★ 北京廣利核系統工程有限公司 趙小鵬，郄永學

關鍵詞：高可靠性；電子設備；健康狀態；核電板卡

隨著工業技術的不斷發展，高可靠性裝備復雜任務處理系統的設計和部署越來越復雜。與此同時，非預期故障易引起系統跳機，不僅造成高額的維修花費，還會導致嚴重事故，這對系統的可靠性和安全性提出了更高的要求[1,2]。

健康狀態評估技術是視情維修和預測及健康管理（Prognostics Health Management， PHM）的基礎實現技術，也是系統可靠性、安全性的支撐與保證技術，同時其在運維技術的智能化發展過程中起著非常關鍵的作用[3]。健康狀態評估技術的對象是有退化或失效性質的系統、子系統或者關鍵器件，其最終目的是通過研究對象的健康狀態來指導運維策略的制定及開展。電子設備作為可靠性裝備的關鍵組成部分， 一直是該領域研究的重點和難點。電子設備（本文特指應用于高可靠性裝備的電子設備）由電路板、功能電路、電子元器件等逐層級組合構成，其健康狀態是各層級組成單元健康狀態的綜合體現。目前電子設備僅有少量電子元器件的健康狀態可以采用其輸出電信號的變化進行表征，大部分電子元器件的退化無明顯征兆，這也直接導致電子設備的功能電路級、電路板級甚至設備級的退化狀態難以直接觀測。當電子設備發生故障時，其電信號往往突然發生變化，且發生間隔時間很短。目前還沒有合適的可觀測的外在征兆來刻畫電子設備從正常到故障的衰退過程，即電子設備的健康狀態難以表征，這是電子設備PHM技術的一個關鍵難點[4]。研究顯示，電子設備在運行過程中普遍存在著比較薄弱的環節，這些環節常常會引起設備的性能退化或者故障。因此，研究關鍵的薄弱環節對于研究電子設備的健康評估是業界的應對途徑[5,6]。

基于以上問題，本文分析了電子設備現有狀態評估方法， 并以數據驅動評估方法為重點，研究了基于工況的評估多模型建立策略，提出了相應的模型參數的辨識方法，最后基于板卡DCDC芯片老化實驗數據開展仿真驗證，證明了該策略的有效性。

1   電子設備健康狀態評估方法

目前已有的電子設備狀態評估方法主要可以分為三大類別：經典評估方法、基于數據的評估方法和基于模型的評估方法。需要指出的是， 實際應用中這些方法間并沒有非常嚴格的界限，往往是互相融合交叉使用。此外，對于狀態評估方法的選擇還需要綜合考慮如評估方法最終用戶、監測技術水平、模型建立的復雜性、訓練及檢驗模型的要求及現有數據的可用性等一系列因素。

1.1   經典評估方法

（1）層次分析法

層次分析法（Analytic Hierarchy Process， A H P ） 由 美 國 匹 茲 堡 大 學 教 授  T  .  L  . 薩 迪 (T. L.Saaty）于20世紀70年代初提出。其通過確定同一層次各評估指標的初始權重， 并定量化地描述定性因素使定性信息與定量信息有機結合，整個過程體現了分解、判斷、綜合的思維分析邏輯， 是一種系統的評價方法。文獻 [7]采用該方法開展健康狀態評估，通過對研究對象健康狀態進行層次分析量化， 同時，給出研究對象的健康狀態與故障狀態指標， 并將當前健康狀態分別與典型的健康狀態、故障狀態進行比較，從而得出當前研究對象的健康狀態。但是這種方法中利用的定性信息相對其他方法要多，會導致評估結果主觀化。基于此，文獻 [8]提出了一個基于貝葉斯網絡的狀態評估模型。該模型針對變壓器預防性試驗數據， 首先建立了一個健康狀態量化的分層模型， 實現了對變壓器的歷史、當前、未來狀態的評估，然后利用模糊隸屬度函數確定了分層模型各參數的閾值和分值， 最終建立了基于貝葉斯網絡的變壓器狀態評估模型，提高了其狀態評估的準確性。

（2）模糊理論法

模糊理論（Fuzzy Theory）是研究和處理模糊性現象的理論。在實際過程中，設備狀態及其機理間存在大量不確定性和模糊性，傳統精確數學理論難以描述其關系。模糊理論可對人類模糊思維和模糊語言加以定量分析， 為解決不確定性和模糊性提供了有效途徑[9]。模糊理論適用于定性、定量信息并存的系統評估。現有研究多采用模糊綜合評價及模糊識別的方法，融合系統基礎技術數據、運行數據、檢修數據等各類數據，分析對象工作狀態并對其健康狀態進行評估，為設備的狀態檢修決策提供了依據。文獻 [10]針對航天器健康評估，提出了基于模糊變權原理的健康狀態評估方法，并結合AHP方法建立了從部件到系統的層次分析模型，其在航天器適應在軌狀態變化及減弱主觀評估影響方面效果良好。

1.2   基于數據的評估方法

（1）基于檢測數據法

基于檢測數據的健康狀態評估方法主要是指在無先驗知識的情況下對采集數據進行分析處理，并基于數據模型展開狀態評估。Hu等人[11]針對風電轉換器IGBT模塊基板焊料疲勞故障，建立了基于殼體溫度差的基板焊料疲勞評估方法，并以實際風力發電機轉換器IGBT模塊為例進行了狀態評估，為健康狀態評估提供了一種新的思路。

（2）基于健康指標法

基于健康參數的狀態評估方法是在構造電子設備健康指數的基礎上，通過對健康指數進行監測進而實現電子設備狀態評估。例如，和麟等人[12]通過計算分析電子設備檢測多參數之間的馬氏距離，減少了電子設備健康狀態評估方法的虛警概率；沈親沐等人[13]采用累積插入損耗增益等特征對電連接器的使用狀態進行了評估，并取得了較好的效果。

1.3   基于模型的評估方法

基于模型的狀態評估方法是通過構造電子設備物理失效模型來對電子設備狀態進行評估，主要包括物理模型和過程模型兩種。基于物理的健康評估方法建立在對研究對象自身特性的深刻理解基礎上，通過機理分析確定能夠反映研究對象退化的性能指標，并建立狀態數據與研究對象退化間的關系模型，實現對研究對象的健康評估[14]。基于過程模型的健康評估，通過對過程退化軌跡及系統狀態的研究建立退化模型，從而達到對健康狀態的評估[15]。

綜上， 目前健康狀態評估技術在機械系統中已有比較廣泛的應用，但在電力電子的研究和應用中的發展略緩并且應用效果并不是很理想。其原因一方面在于由于現實困難，電力電子產品的退化機理相關研究甚少，難以把握其物理失效規律；另一方面，電子設備沒有合適的特征參數來對其狀態進行表征，且用于狀態評估的特征參數難以獲取。這給核電儀控設備的健康評估技術研究既帶來了挑戰又帶來了機遇。在核電儀控設備健康狀態評估研究中， 一方面可以通過研究狀態健康參數的方式來對產品進行升級從而對其健康狀態進行全面而廣泛的監測，另一方面可以結合產品機理研究及監測數據，進一步研究健康狀態評估算法。

2   基于多模型的電子設備健康狀態評估算法

由以上分析可知，電子設備在運行過程中往往存在著影響其性能退化或故障的薄弱環節。同時，設備的實際運行工況會隨環境因素或負荷變化，不同工況條件下設備綜合特征存在一定差異，難以采用單一的線性模型來表示。因此，通過采集運行數據來構建過程多模型是一條適當合理的途徑。

2.1   電子設備的評估多模型描述

一般地，時變系統可以通過若干子模型構成多模型形式來描述，因此電子設備的狀態評估多模型可表達為式（1）[16]：

其中，y(k)代表k時刻時該電子設備的輸出，該輸出是k時刻所有子模型的綜合作用；"為子模型個數；

為其子模型輸出對應的歸一化后的隸屬度（即基函數），是調度變量p(k)的函數，可表示為式（2）：

不同特征的子模型共同形成動態網絡。在模型運算過程中，通過聚類的方式獲得子模型個數及其對應隸屬度，子模型通過綜合方式來反映系統整體輸出。其中，子模型的隸屬度由過程數據特征確定，本研究結合工程應用特征采用Gaussian bells函數。

式（1）中的子模型yi (k)形式結合系統特征可以是線性或非線性模型，在此采用多入單出系統的帶控制量的自回歸模型（Controlled Auto-regressive Model， CAR），其表達式如式（3）所示：

其中，

分別代表系統的輸出、  m x l維的輸入和系統噪聲干擾；  分別為模型的輸出和輸入的階次。由此得多模型的最小二乘形式如式（4）所示：

其中，

2.2   多模型參數辨識算法

對電子設備的運行數據，可根據其運行環境或負載情況進行運行工況劃分，通過對不同工況的辨識可得到不同工況下的模型（即子模型）。由（4）式可知，所劃分子模型的參數可通過最小二乘方式擬合求解。過程中需定義全局優化指標或局部優化指標以確定模型參數，局部最優的方法計算量小、計算速度快且魯棒性相對要強，在多數情況下表現得更為優越。本文基于局部最優策略，以多模型的實際輸出與估計輸出偏差的加權平方和為代價函數，得到子模型參數辨識的加權最小二乘遞推方法，其代價函數表達形式為式（5）：

其中，"為子模型個數； ，i列向量；為系統在k時刻的輸出量。在局部參數求取中，

由此可得局部參數加權最小二乘遞推公式如式（6）～（8）所示：

3   案例研究

本節基于核電儀控板卡某24V-24VDCDC開關電源老化試驗數據進行算法仿真研究。開關電源是一種比較新型的電源，具有效率高、重量輕、可升、降壓、輸出功率大等優點。但由于其電路工作在開關狀態，所以噪聲比較大。其工作原理如圖1所示。

圖1 DCDC電路工作原理圖

電路由空氣開關K（實際電路中為三極管或者場效應管）、續流二極管D、儲能電感L、濾波電容C等構成。開關閉合時，電源通過空開K、電感L給負載供電，并將部分電能儲存在電感L以及電容C中。由于電感L的自感，在開關接通后，電流緩慢增大至電源電壓值。一定時間后，開關斷開，由于電感L的自感作用，將保持電路中的電流不變，即從左往右繼續流。該電流流過負載， 從地線返回， 流到續流二極管D的正極，經過二極管D，返回電感L的左端，從而形成了一個回路。通過控制開關閉合跟斷開的時間，即脈沖寬度調制（Pulse Width Modulation， PWM）， 可以控制輸出電壓。而通過檢測輸出電壓來控制開、關的時間，可以保持輸出電壓不變，從而實現穩壓的目的。電源模塊的可靠性直接影響了整個系統的可靠性水平。然而，受電源本身設計不當、設計師降額使用不當、散熱設計不合理等多種因素影響， DC/DC電源模塊在實際工作中易發生輸出功能喪失等故障問題，而一些關鍵路徑上的電源模塊如果失效則會導致整個板卡功能的退化或者出現故障狀態。因此，對關鍵位置DCDC芯片進行健康狀態評估具有重要意義。

本文對某板卡24V-24V DCDC開關電源老化試驗數據進行提取，該過程溫度范圍為25℃~125℃,性能參數為DC-DC電源的輸出電壓和輸出電流。其中，輸入電壓和輸出電壓采用錄波儀自動記錄，每分鐘自動記錄一次數據；輸出電流采用人工測量的方式，每兩個小時測量一次。為保證數據的準確性， 共采取10700組輸出電壓加速老化數據。應用上述算法對該過程進行建模分析，并根據辨識曲線對處于試驗環境中的同型號DCDC芯片進行健康狀態評估，結果如圖2所示。

圖2 基于老化數據的電源狀態辨識曲線

由圖2可知，基于本方法所構建的健康評估模型，其辨識曲線能夠很好地跟蹤實際曲線，表明本文算法可以對電源模塊的過程健康狀態進行完整分析。此外，在預警和報警閾值已知的情況下，可以將設備的健康狀態劃分為健康狀態、亞健康狀態和故障狀態三個區域，從而提升模型對設備狀態分析的準確性。

與此同時，在確定設備狀態預測的起始起點，如產生某種異常現象后，可以對其健康狀態發展趨勢進行預測，在模塊故障閾值給定的情況下還可以對其剩余壽命進行預估。以實驗板卡所標示的當前狀態為例，若此時發生了電源異常報警，即使電池處于健康狀態，仍然可以通過模型預測方式給出設備剩余壽命的預測值。目前，基于本研究所開發的健康狀態監測平臺已經投入實驗運行，為現場操作及運維人員提供了直觀有效的操作及運維業務參考。

圖3 電源健康狀態監測曲線

4   結論

本文首先從高可靠性裝備電子設備的產品特征出發，研究了基于數據的多模型健康狀態評估方法，提出了基于工況的多模型健康評估實現策略，描述了多模型構建方式及其參數的求取方法。該多模型參數可靈活調整，為電子設備健康評估提供了良好的理論依據。然后，本文以核電儀控板卡DCDC開關電源老化試驗數據為對象，對該算法進行了仿真研究。結果表明，該方法對電源模塊運行健康狀態具有良好的評估效果，其在高可靠性裝備電子設備健康評估領域的應用中具有可行性。

作者簡介：

趙小鵬（1986-），男，河北蔚縣人，高級工程師，博士，現就職于北京廣利核系統工程有限公司，主要從事智能運維及核電DCS測試與驗證方向的研究。

參考文獻：

[1] 丁鋒, 張藝馨. 面向健康監測的裝備可靠性評估研究進展[J]. 航空制造技術, 2022, 65 (12) : 99 - 104.

[2] 許勇, 蔡云澤, 宋林. 基于數據驅動的核電設備狀態評估研究綜述[J]. 上海交通大學學報, 2022, 56 (3) : 267 - 278.

[3] 聞化, 胡志偉. 裝備故障預測與健康管理能力驗證評估技術[J]. 計算機測量與控制, 2019, 27 (11) : 260 - 264.

[4] 呂克洪, 程先哲, 李華康, 等. 電子設備故障預測與健康管理技術發展新動態[J] ．航空學報, 2019, 40 (11) : 323285.

[5] Montanarig C, Hebner R, Morshuis P. An approach to insulation condition monitoring and life assessment in emerging electrical environments[J]. IEEE Transactions on Power Delivery, 2019, 34 (4) : 1357 - 1364.

[6] Vasan A, Pechtm G. Electronic circuit health estimation through kernell earning[J]. IEEE Transactions on Industrial Electronics, 2017, 65 (2) : 1585 - 1594.

[7] 葉衛東, 張金盛. 運用層次分析法對計算機健康狀態評估[J].微計算機信息(測控自動化), 2009, 25 (7) : 216 - 217 + 237.

[8] 趙文清, 朱永利, 姜波, 等. 基于貝葉斯網絡的電力變壓器狀態評估[J]. 高壓電技術, 2008, 34 (5) : 1032 - 1039.

[9] 周立新, 丁志宏, 宋彥智, 等. 一種基于模糊綜合評判的測控設備狀態評估方法[J]. 測控技術, 2018, 37 : 394 - 398.

[10] 李鑫, 劉瑩瑩, 李贛華, 等. 基于模糊變權原理的衛星健康評估方法[J]. 系統工程與電子技術, 2014, 36 (3) : 476 - 480.

[11] Hu Y, Shi P, Li H. Health condition assessment of base  -  Plate solder for multi - Chip IGBT module in winIEEE Access, 2019, (7) : 72134 - 72142.

[12] 和麟, 雷偲凡, 劉洋. 基于距離度量和健康指數的電子設備健康評估方法[J]. 計算機測量與控制, 2017, (10) : 294 - 297.

[13] 沈親沐. 振動環境中電連接器間歇故障機理與在線診斷技術研究[D]. 長沙: 國防科技大學, 2016.

[14] 李儼, 陳海, 張清江, 等. 無人機系統健康狀態評估方法研究[J]. 系統工程與電子技術, 2011, 33 : 562 - 567.

[15] Shuai Z, Viliam M, Shaowei C, et al. Health evaluation method for degrading systems subject to dependent competing risks[J]. Journal of Systems Engineering and Electronics, 2018, 29 (2) : 436 - 444.

[16] 潘天紅, 薛振框, 李少遠. 基于減法聚類的多模型在線辨識算法[J]. 自動化學報, 2009, 35 (2) : 220 - 224.

摘自《自動化博覽》2026年5月刊