CN115879405A - 电路性能的检测方法及计算机存储介质和终端设备 - Google Patents
电路性能的检测方法及计算机存储介质和终端设备 Download PDFInfo
- Publication number
- CN115879405A CN115879405A CN202310160192.1A CN202310160192A CN115879405A CN 115879405 A CN115879405 A CN 115879405A CN 202310160192 A CN202310160192 A CN 202310160192A CN 115879405 A CN115879405 A CN 115879405A
- Authority
- CN
- China
- Prior art keywords
- circuit
- current
- evaluation model
- degradation
- characteristic parameters
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 13
- 238000006731 degradation reaction Methods 0.000 claims abstract description 118
- 230000015556 catabolic process Effects 0.000 claims abstract description 92
- 238000013210 evaluation model Methods 0.000 claims abstract description 81
- 230000001419 dependent effect Effects 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 2
- 230000036541 health Effects 0.000 abstract description 33
- 238000011156 evaluation Methods 0.000 abstract description 11
- 230000008569 process Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
Images
Landscapes
- Tests Of Electronic Circuits (AREA)
Abstract
本发明涉及电路性能的检测方法及计算机存储介质和终端设备,是一种综合考虑元器件退化过程与电路输出节点特征参数的电路性能评估方法,首先模拟电路的各种退化情况,针对电路的各种退化情况构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型;再根据当前电路实际采集的当前特征参数,判断电路当前实际的退化情况更贴近于哪种退化情况构建的电路评估模型,以选定一个电路评估模型为当前评估模型;最后,将当前特征参数代入当前评估模型,以计算得到电路的当前性能指标,以此检测电路当前性能,能够更准确、精准的评估电路健康状态,防患于未然,提高电路运行的稳定性和安全性。
Description
技术领域
本发明涉及电学领域,特别是涉及电路的故障诊断与健康评估。
背景技术
随着电子电路在航空航天等各领域的电子设备中的广泛应用,电路的健康状态的准确评估对电子设备健康、安全、稳定的运行具有重要意义。快速准确地评估电路的健康状态,在电路未彻底发展到故障状态之前,提前采取维修措施,防止故障效应的累积,可降低安全风险,减少维修成本。
但是,现有的电路健康状态评估方法主要从电路的输出特征参数入手,而由于电路中电阻、电容等元器件的参数偏移现象普遍存在,器件的退化是导致电路健康状态退化的主要原因。
因此,如何综合考虑器件的退化情况以及电路输出特征的变化趋势,以更准确的评估电路健康状态,防患于未然,提高电路运行的稳定性和安全性,是该领域亟待解决的技术问题。
发明内容
为解决上述技术问题,本发明提供一种电路性能的检测方法,包括:
S1:仿真模拟电路中元器件的至少一种退化情况,采集各退化情况下电路输出节点的特征参数;
S2:根据仿真结果,针对每个退化情况构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型;
S3:采集电路输出节点的当前特征参数;
S4:根据当前特征参数,判断电路的当前退化情况更贴近针对哪种退化情况构建的电路评估模型,以确定当前评估模型;
S5:根据当前特征参数和当前评估模型,计算电路当前性能指标。
进一步地,退化情况,包括:电路中一个器件退化的单器件退化情况或/和多个器件同时退化的多器件退化情况。
进一步地,特征参数,包括:中心频率、通带带宽、最大电压幅值的一种或多种。
进一步地,步骤S2,包括:
S21:确定电路评估模型的初始模型,反映输出节点的特征参数和电路性能指标之间的相关性;
S22:针对每个退化情况的退化过程,设定若干临界点和对应每个临界点的电路性能指标;
S23:将每个临界点对应的输出节点的特征参数和设定的电路性能指标,代入初始模型,数据拟合回归确定初始模型的各参数值,从而构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型。
进一步地,临界点,包括元器件参数退化过程的若干取值点,或/和电路输出节点的特征参数发生超差的点。
进一步地,初始模型,为:
H=β0+βiki
其中,H表示电路性能指标,β0表示基本拟合系数,βi表示第i个特征参数的拟合系数,ki表示第i个特征参数。
进一步地,采用相异度度量的方式确定当前评估模型的步骤,具体为:
S41:计算当前特征参数与各退化情况下电路输出节点的特征参数的样本数据的相异度度量值;
S42:选取最小相异度度量值对应的电路评估模型,为当前评估模型。
进一步地,计算相异度度量值的公式为:
另一方面,本发明还提供一种计算机存储介质,存储有可执行程序代码;所述可执行程序代码,用于执行上述任意的电路性能的检测方法。
另一方面,本发明还提供一种终端设备,包括存储器和处理器;所述存储器存储有可被处理器执行的程序代码;所述程序代码用于执行上述任意的电路性能的检测方法。
本发明提供的电路性能的检测方法及计算机存储介质和终端设备,是一种综合考虑元器件退化过程与电路输出节点特征参数的电路性能评估方法,首先模拟电路的各种退化情况,针对电路的各种退化情况构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型;再根据当前电路实际采集的特征参数,通过相异度度量的方式判断电路当前实际的退化情况更贴近于哪种退化情况构建的电路评估模型,以选定一个电路评估模型为当前评估模型;最后,将当前特征参数代入当前评估模型,以计算得到电路的当前性能指标,以此检测电路当前性能,能够更准确、精准的评估电路健康状态,防患于未然,提高电路运行的稳定性和安全性。
附图说明
图1为本发明电路性能的检测方法的一个实施例的流程图;
图2为本发明示例电路的电路结构图;
图3为本发明示例电路模拟R1退化的仿真结果图;
图4为本发明示例电路模拟R2退化的仿真结果图;
图5为本发明示例电路模拟R5退化的仿真结果图;
图6为本发明示例电路模拟C1退化的仿真结果图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中有涉及方向性指示,诸如上、下、左、右、前、后……,则该方向性指示仅用于解释在某一特定姿态下,各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。另外,若本发明实施例中有涉及“第一、第二”、“S1、S2”、“步骤一、步骤二”等的描述,则该类描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量或者表明方法的执行顺序等,本领域技术人员可以理解的凡是在发明技术构思下,不违背其发明要点的,都应该列入本发明的保护范围。
如图1 所示,本发明提供一种电路性能的检测方法,包括:
S1:仿真模拟电路中元器件的至少一种退化情况,采集各退化情况下电路输出节点的特征参数;
具体的,仿真模拟电路中元器件的至少一种退化情况,即对电路的退化过程做假设,比如电路中某个或多个元器件从新产品随着时间推移逐步退化的过程,以对电路在各种退化情况下的状态进行仿真分析,作为后续评价的基础。示例的,模拟一个或多个元器件参数从0%-50%偏移或者更短或更长时间偏移的退化过程,以采集在该退化过程中电路的输出节点的特征参数。值得注意的:元器件参数的偏移范围、偏移速度等可由本领域技术人员根据电路应用场合、退化情况等而任意设定仿真中的各退化情况,并不以此上述示例为限。
更为具体的,在设定好退化情况后,仿真模拟该退化过程,可选但不仅限于使用交流扫频AC Sweep、参数扫描分析等对电路中一个或多个元器件的退化过程,进行仿真模拟,通过改变各元器件退化参数,以采集电路在元器件退化过程中输出节点的数据,提取特征参数,作为待研究样本数据。
更为具体的,电路输出节点的特征参数,可选但不仅限于为中心频率、通带带宽、最大电压幅值等电路输出特征的一种或多种,也可为其他表征输出节点性能的参数指标。
S2:根据仿真结果,针对每个退化情况构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型;具体的,若步骤S1中模拟一个元器件A 的退化过程,则仿真结果反应的是该元器件A退化情况下的单器件电路评估模型;若步骤S1中模拟多个元器件,如元器件A和B的退化过程,则仿真结果反应的是A和B两个元器件同时退化情况下的多器件电路评估模型;具体构建多少个电路评估模型,在于步骤S1中仿真模拟了多少种退化情况。值得注意的,在电路实际使用过程中,多个元器件退化肯定是常见现象,能够针对每个元器件及其组合的每种退化情况,都构建电路评估模型,反映电路每种退化情况下的输出节点的特征参数,势必会提高本发明电路性能检测方法的精确度,但是也同样会提高仿真模拟难度和时间。因此,可根据本发明检测方法的精确度要求而选择性的仿真模拟电路中至少一个元器件退化的退化情况,而具体选择模拟电路中的哪个或哪些元器件的退化过程,可根据实际情况而任意设定,以得到针对不同元器件退化情况下的不同电路评估模型。值得注意的,针对元器件是否退化的可能性模拟情况越多,构建越多的电路评估模型,势必会提高本发明电路性能检测方法的精确度,但是其仿真模拟工作量也势必会增加,可根据实际需求权衡考虑。
更为具体的,步骤S2构建电路评估模型,可选但不仅限于包括:
S21:确定电路评估模型的初始模型,反映输出节点的特征参数和电路性能指标之间的相关性;具体的,该电路评估模型的初始模型,即电路评估模型的具体形式,可选但不仅限于根据电路评估模型的精度要求等而任意设定,可选但不仅限于采用一维或多维线性方程、回归方程、神经网络方法等。
更为具体的,初始模型,可选但不仅限于以一维线性模型为例做解释说明,但并不以此为限;示例的,如公式(1)所示,给出了本发明的一种电路评估模型:
H=β0+βiki(1)
其中,H表示电路性能指标,β0表示基本拟合系数,βi表示第i个特征参数的拟合系数,ki表示第i个特征参数。
更为具体的,步骤S1中特征参数,可选但不仅限于为中心频率、通带带宽、最大电压幅值等电路输出特征的一种或多种。以特征参数选取上述3种为例,该电路评估模型,可选但不仅限于表示为公式(2)
H=β0+β1k1+β2k2+β3k3(2)
其中,H表示电路性能指标,β0表示基本拟合系数,β1、β2、β3分别表示中心频率、通带带宽、最大电压幅值的拟合系数,k1、k2、k3分别表示中心频率、通带带宽、最大电压幅值。
值得注意的,上述一维电路评估模型,仅为适应性举例,并不以此为限。以二维电路评估模型为例,初始模型则多几个二维多项式与待确定参数,后续多采集几组样本数据代入初始模型即可确定最终的电路评估模型;再以神经网络模型为例,可选但不仅限于包括p层(水平方向),每层包括q个神经元(竖直方向),并对应每个神经元配置权重系数和偏置项系数。具体的,可选但不仅限于以Lij表示第i个隐藏层的第j个神经元的输出,以Wijk对应Lij的权重系数,以bijk对应Lij的偏置项系数。其中,i、j、k均为正整数,1≤i≤p,1≤j≤q,1≤k≤ri,其中,k为当前第i个隐藏层前一层第k个元素输出对应的系数,ri为第i个隐藏层前一层的元素总个数;后续采集若干样本数据,依次输入神经网络模型,则可得到训练后的电路评估模型。
S22:针对每个退化情况的退化过程,设定若干临界点和对应每个临界点的电路性能指标;具体的,可选但不仅限于根据初始模型的形式,而确定所需临界点的数量以及在退化过程中的具体位置,即样本数据的数量和内容,更为具体的,以上述一维线性模型为例,可选但不仅限于根据特征参数的内容、待确定的拟合系数个数等,而确定样本数据的数量和内容。示例的,以上述公式(2)为例,包括4个待确定参数β0、β1、β2、β3,则可选但不仅限于选取电路中元器件的4个退化临界点,示例的以上述元器件参数从0%-50%偏移的退化过程为例,可选但不仅限于选取元器件参数在标称值处、元器件参数偏移10%处、元器件参数偏移25%处和元器件参数偏移50%处这四个临界点;一方面,根据元件器所处状态,确定相应的电路性能指标,示例的以0-1所指的健康度表征,设定元器件参数在标称值处的电路性能指标H 为1、元器件参数偏移10%处为0.8、元器件参数偏移25%处为0.5和元器件参数偏移50%处为0.2;另一方面通过步骤S1采集的电路输出节点的特征参数,获取在各临界点处所对应的输出节点的各特征参数,如中心频率、通带带宽、最大电压幅值的具体数值;将每个临界点对应的每组特征参数K1、K2、K3和对应的电路性能指标H代入初始模型,以确定待确定参数β0、β1、β2、β3,构建完整的电路评估模型。值得注意的,上述电路性能指标,可选但不仅限于以上述示例的数字表示,还可选但不仅限于以文字,如优中差、好坏、预警;或数字,如0-1、0-10、0-100等表示,优选的数字越高表明性能越优。
优选的,上述临界点,除了根据元器件退化过程选取外,还可选但不仅限于包括选取:电路特征参数发生超差为临界点,即特殊的样本数据,以设置对应的电路性能指标。更为具体的,电路输出节点的特征参数是否发生超差,可选但不仅限于根据电路性能指标要求、电路结构而确定。示例的,以选用上述3个特征参数为例,可选但不仅限于是指中心频率、通带带宽、最大电压幅值三个输出参量中任意一个或多个甚至是全部参量发生超差,即认为电路输出参数发生超差。
更为具体的,对于每个特征参数,可选但不仅限于为:
当电路的中心频率偏移超出标称值的±15%时,判断电路输出参数发生超差;
当电路的通带带宽偏移超出标称值的±25%时,判断电路输出参数发生超差;
当电路的最大电压幅值偏移超出标称值的±15%时,判断电路输出参数发生超差。
更为具体的,当增设电路输出参数发生超差这个临界点时,可选但不仅限于根据电路退化过程中到达电路输出参数发生超差的临界点和各元器件参数偏移临界点的先后顺序,确定对应的电路性能指标。示例的:若电路退化过程中,先到达电路输出参数超差处,再分别到达元器件参数偏移10%、25%、50%处。则设定参数在标称值点处健康度为1,电路输出参数发生超差则健康度为0.8,电路元器件参数偏移超过10%处健康度为0.5,电路元器件参数偏移超过25%处健康度为0.2, 电路元器件参数偏移超过50%处健康度为0;若电路退化过程中,先到达元器件参数偏移10%处,之后到达电路输出参数超差,则设定标称值点处健康度为1,电路元器件参数偏移超过10%处健康度为0.8,电路输出参数发生超差则健康度为0.5,电路元器件参数偏移超过25%处健康度为0.2,电路元器件参数偏移超过50%处健康度为0;若电路退化过程中,先到达元器件参数偏移10%处,之后到达元器件参数偏移25%处,最后到达电路输出参数超差,则设定标称值点处健康度为1,电路元器件参数偏移超过10%处健康度为0.8,电路元器件参数偏移超过25%处健康度为0.5,电路输出参数发生超差则健康度为0.2,电路元器件参数偏移超过50%处健康度为0。值得注意的,该临界点的选取个数、具体选取方式,以及每个临界点对应的电路性能指标,如健康度具体为哪个数值,可由本领域技术人员根据电路实际结构等而任意设定,只要能够反应输出节点的特征参数和电路性能指标之间的相关性即可。
S23:将每个临界点对应的输出节点的特征参数和设定的电路性能指标,代入初始模型,数据拟合回归确定初始模型的各参数值,从而构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型。如上示例,将每个临界点对应的每组特征参数K1、K2、K3和对应的电路性能指标H代入初始模型,以确定待确定参数β0、β1、β2、β3,构建完整的电路评估模型。
S3:采集电路输出节点的当前特征参数;具体的,在电路实际使用过程中,可选但不仅限于同样的使用交流扫频AC Sweep、参数扫描分析等采集电路输出节点的实时数据,提取当前特征参数。
S4:根据当前特征参数,判断电路的当前退化情况更贴近针对哪种退化情况构建的电路评估模型,以确定当前评估模型。具体的,由于步骤S1中可能模拟了多种退化情况,则需要根据当前特征参数,判断当前退化情况,更贴近于模拟的哪种退化情况,如元器件A退化的单退化情况、元器件A和B的同时退化的多器件退化情况等,从而选定针对该退化情况所构建的电路评估模型为当前评估模型。
更为具体的,若步骤S1-S2,仿真模拟了多个元器件单独退化或/和一起退化的退化情况,构建了多个电路评估模型,则可选但不仅限于采用相异度度量的方式,根据当前特征参数,确定当前特征参数所反映的退化情况更贴近于哪种退化模拟的仿真结果所对应的电路评估模型;若步骤S1-S2仅构建了一个电路评估模型,则选择该电路评估模型。值得注意的,该相异度度量的方式进行类比比较,仅为找到最贴近退化情况的示例说明,本领域技术人员可以理解的,采用其他类比的方式,也是可行的。
更为具体的,采用相异度度量的方式,确定当前评估模型,可选但不仅限于包括:
S41:计算当前特征参数与各退化情况下电路输出节点的特征参数的样本数据的相异度度量值;
具体的,由于样本数据若只选取一个,则可能不具代表性。为提高相异度度量值的计算精准性,可选但不仅限于先去m个样本数据构成样本数据集,以计算相异度度量值。更为具体的,可选但不仅限于采用公式(3)。
其中,协方差矩阵Cx的计算公式为:
其中,xi表示样本集X的第i个样本,特征参数有n个,每个样本就包括n个元素,以上述特征参数为例,该样本包括3个元素,可表示为xi1、xi2、 xi3,分别为中心频率、通带带宽、最大电压幅值。m表示样本集的样本个数。
S42:选取最小相异度度量值对应的电路评估模型,为当前评估模型;表征该电路的当前退化情况更贴近于该最小相异度度量值对应的电路评估模型。
S5:根据当前特征参数和步骤S4确定的当前评估模型,计算电路当前性能指标。具体的,将当前特征参数代入当前评估模型,即可计算确定电路性能指标,如健康度等,以评价电路的当前性能。
本发明电路性能的评估方法,是一种综合考虑元器件退化过程与电路输出节点特征参数的电路性能评估方法,首先模拟电路的各种退化情况,针对电路的各种退化情况构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型;再根据当前电路实际采集的当前特征参数,判断电路当前实际的退化情况更贴近于哪种退化情况构建的电路评估模型,以选定一个电路评估模型为当前评估模型;最后,将当前特征参数代入当前评估模型,以计算得到电路的当前性能指标,以此检测电路当前性能,能够更准确、精准的评估电路健康状态,防患于未然,提高电路运行的稳定性和安全性。在此基础上,优选的,将电路的健康状态指数设计为0-1之间,采样数据拟合的方式为各个器件构建健康标尺,以典型特征数据的健康度为依据,提出了一种新的一维健康标尺评估模型,可实现电路健康状态的准确评估。更为优选的,提出一种当前特征参数与电路评估模型的相异度度量方式,可实现当前模型的选取,看当前电路的退化情况最贴合哪种退化模拟情况,其评估精确度更高。
具体的,如图2所示,给出了一种示例的Sallen-Key带通滤波电路,可选但不仅限于以该电路为例,对本发明的电路性能的检测方法做进一步的解释说明。
为简化解释过程,可选但不仅限于选取电路的R1、R2、R5、C1这四个元器件为对象,分别模拟单个元器件的退化过程,构建4个单器件退化的电路评估模型。当然,还可选但不仅限于选取其他元器件、甚至是多个元器件同时退化,如R1、R2同时退化,R1、C1同时退化等进行仿真模拟,以得到更多模拟退化情况下输出节点的特征参数,后续建立更多的电路评估模型,以提高电路性能评估的精确度。
更为具体的,在该实施例中,示例为模拟各元器件的0%-50%参数偏移过程,采集各模拟退化情况下电路输出节点的数据,如图3-6所示,提取得到电路输出节点的中心频率、通带带宽、最大电压幅值三类特征参数。
参见仿真结果,可知:当电路中各个参数都取标称值时,中心频率、通带带宽、最大电压幅值这三类特征参数的具体数值分别为23.26K,5.53K,1.96V。根据电路结构及仿真结果分析可以发现:R1电阻增大,中心频率减小,带宽减小,幅值减小;R2 电阻增大,中心频率减小,带宽增大,幅值减小;R5 电阻增大,中心频率增大,带宽增大,幅值减小;C1电容减小,中心频率增大,带宽增大,幅值减小;当电路的中心频率偏移超出标称值的15%时,中心频率值为19.77K或26.75K;当电路的通带带宽偏移超出标称值的15%时, 通带带宽值为4.70或6.36K;当电路的最大电压幅值偏移超出标称值的15%时, 最大电压幅值为1.67或2.25。
进一步地,在图2所示实例中,分别针对R1、R2、R5、C1四个元器件从标称值退化到50%时候仿真得到的电路输出节点的数据,提取出中心频率、通带带宽、最大电压幅值等三类特征参数,发现在电路的退化过程中,先到达电路输出参数超差处,再分别到达元器件参数偏移10%、25%、50%处。因此,可选但不仅限于设定在标称值点处健康度为1,电路输出参数发生超差则健康度为0.8,电路元器件参数偏移超过10%处健康度为0.5,电路元器件参数偏移超过25%处健康度为0.2,电路元器件参数偏移超过50%处健康度为0。
进而,针对单个器件退化情况,根据图2-6,分别确定健康度为1、0.8、0.5、0.2、0时候的中心频率、通带带宽、最大电压幅值三个特征参数的具体值,代入公式(2)所示的初始模型,采用基于最小二乘的多元线性回归方法,以特征参数为自变量,电路性能指标为因变量进行数据拟合回归,确定拟合参数β0、β1、β2、β3如表一所示。
表一: R1、R2、R5、C1对应的电路评估模型参数表
在此基础上,对于如图2所示的电路,已仿真模拟R1、R2、R5、C1这四个元器件单独退化的四种退化情况,并构建针对这四种退化情况的四个电路评估模型,完成步骤S1-S2。为对上述电路性能的检测方法做进一步验证,后续假设电路的一种具体退化情况,对该具体退化情况采用上述电路性能的检测方法做性能评估。
具体的,在图2所示实例中,随机选取3个元器件:R2、C1、C2,使其参数分别向主要退化方向(即电阻增大,电容减小的方向)偏移6.48%,并使用Pspice对电路进行3器件参数退化的仿真分析,采集电路输出节点的特征参数,获取未知状态下的当前特征参数,即数据样本Y,其通带带宽,中心频率以及最大电压幅值分别为:5.50778kHz,24.63001kHz,1.95731V。
在该实施例中,即可按照步骤S4的方式,计算未知状态下的数据样本Y与各个器件退化情况下获取的特征参数的样本数据的相异度,找到相异度最小情况对应的退化情况所对应的电路评估模型为与当前退化情况最贴近的模型。具体的,可得计算结果如表二所示。
表 二: 未知数据与各电路评估模型数据的相异度度量结果
根据上述计算结果可知,采集的当前特征参数与C1单器件退化情况下构建的电路评估模型计算的相异度结果最小,表明当前退化情况与C1单器件退化模型的电路评估模型一致。当然,如果我们仿真模拟中有多器件模型情况,则可能其相异度最小情况对应的是其他电路评估模型。在本仿真过程中,选用C1对应的电路评估模型对电路进行性能检测,如健康度评估,仅为示例说明。
更为具体的,在图2所示的示例中,即可将当前特征参数Y=(5.50778kHz,24.63001kHz,1.95731V)代入公式(4)所示的当前评估模型,计算得到电路性能指标H=0.632,对电路性能进行评价。
值得注意的,上述如图2所示的电路示例,仅为本发明的适应性举例,并不以此为限。
另一方面,本发明还提供一种计算机存储介质,存储有可执行程序代码;所述可执行程序代码,用于执行上述任意的电路性能的评估方法。
另一方面,本发明还提供一种终端设备,包括存储器和处理器;所述存储器存储有可被处理器执行的程序代码;所述程序代码用于执行上述任意的电路性能的评估方法。
示例性的,所述程序代码可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述程序代码在终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以是终端设备的内部存储单元,例如硬盘或内存。所述存储器也可以是终端设备的外部存储设备,例如终端设备上配备的插接式硬盘,智能存储卡(SmartMedia Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述程序代码以及终端设备所需的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
上述计算机存储介质和终端设备基于上述电路性能的评估方法而创造,其技术作用和有益效果在此不再赘述,以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种电路性能的检测方法,其特征在于,包括:
S1:仿真模拟电路中元器件的至少一种退化情况,采集各退化情况下电路输出节点的特征参数;
S2:根据仿真结果,针对每个退化情况构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型;
S3:采集电路输出节点的当前特征参数;
S4:根据当前特征参数,判断电路的当前退化情况更贴近针对哪种退化情况构建的电路评估模型,以确定当前评估模型;
S5:根据当前特征参数和当前评估模型,计算电路当前性能指标。
2.根据权利要求1所述的电路性能的检测方法,其特征在于,退化情况,包括:电路中一个器件退化的单器件退化情况或/和多个器件同时退化的多器件退化情况。
3.根据权利要求1所述的电路性能的检测方法,其特征在于,特征参数,包括:中心频率、通带带宽、最大电压幅值的一种或多种。
4.根据权利要求1所述的电路性能的检测方法,其特征在于,步骤S2,包括:
S21:确定电路评估模型的初始模型,反映输出节点的特征参数和电路性能指标之间的相关性;
S22:针对每个退化情况的退化过程,设定若干临界点和对应每个临界点的电路性能指标;
S23:将每个临界点对应的输出节点的特征参数和设定的电路性能指标,代入初始模型,数据拟合回归确定初始模型的各参数值,从而构建以输出节点的特征参数为自变量、电路性能指标为因变量的电路评估模型。
5.根据权利要求4所述的电路性能的检测方法,其特征在于,临界点,包括元器件参数退化过程的若干取值点,或/和电路输出节点的特征参数发生超差的点。
6.根据权利要求4所述的电路性能的检测方法,其特征在于,初始模型,为:
H=β0+βiki
其中,H表示电路性能指标,β0表示基本拟合系数,βi表示第i个特征参数的拟合系数,ki表示第i个特征参数。
7.根据权利要求1-6任意一项所述的电路性能的检测方法,其特征在于,采用相异度度量的方式确定当前评估模型的步骤,具体为:
S41:计算当前特征参数与各退化情况下电路输出节点的特征参数的样本数据的相异度度量值;
S42:选取最小相异度度量值对应的电路评估模型,为当前评估模型。
9.一种计算机存储介质,其特征在于,存储有可执行程序代码;所述可执行程序代码,用于执行权利要求1-8任意一项所述的电路性能的检测方法。
10.一种终端设备,其特征在于,包括存储器和处理器;所述存储器存储有可被处理器执行的程序代码;所述程序代码用于执行权利要求1-8任意一项所述的电路性能的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310160192.1A CN115879405B (zh) | 2023-02-24 | 2023-02-24 | 电路性能的检测方法及计算机存储介质和终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310160192.1A CN115879405B (zh) | 2023-02-24 | 2023-02-24 | 电路性能的检测方法及计算机存储介质和终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115879405A true CN115879405A (zh) | 2023-03-31 |
CN115879405B CN115879405B (zh) | 2023-11-17 |
Family
ID=85761570
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310160192.1A Active CN115879405B (zh) | 2023-02-24 | 2023-02-24 | 电路性能的检测方法及计算机存储介质和终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115879405B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1246745A (en) * | 1985-03-25 | 1988-12-13 | Melvyn J. Hunt | Man/machine communications system using formant based speech analysis and synthesis |
US20130138651A1 (en) * | 2011-11-28 | 2013-05-30 | Bin Lu | System and method employing a self-organizing map load feature database to identify electric load types of different electric loads |
CN107203677A (zh) * | 2017-06-22 | 2017-09-26 | 哈尔滨工业大学 | 一种电子系统多退化进程研究方法 |
CN108363861A (zh) * | 2018-02-07 | 2018-08-03 | 华东师范大学 | 低频交流应力模式下nbti退化预测的解析方法及系统 |
CN112149373A (zh) * | 2020-09-25 | 2020-12-29 | 武汉大学 | 一种复杂模拟电路故障识别与估计方法及系统 |
CN112560239A (zh) * | 2020-12-03 | 2021-03-26 | 广东电网有限责任公司云浮供电局 | 一种台区线路阻抗的计算方法、计算系统及计算机可读存储介质 |
CN112685961A (zh) * | 2021-01-12 | 2021-04-20 | 武汉大学 | 一种模拟电路的剩余使用寿命预测方法及系统 |
US20220100939A1 (en) * | 2020-09-30 | 2022-03-31 | Imec Vzw | System and method of simulating aging in device circuits |
-
2023
- 2023-02-24 CN CN202310160192.1A patent/CN115879405B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1246745A (en) * | 1985-03-25 | 1988-12-13 | Melvyn J. Hunt | Man/machine communications system using formant based speech analysis and synthesis |
US20130138651A1 (en) * | 2011-11-28 | 2013-05-30 | Bin Lu | System and method employing a self-organizing map load feature database to identify electric load types of different electric loads |
CN107203677A (zh) * | 2017-06-22 | 2017-09-26 | 哈尔滨工业大学 | 一种电子系统多退化进程研究方法 |
CN108363861A (zh) * | 2018-02-07 | 2018-08-03 | 华东师范大学 | 低频交流应力模式下nbti退化预测的解析方法及系统 |
CN112149373A (zh) * | 2020-09-25 | 2020-12-29 | 武汉大学 | 一种复杂模拟电路故障识别与估计方法及系统 |
US20220100939A1 (en) * | 2020-09-30 | 2022-03-31 | Imec Vzw | System and method of simulating aging in device circuits |
CN112560239A (zh) * | 2020-12-03 | 2021-03-26 | 广东电网有限责任公司云浮供电局 | 一种台区线路阻抗的计算方法、计算系统及计算机可读存储介质 |
CN112685961A (zh) * | 2021-01-12 | 2021-04-20 | 武汉大学 | 一种模拟电路的剩余使用寿命预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
盛艳燕: "基于小波和马氏距离的电力电子电路故障诊断", 《电子测量技术》, vol. 36, no. 2, pages 2 * |
Also Published As
Publication number | Publication date |
---|---|
CN115879405B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6686056B2 (ja) | コンピュータ実装方法、コンピュータシステム及びコンピュータ装置 | |
CN110008080B (zh) | 基于时间序列的业务指标异常检测方法、装置和电子设备 | |
CN112735094B (zh) | 基于机器学习的地质灾害预测方法、装置和电子设备 | |
CN106662472B (zh) | 偏差估计装置和方法以及故障诊断装置和方法 | |
WO2012078599A2 (en) | System and method for sensing battery capacity | |
CN115841046B (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
CN109558952A (zh) | 数据处理方法、系统、设备及存储介质 | |
CN108111353B (zh) | 预付卡剩余流量预测方法、网络终端和存储介质 | |
CN117590172A (zh) | 应用于变压器的局部放电声电联合定位方法、装置和设备 | |
JP6904418B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、及び、プログラム | |
CN115015683A (zh) | 电缆生产的性能测试方法、装置、设备及存储介质 | |
CN109040084A (zh) | 一种网络流量异常检测方法、装置、设备及存储介质 | |
CN111007390A (zh) | 基于代数方法的模拟电路故障诊断模型 | |
CN109116183B (zh) | 谐波模型参数辨识方法、装置、存储介质及电子设备 | |
CN115879405B (zh) | 电路性能的检测方法及计算机存储介质和终端设备 | |
KR100315314B1 (ko) | 가스 분석, 농도추정 및 측정, 측정 데이터 보정방법과그의 표시방법 | |
CN111091194A (zh) | 一种基于cavwnb_kl算法的操作系统识别方法 | |
DE112012003173T5 (de) | Positionsbestimmungsverfahren in resistiven Berührungsbildschirmanwendungen | |
CN116306437A (zh) | 构建电路性能评估模型组及电路性能评估的方法 | |
CN113130073B (zh) | 利用自动化机制挑选影响力指标的方法及电子装置 | |
US11494698B2 (en) | Method and electronic device for selecting influence indicators by using automatic mechanism | |
CN115047262A (zh) | 基于电能质量数据的设备异常状态通用识别方法 | |
Vidaurre et al. | A quick assessment of topology preservation for SOM structures | |
CN109242354B (zh) | 加工效果评价方法和加工效果评价装置 | |
RU2595929C2 (ru) | Способ и устройство для сжатия данных, представляющих зависящий от времени сигнал |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |