數(shù)字芯片的故障預測與健康管理(PHM)關鍵技術研究.pdf

1、數(shù)字芯片功能惡化將嚴重影響電子設備的正常工作。數(shù)字芯片故障在一些重要應用中造成巨大損失。數(shù)字芯片的故障預測與健康管理已經(jīng)成為現(xiàn)代化電子裝置穩(wěn)定性研究的緊要要素。數(shù)字芯片的故障預測與健康管理關鍵技術研究影響因素對特征參數(shù)的影響，研究總結特征參數(shù)變化規(guī)律，提高數(shù)字芯片穩(wěn)定性，延長芯片使用時間，增強自動化電子裝置的穩(wěn)定性，降低維護成本。本文通過研究芯片表面溫度和環(huán)境溫度等影響因素對數(shù)字芯片頻率等特征參數(shù)的影響，研究頻率隨溫度和使用時間的變化趨

2、勢，預測芯片健康狀態(tài)。
　　本文采用基于數(shù)據(jù)驅動的方法研究針對數(shù)字芯片的故障預測與健康管理技術。本文分析數(shù)字芯片的故障類型和故障特征，挑選芯片輸出頻率作為數(shù)字芯片特征參數(shù)，設計核心算法建立模型挖掘頻率變化中隱藏的信息，探索數(shù)字芯片功能惡化、性能衰退的規(guī)律。本文利用建立的溫度故障模型和故障預測模型，預測數(shù)字芯片的工作狀態(tài)。根據(jù)模型結果和相關經(jīng)驗，提出維護建議。期望延長數(shù)字芯片使用壽命，降低電子設備的維護成本，最大程度避免因數(shù)字芯片故

3、障而造成的影響和損失。
　　本文引入機器學習人工智能領域里的神經(jīng)網(wǎng)絡算法作為核心算法，利用神經(jīng)網(wǎng)絡善于逼近非線性函數(shù)關系的特性，挖掘特征參數(shù)隱含的信息。為了完成實驗，本文設計用于特征參數(shù)測量的軟硬件研究平臺。硬件研究平臺由溫度傳感器、數(shù)字芯片、計算機和電阻等電子元器件組成。軟件研究平臺包括自主編寫的數(shù)據(jù)接收軟件和數(shù)據(jù)處理程序。
　　實驗結果顯示，溫度故障模型誤差3％左右，故障預測模型誤差7%左右。兩個模型分別能有效實現(xiàn)對頻率