發(fā)布時(shí)間：2018-05-24 01:16

  本文選題：故障診斷 + 電路板��； 參考：《中國民航大學(xué)》2017年碩士論文

【摘要】：機(jī)載電路板傳統(tǒng)的故障檢測是利用儀表手動(dòng)測量電壓、電流等信號,工程師依據(jù)經(jīng)驗(yàn)判斷故障原因。由于儀表檢測無法處理高頻電路實(shí)時(shí)故障,還會(huì)給精密的機(jī)載電路板帶來二次故障,使得技術(shù)復(fù)雜、效率低。因此研究一種基于紅外技術(shù)的機(jī)載電路板故障診斷方法和健康狀態(tài)檢測方法,提高檢測的準(zhǔn)確率和效率,具有通用性強(qiáng)與成本低的優(yōu)勢。首先,設(shè)計(jì)以紅外熱像儀為核心的機(jī)載電路板故障檢測系統(tǒng),完成采集數(shù)據(jù)、圖像處理、數(shù)據(jù)提取等工作流程。高性能紅外熱像儀給系統(tǒng)融入先進(jìn)的紅外技術(shù),從硬件角度提高故障診斷靈敏性。通過3個(gè)實(shí)驗(yàn)研究電路板發(fā)熱模型,建立工作狀態(tài)與紅外特性的聯(lián)系。然后,為采集到的電路板故障熱圖定義故障代碼,構(gòu)建包含81種故障的標(biāo)準(zhǔn)數(shù)據(jù)庫。在熱圖差分法與序列分析法故障診斷實(shí)驗(yàn)的基礎(chǔ)上,提出一種多級SVM故障診斷方法,建立溫度信息與故障征兆之間的關(guān)系。提取8個(gè)特征值構(gòu)成工作狀態(tài)向量,從8個(gè)維度建立第一級故障診斷SVM模型和第二級數(shù)據(jù)融合SVM模型。使用遺傳算法對參數(shù)c和g尋優(yōu),提高故障診斷準(zhǔn)確率。最后,在灰色模型故障預(yù)測實(shí)驗(yàn)的基礎(chǔ)上,提出使用SVM回歸算法,預(yù)測電路板下一工作周期溫度序列,并返回到第一級、第二級SVM模型預(yù)測故障代碼。分析電路板失效機(jī)理,建立熱效應(yīng)隨老化程度的變化關(guān)系。采集電路板19586飛行小時(shí)的溫度序列,構(gòu)建紅外溫度老化模型,劃分為6個(gè)老化等級,訓(xùn)練SVM模型推算出實(shí)際飛行小時(shí)與剩余壽命。在橫向課題研發(fā)的測試平臺(tái)中,對WRT-2100型號機(jī)載氣象雷達(dá)電路板進(jìn)行實(shí)驗(yàn)驗(yàn)證。多級SVM故障診斷方法能夠綜合多維度信息實(shí)現(xiàn)故障的多分類,具有較高的準(zhǔn)確率和效率。SVM故障預(yù)測均方誤差較小,紅外溫度老化模型能夠推算出老化程度與壽命。
[Abstract]:The traditional fault detection of airborne circuit board is to use the instrument to manually measure the signals such as voltage and current, and engineers judge the cause of the failure according to the experience. Because the instrument detection can not deal with the real-time fault of the high frequency circuit, it will bring secondary fault to the precise airborne circuit board, which makes the technology complex and the efficiency low. Therefore, a fault diagnosis method and a health condition detection method based on infrared technology for airborne circuit board are studied to improve the accuracy and efficiency of the detection, and have the advantages of strong generality and low cost. Firstly, an airborne circuit board fault detection system with infrared thermal imager as the core is designed to complete the work flow of collecting data, image processing, data extraction and so on. The high performance infrared thermal imager integrates advanced infrared technology to improve the sensitivity of fault diagnosis from the point of view of hardware. Through three experiments to study the heating model of circuit board, the relation between working state and infrared characteristic is established. Then, the fault code is defined for the collected circuit board fault thermal graph, and a standard database containing 81 kinds of faults is constructed. Based on the experiments of thermal graph difference method and sequence analysis method, a multistage SVM fault diagnosis method is proposed, which establishes the relationship between temperature information and fault symptoms. Eight eigenvalues are extracted to form the working state vector, and the first stage fault diagnosis SVM model and the second stage data fusion SVM model are established from the eight dimensions. Genetic algorithm is used to optimize the parameters c and g to improve the accuracy of fault diagnosis. Finally, based on the experiment of grey model fault prediction, SVM regression algorithm is proposed to predict the next working cycle temperature sequence of circuit board, and return to the first stage and the second stage SVM model to predict the fault code. The failure mechanism of circuit board is analyzed and the relationship between thermal effect and aging degree is established. The temperature sequence of 19586 flying hours of circuit board was collected, and the infrared temperature aging model was constructed, which was divided into 6 aging grades. The SVM model was trained to calculate the actual flying hours and the remaining life. In the horizontal research and development of the test platform, the WRT-2100 model of airborne weather radar circuit board is verified. Multi-level SVM fault diagnosis method can integrate multi-dimensional information to realize multi-classification of faults. It has high accuracy and efficiency. The mean square error of fault prediction is small. The infrared temperature aging model can calculate the aging degree and life span.
【學(xué)位授予單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：V267;TN219

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 羅云林;李碩;張自力;馬光;;四旋翼飛行器控制系統(tǒng)穩(wěn)定性能研究[J];計(jì)算機(jī)仿真;2016年04期

2 于敏;馬麗華;盧朝梁;;電路板卡故障紅外成像智能診斷的分析與應(yīng)用[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年02期

3 黃云程;蔡金錠;;融合改進(jìn)層次分析與灰色關(guān)聯(lián)法評估油紙絕緣狀態(tài)[J];儀器儀表學(xué)報(bào);2015年09期

4 陶亮;趙勁松;劉傳明;唐晗;徐參軍;趙強(qiáng);王婭楠;蘇君紅;;高可靠性紅外熱像儀的設(shè)計(jì)方法[J];紅外技術(shù);2014年12期

5 崔昊楊;許永鵬;楊俊杰;曾俊冬;唐忠;;基于MIV和BRBP神經(jīng)網(wǎng)絡(luò)的電路板紅外診斷方法[J];激光與紅外;2014年04期

6 劉甲甲;王凱;袁建英;江曉亮;李柏林;;鐵路扣件圖像檢測中的RBF-SVM模型優(yōu)化[J];計(jì)算機(jī)工程與應(yīng)用;2014年15期

7 宮明文;李云霞;蒙文;李達(dá);魏新;;淺析國內(nèi)基于紅外技術(shù)的電路板故障檢測方法[J];紅外;2012年07期

8 宋新波;呂雪艷;章建軍;;飛機(jī)紅外隱身技術(shù)研究[J];激光與紅外;2012年01期

9 周孟特;葉玉堂;王智芳;劉寧;羅穎;孫強(qiáng);;便攜式紅外電路故障檢測系統(tǒng)[J];光電工程;2011年08期

10 張勇;王新賽;;基于紅外的電路板故障診斷技術(shù)國內(nèi)外發(fā)展現(xiàn)狀[J];科協(xié)論壇(下半月);2011年02期

相關(guān)博士學(xué)位論文 前10條

1 胡鴻志;基于相量分析的模擬電路故障診斷方法研究[D];電子科技大學(xué);2015年

2 盧曉光;機(jī)載氣象雷達(dá)信號處理若干關(guān)鍵技術(shù)研究[D];天津大學(xué);2014年

3 楊曉冬;級聯(lián)型STATCOM故障診斷與容錯(cuò)控制研究[D];中國礦業(yè)大學(xué);2014年

4 劉學(xué)藝;極限學(xué)習(xí)機(jī)算法及其在高爐冶煉過程建模中的應(yīng)用研究[D];浙江大學(xué);2013年

5 陳昆亮;汽輪發(fā)電機(jī)組狀態(tài)監(jiān)測與故障預(yù)警系統(tǒng)研究[D];華北電力大學(xué);2012年

6 車平;基于最優(yōu)化的電力系統(tǒng)機(jī)組組合問題研究[D];東北大學(xué);2012年

7 劉麗霞;基于小波理論與LSSVM的模擬集成電路故障診斷方法[D];西安電子科技大學(xué);2011年

8 瞿紅春;民用渦扇發(fā)動(dòng)機(jī)健康智能監(jiān)控技術(shù)的研究[D];天津大學(xué);2010年

9 張可;基于征兆分析的多故障智能診斷方法的研究和應(yīng)用[D];重慶大學(xué);2010年

10 張可畏;電子式高壓電力互感器的設(shè)計(jì)與實(shí)用化研究[D];大連理工大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 劉濤;BMS電路板綜合性能測試系統(tǒng)研究與實(shí)現(xiàn)[D];山東大學(xué);2015年

2 侯興鵬;FC總線記錄分析儀軟件研制[D];電子科技大學(xué);2014年

3 曾佩佩;基于主動(dòng)輪廓模型的PCB紅外圖像分割[D];中國民航大學(xué);2014年

4 景文君;基于人工智能算法的模擬電路板診斷工具研究與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

5 劉海波;基于灰色神經(jīng)網(wǎng)絡(luò)的VOD終點(diǎn)碳溫預(yù)測模型研究[D];西安電子科技大學(xué);2014年

6 陳昭宇;基于知識庫的變流器故障診斷研究[D];上海交通大學(xué);2013年

7 周明;面向AESS的機(jī)載氣象雷達(dá)仿真系統(tǒng)設(shè)計(jì)[D];上海交通大學(xué);2013年

8 田維;復(fù)雜背景下紅外小目標(biāo)檢測算法研究[D];東北大學(xué);2012年

9 李小玉;基于小波分析和遺傳神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷[D];湖南大學(xué);2012年

10 劉寧;便攜式紅外電路故障檢測儀底層軟件設(shè)計(jì)[D];電子科技大學(xué);2012年

，

本文編號：1927125