diǎn)是能夠準(zhǔn)確的建立系統(tǒng)的內(nèi)部模型并且進(jìn)行精準(zhǔn)的故障預(yù)測(cè)。但是對(duì)于一個(gè)很復(fù)雜的動(dòng)態(tài)系統(tǒng)來說，要想通過物理模型實(shí)現(xiàn)系統(tǒng)精準(zhǔn)的預(yù)測(cè)結(jié)果，就要求建立一個(gè)與之匹配的數(shù)學(xué)模型，這個(gè)過程是很難實(shí)現(xiàn)的。因此，復(fù)雜的建模過程導(dǎo)致該方法的應(yīng)用范圍較窄。

2.2 基于統(tǒng)計(jì)分布的故障預(yù)測(cè)

基于統(tǒng)計(jì)分布的故障預(yù)測(cè)是根據(jù)系統(tǒng)歷史狀態(tài)信息的統(tǒng)計(jì)學(xué)特性角度進(jìn)行故障預(yù)測(cè)。統(tǒng)計(jì)量有均值、方差、翹度、峰值等，需要的信息比基于模型的故障預(yù)測(cè)更少，因此導(dǎo)致預(yù)測(cè)的精度也有所降低。“浴盆曲線”是較為著名的基于統(tǒng)計(jì)分布的故障預(yù)測(cè)曲線，該曲線表征了設(shè)備在整個(gè)生命周期中各個(gè)時(shí)間段會(huì)出現(xiàn)故障的概率。但由于該曲線是通過對(duì)大量設(shè)備的健康狀況的估算得到的統(tǒng)計(jì)平均值，所以存在著很多不確定的因素，對(duì)于批量產(chǎn)品的故障預(yù)測(cè)有一定的借鑒性，但運(yùn)用到具體的設(shè)備中就會(huì)存在很大的誤差。

2.3 基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)

對(duì)于構(gòu)建物理模型和數(shù)學(xué)模型很難實(shí)現(xiàn)故障預(yù)測(cè)的的復(fù)雜系統(tǒng)而言，尋求一個(gè)更為簡單，并且行之有效的預(yù)測(cè)方法就孕育而生了。基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)是通過采集的歷史數(shù)據(jù)和利用傳感器采集到的信息經(jīng)過轉(zhuǎn)換變成能夠反映電路系統(tǒng)健康狀況的數(shù)據(jù)進(jìn)行狀態(tài)預(yù)測(cè)的，該方法具有兩個(gè)特點(diǎn)：一是，基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)不需要事先建立復(fù)雜的物理模型和數(shù)學(xué)模型； 二是，通過對(duì)得到的反映電路系統(tǒng)健康狀況的數(shù)據(jù)進(jìn)行處理和分析，預(yù)測(cè)隱含在系統(tǒng)中的潛在故障?；跀?shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)方法有：人工神經(jīng)網(wǎng)絡(luò)（ANN）、最小二乘支持向量機(jī)（LS-SVM）、模糊邏輯（Fuzzy Logic）和貝葉斯網(wǎng)絡(luò)（ Bayesian Network）等。

3 結(jié)束語

針對(duì)模擬電路的故障預(yù)測(cè)，本文分析了模擬電路的故障特征并給出了特征提取方法。最后從基于模型的故障預(yù)測(cè)方法、基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)方法和基于統(tǒng)計(jì)分布的故障預(yù)測(cè)方法對(duì)模擬電路故障預(yù)測(cè)的方法進(jìn)行了對(duì)比分析。

【參考文獻(xiàn)】

[1]祝文姬.模擬電路故障診斷的神經(jīng)網(wǎng)絡(luò)方法及其應(yīng)用[D].長沙：湖南大學(xué)，2011.

[2]孫博，康銳，謝勁松.故障預(yù)測(cè)與健康管理系統(tǒng)研究和應(yīng)用現(xiàn)狀綜述.系統(tǒng)工程與電子技術(shù)，2007，28（10）：1762～1767.

[3]吳袆.電力電子電路故障特征參數(shù)提取與健康預(yù)報(bào)研究 [D].南京：南京航空航天大學(xué)，2013.endprint