模拟电路故障预测方法综述

楚军　张栓　沈静静

【摘 要】为保证电子系统的稳定运行，需对系统故障的发生提前做出预测并及时维护，故障预测技术也不断成为当下研究热点，而模拟电路故障预测研究还处于起步阶段。针对模拟电路故障预测研究，本文总结了现有的研究方法。

【关键词】故障预测；模拟电路

【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

隨着当代电子科技的快速发展，电路的设计规模逐渐变大，其结构也更加复杂，致使电路系统更易发生多样的故障。为了保证电子系统的稳定运行，需对系统的运行状况进行检测，无误的做出故障预测并及时维护，故障预测技术也不断成为当下研究热点，这就使得故障预测与健康管理（Prognostic and Health Management， PHM）技术受到更多的重视。PHM 技术以故障预测技术为核心，具有较强的主动性，能够有效提高设备的可靠性，降低设备维护、维修成本。据统计80%的电路故障是出现在模拟电路中，只有20%出现在数字电路中，并且对数字电路的故障预测技术已经处于成熟阶段，为此本文主要介绍针对模拟电路故障预测的研究概述。

1 模拟电路故障特征提取

模拟电路故障预测主要由故障数据采集、特征提取、信息处理、故障预测、健康评估五部分组成。模拟电路是否可以准确的作出故障预测，其关键点在模拟电路的故障特征提取。对故障电路采集的信息越详细，故障预测结果就越准确。提取到的原始数据信息量庞大，如果直接用于故障预测，会导致预测结果不准确，效率偏低。为此，需要对原始数据进行特征提取，比较常见的特征提取方法主要有：基于小波变换的电路故障特征提取、基于傅里叶变换的电路故障特征提取、基于统计信号的电路故障特征提取等方法。

2 模拟电路故障预测方法

故障预测是PHM技术的重要组成部分，当今对电子设备的故障预测技术的研究还不是很成熟，而模拟电路作为电子设备中的重要组成部分，所以对模拟电路的故障预测就成为完善PHM理论具有重要意义。目前，对模拟电路的故障预测方法主要分为如下三类：

2.1 基于模型的故障预测

基于模型的故障预测技术采用建模的预测方法，深入到系统本质研究其性质，对设备在未来的使用中进行预测，采用这种方法的前提是己知系统的模型。该方法的优点是能够准确的建立系统的内部模型并且进行精准的故障预测。但是对于一个很复杂的动态系统来说，要想通过物理模型实现系统精准的预测结果，就要求建立一个与之匹配的数学模型，这个过程是很难实现的。因此，复杂的建模过程导致该方法的应用范围较窄。

2.2 基于统计分布的故障预测

基于统计分布的故障预测是根据系统历史状态信息的统计学特性角度进行故障预测。统计量有均值、方差、翘度、峰值等，需要的信息比基于模型的故障预测更少，因此导致预测的精度也有所降低。“浴盆曲线”是较为著名的基于统计分布的故障预测曲线，该曲线表征了设备在整个生命周期中各个时间段会出现故障的概率。但由于该曲线是通过对大量设备的健康状况的估算得到的统计平均值，所以存在着很多不确定的因素，对于批量产品的故障预测有一定的借鉴性，但运用到具体的设备中就会存在很大的误差。

2.3 基于数据驱动的故障预测

对于构建物理模型和数学模型很难实现故障预测的的复杂系统而言，寻求一个更为简单，并且行之有效的预测方法就孕育而生了。基于数据驱动的故障预测是通过采集的历史数据和利用传感器采集到的信息经过转换变成能够反映电路系统健康状况的数据进行状态预测的，该方法具有两个特点：一是，基于数据驱动的故障预测不需要事先建立复杂的物理模型和数学模型； 二是，通过对得到的反映电路系统健康状况的数据进行处理和分析，预测隐含在系统中的潜在故障。基于数据驱动的故障预测方法有：人工神经网络（ANN）、最小二乘支持向量机（LS-SVM）、模糊逻辑（Fuzzy Logic）和贝叶斯网络（ Bayesian Network）等。

3 结束语

针对模拟电路的故障预测，本文分析了模拟电路的故障特征并给出了特征提取方法。最后从基于模型的故障预测方法、基于数据驱动的故障预测方法和基于统计分布的故障预测方法对模拟电路故障预测的方法进行了对比分析。

【参考文献】

[1]祝文姬.模拟电路故障诊断的神经网络方法及其应用[D].长沙：湖南大学，2011.

[2]孙博，康锐，谢劲松.故障预测与健康管理系统研究和应用现状综述.系统工程与电子技术，2007，28（10）：1762～1767.

[3]吴袆.电力电子电路故障特征参数提取与健康预报研究 [D].南京：南京航空航天大学，2013.endprint