【技术实现步骤摘要】
本专利技术涉及源载一体机领域，特别涉及一种源载一体机的故障和寿命预测方法、装置、设备及介质。
技术介绍
1、源载一体机在国防军工、航空航天、半导体等领域的测试中有着广泛应用，现有的源载一体机具有简单的故障监测等功能，当某个元器件发生故障后会进行报警，但无法预测电源即将发生的故障和剩余寿命，自主保障、自主诊断的能力不足，导致在设备出现故障后，维修人员才会更换相应的元器件，因此现有的源载一体机不具备故障和寿命的预测功能，无法满足国防军工、航空航天、半导体等高可靠性领域的需求。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种源载一体机的故障和寿命预测方法、装置、设备及介质，能够预测源载一体机的故障和寿命，满足国防军工、航空航天、半导体等高可靠性领域的需求。
2、根据本专利技术第一方面实施例的源载一体机的故障和寿命预测方法，包括以下步骤：
3、获取源载一体机中电解电容的温度采样数据，将电解电容的温度采样数据代入阿列纽斯方程计算出电解电容的寿命；
4、获取源载一体机中各部件的温度数据和环境温度数据，然后进行归一化处理，得到第一归一化数据集；
5、获取源载一体机的关键元器件的基本失效率，将关键元器件的基本失效率代入失效率预计模型计算出关键元器件的工作失效率；获取源载一体机的历史数据和电源设计参数，对源载一体机的历史数据、关键元器件的工作失效率和电源设计参数进行归一化处理，得到第二归一化数据集；>
6、获取源载一体机的电压和电流采样数据，然后进行归一化处理，得到第三归一化数据集；
7、根据第一归一化数据集、第二归一化数据集和第三归一化数据集构建隐马尔科夫模型，通过维特比算法对构建好的隐马尔科夫模型进行求解，根据最优解得出源载一体机中关键元器件将要发生的故障概率；
8、其中，隐马尔科夫模型的表达式为：
9、λ=(a,b,π)，
10、λ为隐马尔科夫模型，a为状态转移概率分布矩阵，b为观测状态概率矩阵，π为元器件的失效率的初始状态分布；状态转移概率分布矩阵通过第一归一化数据集、第二归一化数据集和第三归一化数据集计算得出，观测状态概率矩阵通过第一归一化数据集、第二归一化数据集和第三归一化数据集计算得出，元器件的失效率的初始状态分布通过第二归一化数据集计算得出；
11、根据电解电容的寿命和源载一体机中关键元器件将要发生的故障概率预测源载一体机的剩余寿命。
12、根据本专利技术第一方面实施例的源载一体机的故障和寿命预测方法，至少具有如下有益效果：
13、本专利技术首先获取源载一体机中电解电容的温度采样数据，将电解电容的温度采样数据代入阿列纽斯方程计算出电解电容的寿命；然后获取源载一体机中各部件的温度数据和环境温度数据，然后进行归一化处理，得到第一归一化数据集；然后获取源载一体机的关键元器件的基本失效率，将关键元器件的基本失效率代入失效率预计模型计算出关键元器件的工作失效率；获取源载一体机的历史数据和电源设计参数，对源载一体机的历史数据、关键元器件的工作失效率和电源设计参数进行归一化处理，得到第二归一化数据集；然后获取源载一体机的电压和电流采样数据，然后进行归一化处理，得到第三归一化数据集；最后根据第一归一化数据集、第二归一化数据集和第三归一化数据集构建隐马尔科夫模型，通过维特比算法对构建好的隐马尔科夫模型进行求解，根据最优解得出源载一体机中关键元器件将要发生的故障概率，最后根据电解电容的寿命和源载一体机中关键元器件将要发生的故障概率预测源载一体机的剩余寿命。
14、本专利技术首先计算电解电容的寿命和关键元器件的工作失效率，然后结合源载一体机中各部件的温度数据和环境温度数据、电压和电流采样数据、历史数据和电源设计参数构建隐马尔科夫模型，最后通过维特比算法对隐马尔科夫模型进行求解，获得源载一体机中关键元器件将要发生的故障概率和剩余寿命。能够预测源载一体机的故障和寿命，满足国防军工、航空航天、半导体等高可靠性领域的需求。
15、根据本专利技术的一些实施例，所述将电解电容的温度采样数据代入阿列纽斯方程计算出电解电容的寿命步骤中，阿列纽斯方程的表达式为：
16、，
17、其中，l为环境温度为t时电解电容的寿命，t0为电解电容额定最高使用温度，l0为额定最高使用温度时电解电容的额定寿命，t为环境温度。
18、根据本专利技术的一些实施例，所述源载一体机中各部件的温度数据包括源载一体机中各元器件的温度采样数据、散热器温度数据和pcb板温度数据。
19、根据本专利技术的一些实施例，所述将关键元器件的基本失效率代入失效率预计模型计算出关键元器件的工作失效率步骤中，失效率预计模型的表达式为：
20、=，
21、其中，λp为元器件的工作失效率，λb为元器件的基本失效率，为修正系数，n为该元器件的修正系数的数量。
22、根据本专利技术的一些实施例，所述获取源载一体机的电压和电流采样数据步骤中，源载一体机的电压和电流采样数据包括源载一体机的电源输入电压电流采样数据、源载一体机中各级拓扑的电压电流采样数据。
23、根据本专利技术的一些实施例，所述源载一体机中各级拓扑的输入输出电压和电流采样数据包括无桥pfc拓扑的电压电流采样数据，双向cllc拓扑的电压电流采样数据、三相交错同步buck拓扑的电压电流采样数据。
24、根据本专利技术第二方面实施例的源载一体机的故障和寿命预测装置，包括：
25、电解电容寿命计算单元，所述电解电容寿命计算单元用于获取源载一体机中电解电容的温度采样数据，将电解电容的温度采样数据代入阿列纽斯方程计算出电解电容的寿命；
26、温度数据处理单元，所述温度数据处理单元用于获取源载一体机中各部件的温度数据和环境温度数据，然后进行归一化处理，得到第一归一化数据集；
27、失效率数据处理单元，所述失效率数据处理单元用于获取源载一体机的关键元器件的基本失效率，将关键元器件的基本失效率代入失效率预计模型计算出关键元器件的工作失效率；获取源载一体机的历史数据和电源设计参数，对源载一体机的历史数据、关键元器件的工作失效率和电源设计参数进行归一化处理，得到第二归一化数据集；
28、电流电压数据处理单元，所述电流电压数据处理单元用于获取源载一体机的电压和电流采样数据，然后进行归一化处理，得到第三归一化数据集；
29、故障概率计算单元，所述故障概率计算单元用于根据第一归一化数据集、第二归一化数据集和第三归一化数据集构建隐马尔科夫模型，通过维特比算法对构建好的隐马尔科夫模型进行求解，根据最优解得出源载一体机中关键元器件将要发生的故障概率；
30、其中，隐马尔科夫模型的表达式为：
31、λ=(a,b,π)，
32、λ为隐马尔科夫模型，a为状态转移概率分布矩阵，b为观测状态概率矩阵，π为元器件的失效率的初始状态本文档来自技高网...
【技术保护点】
1.一种源载一体机的故障和寿命预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述将电解电容的温度采样数据代入阿列纽斯方程计算出电解电容的寿命步骤中，阿列纽斯方程的表达式为：
3.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述源载一体机中各部件的温度数据包括源载一体机中各元器件的温度采样数据、散热器温度数据和PCB板温度数据。
4.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述将关键元器件的基本失效率代入失效率预计模型计算出关键元器件的工作失效率步骤中，失效率预计模型的表达式为：
5.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述获取源载一体机的电压和电流采样数据步骤中，源载一体机的电压和电流采样数据包括源载一体机的电源输入电压电流采样数据、源载一体机中各级拓扑的电压电流采样数据。
6.根据权利要求5所述的源载一体机的故障和寿命预测方法，其特征在于，所述源载一体机中各级拓扑的输入输出电压和电流采样数
7.一种源载一体机的故障和寿命预测装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序或指令，所述处理器执行所述计算机程序或指令时实现权利要求1至6中任一项所述的源载一体机的故障和寿命预测方法。
9.一种存储介质，所述存储介质为计算机可读存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1至6中任一项所述的源载一体机的故障和寿命预测方法的步骤。
...【技术特征摘要】
1.一种源载一体机的故障和寿命预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述将电解电容的温度采样数据代入阿列纽斯方程计算出电解电容的寿命步骤中，阿列纽斯方程的表达式为：
3.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述源载一体机中各部件的温度数据包括源载一体机中各元器件的温度采样数据、散热器温度数据和pcb板温度数据。
4.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述将关键元器件的基本失效率代入失效率预计模型计算出关键元器件的工作失效率步骤中，失效率预计模型的表达式为：
5.根据权利要求1所述的源载一体机的故障和寿命预测方法，其特征在于，所述获取源载一体机的电压和电流采样数据步骤中，源载一体机的电压和电流采样数据包括源载一体机的电源输入电压电流采样数据...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，
申请(专利权)人：湖南恩智测控技术有限公司，
类型：发明
国别省市：
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。