電子產(chǎn)品測試點優(yōu)化綜述

宋 秦，翟正軍，郭陽明

（西北工業(yè)大學(xué) 計算機學(xué)院，陜西 西安710072）

現(xiàn)代化、快節(jié)奏的高技術(shù)戰(zhàn)爭的特點是作戰(zhàn)規(guī)模大、強度高、對抗激烈。在這種條件下，各種武器系統(tǒng)必須保持良好的狀態(tài)，必須具備根據(jù)戰(zhàn)場形式變化實現(xiàn)快速部署和快速反應(yīng)的能力和維護保障能力，這就要求武器系統(tǒng)在時刻保持裝備的戰(zhàn)備完好性的同時，保障系統(tǒng)必須能準(zhǔn)確評估武器系統(tǒng)的實際狀態(tài)和戰(zhàn)斗水平，以保證作戰(zhàn)任務(wù)的成功率。隨著現(xiàn)代數(shù)字技術(shù)、微電子技術(shù)的迅速發(fā)展，武器系統(tǒng)中大量采用了復(fù)雜的先進電子產(chǎn)品，電子產(chǎn)品的性能不斷提高，集成度越來越高，越來越復(fù)雜，特別是各種微型電路的應(yīng)用，給測試和維護帶來了嚴(yán)重的問題和負(fù)擔(dān)，加之這些電子產(chǎn)品的工作環(huán)境條件惡劣，也使得電子產(chǎn)品的故障預(yù)測和健康管理成為當(dāng)前影響戰(zhàn)備完好性、使用和保障費用的主要因素之一。這些已引起了美英等國軍方的普遍關(guān)注。從目前的文獻可以看出[1-9]，國外已經(jīng)開展了稱為電子產(chǎn)品故障預(yù)測與健康管理（electronics failure Prediction and Health Management，ePHM）的關(guān)鍵技術(shù)研究與應(yīng)用開發(fā)，ePHM及其相關(guān)技術(shù)已成為PHM研究的一個新的熱點，并成為PHM未來研究的重點[10]。

近年來，大量高技術(shù)、信息化武器系統(tǒng)/裝備在我國各軍種的陸續(xù)服役，使得復(fù)雜先進電子產(chǎn)品的維護保障逐漸成為我軍未來使用、維護、維修的重點。提早開展電子產(chǎn)品故障預(yù)測與健康管理的核心關(guān)鍵技術(shù)――電子產(chǎn)品故障預(yù)測理論和方法研究，對提高復(fù)雜武器系統(tǒng)可靠性、維修性、測試性、保障性和安全性，以及降低壽命周期費用具有十分重要的意義。

眾所周知，在進行試驗測試研究時，往往需要布置多個測點，一般來說測點愈多，愈能夠更多地了解所測物理量真實狀況。但是，測點愈多，所需的儀器設(shè)備也就愈多，工作量也會大大增加。人們一般希望用盡量少的測點，達(dá)到試驗的目的，在試驗中工作量較小的情況下得到比較完整、合理的試驗數(shù)據(jù)[11]。目前國外開展的ePHM研究中主要的方法是通過嵌入到電子產(chǎn)品中的傳感器收集和分析與故障密切相關(guān)的參數(shù)，利用關(guān)鍵參數(shù)的變化來診斷和預(yù)測故障，如利用焊接件焊點的電阻變化來預(yù)測電子產(chǎn)品的殘余壽命，利用動態(tài)功耗來預(yù)測電路故障等。針對ePHM系統(tǒng)中大量的航空電子產(chǎn)品的故障預(yù)測需求，如何合理的選擇測點并尋找傳感器布局的優(yōu)選方案已成為一個迫切需要解決的問題。

1 ePHM中測試點的優(yōu)化步驟

電子產(chǎn)品尤其是航空電子產(chǎn)品，其系統(tǒng)結(jié)構(gòu)組成復(fù)雜，工作環(huán)境條件惡劣，要求具有更高的可靠性，對其進行視情維修/維護顯得尤為重要。因此在研究測試點優(yōu)化問題時應(yīng)結(jié)合航空電子產(chǎn)品的特性和工作環(huán)境，借鑒已有的PHM和ePHM研究成果，從狀態(tài)監(jiān)測獲取信息的完備性、準(zhǔn)確性以及利用信息的充分性出發(fā)，開展電子產(chǎn)品故障預(yù)測中測試點優(yōu)化方法的研究。

航空電子產(chǎn)品結(jié)構(gòu)組成復(fù)雜，當(dāng)某種故障將要發(fā)生或某些輕微故障發(fā)生后，可能導(dǎo)致產(chǎn)品中多個測量點處會出現(xiàn)故障。診斷就是檢測故障和隔離故障的過程，而來源于測試點的參數(shù)信息是診斷過程中檢測和隔離故障的基礎(chǔ)。因此，要對電子產(chǎn)品的故障進行準(zhǔn)確監(jiān)測和預(yù)測，首先必須搞清楚電子產(chǎn)品中可能或已經(jīng)出現(xiàn)的故障情況并明確其危害性，從而進一步確認(rèn)監(jiān)測源[12]。

對于一個系統(tǒng)而言，可能發(fā)生的故障模式難以窮盡，如果把所有因素都考慮進去，勢必使測試設(shè)計極為復(fù)雜。因此，必須先進行故障模式、影響及危害性分析，以確定故障率高、危害性大的故障模式，把這些故障模式作為測試點選取的參考重點。故障模式影響及危害性分析 （Failure Mode and Effects Criticality Analysis，F(xiàn)MECA）目前已是一種趨于成熟的方法，被廣泛應(yīng)用于設(shè)計評審和可靠性分析，表 1列出了一些電子產(chǎn)品的常見故障模式，這些故障模式基本上概括大多數(shù)產(chǎn)品可能發(fā)生的故障現(xiàn)象[13]。

電子產(chǎn)品故障危害性分析主要的指標(biāo)有致命度和風(fēng)險指標(biāo)，量化后的致命度和風(fēng)險度數(shù)值代表了故障模式的破壞力大小。致命度的計算公式：

影響度的評估項目一般為所有項目的總和。例如發(fā)生某個故障時，子系統(tǒng)、系統(tǒng)、安全性、經(jīng)濟性和環(huán)境方面均受到影響，這時影響度的計算公式：

通過對具體電子產(chǎn)品對象的故障提取，故障模式危害性分析，進一步確定監(jiān)測源，進而研究利用測量值確定測試點的選取和優(yōu)化方法。在選取測試點時要特別關(guān)注一些位置，例如，在重要信號的反饋回路上，在較長的時序邏輯通道上，在有冗余電路上增加測試點等。針對具體的電子產(chǎn)品對象，期望提出一種數(shù)學(xué)模型，根據(jù)一定的優(yōu)化算法和約束條件，以最大檢測精度、最大檢測覆蓋面、最小成本等為準(zhǔn)則確定其約束模型，目標(biāo)模型，從而提出一種測試點優(yōu)化的方法。

綜上可以得出電子產(chǎn)品測試點優(yōu)化的一般步驟：

1）電子產(chǎn)品的故障模式和危害性分析 通過故障模式和危害性分析進行電子產(chǎn)品的故障診斷，目前數(shù)字電路和模擬電路各自的故障診斷方法已存在很多，主要的研究方向集中在如何對數(shù)?；旌想娐愤M行故障診斷。

2）測試點的選取 根據(jù)故障模式和危害性分析得出風(fēng)險度/致命度評估分析表，以最大檢測精度、最大檢測覆蓋面、最小成本等為準(zhǔn)則，為具體電子產(chǎn)品的測試點定義選取規(guī)則，選取合理的測試點。

3）測試點的優(yōu)化 利用優(yōu)化算法和優(yōu)化模型，考慮各測試點可以布局的傳感器方案，對已選定的測試點進行優(yōu)化。

2 測試點故障相關(guān)參數(shù)及影響因素

表1 電子產(chǎn)品典型故障模式Tab 1 Typical failure modes of electronic products

可測試性（Testability）又稱為測試性，是系統(tǒng)和設(shè)備能及時、準(zhǔn)確地確定其工作狀態(tài)（可工作、不可工作、工作性能下降），并隔離其內(nèi)部故障的一種設(shè)計特性。可測試性是武器裝備本身的一種設(shè)計特性，描述了測試信息獲取的難易程度。

測試點優(yōu)化是可測試性研究的一個方向，其最常見的設(shè)計指標(biāo)是故障檢測率，可以根據(jù)已確定的系統(tǒng)可用度、可靠度，通過權(quán)衡分析，確定故障檢測率和隔離率要求。也可以根據(jù)故障檢測率和隔離率來估算系統(tǒng)的可用度或可靠度。

可用度 A（ta）與故障檢測率 PFD、可靠度 R（tm）之間的關(guān)系可用式（4）表示：

式中，A（ta）表示系統(tǒng)在 ta時間的可用度；R（tm）表示系統(tǒng)在任務(wù)時間 tm內(nèi)無故障工作的概率，R（tm）=exp（-λtm），其中，λ 為系統(tǒng)故障率。PFD表示系統(tǒng)發(fā)生故障在任務(wù)事件或任務(wù)后檢查時間內(nèi)檢測出的概率；M（tr）表示檢測出的故障在tr時間內(nèi)修復(fù)好恢復(fù)到使用狀態(tài)的概率。

由可靠性理論推出，大部分電子器件的失效率與時間的關(guān)系可呈現(xiàn)浴盆曲線。經(jīng)過老化篩選的電子器件，多處于偶然失效期，失效率則近似為常數(shù)。相應(yīng)的，電子設(shè)備的失效率也遵從相似的關(guān)系。失效率λ與平均故障間隔時間MTBF的關(guān)系如下：

外部環(huán)境因素會對電子器件造成損傷，降低其可靠性，是引發(fā)電子設(shè)備故障的重要原因。表2給出了影響電子產(chǎn)品可靠性主要的環(huán)境因素[12]。

表2 影響電子元器件可靠性的環(huán)境因素Tab 2 The environmental foutors affect the reliability of electronic components

3 ePHM中測試點優(yōu)化過程的幾點問題

3.1 特定電子產(chǎn)品的電路故障診斷方法的選取與應(yīng)用

數(shù)字電路設(shè)備中一個元器件、一個電路或設(shè)備的物理故障是千變?nèi)f化的。為了研究故障對電路或設(shè)備的影響，診斷故障的位置，必須對故障作一些分類，選擇最典型的故障，這個過程稱故障的模型化。數(shù)字電路中一般說來其故障總數(shù)是有限的，其中大部分故障都可以用固定型模型化故障s-a-1和s-a-0來仿真。數(shù)字電路的故障診斷包括故障檢測和故障定位。目前主要診斷方法有：窮舉測試法、偽窮舉測試法和測試碼生成法等。而對于模擬電路，由于其元件參數(shù)具有容差、普遍存在非線性和反饋等原因，使得模擬電路的故障診斷較數(shù)字電路的故障診斷復(fù)雜得多[14]。

模擬電路故障診斷常用的方法有元件參數(shù)辨識法，這種方法已經(jīng)比較成熟，但是需要特定的數(shù)學(xué)模型，且絕大部分方法都是針對無容差電路的元件級診斷，計算量大，一般只適用于離線診斷，難以應(yīng)用于在線工程診斷。對于無容差電路的元件級診斷，用神經(jīng)網(wǎng)絡(luò)方法可以取得很好的效果。在眾多方法中，故障字典法因適用于非線性電路及診斷條件沒有嚴(yán)格的限制、且簡單有效、實用性強，因而在工程上多用這種方法。但是，它不能用于軟故障診斷，且由于多故障的組合數(shù)太大，在實際中只能用于解決單個硬故障問題，因而其應(yīng)用受到限制[14]。

電路故障診斷研究從多故障法和字典法開始起步，主流是研究多故障的診斷方法。近年來，以神經(jīng)網(wǎng)絡(luò)為代表（包括神經(jīng)網(wǎng)絡(luò)、進化計算以及它們的融合）的智能計算技術(shù)成為許多領(lǐng)域的研究熱點。目前，神經(jīng)網(wǎng)絡(luò)技術(shù)在故障診斷領(lǐng)域的應(yīng)用研究也取得了很大的進展。

如何根據(jù)特定的電子產(chǎn)品選取合適的故障診斷方法，并有效使用這種方法得到合理的監(jiān)測源，已成為測試點優(yōu)化研究中面臨的第一個挑戰(zhàn)。

3.2 測試點的優(yōu)化算法和優(yōu)化模型

在測試點的優(yōu)化方案中，一般是根據(jù)給定的性能指標(biāo)，利用試湊法來確定相關(guān)的幾何參數(shù)，應(yīng)用這種方法不能保證得到的解是最優(yōu)解。在優(yōu)化設(shè)計算法中有強搜索方法和弱搜索方法。強搜索方法是利用目標(biāo)函數(shù)及約束函數(shù)的梯度信息以確定性方式進行搜索，如梯度法，其優(yōu)點是搜索效率高，收斂速度快，缺點是容易陷入局部最優(yōu)解；弱搜索方法是通過在設(shè)計空間中大量地采樣，以隨機方式進行搜索，如窮舉法，其優(yōu)點是能夠解決和處理非凸和不連續(xù)的目標(biāo)函數(shù)，能以較大的概率搜索到全局最優(yōu)解，缺點是搜索效率低，收斂速度慢。

隨著人工智能技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡(luò)和遺傳算法等一系列優(yōu)化算法正在被各領(lǐng)域的研究者使用。遺傳算法（Genetic Algorithms）是基于生物進化理論的原理發(fā)展起來的一種高效的隨機搜索與優(yōu)化的方法。它是一種啟發(fā)式的隨機搜索方法，根據(jù)"生存競爭"和"優(yōu)勝劣汰"的原則，使所要解決的問題從初始解逐漸逼近最優(yōu)解?？梢哉f遺傳算法是強搜索方法和弱搜索方法的結(jié)合，既不會偏向于局部最優(yōu)解，又能啟發(fā)式地自適應(yīng)搜索到全局最優(yōu)點[15]。

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）是對人腦最簡單一種抽象和模擬，是由大量的神經(jīng)元按照一定的拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)算法所構(gòu)成的，是一個具有高度非線性的超大規(guī)模連續(xù)時間動力系統(tǒng)，其主要特點有分布存儲和容差性，自適應(yīng)性和自組織性，并行處理性和層次性[16]。

在測試點優(yōu)化方案的建立過程中，應(yīng)有效利用人工智能技術(shù)選取符合特定電子產(chǎn)品的優(yōu)化算法，以最大檢測精度、最大檢測覆蓋面、最小成本等為準(zhǔn)則確定其約束模型，目標(biāo)模型。

4 結(jié)束語

測試點的優(yōu)化問題是電子產(chǎn)品故障預(yù)測與健康管理技術(shù)的重要分支，是從監(jiān)測源的角度來探索ePHM的理論和方法。由于國內(nèi)對PHM以及ePHM的研究起步較晚，只是近兩年才開始進行ePHM初步的研究，ePHM技術(shù)目前遠(yuǎn)未達(dá)到成熟，尚不能進入應(yīng)用，但它代表了PHM未來的一種重要發(fā)展趨勢。我國應(yīng)積極開展對ePHM技術(shù)的研究，以便盡快與國際接軌。

[1]Gandy M，Line K.Joint strike fighter-prognostics and health management（PHM）[R].Lockheed Martin Aeronautics，2004.

[2]Goodman D，Hofmeister J，Judkins J.Electronic prognostics for switched mode power supplies[EB/OL].（2007-02-21）[2010-03-01].www.sciencedirect.com.

[3]Johnson S B.Introduction to system health engineering and management in aerospace[A].1st Integrated Systems Health Engineering and Management in Aerospace[C].California，USA：Napa， November 7-10，2005.

[4]Brown D W，Kalgren P W，Byington C S，et al.Electronic prognostics-A case study using global positioning system （GPS）[EB/OL].（2007-02-20）[2010-03-01].www.sciencedirect.com.

[5]Sandborn P A，Wilkinson C.A maintenance planning and business case development model for the application of prognostics and health management（PHM）to Electronic System[EB/OL].（2007-02-16）[2010-03-01].www.sciencedirect.com.

[6]Brown E R，Erin-Elaine Moore，McCollom N N ， et al.Prognostics and Health Management[S].IEEE AC paper#1597，Version 3，Updated January 19， 2007.

[7]Hess A.Prognostics&health management-a thirty-year retrospective[A].1st Integrated Systems Health Engineering and Management in Aerospace （ISHEM 2005）[C].California，USA：Napa，November 7-10，2005.

[8]Johnson S B.Introduction to system health engineering and management in aerospace[A].1st Integrated Systems Health Engineering and Management in Aerospace[C].California，USA：Napa，November 7-10，2005.

[9]Hess A， Fila L.The joint strike fighter （JSF）PHM concept：potential impact on aging aircraft problems[A].Proceedings of the IEEE Aerospace Conference[C].Big Sky： Montana，2002-06

[10]于小偉，張寶珍.國外電子產(chǎn)品PHM技術(shù)主要研發(fā)方法與面臨的挑戰(zhàn)[EB/OL].（2008-09-17）[2010-03-01].http：//www.jungong.net/_info/content/con-kjcs_12683.htm

[11]王川.測試中測量點的最優(yōu)分布[J].中國測試技術(shù)，2007，33（3）：13-15.

WANG Chuan.The Optimal Distribution of Measurement Points In The Test[J].China Measurement&Testing Technology，2007，33（3）：13-15.

[12]韓國泰.航空電子的故障預(yù)測與健康管理技術(shù)[J].航空電子技術(shù)，2009，40（1）：30-38.

HAN Guo-tai.Prognostics and Health Management of Avionics[J].Avionics Technology，2009，40（1）：30-38.

[13]王紹印.故障模式和影響分析（FMEA）[M].廣州：中山大學(xué)出版社，2003.

[14]王曉峰，王立梅，康銳.電子線路的故障診斷和測試點的選擇[J].電子產(chǎn)品可靠性與環(huán)境試驗，2001（4）：2-6.

WANG Xiao-feng，WANG Li-mei，KANG Rui.Fault diagnosis and test site selection of electronic circuit[J].Electronic Product Reliability and Environmental Testing，2001（4）：2-6.

[15]張菁華，石庚辰，任國祥.遺傳算法在傳感器優(yōu)化設(shè)計中的應(yīng)用[J].探測與控制學(xué)報，2004，26（4）：45-48.

ZHANG Jing-hua，SHI Geng-chen，REN Guo-xiang.Genetic algorithm in optimal design of sensor[J].Journal of Detection&Control，2004，26（4）： 45-48.

[16]呂敬祥.基于BP網(wǎng)絡(luò)與遺傳算法的模擬電路故障診斷理論和方法[D].長沙：湖南大學(xué)，2005.