CN106021838B - 一种复杂电子系统剩余寿命预测方法 - Google Patents
一种复杂电子系统剩余寿命预测方法 Download PDFInfo
- Publication number
- CN106021838B CN106021838B CN201511020138.9A CN201511020138A CN106021838B CN 106021838 B CN106021838 B CN 106021838B CN 201511020138 A CN201511020138 A CN 201511020138A CN 106021838 B CN106021838 B CN 106021838B
- Authority
- CN
- China
- Prior art keywords
- node
- importance
- remaining life
- failure
- systems based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 3
- 239000013256 coordination polymer Substances 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 230000001186 cumulative effect Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 230000035882 stress Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- 239000004411 aluminium Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000003679 aging effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
本发明提供了一种复杂电子系统剩余寿命预测方法,采用节点的关联重要度描述与该节点直接相连的节点个数,采用位置重要度描述网络中节点在网络拓扑中的位置,采用失效率重要度描述网络中节点自身发生失效的可能性大小,累加得到节点的综合重要度,选取重要度排序中的前n个元器件作为剩余寿命关键元器件,建立n个关键元器件的失效物理模型,计算被选择的各个关键器件的剩余寿命,以最少剩余寿命作为复杂电子系统的剩余寿命。本发明以若干关键元器件的剩余寿命来表征系统的使用状态,达到对整个电子系统进行剩余寿命预测的目的,有效地实现了板级电子系统和整个系统的剩余寿命预测。
Description
技术领域
本发明属于电子系统可靠性研究领域,涉及一种电子系统剩余寿命预测的方法。
背景技术
当前,电子系统剩余寿命预测方法包括,基于失效物理(Physics of Failure,PoF)模型、基于寿命标尺以及基于失效征兆等三类。
(1)基于失效物理模型的剩余寿命预测方法
该方法基于系统及其组成部件的失效物理模型和系统在寿命期内所承受的应力数据,包括温度、湿度、振动、冲击、辐射、压力等,来评估系统的退化趋势和剩余寿命。
基于失效物理模型的预测方法能够深入理解研究对象的本质,是对电子系统进行寿命预测的理想方法,具有实时预测的优点,但是该方法存在累积损伤程度难以证实等不足,且在实际运行中系统及其组成部件的失效机理和破坏形式与简单载荷下的情形大有不同,存在更复杂的关联性和不确定性,建立从元器件到系统各个层次的完备的物理学模型往往非常复杂和困难,因此,该方法主要用于对器件级电子系统的剩余寿命进行预测。
(2)基于寿命标尺的剩余寿命预测方法
该方法是通过在器件内和电路板上设定一系列不同健壮程度的损伤标尺,实现对系统损伤过程的连续定量监控,进而预测其剩余寿命;或者以同类系统为参考标尺,将正在服役的系统的剩余寿命表示为多个参考系统在某一时刻剩余寿命的“加权平均”,而权值则根据服役设备与参考设备之间的相似度确定。
基于寿命标尺的预测方法原理简单明了,但要建立真正的损伤标尺并不容易,往往需要依靠专家经验且必须通过充分的试验,才能正确地得出各种应力造成器件损伤的关系,而同类参考系统的权值(相似度)则通过状态监测数据来确定,但复杂应力下获取的电子系统各类试验和监测数据存在较大的不确定性,使得该类方法的预测准确性难以保证。
(3)基于失效征兆的剩余寿命预测方法
该方法以表征系统故障(失效)的特征参数数据为驱动,通过采集和分析失效征兆,利用专家系统、神经网络、支持向量机、模糊计算等人工智能技术实现剩余寿命预测。
基于失效征兆的剩余寿命预测方法具有不需要对象的模型精确、能够有效地表达对象相关领域专家的经验知识等优点。但是,如何在刻画系统健康状态变化的各种信息/知识之间内部关联的同时,减少和克服不确定性因素的影响,进一步提高剩余寿命预测的效率和精度,仍然是值得关注的问题。
复杂电子系统往往是由多个、多种元器件组成的电路系统,建立其从元器件到系统各个层次的完备的、用于剩余寿命预测的物理模型,往往非常困难或花费巨大。而复杂电子系统的寿命是由组成该系统的各个元器件的寿命决定的。因此,可以通过对电子系统的电路结构和电子元器件进行重要度分析,得到复杂电子系统中最容易失效的关键器件,用关键器件的寿命来表征整个产品的寿命。此时,则可采用基于失效物理模型的完成关键器件的寿命。
发明内容
为了克服现有技术的不足,本发明提供一种复杂电子系统剩余寿命预测方法,可以推广应用到板级电子系统或整个系统的寿命预测。
本发明解决其技术问题所采用的技术方案包括以下步骤:
(1)采用节点的关联重要度描述与该节点直接相连的节点个数,节点的关联重要度式中,Cd(vi)=d(vi)为节点vi的度,d(vi)是与节点vi直接相连的节点个数,n为网络节点的总数;
(2)采用位置重要度描述网络中节点在网络拓扑中的位置,节点的位置重要度式中,为节点vi的紧密度,vij为节点vj到节点vi的距离;
(3)采用失效率重要度描述网络中节点自身发生失效的可能性大小,节点的失效率重要度式中,λ(vi)为节点vi的失效率;
(4)计算节点vi的综合重要度K(vi)=CD(vi)+CC(vi)+CP(vi);
(5)选取重要度排序中的前n个元器件作为剩余寿命关键元器件,n由用户设定;
(6)采用失效模式影响及危害性分析与基于故障树的仿真相结合的方法,分析n个关键元器件的失效模式及其失效机理,建立n个关键元器件的失效物理模型;
(7)利用失效物理模型,计算被选择的各个关键器件的剩余寿命,以最少剩余寿命作为复杂电子系统的剩余寿命。
本发明的有益效果是:将复杂电子系统组成子系统或器件重要度分析和失效物理模型相结合,以若干关键元器件的剩余寿命来表征系统的使用状态,达到对整个电子系统进行剩余寿命预测的目的,有效地实现了板级电子系统和整个系统的剩余寿命预测。
附图说明
图1是复杂电子系统剩余寿命预测方法过程图;
图2是开环Boost电路原理图;
图3是开环Boost电路的等效网络模型。
具体实施方式
下面结合附图和实施例对本发明进一步说明,本发明包括但不仅限于下述实施例。
本发明提供的复杂电子系统剩余寿命预测方法过程如下:
(1)建立由复杂电子系统组成元器件构成的网络模型,每个元器件成为网络的一个节点。利用公式(1)进行重要度计算,得出电子系统中各个元器件的重要度排序;
K(vi)=CD(vi)+CC(vi)+CP(vi) (1)
式中,K(vi)——节点vi的重要度;CD(vi)——节点vi关联重要度;CC(vi)——节点vi位置重要度;CP(vi)——节点vi的失效率重要度。以上重要度的定义如下:
●关联重要度
节点的关联重要度描述的是与该节点直接相连的节点个数,用节点的度指标Cd(vi)来表示,对其进行归一化处理后,节点的关联重要度CD(vi)的计算公式为
式中,Cd(vi)=d(vi),为节点vi的度,d(vi)是与节点vi直接相连的节点个数,n为网络节点的总数。
●位置重要度
位置重要度用于描述网络中节点在网络拓扑中的位置,用节点的紧密度指标Cc(vi)来表示,对其进行归一化处理后,节点的位置重要度CC(vi)的计算公式为
式中,为节点vi的紧密度,n是网络节点总数,vij为节点vj到节点vi的距离(这里有相连关系的两个节点之间距离均为1)。
●失效率重要度
失效率重要度用于描述网络中节点自身发生失效的可能性大小,其值越大,对应节点的可靠性越低。设节点vi的失效率为λ(vi),对其进行归一化处理,节点的失效率重要度CP(vi)的计算公式为
式中,λ(vi)为节点vi的失效率,可以采用应力分析法进行计算。
(2)选取重要度排序中的前n个(由用户确定)元器件作为剩余寿命关键元器件;
(3)采用失效模式影响及危害性分析与基于故障树的仿真相结合的方法分析n个关键元器件的失效模式及其失效机理,建立n个关键元器件的失效物理模型;
(4)利用失效物理模型,计算被选择的各个关键器件的剩余寿命,以最少剩余寿命作为复杂电子系统的剩余寿命。
本发明以开环Boost电路为例,开环Boost电路是一种升压型的非隔离DC-DC变换电路,该电路存在充电和放电两种工作过程,其电路结构如图2所示。
构建图2开环Boost电路对应的网络模型,如图3所示。
在图3等效网络模型基础上,进行重要度计算,结果如表1所示。
表1开环Boost电路元器件的重要度分析结果
从表1中可知,电容C的重要度值最大,为1.0755,是Boost转换器的关键器件。这里选取节点重要度大于0.9的器件为关键器件。因此,用Boost转换器中电容的寿命来表征整个Boost转换器的寿命。
通过失效模式影响及危害性分析与基于故障树的仿真相结合方法分析铝电解电容的失效模式及其对应的失效机理。由此可知,电容值和等效串联电阻(ESR)这两个参数的退化对铝电解电容的寿命影响最大。为此,建立铝电解电容ESR随时间退化的失效物理模型
式中,ESRT(t)为温度T下,t时刻铝电解电容的ESR值;ESRT(0)为温度T下,铝电解电容初始时刻的ESR值;A——与铝电解电容的材料和制造工艺相关,对于同一型号的铝电解电容来说该值为常数,可以利用Arrhenius模型进行高温加速试验来求解;T为电容工作时的温度(℃);t则是时间(h)。
结合式(5),若以ESRT(t)=3ESRT(0)作为铝电解电容的失效阈值,那么对于同一型号的铝电解电容来说,其失效前时间TTFT(或寿命)为
假设铝电解电容工作温度T恒定,利用单一温度应力下的损伤累积模型,那么在任意时刻t铝电解电容的剩余寿命RULT为
式中,n是在温度T下,铝电解电容的累积工作次数;ti则是铝电解电容第i次工作的时间(h)。
由此,通过式(7)则可对Boost转换器进行剩余寿命预测计算。即根据式(6)所示的失效物理模型得到转换器在特定温度T下的寿命TTFT值,然后利用TTFT减去转换器在温度T下的累积工作时间,便能估算出转换器的剩余寿命。
Claims (1)
1.一种复杂电子系统剩余寿命预测方法,其特征在于包括下述步骤:
(1)建立由复杂电子系统组成元器件构成的网络模型,每个元器件成为网络的一个节点;采用节点的关联重要度描述与该节点直接相连的节点个数,节点的关联重要度式中,Cd(vi)=d(vi)为节点vi的度,d(vi)是与节点vi直接相连的节点个数,n为网络节点的总数;
(2)采用位置重要度描述网络中节点在网络拓扑中的位置,节点的位置重要度式中,为节点vi的紧密度,vij为节点vj到节点vi的距离;
(3)采用失效率重要度描述网络中节点自身发生失效的可能性大小,节点的失效率重要度式中,λ(vi)为节点vi的失效率;
(4)计算节点vi的综合重要度K(vi)=CD(vi)+CC(vi)+CP(vi);
(5)选取重要度排序中的前n个元器件作为剩余寿命关键元器件,n由用户设定;
(6)采用失效模式影响及危害性分析与基于故障树的仿真相结合的方法,分析n个关键元器件的失效模式及其失效机理,建立n个关键元器件的失效物理模型;
(7)利用失效物理模型,计算被选择的各个关键器件的剩余寿命,以最少剩余寿命作为复杂电子系统的剩余寿命。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511020138.9A CN106021838B (zh) | 2015-12-30 | 2015-12-30 | 一种复杂电子系统剩余寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511020138.9A CN106021838B (zh) | 2015-12-30 | 2015-12-30 | 一种复杂电子系统剩余寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106021838A CN106021838A (zh) | 2016-10-12 |
CN106021838B true CN106021838B (zh) | 2018-07-10 |
Family
ID=57082475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511020138.9A Expired - Fee Related CN106021838B (zh) | 2015-12-30 | 2015-12-30 | 一种复杂电子系统剩余寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106021838B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326609A (zh) * | 2016-11-07 | 2017-01-11 | 中国电子产品可靠性与环境试验研究所 | 混合集成电路失效率获取方法与系统 |
CN106682273B (zh) * | 2016-12-05 | 2021-04-13 | 中国航天标准化研究所 | 一种串并联混合航天装备系统寿命重要度确定方法 |
CN109492282A (zh) * | 2018-10-29 | 2019-03-19 | 北京遥感设备研究所 | 一种dc/dc电源模块寿命评价关键器件确定方法 |
CN112231886B (zh) * | 2019-12-26 | 2023-08-25 | 贵州大学 | 一种预测元器件失效时间的方法 |
CN113566376B (zh) * | 2021-07-28 | 2022-06-07 | 珠海格力电器股份有限公司 | 电器寿命预测方法、空调及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5781448A (en) * | 1995-08-02 | 1998-07-14 | Mitsubishi Denki Kabushiki Kaisha | Control system and control method for uninterruptible power supply |
CN102067049A (zh) * | 2008-06-17 | 2011-05-18 | 通用电气公司 | 用于预测智能电子装置的维护的系统和方法 |
US20120284410A1 (en) * | 2011-05-06 | 2012-11-08 | International Business Machines Corporation | Cloud workload management with automated workload bidding |
CN104346495A (zh) * | 2014-08-27 | 2015-02-11 | 北京航空航天大学 | 一种基于寿命模型分散性的柱塞泵寿命区间计算方法 |
-
2015
- 2015-12-30 CN CN201511020138.9A patent/CN106021838B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5781448A (en) * | 1995-08-02 | 1998-07-14 | Mitsubishi Denki Kabushiki Kaisha | Control system and control method for uninterruptible power supply |
CN102067049A (zh) * | 2008-06-17 | 2011-05-18 | 通用电气公司 | 用于预测智能电子装置的维护的系统和方法 |
US20120284410A1 (en) * | 2011-05-06 | 2012-11-08 | International Business Machines Corporation | Cloud workload management with automated workload bidding |
CN104346495A (zh) * | 2014-08-27 | 2015-02-11 | 北京航空航天大学 | 一种基于寿命模型分散性的柱塞泵寿命区间计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106021838A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021838B (zh) | 一种复杂电子系统剩余寿命预测方法 | |
CN111443294B (zh) | 一种锂离子电池剩余寿命间接预测方法及装置 | |
CN110221225B (zh) | 一种航天器锂离子电池循环寿命预测方法 | |
CN106054105B (zh) | 一种智能电表的可靠性预计修正模型建立方法 | |
CN106528975B (zh) | 一种应用于电路与系统的故障预测与健康管理方法 | |
CN103778280B (zh) | 具有模型主动更新策略的锂离子电池剩余寿命预测方法 | |
US20220222409A1 (en) | Method and system for predicting remaining useful life of analog circuit | |
KR20200140093A (ko) | 배터리의 충방전 사이클에 따른 용량 변화 예측방법 및 예측시스템 | |
CN109740859A (zh) | 基于主成分分析法和支持向量机的变压器状态评估方法及系统 | |
Yu | Health degradation detection and monitoring of lithium-ion battery based on adaptive learning method | |
US10838012B2 (en) | Method of diagnosing an electrical energy storage apparatus, an electronic device for use in an electrical energy storage apparatus and an electrical energy storage apparatus | |
CN113052464B (zh) | 电池储能系统可靠性评估方法及系统 | |
US20220206078A1 (en) | Method for estimating aging state of battery and apparatus for performing method therefor | |
CN112036051B (zh) | 磁悬浮系统剩余使用寿命预测方法、装置、设备及介质 | |
CN113125987A (zh) | 一种新型混合的锂离子电池健康状态预测方法 | |
CN111414709A (zh) | 一种基于神经网络的超级电容器循环寿命和容量衰减的早期预测方法 | |
CN107015900A (zh) | 一种视频网站的服务性能预测方法 | |
CN105741184A (zh) | 一种变压器状态评估方法及装置 | |
CN115640542A (zh) | 基于贝叶斯理论的智能电能表状态评估方法及评估装置 | |
CN115544803A (zh) | 一种变压器剩余寿命预测方法、装置、设备及存储介质 | |
CN115270983A (zh) | 一种基于AdaBoost-RBF算法的开关柜故障预测方法 | |
CN111796173B (zh) | 局部放电模式识别方法、计算机设备和存储介质 | |
JP2016126891A (ja) | 蓄電池評価装置、蓄電池評価方法およびプログラム | |
Atamuradov et al. | Segmentation based feature evaluation and fusion for prognostics | |
CN106324517A (zh) | 一种新能源汽车电池性能预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180710 |