数字芯片的故障预测与健康管理（PHM）关键技术研究

发布时间：2017-08-16 20:19

  本文关键词：数字芯片的故障预测与健康管理（PHM）关键技术研究

  更多相关文章： 数字芯片 故障预测与健康管理 数据驱动 神经网络

【摘要】：数字芯片功能恶化将严重影响电子设备的正常工作。数字芯片故障在一些重要应用中造成巨大损失。数字芯片的故障预测与健康管理已经成为现代化电子装置稳定性研究的紧要要素。数字芯片的故障预测与健康管理关键技术研究影响因素对特征参数的影响,研究总结特征参数变化规律,提高数字芯片稳定性,延长芯片使用时间,增强自动化电子装置的稳定性,降低维护成本。本文通过研究芯片表面温度和环境温度等影响因素对数字芯片频率等特征参数的影响,研究频率随温度和使用时间的变化趋势,预测芯片健康状态。本文采用基于数据驱动的方法研究针对数字芯片的故障预测与健康管理技术。本文分析数字芯片的故障类型和故障特征,挑选芯片输出频率作为数字芯片特征参数,设计核心算法建立模型挖掘频率变化中隐藏的信息,探索数字芯片功能恶化、性能衰退的规律。本文利用建立的温度故障模型和故障预测模型,预测数字芯片的工作状态。根据模型结果和相关经验,提出维护建议。期望延长数字芯片使用寿命,降低电子设备的维护成本,最大程度避免因数字芯片故障而造成的影响和损失。本文引入机器学习人工智能领域里的神经网络算法作为核心算法,利用神经网络善于逼近非线性函数关系的特性,挖掘特征参数隐含的信息。为了完成实验,本文设计用于特征参数测量的软硬件研究平台。硬件研究平台由温度传感器、数字芯片、计算机和电阻等电子元器件组成。软件研究平台包括自主编写的数据接收软件和数据处理程序。实验结果显示,温度故障模型误差3%左右,故障预测模型误差7%左右。两个模型分别能有效实现对频率参数计算和预测的功能。实验结果表明,芯片频率取值与芯片表面温度和环境温度成反比,芯片频率参数随着使用时间的增加而减小。本文搭建的软硬件研究平台能够顺利采集并记录数据。实现的软硬件研究平台能顺利完成数字芯片的故障预测与健康管理功能。但是由于数字芯片的故障预测与健康管理技术涉及的知识体系庞大,还需要研究人员不断学习深入认识,完善强化本文中的相关设计。
【关键词】：数字芯片 故障预测与健康管理 数据驱动 神经网络
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;TN407
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-16
• 1.1 数字芯片故障预测与健康管理的研究背景和研究意义11-12
• 1.2 数字芯片故障预测与健康管理的关键研究方法浅析12
• 1.3 数字芯片故障预测与健康管理的研究难点和研究现状12-13
• 1.4 数字芯片故障预测与健康管理的发展趋势13-14
• 1.5 论文主要研究内容14-16
• 第二章 数字芯片的故障预测与健康管理基础内容16-26
• 2.1 数字芯片基础知识16-20
• 2.1.1 数字芯片基本结构16-18
• 2.1.2 数字芯片故障影响因素18
• 2.1.3 数字芯片失效机制及故障特征18-20
• 2.1.4 数字芯片故障特征参数选取原则20
• 2.2 故障预测与健康管理技术20-24
• 2.2.1 故障预测与健康管理的起源21
• 2.2.2 故障预测与健康管理的研究思路21
• 2.2.3 故障预测与健康管理的研究内容21-22
• 2.2.4 故障预测与健康管理的优势22
• 2.2.5 故障预测与健康管理的体系结构22-23
• 2.2.6 故障预测与健康管理的关键研究方法23-24
• 2.3 本章小结24-26
• 第三章 数字芯片的故障预测与健康管理核心算法26-38
• 3.1 选择数字芯片的故障预测与健康管理核心算法26-27
• 3.1.1 核心算法需求分析26-27
• 3.1.2 核心算法建模原理27
• 3.2 数字芯片的故障预测与健康管理核心算法模型27-30
• 3.2.1 神经元节点模型28-30
• 3.2.2 神经网络连接模型30
• 3.3 数字芯片的故障预测与健康管理核心算法原理30-37
• 3.3.1 BP神经网络31
• 3.3.2 基于BP神经网络的核心算法31-37
• 3.4 本章小结37-38
• 第四章 数字芯片的故障预测与健康管理模型38-54
• 4.1 数字芯片的故障预测与健康管理建模方法概述38-39
• 4.2 数字芯片特征参数39-41
• 4.2.1 数字芯片故障参数选择39-40
• 4.2.2 数字芯片故障影响因素选择40-41
• 4.3 数字芯片故障预测与健康管理模型关键结构设计41-43
• 4.3.1 温度故障模型结构设计41-42
• 4.3.2 故障预测模型结构设计42-43
• 4.4 数字芯片故障预测与健康管理模型关键参数设计43-45
• 4.4.1 初始化连接权值43-44
• 4.4.2 初始化模型期望误差44
• 4.4.3 初始化模型学习率44-45
• 4.4.4 初始化模型最大循环次数45
• 4.5 训练样本获取及预处理45-46
• 4.5.1 获取模型训练样本数据45
• 4.5.2 模型训练样本数据预处理45-46
• 4.6 数字芯片温度故障模型46-49
• 4.6.1 温度故障模型训练46-48
• 4.6.2 温度故障模型应用48-49
• 4.7 数字芯片故障预测模型49-51
• 4.7.1 故障预测模型训练49-50
• 4.7.2 故障预测模型应用50-51
• 4.8 数字芯片健康管理51-53
• 4.9 本章小结53-54
• 第五章 数字芯片故障预测与健康管理的应用试验54-76
• 5.1 研究方案设计54-56
• 5.1.1 研究变量的选取54
• 5.1.2 研究变量的测量方法设计54-55
• 5.1.3 测试平台系统硬件模块设计55-56
• 5.1.4 测试平台系统软件模块设计56
• 5.2 软硬件研究平台实现56-61
• 5.2.1 测试平台系统硬件模块实现57-59
• 5.2.2 测试平台系统软件模块实现59-61
• 5.3 实验过程61-62
• 5.4 实验样本数据整理62-64
• 5.4.1 实验样本数据选取62
• 5.4.2 实验样本数据预处理62-64
• 5.5 数字芯片的温度故障模型实际应用64-68
• 5.5.1 数字芯片的温度故障模型训练实验64-65
• 5.5.2 数字芯片的温度故障模型实际应用实验65-66
• 5.5.3 温度故障模型实验结果分析66-68
• 5.6 数字芯片的故障预测模型实际应用68-71
• 5.6.1 数字芯片的故障预测模型训练实验68-69
• 5.6.2 数字芯片的故障预测模型实际应用实验69
• 5.6.3 故障预测模型实验结果分析69-71
• 5.7 数字芯片的健康管理应用71-75
• 5.7.1 数字芯片特征参数变化规律71-74
• 5.7.2 数字芯片健康状况和应对策略74-75
• 5.8 本章小结75-76
• 第六章 总结76-78
• 致谢78-79
• 参考文献79-82
• 攻读硕士学位期间取得的成果82-83

【相似文献】

中国期刊全文数据库 前10条

1 马凤翔;孙义和;;数字芯片设计的模拟验证[J];中国集成电路;2003年12期

2 吴霞;沈明;;常用数字芯片检测装置开发[J];仪表技术;2008年10期

3 关善亮;孔银鸽;苗家旺;张启升;;智能数字芯片检测仪的研制[J];中国科技信息;2009年11期

4 胡湘娟;何怡刚;游望星;刘美容;;基于故障字典的数字芯片测试系统[J];计算机测量与控制;2010年09期

5 ;模拟与数字芯片[J];今日电子;2013年12期

6 ;模拟与数字芯片[J];今日电子;2014年01期

7 ;模拟与数字芯片[J];今日电子;2014年02期

8 马凤翔;孙义和;;数字芯片设计的断言验证[J];中国集成电路;2004年02期

9 Lou Hutter;;先进的模拟工艺提供关键的系统技术[J];电子测试;2004年07期

10 ;模拟与数字芯片[J];今日电子;2014年03期

中国重要报纸全文数据库 前1条

1 本报记者　　徐志强;珠海炬力被初裁侵权[N];21世纪经济报道;2006年

中国硕士学位论文全文数据库 前1条

1 汪鹏;数字芯片的故障预测与健康管理（PHM）关键技术研究[D];电子科技大学;2016年

，

本文编号：685325