電子產品故障預測方法綜述
三生嘆
三生嘆
慕寒;胡莎莎
00:00/03:59
本篇我們來聊聊作為故障預測與健康管理PHM 核心支持技術—故障預測的方法論。
一、基於故障標尺的方法
基於故障標尺的故障預測方法，也叫預兆單元法。該方法是指根據實際被監測產品的故障機理及模型，以相同的製造工藝和過程特製出相同的產品，假設待監測的產品同該特製產品具有相同的性能和狀態，而且它們工作於相同的環境條件下，因此，該特製產品可以表徵待監測產品的健康狀態。實際上由於該特製產品按已知比例縮短的壽命先於待監測產品失效，因而具有保險絲的作用。如果按不同的加速比例製造出一系列這樣的產品，就像在電子產品內部設置了「故障標尺」，從而可以預測產品的剩餘壽命。
國外研究者將預兆單元形象地稱為「金絲雀（Canaries）」。金絲雀對礦井中的危險氣體非常敏感，高危氣體濃度過高會使它在發生事故前表現出病態甚至死亡，所以早期將它用於礦井高危氣體的報警。同理，設計預兆單元與主器件、電路、系統集成在一起，使其按一定的機理在主電路或系統失效前提前失效，就可為宿主電路與系統的失效提供預警。在實際使用中，預兆單元作為宿主電路的子模塊，見證宿主電路從生產到測試再到使用所經歷的全壽命環境。預兆單元的壽命需要根據主電路失效機理進行預校準。影響器件可靠性的因素有電壓、電流、溫度、濕度、輻射等，如果承受相同的應力，主副電路的失效率應該是相同的。如果按一定的比例改變預兆單元承受的應力條件，則預兆單元電路會先於宿主電路失效。應力縮放可以通過改變預兆單元內部的電流密度來實現。通過相同的電荷量，如果預兆單元載流部分的橫截面較小，則可以獲得較大的電流密度。與此類似，也可以通過改變預兆單元中的電壓來實現大電流密度。大電流密度會導致內部發熱量增大，應力增大，最終使預兆單元的失效率增大。由此，可以按不同的加速比例設置多個預兆單元模塊，即在浴盆曲線上設置多個報警點，得到緊急程度不同的失效報警。
在這方面，美國銳拓公司已經開發了一系列可用於PHM的預兆單元。
二、基於失效物理（PoF）的方法
基於失效物理（PoF）的方法是指在已知電子產品物理失效模型的基礎上，利用產品的生命周期載荷和失效機理知識來評估產品的可靠性。它也可以通過監測產品的使用環境條件，如溫度、振動等參數信息，進而根據損傷累積模型預測產品的剩餘壽命，即在系統的實際應用條件下評估和預測其可靠性。在這方面，美國馬里蘭大學CALCE中心進行了大量研究工作，該中心提出的基於PoF的PHM的方法也叫壽命損耗監測法，如下圖所示。
壽命損耗監測法是指利用環境應力參數和工作應力參數，建立應力-損傷模型，計算累計損傷而預報失效。壽命損耗監測的基本概念是認為產品的性能退化或物理損傷是作用於產品的全壽命負載導致的。產品的退化程度和退化速率決定於負載的大小和使用速率、頻率、劇烈度等。若可以在線測得負載狀況，基於失效物理模型可計算產品受負載影響下的退化。外部環境應力會對電子元器件造成損傷，降低其可靠性，是引發電子設備故障的重要原因。應力損傷評估就是搜集和累積電子產品壽命周期內承受的全部外部應力載荷，計算累積損傷和壽命損耗，進行剩餘壽命估計。為此，需要在產品內嵌入若干個感測器來感知外部載荷，如溫度、溫度變化、濕度、振動、衝擊、壓力、電壓、電流等。
三、基於故障狀態信息的方法
基於故障狀態信息的方法是直接採信產品的功能及性能信息進行故障診斷，在BIT的基礎上，採集電性能退化信息，可以實現電子產品的故障預測。
四、基於失效先兆監控法
基於失效先兆監控法是指根據一些失效先兆信息，如性能參數漂移，對其進行監控推理，最終預報失效。失效先兆指失效癥狀出現前的異常信號，通常是失效發生前可測的變化。通過建立被測信號變化與隨後發生的失效之間的因果關係就可以用於建立推理演算法，預測故障。基於失效先兆監控法也叫基於異常特徵監測法。
基於故障先兆推理的PHM系統在確定需要被監控的故障先兆參數後，需要建立故障先兆參數與隨後發生的故障之間的推理演算法。故障先兆參數在預定條件或加速條件下測試，由實驗結果得到的模型可以是參數擬合曲線、神經系統網路、貝葉斯網路或故障先兆信號的時間序列。該方法假設被測器件處於一種或幾種確定的使用條件下，可以在實驗條件中模擬。然而，很多器件的實際工作環境條件卻無法進行模擬模擬。例如，對於野外工作的設備，所處的環境複雜多變，一旦工作條件發生預期外的突變，得到的故障先兆信號也會發生變化，如果建立的模型沒有全面考慮設備的全壽命工作條件和所處環境條件，則可能發出錯誤預警。除此之外，通常也不可能找到涵蓋所有方面的先兆模型，所以，故障先兆特徵和模型建立可能耗損大量人力物力而得不到預期的效果。
五、基於數據驅動的方法
基於數據驅動方法指基於可用的歷史信息，如以系統處於「健康」時的數據作為訓練數據，以實際使用過程中實時採集到的數據作為測試數據，利用各種統計方法和機器學習的方法對這些數據進行處理和分析，檢查測試數據的特徵與訓練數據的特徵之間的退化或差異情況，從而實現對系統健康狀況評估、故障診斷及壽命預測。
這種方法基於一種假設：系統參數的統計特徵只有當故障產生時才發生變化，從而可以通過對參數（如環境應力、工作負載及能夠反映電子器件或產品性能的參數，如電流、電壓、電阻等）的在線監測與分析來發現異常，確定退化趨勢，判斷系統的健康狀態，同時該退化趨勢也可預測剩餘壽命。
TAG:可靠性雜壇 |