電子系統(tǒng)故障預(yù)測(cè)方法綜述

劉 琦，李耀芳，彭慧卿，崔 軍，劉宏偉

（1.天津城建大學(xué) 計(jì)算中心，天津 300384；2.天津工業(yè)大學(xué) 電子與信息工程學(xué)院，天津 300380）

信息科學(xué)與技術(shù)

電子系統(tǒng)故障預(yù)測(cè)方法綜述

劉 琦1，李耀芳1，彭慧卿1，崔 軍2，劉宏偉2

（1.天津城建大學(xué) 計(jì)算中心，天津 300384；2.天津工業(yè)大學(xué) 電子與信息工程學(xué)院，天津 300380）

利用電子系統(tǒng)的可測(cè)性分析方法，從電子系統(tǒng)的故障模式與機(jī)理著手，構(gòu)建了基于測(cè)試性的電子系統(tǒng)故障預(yù)測(cè)方法的框架.綜述了國內(nèi)外故障預(yù)測(cè)方法的研究現(xiàn)狀并進(jìn)行分類與總結(jié)，從基于模型和基于數(shù)據(jù)驅(qū)動(dòng)2個(gè)方面論述了電子系統(tǒng)故障預(yù)測(cè)方法.最后分析了電子系統(tǒng)故障預(yù)測(cè)技術(shù)存在的問題和難點(diǎn)，展望了該領(lǐng)域未來的發(fā)展趨勢(shì).

電子系統(tǒng)；故障預(yù)測(cè)；PHM

現(xiàn)代信息技術(shù)的普及和迅猛發(fā)展，促使航空、航天、通信等各個(gè)領(lǐng)域的工程系統(tǒng)趨向復(fù)雜化、綜合化和智能化，特別是在電子系統(tǒng)領(lǐng)域.而對(duì)于復(fù)雜電子系統(tǒng)的研制、生產(chǎn)尤其是維護(hù)和保障的成本越來越高.為防止關(guān)鍵電子設(shè)備發(fā)生災(zāi)難性故障，復(fù)雜電子系統(tǒng)故障預(yù)測(cè)越來越成為國內(nèi)外學(xué)者研究的熱點(diǎn)［1］.

電子系統(tǒng)的故障預(yù)測(cè)技術(shù)是在故障診斷技術(shù)基礎(chǔ)上更高要求的監(jiān)測(cè)技術(shù)，通過對(duì)最優(yōu)測(cè)試點(diǎn)的關(guān)鍵故障特征數(shù)據(jù)進(jìn)行分析和量化，采用合理有效的算法，進(jìn)行預(yù)測(cè)評(píng)估，獲取系統(tǒng)未來的運(yùn)行狀態(tài)、元器件故障時(shí)間和位置，便于在故障真正發(fā)生前采取有效的措施，最大限度地減少損失.電子系統(tǒng)的故障一般分為突發(fā)型故障和緩變型故障，但由于突發(fā)型故障多在系統(tǒng)穩(wěn)定工作中隨機(jī)出現(xiàn)無明顯的征兆，預(yù)測(cè)較為困難；而緩變型故障多在損耗失效期元器件漸變失效中產(chǎn)生，因此一般所研究的預(yù)測(cè)都是針對(duì)電子系統(tǒng)的緩變型故障.

故障預(yù)測(cè)是在系統(tǒng)或元器件仍能正常工作的情況下，利用獲取的歷史數(shù)據(jù)預(yù)測(cè)系統(tǒng)的退化趨勢(shì)及估計(jì)故障發(fā)生的時(shí)間（或剩余可用壽命RUL）［2-3］.本文利用電子系統(tǒng)的可測(cè)性分析方法，從電子系統(tǒng)的故障模式與機(jī)理著手，構(gòu)建了基于測(cè)試性的電子系統(tǒng)故障預(yù)測(cè)方法的框架.綜述了國內(nèi)外故障預(yù)測(cè)方法的研究現(xiàn)狀并進(jìn)行分類與總結(jié)，從基于模型和基于數(shù)據(jù)驅(qū)動(dòng)2個(gè)方面論述了電子系統(tǒng)故障預(yù)測(cè)方法.最后分析了電子系統(tǒng)故障預(yù)測(cè)技術(shù)存在的問題和難點(diǎn)，展望了該領(lǐng)域未來的發(fā)展趨勢(shì).

1 電子系統(tǒng)故障預(yù)測(cè)方法框架

故障預(yù)測(cè)與健康管理（PHM）以視情維修為目的和基本原則，包含了故障檢測(cè)與診斷、故障預(yù)測(cè)、健康管理和壽命追蹤等關(guān)鍵技術(shù)［4］.電子系統(tǒng)的故障診斷技術(shù)主要解決“故障是什么”，“故障在哪里”，即系統(tǒng)是否發(fā)生了故障，故障的位置；評(píng)價(jià)電子系統(tǒng)的健康狀況，主要解決“是否維修”，即通過對(duì)系統(tǒng)狀態(tài)的評(píng)估預(yù)測(cè)是否維修，在什么時(shí)候進(jìn)行維修.

本文依據(jù)可測(cè)試性數(shù)據(jù)分析方法構(gòu)建電子系統(tǒng)故障預(yù)測(cè)框架，如圖1所示.無論可獲取的故障數(shù)據(jù)為多少，故障預(yù)測(cè)的步驟大致如下.

圖1 電子系統(tǒng)的故障預(yù)測(cè)框架

（1）對(duì)電子系統(tǒng)進(jìn)行故障模式與可測(cè)試性分析，確定系統(tǒng)關(guān)鍵元器件.

（2）對(duì)電子系統(tǒng)進(jìn)行可測(cè)性分析建模，進(jìn)行測(cè)試節(jié)點(diǎn)優(yōu)選配置及傳感器布局，選取最優(yōu)可測(cè)試節(jié)點(diǎn).

（3）對(duì)系統(tǒng)模型、經(jīng)驗(yàn)、觀測(cè)數(shù)據(jù)等信息的獲取和預(yù)處理，選擇最能反映系統(tǒng)故障狀態(tài)的關(guān)鍵特征數(shù)據(jù)，獲取故障歷史數(shù)據(jù).

（4）推導(dǎo)系統(tǒng)的參數(shù)，選擇適當(dāng)?shù)臄?shù)學(xué)模型，預(yù)測(cè)系統(tǒng)的狀態(tài)和關(guān)鍵故障元器件的壽命.

2 電子系統(tǒng)故障預(yù)測(cè)方法

故障預(yù)測(cè)是PHM的核心內(nèi)容［5］，旨在借助故障歷史數(shù)據(jù)，選擇合理的數(shù)學(xué)模型對(duì)系統(tǒng)的未來狀態(tài)進(jìn)行推算、評(píng)估，預(yù)測(cè)壽命.故障預(yù)測(cè)領(lǐng)域主要包括對(duì)系統(tǒng)的狀態(tài)預(yù)測(cè)和壽命評(píng)估兩方面內(nèi)容.按照對(duì)判斷對(duì)象的認(rèn)識(shí)程度和獲取數(shù)據(jù)信息的多少，本文大致歸為基于模型和基于數(shù)據(jù)驅(qū)動(dòng)的預(yù)測(cè)方法兩大類.近年來隨著人工智能技術(shù)的發(fā)展，諸多研究者融合了模型和數(shù)據(jù)驅(qū)動(dòng)方法進(jìn)行故障預(yù)測(cè).

2.1 基于模型的方法

基于模型的電子系統(tǒng)故障預(yù)測(cè)技術(shù)是通過已知的數(shù)學(xué)模型掌握被預(yù)測(cè)元器件或系統(tǒng)的故障模式，利用損傷計(jì)算來預(yù)測(cè)、估計(jì)關(guān)鍵元器件的損耗程度，實(shí)現(xiàn)系統(tǒng)的壽命評(píng)估.電子系統(tǒng)預(yù)測(cè)技術(shù)中所選取模型的參數(shù)通常與獲取的故障特征數(shù)據(jù)緊密相關(guān)，通過深入研究設(shè)備或系統(tǒng)故障退化機(jī)理，適度修正、調(diào)整數(shù)學(xué)模型，提高預(yù)測(cè)精度.基于模型的故障預(yù)測(cè)方法概括其流程如圖2所示.該方法結(jié)合輸出信號(hào)的類型與測(cè)試性模型獲取的最優(yōu)測(cè)試點(diǎn)位置，建立關(guān)鍵元器件或系統(tǒng)的數(shù)學(xué)模型，完成狀態(tài)預(yù)測(cè)和壽命評(píng)估.

圖2 基于模型的方法流程

Sikorska等人［6］對(duì)工程領(lǐng)域中當(dāng)前熱點(diǎn)的故障預(yù)測(cè)建模方法進(jìn)行了研究和分析，按照判斷對(duì)象的認(rèn)知和獲取故障數(shù)據(jù)的多少，大致分為幾類：基于知識(shí)的模型、統(tǒng)計(jì)模型、隨機(jī)模型和物理模型等；按照電子系統(tǒng)的工作原理和元器件物理失效機(jī)理建立系統(tǒng)狀態(tài)預(yù)測(cè)模型：系統(tǒng)的狀態(tài)空間模型［7］和累積損傷模型［8］.張叔農(nóng)等人［9］通過對(duì)國外PHM技術(shù)大量調(diào)研、總結(jié)，構(gòu)建了電子產(chǎn)品健康監(jiān)控和故障預(yù)測(cè)的技術(shù)框架，并用實(shí)際PHM軟、硬件系統(tǒng)的設(shè)計(jì)、分析驗(yàn)證了PHM技術(shù)框架在工程實(shí)踐上的可行性.田沿平等人［10］利用耦合隱馬爾可夫模型對(duì)模擬電路中用2個(gè)測(cè)試點(diǎn)分別對(duì)各退化狀態(tài)和壽命進(jìn)行建模，實(shí)驗(yàn)表明該模型提高了狀態(tài)識(shí)別率，能有效預(yù)測(cè)系統(tǒng)故障，為視情維修提供依據(jù).胡泊［11］采用故障模式與影響分析（failure mode and effects analysis，F(xiàn)MEA），首先對(duì)LED驅(qū)動(dòng)電源進(jìn)行可靠性建模，通過采用應(yīng)力分析法對(duì)不同元器件的工作失效進(jìn)行計(jì)算，采用FMEA分析中的硬件法對(duì)電源進(jìn)行分析，以報(bào)表形式輸出FMEA分析結(jié)果.該方法為關(guān)鍵元器件的確定提供了理論依據(jù).李享［12］針對(duì)LED驅(qū)動(dòng)電源中關(guān)鍵元器件性能退化過程進(jìn)行了研究，分析了關(guān)鍵元器件的失效機(jī)理及性能退化過程，提出了基于元器件性能退化的驅(qū)動(dòng)電源壽命預(yù)測(cè)方法，該方法中建立退化模型的前提是獲取關(guān)鍵元器件的性能退化數(shù)據(jù)，具有一定的實(shí)用價(jià)值.范庚等人［13］構(gòu)建了在小樣本數(shù)據(jù)條件下的灰色相關(guān)向量機(jī)故障預(yù)測(cè)模型，引入新陳代謝過程更新數(shù)據(jù)，實(shí)驗(yàn)表明模型的預(yù)測(cè)準(zhǔn)確性優(yōu)于傳統(tǒng)的灰色預(yù)測(cè)模型.

2.2 基于數(shù)據(jù)驅(qū)動(dòng)的方法

隨著現(xiàn)代信息技術(shù)的快速發(fā)展，電子系統(tǒng)的故障模式和失效機(jī)理越來越復(fù)雜，很難建立準(zhǔn)確的數(shù)學(xué)模型，因此基于模型的方法在實(shí)際應(yīng)用中存在一定局限性.而基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)技術(shù)是通過對(duì)故障歷史數(shù)據(jù)的剖析，挖掘其中的隱含信息進(jìn)行故障預(yù)測(cè)評(píng)估，不需要掌握電子系統(tǒng)的數(shù)學(xué)模型、專家經(jīng)驗(yàn)等先驗(yàn)知識(shí).但在實(shí)際應(yīng)用中一些關(guān)鍵設(shè)備的典型數(shù)據(jù)獲取困難且代價(jià)高昂，獲取的數(shù)據(jù)往往具有不確定性和不完整性.因此從基于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)兩個(gè)方面分析和研究基于數(shù)據(jù)驅(qū)動(dòng)的故障預(yù)測(cè)方法［14］.

基于統(tǒng)計(jì)方法的故障預(yù)測(cè)主要通過經(jīng)典的概率統(tǒng)計(jì)、貝葉斯方法、極大似然估計(jì)、最大后驗(yàn)概率估計(jì)和最小均方誤差估計(jì)等［14］方法，利用故障歷史數(shù)據(jù)層面進(jìn)行分類.Wang等人［15］利用參數(shù)漂移，建立基于隨機(jī)性的過程退化模型——Wiener模型，借助統(tǒng)計(jì)學(xué)方法的最大似然估計(jì)和期望最大化算法對(duì)橋橫梁進(jìn)行可靠性評(píng)估，估計(jì)參數(shù)值，預(yù)測(cè)剩余壽命.Carr等［16］選取多個(gè)可測(cè)試節(jié)點(diǎn)獲取監(jiān)測(cè)故障數(shù)據(jù)，利用隨機(jī)濾波理論，在各種故障模式下建立產(chǎn)品的概率密度函數(shù)，計(jì)算產(chǎn)品剩余壽命的概率密度函數(shù)，實(shí)現(xiàn)壽命評(píng)估及系統(tǒng)預(yù)測(cè).徐宇亮［17］利用改進(jìn)粒子濾波算法求解電子系統(tǒng)退化的最優(yōu)估計(jì)值，將壽命預(yù)測(cè)的不確定性問題轉(zhuǎn)化為設(shè)備退化度最優(yōu)估計(jì)問題，實(shí)現(xiàn)電子系統(tǒng)的全壽命評(píng)估.彭寶華等人［18］對(duì)金屬化膜脈沖電容器退化失效機(jī)理進(jìn)行分析，將Wiener過程的漂移參數(shù)和擴(kuò)散參數(shù)看成隨機(jī)變量建立隨機(jī)效果Wiener過程模型，采用Bayes方法對(duì)系統(tǒng)剩余壽命參數(shù)的驗(yàn)后估計(jì)，提高預(yù)測(cè)精度.

人工智能方法已經(jīng)廣泛應(yīng)用于電路的故障診斷領(lǐng)域中，不少研究者將其推廣應(yīng)用于故障預(yù)測(cè)中.姜媛媛等人［19］利用最小二乘支持向量機(jī)（LSSVM）算法提出了一種故障特征參數(shù)相對(duì)變化量的故障評(píng)估新指標(biāo)，實(shí)現(xiàn)電力電子電路級(jí)故障預(yù)測(cè).張朝龍等人［20］提取被測(cè)電路的頻域計(jì)算皮爾遜相關(guān)系數(shù)，以此表征電路元件的健康度，推導(dǎo)出元器件發(fā)生故障時(shí)的健康度閾值，利用經(jīng)量子粒子群算法優(yōu)化的相關(guān)向量機(jī)算法進(jìn)行系統(tǒng)故障預(yù)測(cè)，估計(jì)系統(tǒng)的剩余有用壽命.該預(yù)測(cè)方法計(jì)算簡(jiǎn)單，適用于實(shí)時(shí)預(yù)測(cè).FAN等人［21］利用自組織神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軸承系統(tǒng)的剩余壽命，神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)數(shù)據(jù)的自適應(yīng).

3 存在問題與發(fā)展趨勢(shì)

3.1 存在的問題

（1）故障特征難以提取.在電子系統(tǒng)的故障診斷與預(yù)測(cè)領(lǐng)域，工程系統(tǒng)中故障模式種類多，故障數(shù)據(jù)不能明確表征故障狀態(tài)，利用傳統(tǒng)的信號(hào)處理分析方法不能全面、完整地獲取故障特征數(shù)據(jù)，不能最大可能反映發(fā)生故障的特征.且電子系統(tǒng)中的元器件數(shù)目多，可測(cè)試節(jié)點(diǎn)數(shù)量多，選擇最能夠表征故障信息的關(guān)鍵元器件及最優(yōu)的可測(cè)試節(jié)點(diǎn)位置及數(shù)量成為故障預(yù)測(cè)技術(shù)的瓶頸.因此需要研究者在掌握系統(tǒng)的結(jié)構(gòu)和工作原理的前提下，對(duì)系統(tǒng)進(jìn)行有效的可測(cè)性分析，為獲取盡可能全面、完整的故障特征數(shù)據(jù)打下基礎(chǔ).

（2）故障建模過程復(fù)雜.電子系統(tǒng)中網(wǎng)絡(luò)節(jié)點(diǎn)眾多，元器件不能用二進(jìn)制表征其是否故障的狀態(tài)，元器件的故障通常是在多應(yīng)力情況下長(zhǎng)時(shí)間緩慢變化導(dǎo)致整個(gè)系統(tǒng)故障.目前大多數(shù)學(xué)者的研究重點(diǎn)集中在單一應(yīng)力條件下的物理失效模型，無法滿足當(dāng)前復(fù)雜系統(tǒng)對(duì)故障預(yù)測(cè)與壽命評(píng)估的需求.因此需要分析多應(yīng)力條件之間的關(guān)系和相關(guān)性，建立綜合應(yīng)力下的物理失效模型，結(jié)合基于經(jīng)驗(yàn)數(shù)據(jù)和元器件性能加速試驗(yàn)方法進(jìn)行故障預(yù)測(cè).

（3）故障歷史數(shù)據(jù)獲取困難.獲取全面、完整的故障歷史數(shù)據(jù)是基于數(shù)據(jù)的故障預(yù)測(cè)方法的前提和基礎(chǔ)，它直接影響故障預(yù)測(cè)的可靠度和準(zhǔn)確性，也只有通過可靠的歷史數(shù)據(jù)，才能恰當(dāng)?shù)乩弥悄芎筒淮_定性算法挖掘歷史數(shù)據(jù)中的隱含信息，預(yù)測(cè)系統(tǒng)的未來狀態(tài).但實(shí)際工程中測(cè)量設(shè)備、環(huán)境等干擾因素都會(huì)造成歷史數(shù)據(jù)的錯(cuò)誤，通過加速試驗(yàn)獲取歷史數(shù)據(jù)代價(jià)昂貴，使用仿真實(shí)驗(yàn)方法獲取數(shù)據(jù)不能適用于實(shí)際復(fù)雜電子系統(tǒng)中，因此故障歷史數(shù)據(jù)獲取直接影響故障預(yù)測(cè)的精度，是制約故障可靠度的重要因素之一.

3.2 發(fā)展趨勢(shì)展望

（1）故障特征數(shù)據(jù)獲取手段與故障機(jī)理研究.對(duì)復(fù)雜電子系統(tǒng)來說，獲取每種工作狀態(tài)下大批量全面、完整的信息是相對(duì)困難的，尤其對(duì)元器件在各種應(yīng)力條件下性能退化監(jiān)測(cè)數(shù)據(jù)的獲取，因此使用先進(jìn)工藝技術(shù)的傳感器對(duì)于系統(tǒng)參數(shù)監(jiān)測(cè)以及特征數(shù)據(jù)獲取具有重要作用.隨著電子產(chǎn)品的復(fù)雜化、集成化，大多數(shù)設(shè)備不具備故障預(yù)測(cè)的能力.有必要深入研究復(fù)雜電子系統(tǒng)的故障建模、性能失效機(jī)理分析和壽命狀態(tài)評(píng)估等技術(shù)，有助于做到“視情維修”，提高故障預(yù)測(cè)的準(zhǔn)確性，減少不必要的經(jīng)濟(jì)損失.

（2）故障預(yù)測(cè)技術(shù)的混合研究.隨著現(xiàn)代信息技術(shù)的發(fā)展，電子系統(tǒng)自身的結(jié)構(gòu)越來越復(fù)雜且集成度高，為了提高電子系統(tǒng)故障預(yù)測(cè)的精度和效率，需要采用先進(jìn)的人工智能及其混合技術(shù).特別是研究復(fù)雜電子系統(tǒng)觀測(cè)數(shù)據(jù)和故障的不確定性機(jī)理，發(fā)展不確定性故障預(yù)測(cè)理論進(jìn)行故障預(yù)測(cè)研究，探索將不確定性故障預(yù)測(cè)技術(shù)應(yīng)用于工程實(shí)踐，對(duì)復(fù)雜設(shè)備的管理與維護(hù)具有重要意義.

4 結(jié) 語

結(jié)合PHM技術(shù)和現(xiàn)代信息技術(shù)的發(fā)展歷程，特別是電子系統(tǒng)領(lǐng)域的發(fā)展，本文首先對(duì)PHM的核心問題——故障預(yù)測(cè)主要方法進(jìn)行了分析，對(duì)當(dāng)前該領(lǐng)域國內(nèi)外現(xiàn)狀進(jìn)行了研究，構(gòu)建了電子系統(tǒng)故障預(yù)測(cè)方法框架，最后對(duì)電子系統(tǒng)故障預(yù)測(cè)研究領(lǐng)域存在的問題和未來的發(fā)展趨勢(shì)進(jìn)行了探討.

［1］鄧 森，景 博.基于測(cè)試性的電子系統(tǒng)綜合診斷與故障預(yù)測(cè)方法綜述［J］.控制與決策，2013，28（5）：641-649.

［2］QIU H，LEE J，LIN J，et al.Robust performance degradation assessment methods for enhanced rolling element bearing prognostics ［J］.Advanced Engineering Informatics，2003，17（3/4）：127-140.

［3］彭寶華，周經(jīng)倫，孫 權(quán)，等.基于退化與壽命數(shù)據(jù)融合的產(chǎn)品剩余壽命預(yù)測(cè)［J］.系統(tǒng)工程與電子技術(shù)，2011，33（5）：1073-1078.

［4］孫 博，康 銳，謝勁松.故障預(yù)測(cè)與健康管理系統(tǒng)研究和應(yīng)用現(xiàn)狀綜述［J］.系統(tǒng)工程與電子技術(shù)，2007，29（10）：1762-1767.

［5］彭 宇，劉大同，彭喜元.故障預(yù)測(cè)與健康管理技術(shù)綜述［J］.電子測(cè)量與儀器學(xué)報(bào)，2010，24（1）：1-9.

［6］SIKORSKA J Z，HODKIEWICZ M，MA L.Prognostic modeling options for remaining useful life estimation by industry ［J］.Mechanical Systems and Signal Processing，2011，25（10）：1803-1836.

［7］胡昌華，張 琪，喬玉坤.強(qiáng)跟蹤粒子濾波算法及其在故障預(yù)報(bào)中的應(yīng)用［J］.自動(dòng)化學(xué)報(bào)，2008，34（12）：1522-1528.

［8］LORTON A，F(xiàn)OULADIRAD M，GRALL A.A methodology for probabilistic model-based prognosis ［J］.European Journal of Operational Research，2013，225（3）：443-454.

［9］張叔農(nóng)，謝勁松，康 銳.電子產(chǎn)品健康監(jiān)控和故障預(yù)測(cè)技術(shù)框架［J］.測(cè)控技術(shù)，2007，26（2）：12-18.

［10］田沿平，葉曉慧，金 川，等.耦合隱馬爾科夫在模擬電路故障預(yù)測(cè)中的應(yīng)用［J］.電子測(cè)量技術(shù).2014，37（10）：135-138.

［11］胡 泊.LED路燈驅(qū)動(dòng)電源多目標(biāo)容差設(shè)計(jì)技術(shù)的研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2010：1-90.

［12］李 享.LED驅(qū)動(dòng)電源性能退化參數(shù)監(jiān)測(cè)及壽命預(yù)測(cè)方法研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2012：1-79.

［13］范 庚，馬登武，鄧 力，等.基于灰色相關(guān)向量機(jī)的故障預(yù)測(cè)模型［J］.系統(tǒng)工程與電子技術(shù)，2012，34（2）：424-428.

［14］XIAO Y Q，HE Y G.A novel approach for analog fault diagnosis based on neural networks and improved kernel PCA ［J］.Neuro Computing，2011，74（7）：1102-1115.

［15］WANG X.Wiener processes with random effects for degradation data ［J］.Journal of Multivariate Analysis，2010，101（2）：340-351.

［16］CARR M J，WANG W B.Modeling failure modes foe residual life prediction using stochastic filtering theory［J］.IEEE Trans on Reliability，2010，59（2）：346-355.

［17］徐宇亮，孫際哲，陳西宏，等.基于加速退化試驗(yàn)和粒子濾波的電子設(shè)備故障預(yù)測(cè)方法［J］.航空學(xué)報(bào)，2012，33（8）：1483-1490.

［18］彭寶華，周經(jīng)倫，潘正強(qiáng).Wiener過程性能退化產(chǎn)品可靠性評(píng)估的Bayes方法［J］.系統(tǒng)工程理論與實(shí)踐，2010，30（3）：543-549.

［19］姜媛媛，王友仁，羅 慧，等.電力電子電路故障評(píng)估新指標(biāo)及基于LSSVM的預(yù)測(cè)新方法［J］.電工技術(shù)學(xué)報(bào)，2012，27（12）：43-50.

［20］張朝龍，何怡剛，鄧芳明，等.一種基于QPSO-RVM的模擬電路故障預(yù)測(cè)方法［J］.儀器儀表學(xué)報(bào)，2014，35（8）：1751-1757.

［21］FAN J Q，YAO Q W.Nonlinear time series：nonparametric and parametric methods ［M］.New York：Springer，2003：10-27.

Review on Fault Prognostic Methods for Electronic Systems

LIU Qi1，LI Yaofang1，PENG Huiqing1，CUI Jun2，LIU Hongwei2
（1.Computing Center，TCU，Tianjin 300384，China；2.Institute of Electronic and Information Engineering，Tianjin Polytechnic University，Tianjin 300380，China）

Proceeding with the fault mode and mechanism of electronic systems，this paper constructs a framework based on testable fault prognostic methods for electronic systems by the testable analysis method of electronic systems.And then the paper reviews，classifies and summarizes the present research status of fault prognostic methods for electronic systems at home and abroad，and expounds the fault prognostic methods for electronic systems from the model-based and datadriven aspects.Finally，the paper analyzes the problems and difficulties of fault prognostic technologies for electronic systems，and predicts the development trend in this field.

electronic system；fault prognosis；PHM

TP271.5：TN06

A

2095-719X（2016）04-0298-04

2015-06-29；

2015-07-13

天津城建大學(xué)教育教學(xué)改革研究項(xiàng)目（JG-1414）；天津市教委科研計(jì)劃項(xiàng)目（20140718，20140805）

劉 琦（1979—），女，河北蓉城人，天津城建大學(xué)講師，博士.