论文部分内容阅读
据统计,电子设备中80%的故障来自模拟电路,因此,模拟电路的故障预测研究成为提高电子设备可靠性的关键。在故障预测领域,基于数据驱动的故障预测方法是一种使用较为广泛的预测方法,主要是利用设备的仿真数据、故障注入数据等,通过数据分析和处理算法进行趋势预测。自回归预测模型(AR)具有建模简单、计算快捷的优点,灰色模型所需建模数据量少、预测精度高,基于上述原因,本文对故障预测软件的总体设计及关键模块实现做了深入研究,具体的研究工作有:1.预测软件总体框架设计。将预测软件划分为故障预测、数据库管理、界面服务、用户权限管理四个功能模块。在VC++6.0平台下,对软件中的数据流向进行设计,并以属性表单和属性页完成功能模块的集成。2.实现了基于数据驱动的故障预测算法。故障预测算法是预测软件的核心,本文根据自回归预测模型、灰色预测模型以及粒子群优化算法(particle swarm optimization,PSO)的建模步骤,完全采用C++标准库函数进行算法编程和接口设计,没有涉及到与MFC相关的函数库,使得本文实现的预测算法的调用不局限于具体的操作系统,增加了预测算法在不同操作系统之间的移植性以及不同环境中的复用性。3.实现了故障预测软件平台的开发。首先,按照第三范式的要求设计了服务器端数据库,在软件里面采用ADO的连接方式访问数据库,实现了对故障信息、预测结果等数据的存取;其次,采用面向对象的编程思想对各个功能模块所使用的方法和类进行设计和封装,整个软件平台的搭建基于MFC对话框的开发方式进行,充分利用了MFC提供的控件以及Visio ActiveX图形化开发控件,达到人机交互友好的目的。4.预测软件的测试验证。以绝缘栅双极晶体管(Insulated Gate Bipolar Transistor,IGBT)实测数据以及Sallen-key模拟电路仿真数据为测试验证实例,通过将实际的电路剩余使用寿命(Remain Useful Lifetime,RUL)和软件预测的RUL作比较,结果表明软件对模拟电路的RUL具有很高的预测精度,可以为电路系统的健康管理提供实时可靠的理论依据。