摘要：近些年，受我国社会的不断发展，科学技术水平不断进步。其中，电力电子电路是组成电子系统的重要内容，其在电子产品、系统中应用广泛，其一旦失效，便会引发电子产品、系统故障，继而导致严重的后果。为改善电子系统的运行状态，维护人员应及时预测设备隐藏故障，以便有效预防和处理。针对电力电子电路故障，首先介绍了一种基于小波分析与马氏距离的诊断方法，然后对电力电子电路故障预测技术进行了研究。
关键词：电子电路；故障诊断；故障预测
引言
电子用户随着科技的迅猛发展对电子系统的要求也随之提高，现在对于电子设备与系统来说，最重要的就是逐渐完善其功能，使电子系统的结构逐渐向更大的平台发展，在发展的过程中，发生故障以及失效的概率就日益增加，在分析问题以及解决故障的过程中效率就成了最核心的内容，否则就会因为此产生很大的经济市场的损失，在未来的电子系统中，是否能提高预测故障的技术，决定着我国电子系统的发展道路的平坦与否。
1电子电路故障诊断与预测技术现状分析
1.1电子电路故障原理
电子电路相比模拟电路和数字电路来说过载能力较小，容易在短时间内受损，这为故障的预测和排查带来了挑战。传统的故障诊断使用不同频率输出的波形，能够对缓变故障进行有效的判断，但对于发生在10微秒之内的电子电路而言，快速、突变的故障是无法进行有效预测和诊断的。理论上讲，传统算法的使用对实际应用中故障的诊断产生了较大的干扰，由于电路中电器元件产生故障信号的频率参数随部件的承载能力减弱而相应地降低，就导致了元器件的信号频率参数降低，甚至出现漏检。
1.2预测的精确度、可靠性和实时性
可靠性是电子设备必须具备的一个性能，所以为了保证其性能，就要提高预测时的精确度。电子设备的故障原因和预测使用的技术都是非常重要的方面，所以及时对电路进行预测是十分必要的，不仅降低电路失效的概率，还能减少在这方面的相应损失，因此，检测的精确度和实时性都是必不可少的。
2电子电路故障诊断技术
2.1 PHM关键技术
健康管理和预测都是PHM中核心的两个方面。健康状态是评判与正常性能相差大小的一个内容；我们预测故障的过程其实就是通过对电路健康状态的波动的过程，对电子电路的性能预测不仅能测定其寿命长短，还能避免一系列不便的发生，准确地对不同电路的不同故障采取匹配的检测技术是很重要的。
当今，无论是在国内还是在国外，PHM的发展都很迅速，具有自己独特的框架结构。图1就是PHM的监测预测流程，处理数据、设备的运行以及判断相应健康程度和发生的故障等内容都是流程中十分重要的几部分。当前无论是在理论上还是实际应用上PHM技术的地位都很高，PHM的技术可以归结于三方面：物理技术、数据驱动技术以及混合技术。PHM技术之所以被我国所承认和使用，很大一方面原因是因为其涉及领域较广，其中包括科学领域、农业领域、医药学领域、军事设备等多个领域
2.2 HMM技术
HMM技术即隐马尔可夫模型，是一种用于描述参数未知的统计模型，能通过可观察的参数来确定过程的隐藏参数，并将这些参数运用于之后的模式识别等各工作。观测值是推测的基础内容，观测值产生的性质推测具有较大的不确定性。最初作为语音识别手段应用于以DNA为主的生物序列的分析，后来逐渐成为该领域不可或缺的技术。在电路运行中由于其内部的电路状态和健康状况无从得知，所以凭借电子信号的征兆来判断健康程度就显示出其优越性。
2.3小波分析
小波是小的波形。小波分析是分析信号的频率与时间的方法，其能在频域、时域上表征信号的局部特征，且其频率窗、时间窗均可改变，即利用平移、伸缩灯运算功能多尺度细化分析信号，以提取出信号中的有用信息。研究发现，小波分析表现出多分辨率分析的特征，即：低频部分的时间分辨率较低，频率分辨率较高；高频部分的时间分辨率较高，频率分辨率较低。其目的是构造在频率上与平方可积的实数空间L2（R）高度逼近的正交小波基，用以发挥不同带宽的带通滤波器的作用。据此特性，可提取出信号中的有用信息，并忽视其中的干扰信号或噪声。
2.4马氏距离
马氏距离由统计学家P.C.Mahalanobis提出，即指数据的协方差距离，其可有效计算出某一样本与样本集的间隔距离或相似性。马氏距离的性能在模式识别中比欧式距离更优，且量纲不会对其产生影响，即数据单位不会对点间马氏距离产生影响，同时马氏距离考虑进了特性间的联系且从测量尺度中独立开来。研究发现，在马氏距离的计算中，总体样本数n要求比样本维数m大，否则会得到无效的总体样本协方差矩阵逆矩阵，继而使马氏距离计算失败。
3电子电路故障预测技术
3.1 BP网络预测技术
BP算法是一种误差逆转传播技术，是一种广泛应用的多层前馈网络，基本思想是用梯度下降法将误差控制在一定范围，即通过这样的搜索技术实现网络的实际输出与期望输出的误差均方差最小化。BP网络预测技术既包含前向传播也包含后向传播，与网络输出方向保持一致，做到了从权值和阈值的统一性。该项技术已经相对成熟，且具有非线性映射能力和柔性网络结构，以误差期望、阈值初值、隐层神经元数目为考虑的重点，在实际应用中表现出极强的适应性。
3.2 AR模型预测算法
AR模型（自回归模型）是一类具备连续功率谱的线性时间序列信号模型，其常用在平稳随机序列的研究中。其中，平稳随机序列产生于典型噪声源对线性系统的激励作用，噪声源通常选择白噪声。关于AR模型，可用下列公式表示其差分方程：
.png)
式中，ω（n）表示方差=σω2、均值=0的白噪声。可见，根据x（n）前p个点，可算得x（n）的值及AR模型的参数ai。AR模型参数常用最小二乘法、Burg递推法、列文森法、自相关函数法和Yula-Walker法进行求解。其中，最小二乘法（或最小平方法）是通过最小化误差的平方来寻求数据的最佳函数匹配，其可快速求得未知数据及使其与实际数据的误差平方和最小；Burg递推法是先用格型预测误差滤波器来求取前、后向预测误差的最小平均功率，再运用列文森递推公式计算AR模型系数、输入噪声方差，其中针对AR信号，运用Burg算法可提高估计的精确度。
3.3 GM预测技术
GM预测技术主要是针对很多不确定系统进行的，例如信息的已知和未知、样本较小、信息贫瘠等类型的系统，通过转化部分信息来达到有效信息的提取的目的，能够监控电力电子电路系统并且有效地控制其运行行为。在现实运用实践的过程中，GM预测技术针对不确定的电子系统进行预测和监控。
结语
本文介绍了使用小波分析和马氏距离来进行电子电路故障的诊断和预测，利用小波分析提取获得各种故障的特征数据，使用马氏距离来确定未知故障的模式。通过对BUCK电路的故障建模，计算出对电子电路故障的诊断正确率，最终的正确率高达99.4%。这种方法操作简单，正确率较高，在对电子电路故障预测上，具有非常积极的作用。
参考文献：
[1]罗慧,王友仁等.电力电子多远特征层融合故障诊断方法[J].电机与控制学报,2016,4.
[2]薛东风,叶继坤.基于HMM的电子设备健康状态评估方法[J].现代防御技术,2015,12.
[3]冯雪兰.电力电子电路故障诊断技术探索与预测[J].电子制作，2018（8）：97-98.
[4] 令狐昌伟.电子电路故障预测难点与发展趋势[J].科技信息，2013（25）：257.
论文作者:刘智
论文发表刊物:《电力设备》2020年第1期
论文发表时间:2020/4/22
标签：电子电路论文; 故障论文; 技术论文; 距离论文; 误差论文; 信号论文; 模型论文; 《电力设备》2020年第1期论文;