電子系統(tǒng)故障預(yù)測(cè)與全方位診斷策略研究

強(qiáng)云花

（甘肅省白銀市靖遠(yuǎn)縣融媒體中心，甘肅白銀，730900）

1 故障預(yù)測(cè)和全方位診斷方法框架

近年來(lái)，很多專家圍繞電子系統(tǒng)的故障檢測(cè)技術(shù)進(jìn)行了廣泛的研究與實(shí)驗(yàn)，總結(jié)了一定的實(shí)踐方法。電子系統(tǒng)的設(shè)計(jì)眾多且復(fù)雜，因此，故障診斷和預(yù)測(cè)設(shè)計(jì)也多種多樣。對(duì)復(fù)雜多樣的電子系統(tǒng)要聯(lián)合嵌入式內(nèi)部軟件診斷技術(shù)和外部硬件設(shè)備的診斷技術(shù)，軟件漏洞的辨別依賴于內(nèi)部測(cè)試性策劃方法和自主檢查等關(guān)鍵技術(shù)；對(duì)于設(shè)備的診斷方法不一，需要根據(jù)故障的特點(diǎn)設(shè)計(jì)詳細(xì)對(duì)應(yīng)的算法來(lái)實(shí)現(xiàn)。內(nèi)外兼顧的設(shè)計(jì)方式，提高電子系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性，快速精準(zhǔn)確定故障位置并去除故障單元，獲得最好的測(cè)試點(diǎn)。

2 基于測(cè)試性的故障預(yù)測(cè)方法

故障預(yù)測(cè)是PHM的核心內(nèi)容，主要目的是推算其未來(lái)狀態(tài)，它的依據(jù)是預(yù)測(cè)目標(biāo)的數(shù)學(xué)模型或歷史運(yùn)行數(shù)據(jù)。目前，國(guó)內(nèi)外研究出的故障預(yù)測(cè)方法各有千秋，本文研究基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)。

大型的電子系統(tǒng)可能隨時(shí)發(fā)生各種各樣的故障，對(duì)此建立完整的數(shù)學(xué)模型是比較難以實(shí)現(xiàn)的，達(dá)不到高標(biāo)準(zhǔn)的精準(zhǔn)性和時(shí)效性。不需要建立數(shù)學(xué)模型的基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)技術(shù)則很好地避開(kāi)了這一難點(diǎn)，對(duì)搜集的歷史運(yùn)行數(shù)據(jù)進(jìn)行分析研究，探索其中隱藏的規(guī)律來(lái)實(shí)現(xiàn)故障預(yù)測(cè)。數(shù)據(jù)挖掘技術(shù)的前提是確定數(shù)據(jù)挖掘?qū)ο蟆⑦x擇合適的數(shù)據(jù)范圍，從數(shù)據(jù)準(zhǔn)備到最后的結(jié)果分析都需要可靠的歷史數(shù)據(jù)，只有正確的前提準(zhǔn)備才能促進(jìn)后續(xù)數(shù)據(jù)預(yù)處理和數(shù)據(jù)挖掘過(guò)程，對(duì)挖掘出的精準(zhǔn)度較高的歷史數(shù)據(jù)進(jìn)行分析得到其未來(lái)的發(fā)展趨勢(shì)，使用大數(shù)據(jù)背景下的數(shù)據(jù)挖掘技術(shù)充分探索其潛在價(jià)值。通過(guò)得到的系統(tǒng)的傳感器分布局面與測(cè)試點(diǎn)方位，來(lái)保證故障歷史數(shù)據(jù)的有效性。基于統(tǒng)計(jì)數(shù)據(jù)驅(qū)動(dòng)的剩余使用壽命(RUL)估計(jì)方法有兩種利用觀測(cè)數(shù)據(jù)的類型，為直接和間接RUL估計(jì)模型。

3 電子系統(tǒng)故障全方位診斷技術(shù)

3.1 基于測(cè)試性設(shè)計(jì)的嵌入式故障診斷

測(cè)試性設(shè)計(jì)（Testability Design）是一種集成電路設(shè)計(jì)技術(shù)，將一些特殊的結(jié)構(gòu)或者設(shè)備植入電路，看似增加了成本，但是測(cè)試性設(shè)計(jì)可以將內(nèi)部隱藏的信號(hào)暴露給外部設(shè)備，反而節(jié)約了測(cè)試總階段的時(shí)間和資金。測(cè)試性設(shè)計(jì)依據(jù)多樣的測(cè)試方案和測(cè)試技術(shù)對(duì)電子系統(tǒng)進(jìn)行故障預(yù)測(cè)，這些方案的設(shè)計(jì)包括測(cè)試建模、對(duì)測(cè)試點(diǎn)的選取以及故障預(yù)測(cè)等環(huán)節(jié)。測(cè)試點(diǎn)最優(yōu)選擇是保障測(cè)試性設(shè)計(jì)可靠性的關(guān)鍵一環(huán)，測(cè)試點(diǎn)的選擇要滿足信息涵蓋量大、成本低的要求，將這一組數(shù)據(jù)生成最優(yōu)測(cè)試點(diǎn)集合。

3.1.1 故障診斷策略生成方法

診斷策略是完成系統(tǒng)故障診斷的一種優(yōu)化方法，策略中要充分結(jié)合電子系統(tǒng)的約束條件、診斷方向和診斷順序等，就像啟發(fā)式診斷算法中，先后順序不同，診斷時(shí)系統(tǒng)的狀態(tài)就不同，將有影響的數(shù)據(jù)信息構(gòu)成啟發(fā)函數(shù)，不同順序的測(cè)試會(huì)產(chǎn)生不同的啟發(fā)函數(shù)值，通過(guò)這一計(jì)算結(jié)果來(lái)排列最優(yōu)的診斷順序，確定故障的診斷策略[1]。

3.1.2 系統(tǒng)多故障診斷方法

隨著電子系統(tǒng)的規(guī)模不斷擴(kuò)大，同時(shí)發(fā)生多種故障也是難以避免的。將多重故障看做各不相關(guān)的單一故障，按照故障重要程度或者影響程度，依次按照單個(gè)故障有序解決，相當(dāng)于將整個(gè)多重故障分塊解決，這種方法也稱為多重故障按次序測(cè)試方法。若故障之間是存在關(guān)聯(lián)的，逐一診斷會(huì)產(chǎn)生動(dòng)態(tài)變化，則要用到不可靠條件下的動(dòng)態(tài)多故障診斷(DMFD)方法。做好動(dòng)態(tài)診斷策劃和測(cè)試出最優(yōu)診斷順序，將不斷變化的多種故障一一解決，最后采用確定性模擬退火算法得到最優(yōu)處理結(jié)果，診斷系統(tǒng)發(fā)生可能性最大的故障。

3.2 基于信號(hào)處理的智能故障診斷

3.2.1 故障特征提取方法

故障特征獲取采用的是通信行業(yè)信號(hào)處理技術(shù)，用新型的、便于觀察計(jì)算的信號(hào)特征空間的模式向量取代原始特征空間的模式，目的是取得最有效特征。隨著通信技術(shù)的提高，對(duì)故障特征的提取也較為方便。目前應(yīng)用較多、技術(shù)較為成熟的故障特征提取方法是時(shí)域分析、頻域分析、時(shí)頻域結(jié)合分析、高階統(tǒng)計(jì)量分析等方法。

（1）基于時(shí)域和頻域的特征提取方法

電子系統(tǒng)故障狀態(tài)和正常狀態(tài)下，輸出信號(hào)是有明顯差別的，依據(jù)故障類型的不同，輸出信號(hào)中相對(duì)應(yīng)的很多參數(shù)都會(huì)發(fā)生變化，從信號(hào)的峰峰值、頻率、相位等參數(shù)的變化都可以提取系統(tǒng)的故障特征。時(shí)頻結(jié)合的綜合分析方法，適合研究非平穩(wěn)信號(hào)，如介于傳統(tǒng)傅里葉分析與小波分析之間的Gabor變換、維格納二次型分布等。小波變換、時(shí)頻譜分析、希爾伯特-黃變換等時(shí)頻分析方法大眾認(rèn)可度較高，這些都是電子系統(tǒng)廣泛采用的技術(shù)[2]。

（2）基于高階統(tǒng)計(jì)量的特征提取方法

將大量信息簡(jiǎn)化，去除彼此之間關(guān)聯(lián)較小的數(shù)據(jù)，高階統(tǒng)計(jì)量的特征提取方法擁有較好的應(yīng)用成效。電子系統(tǒng)故障狀態(tài)下，測(cè)試點(diǎn)會(huì)輸出大量帶有系統(tǒng)故障信息的信號(hào)，這些海量數(shù)據(jù)中有些信息無(wú)關(guān)于故障診斷技術(shù)，就像數(shù)據(jù)挖掘技術(shù)一樣，提取關(guān)鍵數(shù)據(jù)很重要，因此，簡(jiǎn)化數(shù)據(jù)處理時(shí)排除無(wú)關(guān)或者影響較小的故障數(shù)據(jù)，不會(huì)降低數(shù)據(jù)處理的精確度，反而提高診斷速度、節(jié)約診斷時(shí)間。可采用核主元分析（KPCA）方法適用于數(shù)據(jù)的非線性降維，可以做到將故障特征空間向量的維數(shù)減少，以簡(jiǎn)化計(jì)算過(guò)程，維數(shù)越低，數(shù)據(jù)的關(guān)聯(lián)性就越小。與此作用相近的信號(hào)處理技術(shù)獨(dú)立分量分析(ICA)方法，也可以有效的減輕信號(hào)之間的關(guān)聯(lián)性，在信號(hào)空間維數(shù)降低和故障特征提取方面成績(jī)顯著。

3.3 智能故障診斷算法設(shè)計(jì)

智能故障診斷的核心技術(shù)在于算法的設(shè)計(jì)。基于數(shù)據(jù)驅(qū)動(dòng)模型的方法、基于信號(hào)處理的方法和基于知識(shí)的方法是故障診斷技術(shù)的三大類[3]。現(xiàn)代電子系統(tǒng)結(jié)構(gòu)繁雜、統(tǒng)一度高，傳統(tǒng)的故障方法不足以達(dá)到現(xiàn)代化故障診斷要求。科技化、自動(dòng)化方向的綜合發(fā)展是故障診斷方面的熱點(diǎn)問(wèn)題。

3.3.1 混合智能故障診斷算法

多種的人工智能診斷算法融合診斷，能夠綜合發(fā)揮各自優(yōu)勢(shì)，更有效的監(jiān)視檢測(cè)電子系統(tǒng)的狀態(tài)與故障，減小誤診和漏診情況診斷，提高故障診斷的精確性。對(duì)高壓斷路器的故障特征進(jìn)行提取采用改進(jìn)的EMD能量熵方法，為提高故障診斷的準(zhǔn)確度可采用遺傳算法(GA)優(yōu)化選擇支持向量機(jī)的核參數(shù)。對(duì)電路系統(tǒng)輸出的信號(hào)進(jìn)行小波變換完成數(shù)據(jù)預(yù)處理，運(yùn)用改進(jìn)的KPCA核主元分析方法或者獨(dú)立分量分析方法壓縮故障特征的維數(shù)以減少數(shù)據(jù)關(guān)聯(lián)，最后構(gòu)造神經(jīng)網(wǎng)絡(luò)分類器對(duì)故障進(jìn)行分類識(shí)別。

3.3.2 基于信號(hào)處理的智能故障診斷流程

首先對(duì)電子系統(tǒng)正常狀態(tài)和故障狀態(tài)下測(cè)試點(diǎn)的輸入數(shù)據(jù)中，提取故障特征進(jìn)一步處理，獲取樣本。設(shè)計(jì)智能綜合故障診斷算法對(duì)樣本進(jìn)行有效處理，在精確度達(dá)標(biāo)下構(gòu)建出故障診斷網(wǎng)絡(luò)，從待測(cè)數(shù)據(jù)中提取故障特征組成待測(cè)樣本，送入構(gòu)建完成的診斷網(wǎng)絡(luò)進(jìn)行故障診斷，輸出診斷結(jié)果[4]。

4 故障預(yù)測(cè)和全方位診斷策略

如圖1所示，本文總的故障預(yù)測(cè)和全方位診斷策略流程圖。

圖1 基于測(cè)試性的故障預(yù)測(cè)與全方位診斷框架

首先對(duì)電子系統(tǒng)進(jìn)行測(cè)試性建模，選擇相應(yīng)的算法并獲得最優(yōu)診斷策略，選擇合適的故障特征提取方法進(jìn)行故障特征提取，最后設(shè)計(jì)智能診斷算法完成電子系統(tǒng)的故障診斷。故障預(yù)測(cè)方法則首先需要對(duì)系統(tǒng)進(jìn)行故障模式與測(cè)試分析，并結(jié)合模型確定測(cè)試點(diǎn)配置和傳感器布局，然后根據(jù)故障特征向量生成歷史數(shù)據(jù)，實(shí)現(xiàn)故障與壽命預(yù)測(cè)。