本发明专利技术公开了一种基于数据挖掘的硬件电路FMEA分析方法，其针对研究元器件的故障表征方式建立相应的故障仿真模型，在正常电路中针对每个元器件遍历注入其故障模型，获取潜在故障电路，并于仿真工具内生成正常电路仿真结果与故障电路仿真结果；再比较各个故障电路仿真结果与正常电路仿真结果之间的差异，提取差异特征值，通过对所述差异特征值的聚类分析，获取硬件电路的故障模式；最后依据FMEA基本方法，结合所述硬件电路的故障模式完成FMEA处理，自动生成相应的FMEA报告。本发明专利技术能最大限度地降低对FMEA人员在电路功能认识、FMEA处理经验的要求，是一种简易高效的方法。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于数据挖掘的硬件电路FMEA分析方法，其针对研究元器件的故障表征方式建立相应的故障仿真模型，在正常电路中针对每个元器件遍历注入其故障模型，获取潜在故障电路，并于仿真工具内生成正常电路仿真结果与故障电路仿真结果；再比较各个故障电路仿真结果与正常电路仿真结果之间的差异，提取差异特征值，通过对所述差异特征值的聚类分析，获取硬件电路的故障模式；最后依据FMEA基本方法，结合所述硬件电路的故障模式完成FMEA处理，自动生成相应的FMEA报告。本专利技术能最大限度地降低对FMEA人员在电路功能认识、FMEA处理经验的要求，是一种简易高效的方法。【专利说明】一种基于数据挖掘的硬件电路FMEA分析方法
本专利技术属于硬件电路可靠性预计分析领域，具体涉及一种基于数据挖掘的硬件电路FMEA分析方法。
技术介绍
硬件电路FMEA分析处理技术是一种为预计硬件电路可靠性信息，以提出改进方案，从而提高硬件电路可靠程度的技术。它以分析硬件电路潜在的故障模式为手段，系统地评估潜在故障模式的发生程度、发生时对整体系统造成损害的严重程度、可检测程度等，继而综合得出硬件电路的可靠程度信息，并以此提出可能的改进修正方案。 传统的硬件电路FMEA分析方法，大多仍以电路内部元器件自身的故障模式作为硬件电路的故障模式，并逐层向上推断其影响。这种方法依赖FMEA人员丰富的经验及海量的统计数据，使得传统的FMEA方法带有很强的主观性和局限性，复杂且效率低下。
技术实现思路
本专利技术的目的在于克服现有技术中所存在的上述不足，提供一种基于数据挖掘的硬件电路FMEA分析方法，其不要求硬件电路FMEA人员对待分析电路的功能及运行机制有完整的认识，也不要求其对FMEA分析流程具有充足的经验，简易高效。 为了实现上述专利技术目的，本专利技术采用的技术方案是: 一种基于数据挖掘的硬件电路FMEA分析方法，包括如下步骤: 步骤一，故障建模步骤:通过研究各个元器件在自身潜在故障模式下的输出表征形式建立每个元器件的故障仿真模型，实现故障建模； 步骤二，故障注入及仿真处理步骤:以遍历注入方式将步骤一中建立好的元器件故障仿真模型加载引入正常电路中形成潜在故障电路，完成故障仿真模型遍历注入后，分别进行正常电路仿真与故障电路仿真，获取正常电路仿真结果与故障电路仿真结果； 步骤三:数据挖掘步骤:比较各个故障电路仿真结果与正常电路仿真结果之间的差异，提取每个故障电路仿真结果相较于正常电路仿真结果的差异特征值，通过对所述差异特征值的聚类分析，获取硬件电路的故障模式； 步骤四:FMEA操作步骤:依据FMEA基本方法，结合所述硬件电路的故障模式完成FMEA处理，自动生成相应的FMEA报告。 其中，所述步骤二中将建立好的元器件故障仿真模型加载引入正常电路中具体为:通过修改电路网表文件将建立好的元器件故障仿真模型加载弓I入正常电路中。 所述步骤三中，提取每个故障电路仿真结果相较于正常电路仿真结果的差异特征值具体为:比较故障电路仿真结果的波形数据与正常电路仿真结果的波形数据之间的差异，计算每一故障电路仿真结果相较于正常电路仿真结果的差异特征值。 进一步的，计算每一故障电路仿真结果相较于正常电路仿真结果的差异特征值具体包括:计算每一故障电路仿真结果与正常电路仿真结果相比之绝对距离值；计算每一故障电路仿真结果与正常电路仿真结果相比之皮尔逊互相关系数值；和/或，计算每一故障电路仿真结果与正常电路仿真结果相比之幅度均值比。 所述步骤三中通过对所述差异特征值的聚类分析，获取硬件电路的故障模式具体为:通过结合分裂聚类的k-means聚类处理方法或基于学习的非权矢量聚类处理方法对所述差异特征值进行聚类分析，获取硬件电路的故障模式，实现硬件电路故障模式的划分。 进一步的，所述结合分裂聚类的k-means聚类处理方法具体为:根据设置的故障判定门限以及为特征值设置的初始划分类别反复进行k-means聚类处理，若k-means聚类准则函数无法收敛，则检索已有类别内部成员特征值，将互异的成员特征值进行分裂处理，直至满足k-means聚类准则函数；聚类处理所得的类别为硬件电路基于输出表征的故障模式类别。 进一步的，所述基于学习的非权矢量聚类处理方法具体为:将所述绝对距离值、皮尔逊互相关系数值、幅度均值比整合为非权矢量，根据设置的特征值故障判定门限不断学习剩余特征矢量，合并相近特征矢量，分离互异特征矢量，直至完成对所有剩余特征矢量的类别分配；聚类处理所得的类别为硬件电路基于输出表征的故障模式类别。 优选的，所述FMEA操作具体有四个步骤:(I)根据已有的基于输出表征的硬件电路故障模式，计算每一个故障模式的发生率；(2)根据每一故障模式的输出表征，分析其对局部电路、高层电路及整体电路的影响程度，并确定其严酷度；(3)根据所述发生率和严酷度，映射每一故障模式的RPN值；(4)确定故障模式发生后的补偿措施及其它备注信息。 与现有技术相比，本专利技术的有益效果: 本专利技术针对已有的硬件电路FMEA分析方法，提出一种基于数据挖掘的硬件电路FMEA分析方法，本专利技术通过研究各个元器件在自身潜在故障模式下的输出表征形式建立每个元器件的故障仿真模型，再将元器件的故障仿真模型注入正常电路进行仿真处理比较，以数据挖掘的方法实现对硬件电路故障模式的划分，最终根据获取的硬件电路故障模式进行标准的FMEA处理。本专利技术能最大限度地降低对FMEA人员在电路功能认识、FMEA处理经验的要求，是一种简易高效的方法。 【专利附图】【附图说明】 : 图1是本专利技术基于数据挖掘的硬件电路FMEA分析方法流程图； 图2本专利技术实施例1所选用的电路原理图； 图3本专利技术实施例1所选用的基于单个特征值的聚类流程图； 图4本专利技术实施例1所选用的基于特征矢量的聚类流程图； 图5本专利技术实例软件的基于数据挖掘的FMEA处理软件主界面； 图6本专利技术实例软件的特征值分析结果示意图； 图7本专利技术实例软件的单特征值的k-means聚类软件界面； 图8本专利技术实例软件的距离检测结果聚类分配示意图； 图9本专利技术实例软件的单参数k-means聚类结果示意图； 图10本专利技术实例软件的基于特征矢量的聚类界面； 图11本专利技术实例软件的FMEA统计界面； 图12本专利技术实例软件的严酷度选择及RPN值映射示意图图； 图13本专利技术实例软件的FMEA报表生成示意图图； 图14本专利技术实例软件的FMEA表格(Excel)示意图； 图15本专利技术实例软件的FMEA分析报告(Word)生成界面示意图； 图16本专利技术实例软件的FMEA分析报告(word)模板示意图； 图17为专利技术实施例中计数器电路基于单特征值的k-means聚类结果图； 图18为专利技术实施例中计数器电路基于特征矢量的聚类结果图。 【具体实施方式】 下面结合【具体实施方式】对本专利技术作进一步的详细描述。但不应将此理解为本专利技术上述主题的范围仅限于以下的实施例，凡基于本
技术实现思路
所实现的技术均属于本专利技术的范围。 本专利技术利用硬件电路的故障仿真技术，获取硬件电路的潜在故障仿真输出，作为硬件电路的故障模式表征形式。硬件电路的故障仿真技术是一种为本文档来自技高网...
【技术保护点】
一种基于数据挖掘的硬件电路FMEA分析方法，其特征在于，包括如下步骤： 步骤一：故障建模步骤：通过研究各个元器件在自身潜在故障模式下的输出表征形式建立每个元器件的故障仿真模型，实现故障建模； 步骤二：故障注入及仿真处理步骤：以遍历注入方式将步骤一中建立好的元器件故障仿真模型加载引入正常电路中形成潜在故障电路，完成故障仿真模型遍历注入后，分别进行正常电路仿真与故障电路仿真，获取正常电路仿真结果与故障电路仿真结果； 步骤三：数据挖掘步骤：比较各个故障电路仿真结果与正常电路仿真结果之间的差异，提取每个故障电路仿真结果相较于正常电路仿真结果的差异特征值，通过对所述差异特征值的聚类分析，获取硬件电路的故障模式；步骤四：FMEA操作步骤：依据FMEA基本方法，结合所述硬件电路的故障模式完成FMEA处理，自动生成相应的FMEA报告。
【技术特征摘要】
【专利技术属性】
技术研发人员：何春，赵和平，刘欣，宗竹林，黎亮，蒋剑，朱娟，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。