模擬電路故障預測方法綜述

楚軍　張栓　沈靜靜

【摘 要】為保證電子系統的穩定運行，需對系統故障的發生提前做出預測并及時維護，故障預測技術也不斷成為當下研究熱點，而模擬電路故障預測研究還處于起步階段。針對模擬電路故障預測研究，本文總結了現有的研究方法。

【關鍵詞】故障預測；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

隨著當代電子科技的快速發展，電路的設計規模逐漸變大，其結構也更加復雜，致使電路系統更易發生多樣的故障。為了保證電子系統的穩定運行，需對系統的運行狀況進行檢測，無誤的做出故障預測并及時維護，故障預測技術也不斷成為當下研究熱點，這就使得故障預測與健康管理（Prognostic and Health Management， PHM）技術受到更多的重視。PHM 技術以故障預測技術為核心，具有較強的主動性，能夠有效提高設備的可靠性，降低設備維護、維修成本。據統計80%的電路故障是出現在模擬電路中，只有20%出現在數字電路中，并且對數字電路的故障預測技術已經處于成熟階段，為此本文主要介紹針對模擬電路故障預測的研究概述。

1 模擬電路故障特征提取

模擬電路故障預測主要由故障數據采集、特征提取、信息處理、故障預測、健康評估五部分組成。模擬電路是否可以準確的作出故障預測，其關鍵點在模擬電路的故障特征提取。對故障電路采集的信息越詳細，故障預測結果就越準確。提取到的原始數據信息量龐大，如果直接用于故障預測，會導致預測結果不準確，效率偏低。為此，需要對原始數據進行特征提取，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、基于統計信號的電路故障特征提取等方法。

2 模擬電路故障預測方法

故障預測是PHM技術的重要組成部分，當今對電子設備的故障預測技術的研究還不是很成熟，而模擬電路作為電子設備中的重要組成部分，所以對模擬電路的故障預測就成為完善PHM理論具有重要意義。目前，對模擬電路的故障預測方法主要分為如下三類：

2.1 基于模型的故障預測

基于模型的故障預測技術采用建模的預測方法，深入到系統本質研究其性質，對設備在未來的使用中進行預測，采用這種方法的前提是己知系統的模型。該方法的優點是能夠準確的建立系統的內部模型并且進行精準的故障預測。但是對于一個很復雜的動態系統來說，要想通過物理模型實現系統精準的預測結果，就要求建立一個與之匹配的數學模型，這個過程是很難實現的。因此，復雜的建模過程導致該方法的應用范圍較窄。

2.2 基于統計分布的故障預測

基于統計分布的故障預測是根據系統歷史狀態信息的統計學特性角度進行故障預測。統計量有均值、方差、翹度、峰值等，需要的信息比基于模型的故障預測更少，因此導致預測的精度也有所降低。“浴盆曲線”是較為著名的基于統計分布的故障預測曲線，該曲線表征了設備在整個生命周期中各個時間段會出現故障的概率。但由于該曲線是通過對大量設備的健康狀況的估算得到的統計平均值，所以存在著很多不確定的因素，對于批量產品的故障預測有一定的借鑒性，但運用到具體的設備中就會存在很大的誤差。

2.3 基于數據驅動的故障預測

對于構建物理模型和數學模型很難實現故障預測的的復雜系統而言，尋求一個更為簡單，并且行之有效的預測方法就孕育而生了。基于數據驅動的故障預測是通過采集的歷史數據和利用傳感器采集到的信息經過轉換變成能夠反映電路系統健康狀況的數據進行狀態預測的，該方法具有兩個特點：一是，基于數據驅動的故障預測不需要事先建立復雜的物理模型和數學模型； 二是，通過對得到的反映電路系統健康狀況的數據進行處理和分析，預測隱含在系統中的潛在故障。基于數據驅動的故障預測方法有：人工神經網絡（ANN）、最小二乘支持向量機（LS-SVM）、模糊邏輯（Fuzzy Logic）和貝葉斯網絡（ Bayesian Network）等。

3 結束語

針對模擬電路的故障預測，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測方法、基于數據驅動的故障預測方法和基于統計分布的故障預測方法對模擬電路故障預測的方法進行了對比分析。

【參考文獻】

[1]祝文姬.模擬電路故障診斷的神經網絡方法及其應用[D].長沙：湖南大學，2011.

[2]孫博，康銳，謝勁松.故障預測與健康管理系統研究和應用現狀綜述.系統工程與電子技術，2007，28（10）：1762～1767.

[3]吳袆.電力電子電路故障特征參數提取與健康預報研究 [D].南京：南京航空航天大學，2013.endprint