电子设备故障及诊断方法研究

韦庆宇

无锡中微掩模电子有限公司 214000

摘要：随着科学技术的快速发展，当前电子设备在各个领域广泛应用，电子设备以其显著的特点为各领域带来了诸多的便利。但由于电子设备自身具有较高的精密性，在使用过程中容易受到各种因素的影响，因此容易发生各种故障。文中对电子设备常见故障诊断方法进行了分析，希望能为后期电子设备故障诊断方法的发展提供一些帮助。

关键词：电子设备；故障；诊断方法

1.引言

现代社会处于科学技术发展时代。随着人们日常生活和社交活动的需求不断增长，越来越多的电子设备用于生活和工作，高层建筑在不断增加，工业厂房也在不断扩大。随着不断扩展的电气系统的功能逐渐得到改善，复杂程度逐渐提高，出现了各种问题。设备故障的可能性加倍；另一方面，电力系统的基本组件是电子设备。发生故障时，会在断电状态下进行检查，造成经济损失，并影响人们的正常工作和生活。重物可能导致短路或部分损坏电子设备。如果及时发生火灾，可能会危害人身安全，因此，对电子设备故障诊断技术的研究可确保电子设备安全稳定运行，减少经济损失，挽救生命等方面具有重要意义。

2.常见的电子故障以及故障诊断方法

故障诊断技术主要包括三个内容。 故障检测、故障隔离、故障辨识，故障诊断从本质上讲，故障诊断技术是一种模型分类和识别问题。 换句话说，模型识别问题是将系统的运行状态分为正常和异常两种类型，并确定异常信号样本属于哪个故障。 它可以分为三种类型。

2.1基于信号处理的方法

该方法是诊断领域应用较早的方法之一，主要采用阀值模型。信号分析采用较多的主要有时域、频域、幅值、时-频域特性分析等。信号处理方法主要有：峰值、均方根值、波峰系数、波形系数、偏斜度指标等参数分析、相关分析法、包络分析法、最大熵谱法、倒频谱法、同步信号平均法、自回归谱分析法、小波分析和分形分析等。信号分析方法是其它诊断方法的基础。

信号处理方法大致分为两类。一种是对正常或正常信号的处理方法，包括众所周知的分布式频谱分析和校准理论，频率分段分析和解调分析。在实际应用中比较广泛，这种处理方法是基于典型的傅里叶叶变换分析方法对分析目标进行合理处理和简化的基础。例如，被分析的信号具有线性，稳定性和最小相位等特性，并以整体转换格式将信号分解为不同的频率。通常，一项功能会被忽略。特别是，由于一些小的信息可以说明设备状况的发展趋势，因此机器设置在一定程度上不能满足提取故障信号特征的需求。第二种类型是每个不稳定信号。它是一种处理方法，典型的参数跟踪方法，短时呋喃基转换方法，Wigner-Bill分布，小波分析，盲分离和高级桶称重和循环桶称重分析也是机械信号特征，也开始应用于机械设备信号特征提取中。

2.2 基于解析模型的方法

基于分析模型进行诊断的主要思想是建立一个系统模型（例如，结构，功能和行为），以便根据组成系统的组件和零件之间的联系进行评估。这些模型通常使用一级逻辑语句来描述，通过基于系统逻辑模型和系统输入的逻辑推理，推理系统可以在正常情况下引发预期的行为。 观察到的系统的实际行为与系统的预期行为之间的差异表明该系统存在故障，并使用逻辑推理来确定导致故障的一组零件。

模型分析和诊断方法包括滤波方法，最小乘方法，观察者方法和等效空间方法，现在，根据观察者的状态证明了评估方法和等效空间方法是等效的。

在当前分析模型的诊断中，诊断主要有两种类型：一种是基于对应关系，另一种是倾向性诊断。后者基于兼容性，可以对诊断概念和附件以及非正常工作的诊断模型进行逻辑观察，最近人们研究了如何比较和融合这两种方法。由于它开始并提供了一个统一的定义，因此可以将各种诊断逻辑的定义显示为该统一定义并比较不同的定义。基于一致性的诊断和溯因诊断仅仅是两个极端的情形。

2.3 基于知识的故障诊断方法

基于知识诊断和推理的主要思想是辩证逻辑和数学逻辑的集成，代码处理和数值处理的统一，基于知识处理技术的推理过程和算法过程的统一。通过概念和处理方法的知识，可以实现设备故障的智能诊断，基于知识的故障诊断方法主要专家系统故障诊断方法、故障树故障诊断方法、神经网络故障诊断方法、基于Agent故障诊断方法等。

1）专家系统故障诊断方法

专家系统的方法是基于知识故障诊断的研究驱动的，并且经过几年的发展已经相对成熟。我们可以提供一个可以通过复制解决方案来解决的合理模型，基于知识的专家系统的工作模型是知识仓库，全局数据库，推理系统，知识获取系统，分析系统和用户。 它由专家系统操作和知识仓库管理六个部分组成，分为两个功能模块：专家系统操作模块用于基于知识的故障诊断和故障代码的检查。 管理模块用于实现输入，存储，推理规则和故障代码的验证以及知识库的转换。

2）故障树故障诊断方法

故障树是一种体现故障传播关系的有向图，它以诊断对象最不希望发生的事件作为顶事件，按照对象的结构和功能关系逐层展开，直到不可分事件(底事件)为止。它的优点是能够实现快速诊断;知识库很容易动态修改，并能保持一- 致性;概率推理可在一定程度.上被用于选择规则的搜寻通道，提高诊断效率;诊断技术与领域无关，只要相应的故障树给定，就可以实现诊断。缺点是由于故障树是建立在元件联系和故障模式分析的基础之上的，因此不能诊断不可预知的故障;诊断结果严重依赖故障树信息的完全程度。

3）神经网络故障诊断方法

神经网络是通过模仿生物神经系统而创建的自适应非线性动力学系统，具有学习和并行计算的能力，并能实现分类，自组织，联想记忆和非线性优化等功能。当用于故障诊断领域时，它可以解决趋势预测和诊断推理问题，其中多层检测器（MIP）网络，自适应共振理论（ART）和自组织特征图已广泛应用于故障诊断中。（FM）和双向关联记忆（BAM）11.为了提高神经网络的性能，人们对网络结构类型，算法和样本处理等问题进行了研究。它通过应用模块化神经网络解决了大规模的复杂问题，通过应用电池方法优化了网络连接方法，并通过应用遗传算法和混沌理论在网络学习训练中局部解决了一个小问题。并提高网络的泛化能力，提高网络学习速度，增加训练样本的噪音或优化样本数据。

4）基于A gen 故障诊断方

代理是基于硬件或软件的计算机系统，具有独立性，响应能力，攻击性和社会特征，例如如知识、信念、意图和愿望等。

被诊断为故障的Agent系统是由多个Agent组合而成，具有单一的工作分工和协作功能，通过设计Agen系统，不仅可以提高诊断系统的准确性，而且可以提高环境的适应性。该系统在操作过程中发现和发现知识，提高学习能力，并实现自我完善，发展和提高诊断系统性能。关键问题如下。（1）故障信号检测，特征信息提取，（2）故障诊断Asen描述，（3）管理管理管理管理管理管理管理年龄和数据发现A-gent设计，（4）每个代理之间沟通与合作。

3.结论

随着设备故障诊断技术的发展，基于信号处理的模型分析方法和基于知识的故障诊断方法都取得了丰硕的成果。基于数学模型的诊断方法的研究相对较快，线性系统的诊断也比较完整。非线性系统的故障诊断仍然是当前研究的热点和非线性系统的应用问题，性别理论，自适应观测器和定性方法被用于简单的非线性系统。另一方面，关于陆奉成的失败的研究也变得越来越重要。通过对故障诊断的敏感性以及合理的切除和切除的需求，也很难使用它。此外，研究方向之一是诊断性能问题，例如选择最佳的阀门进行故障检查并确定故障的确切位置。

参考文献

[1]胡江春. 医疗电子设备故障诊断技术及其应用[J]. 医疗装备, 2018, 031(006):134-135.

[2]吕广水. 医用电子设备的故障诊断技术和维护管理浅谈[J]. 低碳世界, 2018, 000(002):358-359.

[3]林玉汉. 医疗电子设备的故障诊断技术与维护管理[J]. 心电图杂志:电子版, 2018.