电子电路故障诊断与预测技术分析

电子电路故障诊断与预测技术分析

罗宗树

玉林市美林污水处理有限责任公司 537000

摘要:本文主要围绕电子电路故障诊断和预测技术展开研究，通过分析当前电子电路故障与诊断技术现状，探究在电子电路故障诊断领域和预测领域可以应用到新技术及其应用范围，克服诊断和预测技术应用过程中存在的问题，保障电子电路正常运行，更好地为工程系统服务。

关键词:电子电路；故障诊断；预测技术

通过对传感器传出的故障信号进行采集和分析，结合故障频率算法等开展综合诊断工作，可以及时发现电子电路出现的问题并解决。为适应电子设备快速发展的需要，相关单位必须加强对电子电路故障诊断工作的重视，逐渐完善对应的预测技术和相关工作，保障各项电路工作顺利开展。

1.电子电路故障诊断与预测技术现状

与数字电路和模拟电路等相比，电子电路的过载能力相对较小，在短时间内就有可能出现故障问题，导致后续诊断工作难度增加。同时，以此为基础开展预测工作的难度也相对较大。传统故障诊断工作开展过程中，主要是通过对不同频率输出的波形进行分析，可以及时找出出现故障的原因。但是由于电子电路故障发生时间短，甚至在十微秒的时间就会出现故障，此过程中几率的频率波形并不能支撑后续诊断工作顺利开展，这就给后续工作顺利开展产生了一定的干扰。一般来说，当电路中出现电器元件故障问题时，其频率参数会在部件承载能力的影响下逐渐降低，而元件中的信号频率参数在该过程中也会随之降低，严重时还有可能出现漏检等问题，将会对后续各项工作开展产生极为不利的影响。

此外，电子电路中的元件失效也会引发电子电路故障问题。在开展电子电路维护工作时，工作人员需要对各个元件进行针对性的养护，这样才能保证其工作质量。但是在工作环境等方面的影响下，元件的物理性质和工作机制等也会随之发生变化，导致出现元件失灵问题。为保障电子电路故障诊断工作顺利开展，工作人员可以结合元件排查工作来分析电子设备的可靠性，以此来降低因元件问题而导致的电路故障几率。

2.电子电路故障诊断技术

2.1PHM技术

PHM技术在应用过程中主要围绕健康管理和预测来开展后续各项工作，其工作时可以对正常性能进行评判和比较，继而获得与电路状态波动相关的数据，对推动电路故障预测工作顺利开展具有重要意义。该项技术在应用过程中主要将数据分析的比值判断和残差判断以及围绕特征提取的状态检测等作为主要计算流程，在此基础上对状态和寿命等做出预测。PHM技术在实际应用过程中发挥了重要作用，该技术综合了物理技术、数据驱动技术和混合技术等作为技术原理，应用领域十分广阔，将其应用到电路故障检测以及技术匹配等工作中可以发挥较大的价值，比较受人们欢迎。

2.2HMM技术

HMM技术实际上是隐马尔科夫模型的简称，该模型可以作为未知参数的描述统计模型，通过对可观察的参数进行分析，可以找到该过程中存在的隐藏参数并应用，在不同模式识别过程中，即可应用该类参数来开展后续各项工作。推测工作一般以观测值为基础，在此基础上的性质推测存在一定的问题，表现出来了多样化的不确定性。在一开始应用该技术时，主要在DNA为主的生物序列分析过程中作为语音识别技术，后来该项技术不断发展，在行业中的地位也随之提高，到现在已经成为一项不可或缺的技术。在电路运行和故障检测过程中应用HMM技术时，一般技术在无法获得电路内部状态和健康状态的情况下，很难就其运行状况做出正确的判断，而HMM技术可以在电子信号征兆的帮助下做出电路运行的健康判断，表现出了较为良好的优越性。

2.3小波分析

“小波”的波形相对较小，同时其波形还具有衰减性，实际上是通过局部分析空间、时间频率的方式来开展后续工作。该项技术实际上是相对傅里叶变换的更优方案，在高频段时间细分和低频段频率细分等工作开展过程中发挥了更好地适应作用。该类分析方法具备分析时间窗和频率窗的可变性，在应对伸缩变化和平移变化时也可以发挥其对应的作用，本身特点转换较好，在不同宽带中都可以发挥对应的带通滤波器作用，因而比较受人们的欢迎。由于该项技术在排除干扰信号影响的同时，还可以从该类信号中提取相对有效的信息，因而被称为“数学显微镜”。

3.电子电路故障预测技术

3.1AR模型预测算法

AR模型实际上是自回归模型，在有理谱的平稳随机序列等研究领域发挥重要作用。实际应用过程中，结合已知的n个数据开展模型构建工作，可以对n之前以及之后的数据做出准确预测。例如在研究噪声的模型过程中，使用对应公示表示相关关系，将均值和方差为零的白噪声放在公式的右端，通过输入序列和输出序列即可开展综合测量工作。一般来说，可以应用最小二乘法开展参数估计工作，继而找到其中的最佳函数。同时，工作人员也可以在该过程中应用误差滤波器来完成取值操作，结合噪声差分方程和列文森递推公式来开展BUG递推工作，最终用AR模型系数可以通过噪声方差计算得到，可有效提高其整体计算精度。

3.2BP神经网络预测算法

该算法实际上是BP神经网络在学习过程中，使用误差逆传播算法进行的计算。通过在网络输出和样本数据中获得误差函数，误差函数的最小值即可通过梯度下降法等方法求得。在此基础上对神经网络连接权值进行修正，将其控制在误差允许的范围内。随着误差反向传播，层层神经元会逐层计算出输出误差，同时在梯度下降法的帮助下将连接全值和阈值计算出来，直至全局满足其数据要求并获得未来值和数据之间的关系，在此基础上开展数据预测工作。一般来说，BP算法可以算是当前应用次数和成熟程度都位居前列的训练算法，在计算过程中，神经网络的初值会随机初始化。但是为了克服随机选取的缺点，规避初始值在计算过程中会逐渐向局部最小值收敛，保障最终的数值准确性，为相关人员必须加强对该过程中误差规避工作的重视。通过在该过程中引入遗传算法，所得到的曲线拟合能力会在该过程中不断增强。在算法优化工作完成之后，可以及时将其赋予网络，实现对网络的强化训练，此后再获取网络参数时，难度将会大大下降。

3.3改进预测算法

一般来说，电子电路的健康状态衡量值在波动过程中呈现出了非线性和复杂性特征，因而在开展数据分析工作时可以使用混沌信号分析法来开展后续各项工作。相关人员在研究过程中可以从混沌时间序列相空间重构理论角度，综合分析BP神经网络模型预测和AR模型预测效果的优化方向和重点，以相空间重构理论获得与时间延迟、嵌入位数等数据，在此基础上开展数据重构等工作。上述工作完成之后，工作人员再使用BP模型和AR模型来对数据矩阵进行预测和训练，出现问题的几率将会大大降低，其工作质量也会随之提高。

4.小结

电子电路运行过程中会因其工作原理和元件失效等出现不同类型的故障问题，相关人员必须加强对该过程中应用的诊断和预测技术的重视，结合电子电路发展方向以及相关方法的研究方向，不断改进电子电路故障预测和诊断方法，推动维修工作合理开展，保障工程系统各项工作正常进行。

【参考文献】

[1]方镇宏.电力电子电路智能故障诊断技术探讨[J].通信电源技术,2019,36(11):224-225,228.

[2]张春霞.电力电子电路的故障诊断[J].集成电路应用,2019,36(5):83-84.

[3]张鹏.量子神经网络的电力电子电路故障诊断分析[J].计算机产品与流通,2018,000(001):P.77-77.