CN104820747B - 一种基于仿真的dc‑dc开关电源故障预测方法 - Google Patents
一种基于仿真的dc‑dc开关电源故障预测方法 Download PDFInfo
- Publication number
- CN104820747B CN104820747B CN201510226999.6A CN201510226999A CN104820747B CN 104820747 B CN104820747 B CN 104820747B CN 201510226999 A CN201510226999 A CN 201510226999A CN 104820747 B CN104820747 B CN 104820747B
- Authority
- CN
- China
- Prior art keywords
- switching power
- power supplies
- power supply
- failure
- failure prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Dc-Dc Converters (AREA)
Abstract
本发明公开了一种基于仿真的DC‑DC开关电源故障预测方法,其步骤如下:1.在电路仿真软件中绘制DC‑DC开关电源的仿真电路模型;2.确定关键元器件电参数的退化规律;3.设定仿真电路模型中关键元器件的变化规律,并进行电路仿真;4.对电路的输出纹波电压进行监测和采集;5.采用时域分析法提取纹波电压的峰峰值,作为特征参数;6.重复步骤3到步骤5,得到若干时刻的特征参数值,作为训练样本;7.采用基于LS‑SVM的单步循环迭代的故障预测算法计算出特征参数未来时刻的变化趋势;8.根据国家标准确定失效阈值,计算故障发生时刻,估计剩余寿命。相比采用实际的试验手段,降低了分析的复杂性和费用,具有一定的工程实用价值。
Description
技术领域
本发明涉及一种基于仿真的DC-DC(直流直流变换)开关电源故障预测方法,通过预测DC-DC开关电源的特征参数的变化趋势,从而得到DC-DC开关电源的故障发生时刻,估计DC-DC开关电源的剩余寿命,属于***工程***可靠性技术领域。
背景技术
近年来,电子产品的应用领域越来越广泛,在许多设备中起到关键的作用,并且工作条件更加复杂,因此电子产品的故障预测技术得到人们越来越多的重视。电子设备主要通过电源来提供能量,这就决定了电源在电子产品中的重要地位。据统计,大约34%的电子设备的故障是由电源***引起的,由此可以看出,电源***的可靠性水平直接影响设备的可靠性、安全性。因此,对电源***进行故障诊断、预测和健康管理非常具有实际意义,也已经成为电子产品领域的一个热点。
在目前的市场上,由于DC-DC开关电源具有转换效率高、控制芯片功耗低、易于应用于便携式产品上等特点,在通信、家电、生物医学等领域得到了广泛的应用,并且日趋向小型化高频化方向发展,目前已经实现模块的集成化,技术较为成熟,得到了用户的广泛认可。因此,对DC-DC开关电源的可靠性的研究非常重要,也可为其他的类型的电源的可靠性研究提供参考。
基于此,本发明提出了一种基于仿真的DC-DC开关电源故障预测方法,通过电路仿真软件模拟电路的退化过程,提取故障特征参数,并采用基于LS-SVM(最小二乘支持向量机)的单步循环迭代的故障预测算法预测故障特征参数的变化趋势,从而得到DC-DC开关电源的故障发生时刻,估计DC-DC开关电源的剩余寿命,为实际中DC-DC开关电源的可靠性研究提供指导。
发明内容
本发明的目的是提供一种基于仿真的DC-DC开关电源故障预测方法,通过电路仿真软件模拟实际DC-DC开关电源电路的退化过程,并采用基于LS-SVM的单步循环迭代的故障预测算法预测特征参数的变化趋势,从而得到DC-DC开关电源的故障发生时刻,估计DC-DC开关电源的剩余寿命,为实际的DC-DC开关电源的可靠性评估和剩余寿命预测提供依据。
本发明是通过以下技术方案实现的:
本发明是一种基于仿真的DC-DC开关电源故障预测方法,其步骤如下:
步骤一:根据所要研究的DC-DC开关电源的电路原理图,在电路仿真软件中绘制该DC-DC开关电源的仿真电路模型。
步骤二:确定DC-DC开关电源中影响寿命的关键元器件,得到关键元器件在实际使用环境条件下的电参数的退化规律。
步骤三:在仿真软件中,根据步骤二的退化规律设置关键元器件的电参数的变化规律,并设定好环境条件进行电路仿真。
步骤四:选择DC-DC开关电源的输出纹波电压为监测信号,对监测信号进行采集。
步骤五:选择时域分析法作为特征参数提取方法,提取DC-DC开关电源的输出纹波电压峰峰值为特征参数。
步骤六:重复步骤三到步骤五,每隔相同的一段时间采集一次监测信号,提取出特征参数,得到若干时刻点的特征参数值,作为预测的训练样本。
步骤七:利用基于LS-SVM的单步循环迭代的故障预测算法,计算特征参数的未来时刻的变化趋势。基于LS-SVM的单步循环迭代的故障预测算法的计算流程如下所示:
(1)构造特征参数的初始的训练样本;
(2)确定需要预测值的个数N;
(3)根据步骤(1)(2)构造并更新输入向量;
(4)训练第n次计算的预测模型fn();
(5)将输入向量带入预测模型fn()中,得到第n个预测值,并将这个预测值作为步骤(3)
中的输入向量的一个值;
(6)重复步骤(3)到(5),得到N个预测值。
步骤八:根据相关国家标准关于纹波电压的要求,确定所研究的DC-DC开关电源的输出纹波电压峰峰值的失效阈值,并根据此失效阈值计算出DC-DC开关电源故障发生时刻,实现故障预测和剩余寿命估计。
其中,步骤二中所述的关键元器件为铝电解电容。
其中,步骤三中所述的环境条件为输入电压、环境温度、工作频率。
其中,步骤八中所述的相关国家标准为《GB/T 14714-93微小型计算机***设备用开关电源通用技术条件》、《GB/T 14714-2008微小型计算机***设备用开关电源通用规范》。
本发明与现有技术相比有如下优点:
本发明针对DC-DC开关电源的剩余寿命评估的问题,提出了采用仿真的分析方法,并结合基于LS-SVM的单步循环迭代的故障预测算法,评估出产品的剩余寿命,相比采用实际的试验手段,降低了分析的复杂性和费用,具有一定的工程实用价值。
附图说明
图1基于LS-SVM的单步循环迭代的故障预测算法计算流程图;
图2本发明所述方法流程图;
图3某Buck型DC-DC开关电源的仿真电路模型图。
具体实施方式
本发明所述方法流程图见图2所示。本发明是一种基于仿真的DC-DC开关电源故障预测方法,其步骤如下:
步骤一:选定一个实际的DC-DC开关电源,根据所要研究的DC-DC开关电源的电路原理图,在电路仿真软件如Pspice中绘制该DC-DC开关电源的仿真电路模型,并设定好元器件的电参数值。
步骤二:确定DC-DC开关电源中影响寿命的关键元器件为铝电解电容,得到铝电解电容在实际使用环境条件下的电参数ESR(等效串联电阻)的退化规律,如下式所示:
公式中,ESR(t)为t时刻的ESR值;ESR(0)为初始时刻的ESR值;T是电容工作的温度,单位为℃;k为常数,和电容的设计、材料等有关。ESR(0)是由额定电容量、工作温度、工作频率共同决定的,计算公式如下式所示:
其中C0为电容的额定值、tanδ为电容损耗角正切值,这些参数可以通过在产品的官网上查询元器件手册得到。
步骤三:在仿真软件中,根据步骤二的退化规律设置关键元器件铝电解电容的电参数ESR的变化规律,并设定好输入电压、环境温度、工作频率进行电路仿真。
步骤四:选择DC-DC开关电源的输出纹波电压为监测信号,对监测信号进行采集。
步骤五:选择时域分析法作为特征参数提取方法,提取DC-DC开关电源的输出纹波电压峰峰值为特征参数。
步骤六:重复步骤三到步骤五,每隔相同的一段时间采集一次监测信号,提取出特征参数,当特征参数值和实际产品目前时刻的输出值相同时,停止监测,得到若干时刻点的特征参数值,作为预测的训练样本。
步骤七:利用基于LS-SVM的单步循环迭代的故障预测算法,计算特征参数的未来时刻的变化趋势。基于LS-SVM的单步循环迭代的故障预测算法的计算流程如图1所示,具体步骤如下所示:
(1)构造特征参数的初始的训练样本;
(2)确定需要预测值的个数N;
(3)根据步骤(1)(2)构造合适的输入向量维数,并根据得到的上一时刻的预测值更新输入向量;
(4)选定核函数和核函数中的参数,训练第n次计算的预测模型fn();
(5)将输入向量带入预测模型fn()中,得到第n个预测值,并将这个预测值作为训练样本和步骤(3)中的输入向量的一个值;
(6)重复步骤(3)到(5),得到N个预测值。
步骤八:根据相关国家标准《GB/T 14714-93微小型计算机***设备用开关电源通用技术条件》、《GB/T 14714-2008微小型计算机***设备用开关电源通用规范》关于纹波电压的要求,确定所研究的DC-DC开关电源的输出纹波电压峰峰值的失效阈值,并根据此失效阈值计算出DC-DC开关电源故障发生时刻,实现故障预测和剩余寿命估计。
实施案例
以一个Buck型的DC-DC开关电源为例,介绍此方法的应用,验证本发明一种基于仿真的DC-DC开关电源故障预测方法的可用性与有效性。
步骤一:根据所选用的DC-DC开关电源的原理图,输入为12V,输出为5V,在Pspice中绘制出了此Buck型DC-DC开关电源的仿真电路模型图,如图3示。
步骤二:此Buck型DC-DC开关电源的铝电解电容为红宝石系列的330uF/35V铝电解电容,通过查询生产厂家的官网上提供的元器件手册,计算出在产品在50KHz、25℃的工作条件下ESR的变化规律。
步骤三-步骤六:在电路中设置ESR的变化规律后,进行仿真,每隔40小时提取一次特征参数值,当特征参数值达到目前产品实际的特征参数值的时候,停止监测,得到21个特征参数值,如表1所示,其中Δt=40。
表1 纹波电压峰峰值
时刻(h) | 纹波电压峰峰值(mv) |
0 | 38.5 |
1Δt | 39 |
2Δt | 39.5 |
3Δt | 40 |
4Δt | 40.6 |
5Δt | 41.1 |
6Δt | 41.7 |
7Δt | 42.2 |
8Δt | 42.9 |
9Δt | 43.5 |
10Δt | 44.2 |
11Δt | 44.8 |
12Δt | 45.5 |
13Δt | 46.1 |
14Δt | 46.9 |
15Δt | 47.7 |
16Δt | 48.4 |
17Δt | 49.2 |
18Δt | 50 |
19Δt | 50.9 |
20Δt | 51.8 |
步骤七:根据基于LS-SVM的单步循环迭代的故障预测方法,对未来30个时刻的值进行预测,结果如表2所示。
表2 预测结果
时刻(h) | 预测值(mv) |
21Δt | 53.02 |
22Δt | 54.05 |
23Δt | 55.15 |
24Δt | 56.27 |
25Δt | 57.47 |
26Δt | 58.73 |
27Δt | 60.00 |
28Δt | 61.32 |
29Δt | 62.69 |
30Δt | 64.11 |
31Δt | 65.59 |
32Δt | 67.11 |
33Δt | 68.69 |
34Δt | 70.32 |
35Δt | 72.02 |
36Δt | 73.77 |
37Δt | 75.59 |
38Δt | 77.47 |
39Δt | 79.42 |
40Δt | 81.44 |
41Δt | 83.53 |
42Δt | 85.70 |
43Δt | 87.94 |
44Δt | 90.26 |
45Δt | 92.68 |
46Δt | 95.17 |
47Δt | 97.75 |
48Δt | 100.42 |
49Δt | 103.20 |
50Δt | 106.07 |
步骤八:根据国家标准《GB/T 14714-93微小型计算机***设备用开关电源通用技术条件》、《GB/T 14714-2008微小型计算机***设备用开关电源通用规范》关于纹波电压的要求,此开关电源的纹波电压的失效阈值为100mv,根据表2预测结果得到的特征参数的变化趋势,得到故障时刻约为1916.7h,实现产品的故障预测。
Claims (4)
1.一种基于仿真的DC-DC开关电源故障预测方法,其特征在于:该方法的具体步骤如下:
步骤一:根据所要研究的DC-DC开关电源的电路原理图,在电路仿真软件中绘制该DC-DC开关电源的仿真电路模型;
步骤二:确定DC-DC开关电源中影响寿命的关键元器件,得到关键元器件在实际使用环境条件下的电参数的退化规律;
步骤三:在仿真软件中,根据步骤二的退化规律设置关键元器件的电参数的变化规律,并设定好环境条件进行电路仿真;
步骤四:选择DC-DC开关电源的输出纹波电压为监测信号,对监测信号进行采集;
步骤五:选择时域分析法作为特征参数提取方法,提取DC-DC开关电源的输出纹波电压峰峰值为特征参数;
步骤六:重复步骤三到步骤五,每隔相同的一段时间采集一次监测信号,提取出特征参数,得到若干时刻点的特征参数值,作为预测的训练样本;
步骤七:利用基于LS-SVM的单步循环迭代的故障预测算法,计算特征参数的未来时刻的变化趋势;基于LS-SVM的单步循环迭代的故障预测算法的计算流程如下所示:
(1)构造特征参数的初始的训练样本;
(2)确定需要预测值的个数N;
(3)根据步骤(1)(2)构造并更新输入向量;
(4)训练第n次计算的预测模型fn();
(5)将输入向量带入预测模型fn()中,得到第n个预测值,并将这个预测值作为步骤(3)中的输入向量的一个值;
(6)重复步骤(3)到(5),得到N个预测值;
步骤八:根据相关国家标准关于纹波电压的要求,确定所研究的DC-DC开关电源的输出纹波电压峰峰值的失效阈值,并根据此失效阈值计算出DC-DC开关电源故障发生时刻,实现故障预测和剩余寿命估计。
2.根据权利要求1所述的一种基于仿真的DC-DC开关电源故障预测方法,其特征在于:步骤二中所述的关键元器件为铝电解电容。
3.根据权利要求1所述的一种基于仿真的DC-DC开关电源故障预测方法,其特征在于:步骤三中所述的环境条件为输入电压、环境温度、工作频率。
4.根据权利要求1所述的一种基于仿真的DC-DC开关电源故障预测方法,其特征在于:步骤八中所述的相关国家标准为《GB/T 14714-93微小型计算机***设备用开关电源通用技术条件》、《GB/T 14714-2008微小型计算机***设备用开关电源通用规范》。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510226999.6A CN104820747B (zh) | 2015-05-06 | 2015-05-06 | 一种基于仿真的dc‑dc开关电源故障预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510226999.6A CN104820747B (zh) | 2015-05-06 | 2015-05-06 | 一种基于仿真的dc‑dc开关电源故障预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104820747A CN104820747A (zh) | 2015-08-05 |
CN104820747B true CN104820747B (zh) | 2017-12-01 |
Family
ID=53731042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510226999.6A Active CN104820747B (zh) | 2015-05-06 | 2015-05-06 | 一种基于仿真的dc‑dc开关电源故障预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104820747B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105823991B (zh) * | 2016-05-16 | 2018-07-03 | 浙江理工大学 | 一种开关电源的故障预测方法 |
JP7144412B2 (ja) * | 2016-12-02 | 2022-09-29 | エフ.ホフマン-ラ ロシュ アーゲー | 生物学的試料を分析する自動分析装置のための故障状態予測 |
CN108363838B (zh) * | 2018-01-18 | 2021-10-08 | 上海电力学院 | 基于atpso-svm模型的静电除尘器中温度效应预测方法 |
CN109143014B (zh) * | 2018-07-05 | 2020-10-27 | 中国工程物理研究院电子工程研究所 | 一种内嵌SiC-GTO器件正向阻断特性监测与诊断方法 |
CN109165472A (zh) * | 2018-10-11 | 2019-01-08 | 北京航空航天大学 | 一种基于变拓扑自组织网络的电源健康评估方法 |
CN109271741B (zh) * | 2018-10-25 | 2023-06-27 | 北京航空航天大学 | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 |
CN109767036A (zh) * | 2018-12-28 | 2019-05-17 | 北京航空航天大学 | 基于自适应蚁狮优化的支持向量机故障预测方法 |
CN110175388A (zh) * | 2019-05-21 | 2019-08-27 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 开关电源故障预测方法、装置、计算机设备和存储介质 |
CN111464022B (zh) * | 2020-03-25 | 2023-06-06 | 哈尔滨工业大学 | 一种基于多特征的dc-dc变换器关键器件参数辨识方法 |
CN113658414B (zh) * | 2021-07-30 | 2023-03-10 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 矿场设备故障预警方法、装置、终端设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102142051A (zh) * | 2011-03-16 | 2011-08-03 | 北京航空航天大学 | 基于pspice的电路故障判定方法 |
CN102156760A (zh) * | 2010-08-23 | 2011-08-17 | 北京航空航天大学 | 基于Saber的电路故障仿真分析方法 |
CN102252898A (zh) * | 2011-03-09 | 2011-11-23 | 北京航空航天大学 | 基于“寿命-应力”模型的电子产品加速寿命试验方法 |
CN103699763A (zh) * | 2014-01-20 | 2014-04-02 | 哈尔滨工业大学 | 基于最小二乘拟合的开关电源健康状态评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7266797B2 (en) * | 2005-05-19 | 2007-09-04 | International Business Machines Corporation | Automated and electrically robust method for placing power gating switches in voltage islands |
-
2015
- 2015-05-06 CN CN201510226999.6A patent/CN104820747B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156760A (zh) * | 2010-08-23 | 2011-08-17 | 北京航空航天大学 | 基于Saber的电路故障仿真分析方法 |
CN102252898A (zh) * | 2011-03-09 | 2011-11-23 | 北京航空航天大学 | 基于“寿命-应力”模型的电子产品加速寿命试验方法 |
CN102142051A (zh) * | 2011-03-16 | 2011-08-03 | 北京航空航天大学 | 基于pspice的电路故障判定方法 |
CN103699763A (zh) * | 2014-01-20 | 2014-04-02 | 哈尔滨工业大学 | 基于最小二乘拟合的开关电源健康状态评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104820747A (zh) | 2015-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104820747B (zh) | 一种基于仿真的dc‑dc开关电源故障预测方法 | |
Guo et al. | Home appliance load modeling from aggregated smart meter data | |
Chang et al. | Feature extraction based hellinger distance algorithm for non-intrusive aging load identification in residential buildings | |
Mueller et al. | Accurate energy use estimation for nonintrusive load monitoring in systems of known devices | |
CN103743563B (zh) | 一种基于温度数据的风机齿轮箱子空间故障预测方法 | |
CN105891794B (zh) | 基于模糊准则的雷达健康管理方法及*** | |
CN109271741A (zh) | 一种降压型dc-dc电源模块剩余使用寿命预测与健康评估方法 | |
Martins et al. | Application of a deep learning generative model to load disaggregation for industrial machinery power consumption monitoring | |
CN104050607A (zh) | 一种配电网运行风险评估方法 | |
CN106296465A (zh) | 一种智能电网异常用电行为检测方法 | |
CN103258245B (zh) | 一种新的电子产品失效率预计修正方法 | |
Dinesh et al. | Incorporating time-of-day usage patterns into non-intrusive load monitoring | |
CN111025011A (zh) | 一种基于谐波相似度算法的非侵入式电器识别方法 | |
CN106021838A (zh) | 一种复杂电子***剩余寿命预测方法 | |
CN116595395B (zh) | 一种基于深度学习的逆变器输出电流预测方法及*** | |
Wang et al. | A factorial hidden markov model for energy disaggregation based on human behavior analysis | |
CN103199492A (zh) | 一种保护定值的动作模拟方法 | |
CN104237673A (zh) | 一种变压器谐波损耗的估算方法 | |
CN104410053A (zh) | 一种直流输电***行波保护方法 | |
Shrivastava et al. | Model free Robust Real-Time severity analyser using PMU measurements | |
CN105841663B (zh) | 一种可实时预测自身寿命的智能水电站 | |
CN109213119A (zh) | 基于在线学习的复杂工业关键部件故障预测方法及*** | |
Madhushan et al. | Rule-based self-supervised learning non-intrusive load monitoring system for residential houses | |
CN105447242B (zh) | 一种实时分析集成电路电源网络状态的方法 | |
CN110277834B (zh) | 一种电网响应建筑内部负荷监控方法、***及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |