模擬電路RUP預測方法研究.pdf

1、模擬電路的故障診斷和失效預測是電子系統(tǒng)健康管理(Prognostics and Health Management,PHM)研究中的研究熱點。由于失效預測相比故障診斷可以更好的防止故障的發(fā)生，所以失效預測的研究尤其重要。模擬電路的失效預測有兩個難點：第一、當模擬電路中某一個元件失效時，失效元件仍然是保持通電狀態(tài)，因此對電路的失效狀態(tài)很難進行準確的預測；第二、因為模擬電路失效時間總是不大于單個元件全壽命，所以無法通過元件全壽命來預測電路失

2、效時間。而現有的模擬電路失效研究在很大程度上都存在一些不足。一是現有失效預測研究中故障指示值(Fault Indicator,FI)的計算方法不完善，已有的FI計算方法缺乏合理性且計算復雜；二是現有方法對電路中的各個元件在保證電路性能下預測其剩余使用時間的方法不夠完善。針對上述問題，作者對于模擬電路的剩余使用性能(Remaining Useful Performance,RUP)預測方法開展了一些研究。而對于模擬電路失效預測的研究主要不

3、是考慮所有種類模擬電路的退化原因和失效類型，而是以典型線性模擬濾波器電路為主，集中在退化數據的處理方法上。為了提高 RUP預測方法的精度并且簡化預測過程，提出了幾種不同的RUP預測方法：基于高斯白噪聲估計的模擬電路 RUP預測法；基于復數域建模的模擬電路單元件 RUP預測法；采用電壓特征的線性模擬電路單元件 RUP預測方法。同時，為了增加模擬電路RUP預測的電路狀態(tài)監(jiān)測能力，提出了一種基于極限學習機的模擬電路測試生成算法。本文的創(chuàng)新性工

4、作如下：
　　1、針對現有模擬電路RUP預測方法中FI計算過于復雜的問題，提出了一種基于高斯白噪聲估計的 RUP預測方法。這種方法通過采集初始狀態(tài)及退化狀態(tài)各時刻的時域波形，利用Kalman濾波器對初始狀態(tài)的波形加入輔助噪聲并與退化狀態(tài)各時刻波形進行比對，得出一種新的FI計算方法和FI的退化模型，從而提出了一種改進Power式的更新式用于粒子濾波(Particle Filter,PF)。通過試驗驗證可知，這種RUP預測方法，由于選

5、擇采集整個時域波形，使得特征包含更多的信息量，增加了預測的精度。同時不需要特征融合，簡化了FI的計算流程。
　　2、針對現有的模擬電路RUP預測方法中FI的計算缺乏與模擬電路結構關聯(lián)從而影響 RUP預測精確性的問題，提出了一種基于復數域建模的模擬電路單元件 RUP預測法。這種方法引入現有模擬電路圓模型故障診斷方法進行電路結構分析，并結合電路的元件退化模型，提出了一種利用三點建圓和參數掃描相結合的模擬電路元件退化分析方法，根據這個方

6、法得到一種新的FI計算式。再針對模擬電路中存在部分元件圓模型退化為線模型的特點，提出了關于線模型的FI計算方法以及線模型和圓模型的區(qū)別方法，從而完善了模擬電路預測中基于復數域建模的FI計算方法。最后，根據不同的FI計算式給出了不同的PF更新式。通過實驗也驗證了此方法在RUP預測精度上表現優(yōu)異。
　　3、針對現有模擬電路RUP預測方法中測點總是固定為最終的輸出點從而導致診斷和預測架構無法結合測點優(yōu)化和非固定測點故障診斷方法，以及現有

7、RUP預測方法需要采集頻率特征從而無法對于純電阻電路進行RUP預測的問題，提出了一種采用電壓特征的RUP預測方法。這種方法引入現有斜率法進行電路分析，結合電路的元件退化模型，提出通過采集任意雙測點電壓，再通過歐式距離計算FI從而建立FI退化模型。通過實驗也驗證了該方法可以有效簡化FI的計算復雜度，提高了RUP的預測精度，對于純電阻電路的RUP預測方面也有較好的預測效果。
　　4、狀態(tài)監(jiān)測是實現PHM的重要技術途徑，而測試生成算法是

8、一種經濟有效的狀態(tài)監(jiān)測方法。針對現有測試生成算法結構復雜、壓縮樣本時精度不穩(wěn)定、測試時間消耗較多等問題，提出了一種基于極限學習機(Extreming Learning Machine,ELM)的模擬電路測試生成算法。該方法根據ELM進行樣本分類訓練得出的分類面，提出一種基于ELM的測試信號生成式，進而改進了原有的信號生成方法和測試結構。實驗驗證表明：該方法在測試結構上縮減了50％，測試時間為原消耗時間的28%，在壓縮樣本狀態(tài)下，不需要額