随着现代电子系统对电源可靠性要求的提高,开关电源及其组成的冗余电源被广泛使用,对应的健康状态监测和评估需求与日俱增。本文基于深度学习、多源信号融合等方法对冗余电源的瞬时健康状态评估进行研究,设计并实现一套冗余电源健康状态监测与评估系统。1.电源多源信号特征分析。以开关电源关键器件为基础,对关键器件与纹波、温度、电磁场强度之间的关系进行研究。由于元器件制造工艺、器件老化程度等存在细微差异,使得纹波频谱具有独特性,因此纹波频谱可以作为电源唯一标识。针对本论文研究的开关电源,通过实验表明纹波频谱存在特征频段并随输出功率增大向低频段移动,特征频段峰值频率与输出功率之间存在对应关系,同时输出端纹波频率成分主要为开关频率。温度对开关电源关键器件参数和使用寿命都有影响,电源工作温度随电源输出功率增大而逐渐增大。电磁场强度大小也随着电源输出增大逐渐增大。2.冗余电源系统的多源信号健康状态定义方法。传统的健康状态基于器件长时间参数退化来划分,而本文是对电源瞬时状态进行评估,因此根据输出功率越大电源应力越大的特点,将状态划分为轻载、正常、重载。使用单一信号的评估方式存在信息不足,因此将温度、电磁场强度等也进行对应健康状态划分,基于多源信号融合方法进行评估。冗余电源主要指标是对输出负载功率分配的均衡性,因此根据分配均衡性将状态划分为平衡、轻度失衡、重度失衡,将单电源状态以权重方式与冗余系统结合,最终给出冗余电源系统综合健康状态。3.冗余电源系统瞬时健康状态评估方法研究。针对电源频谱中的特征频段提出基于深度残差收缩网络与长短期记忆网络相结合的特征频段识别方法,直接从冗余电源输出纹波频谱中求得各电源输出信息并获取健康状态,双电源和三电源系统准确率都达到90%以上。此方法也能简化采集线路,在工程中具有一定应用价值。对电源预测功率、温度、电磁场强度等使用全连接神经网络进行融合,直接得到电源健康状态。冗余系统的多源信息则分别使用全连接神经网络和长短期记忆网络进行融合,得到平衡健康状态,两种模型准确率都达到了90%以上。4.基于C/S架构设计并实现了一套冗余电源健康评估系统,具有数据采集、数据分析、数据存储、健康状态监测与评估等功能。