基于特征参数退化的DC/DC变换器故障预测

本资料包含pdf文件1个，下载需要1积分

Fault prediction method of DC/DC converterparameter degradationbased on characteristicWu Yi，Wang Youren，Jiang Yuanyuan，Lin Hua(Colege ofAutomation Engineering，Na ng University ofAeronautics and Astronautics，Na ng 210016，China)Abstract：Aiming at the problem of fault prediction of DC/DC converters，the failure characteristic parameter that canreflect the performance degradation status of the converter is studied，and a failure prediction method of DC/DC con-verter based on the degradation of characteristic parameters is proposed.Firstly，the failure mechanisms of the keycomponents in the converter are analyzed and the failure sensitive parameters that reflect the degradation rules of thecomponents are determ ined.Then，considering the efect of component degradation on the overal perform ance of theconverter，the change rate of the output voltage o2is taken as the failure characteristic parameter of the converter，which can reflect the failure states of both converter and components.Lastly，Least Square(LS)method，Grey Systemand Least Square Support Vector Machine(LS-SVM)algorithms are used separately to predict the time series of DC-DC converter fault characteristic parameters and realize the failure prediction of DC/DC converter，and the predictionresults are compared and analyzed.The Boost circuit was taken as an example to carry out simulation and experi-ment，which validates the effectiveness and accuracy of the proposed method。

Keywords：DC/DC converter；fault characteristic parameter；fault prediction引随着飞机用电设备的日益增多和全电飞机”概念的提出，机载电子设备的用电量大幅增加，对飞机电源系统的供电品质提出了更高的要求。此外，飞机电源系统长期运作在高空恶劣环境下，其发生故障的潜在可能性相对较大。因此，飞机电源系统的可靠性和安全性问题收稿 日期 ：2012-05 Received Date：2012-05基金项目：航空科学基金项目(2011ZD52050)、江苏省普通高校研究生科研创新计划项 目(CXLX110183)、南京航空航天大学基本科研业务费专项科研项目(NP2011007)资助lI目第6期 吴 祚 等：基于特征参数退化的DC/DC变换器故障预测 1381越来越受到重视 。传统飞机维修保障策略主要为事后维修和定期维修，耗资较大且效率较低。国外研究人员提出了故障预测与降管理(prognostics and health man。

agement，PHM)概念，将现行的维修策略转变为预测性维修，从而降低了维护费用，提高了系统可靠性。目前，PHM技术已广泛应用于飞机发动机、机体结构等机械系统中，在飞机电源系统中引入 PHM技术将成为必然的研究趋势及热点。PHM技术的核心内容为故障预测技术，而功率变换器是飞机电源系统中二次电源及机体电源的重要组成部分，因此，对功率变换器进行故障预测技术的研究具有重要的理论意义和应用前景。

目前，国内外对功率变换器故障预测的研究内容主要集中在变换器关键元器件的故障预测。研究方法为：通过参数辨识 获取变换器中待预测元器件的失效敏感参数值，然后利用预测算法对其进行预测，如：基于卡尔曼滤波的电解电容器故障预测 ；基于高斯回归的 MOSFET剩余寿命预测 。该方法在变换器结构较复杂的情况下，无法实现所有关键元器件的辨识与预测；同时，无法对变换器进行整体性能评估，具有-定的局限性。

本文面向 DC/DC变换器电路级故障预测，综合考虑变换器中多个关键元器件的性能退化情况 ，提出能反映变换器退化状况的故障特征参数；分析变换器的故障特征参数与元器件性能退化程度之间的关系；最后 ，采用最小二乘(1east square，LS)、灰色系统及最小二乘支持向量机(1east square support vector machines，LS-SVM)多种算法实现故障特征参数时间序列预测，并进行对比分析。

2 DC/DC变换器故障特征参数选劝分析变换器故障特征参数的大小变化与故障程度的变化趋势相-致，即变换器故障程度越大，故障特征参数的变化越大。为确定故障特征参数的定义及其变化规律，首先对变换器中关键元器件的失效机理进行简要分析，确定元器件失效敏感参数；然后分析故障特征参数与变换器工作条件以及元器件退化程度之间的关系。

2.1 关键元器件失效敏感参数分析DC/DC变换器中，电解电容和功率 MOSFET的故障概率之和高达 91%[51，是电路中最易发生故障的元器件，因此，主要分析 电解 电容 和功率 MOSFET的退化特性。

2.1.1 电解电容失效敏感参数分析电解电容内部物理、化学反应引起最显著的退化特性是电解液的损失，电解电容等效电路模型如图 1所示，图中，ESR为电解电容器的等效串联电阻。电解液的损失会导致电容 c的减型 ESR的增大 。在核温为 的条件下，t时刻的ESR(t)与其初始值ESR(0)近似满足式(1)的关系 ，即：南 鬲1 1-k 7o/ ) (1)式中： 为常数，由电容的材料结构参数决定。

选择 ESR作为电解电容的失效敏感参数，以ESR增大为初始值的3倍(即ESR(t)>3ESR(0))作为电解电容的失效判据。

C ESR- .-[二 图1 电解电容等效电路模型Fig.1 The equivalent circuit model of anelectrolytic capacitor2.1.2 功率 MOSFET失效敏感参数分析功率 MOSFET 的失效分为破坏性失效和非破坏性失效。破坏性失效-旦发生，器件瞬间损坏。非破坏性失效发生时，器件不会瞬间失效，而是随着时间的增加，导通电阻 尺 阈值电压 逐渐增大，跨导 g 逐渐减小，从而使功率MOSFET工作特性发生变化。功率MOSFET阈值电压的变化量 AVt 与器件工作时间t的关系满足式(2) ，即：AVthat (2)式中：a、n为常数，由具体器件型号决定。

选择阈值电压 作为功率 MOSFET的失效敏感参数，以阈值电压变化 20%(△ >20%Vt (0))作为功率 MOSFET的失效判据 。

2.2 DC/DC变换器故障特征参数DC/DC变换器整体性能的退化主要由关键元器件性能退化引起，合适的DC/DC变换器故障特征参数既要能反映元器件性能的退化情况，又能表征 DC/DC变换器整体的降状况。目前，对 DC/DC变换器进行性能评估大多数通过监测 由电容性能退化引起的电路输出参数(如纹波电压 、输出功率、输出电压等)，然而，输出参数的改变，并非仅由电容性能退化引起。

本文将工作条件和功率 MOSFET对变换器性能退化的影响同时考虑进来 ，给出 DC/DC变换器的故障特征参数。以输出电压变化率 ∞作为表征变换器性能退化的故障特征参数，其定义如下：∞ f l×10% ㈩式中： 二 、Uo 表示在工作条件为日时，变换器元器件失效敏感参数分别在初始情况和退化情况下，变换器的输出平均电压。

工作条件 由变换器的输人电压 、负载电阻 以及开关的占空比D组成，可以表示为式(4)：日 (Ui，R，D) (4)1382 仪 器 仪 表 学 报 第 3 4卷当变换器拓扑结构-定时，其输出平均电压可表示为工作条件以及各元器件失效敏感参数的函数，即： (H，C(0)，ESR(O)， (0)) (5)Uo (H，C，ESR， ) (6)式中：c(o)、ESR(O)、 (0)分别表示元器件失效敏感参数的初始值；C、ESR、 分别表示元器件失效敏感参数的退化值。

由于 c(o)、ESR(O)、 (0)固定不变，因此：lⅣ f∞I -1 1g(H，C，ESR V) (7) lU。 t I由式(7)可知，若已知日，则∞能够很好地反映ESR、c、 的变化。同时，09又能反映变换器输出参数的退化状况。因此，可以将 ∞作为 DC/DC变换器的故障特征参数。

2.3 DC/DC变换器故障特征参数的变化规律分析以DC/DC变换器中的 Boost电路为例，分析变换器故障特征参数的变化规律。在该例中，改变电路的输入电压以改变电路工作条件，改变电容的 C、ESR和功率MOSFET的 模拟元器件的退化过程。

利用 PSpice 9.2进行电路仿真，并利用 MATLAB7.8.0对采样数据进行处理，获取不同条件下的 ∞，如表 1所示；建立 ∞随 C、ESR、 的变化关系，如图2所示。

表1 各时刻，电路的U 、ESR，c、V 及∞的仿真值Table 1 The simulation results of Ui，ESR，C，andoat diferenttime图2 n，随ESR、C、 h变化的曲线Fig.2 The variation curves of VS.ESR，C and由图2可知：在输入电压不变的条件下， 随ESR的增大几乎呈线性增大，nJ随vt 的增大而增大，随c的增大而减校由表1可知：随着时间的增加，即元器件退化程度的增加，虽然输入电压在-定范围内波动变换，但是∞总体呈增大趋势。因此， 的变化体现了电路及元器件的.眭能退化隋况。

3 DC/DC变换器故障预测方法及算法3.1 故障预测方法基于特征参数退化的DC/DC变换器故障预测方法即在提取变换器故障特征参数的基础上，通过预测故障特征参数的值来实现变换器的故障预测，其主要流程如下：1)采集变换器状态信号：实时监测待预测变换器的工作参数，如输入电压、开关 占空比等；采集输出电压波形数据；2)计算变换器故障特征参数：利用当前实测工作参数计算理想输出平均电压，利用采集的输出电压数据计算实际输出平均电压，通过式(3)计算得到变换器故障特征参数∞；3)故障预测：对故障特征参数进行预测，将预测值与故障阈值相比，若未达到故障阈值，认为变换器仍可以继续运作，重复步骤2)；若达到故障阈值，则变换器发生故障，应采取相应维修或更换措施。

-誉)埒 趟 丑簿 - v酹 趟 稿铎第6期 吴 祚 等：基于特征参数退化的DC/DC变换器故障预测 13833.2 故障预测算法通过学习挖掘 DC/DC变换器故障特征参数所隐含的内在变化规律，即可得出变换器的故障演化情况。由此，变换器故障预测问题可抽象为故障特征参数的时间序列预测问题” ，现有的常用时间序列预测方法包括传统统计学时间序列预测方法、递推最小二乘 自适应滤波器方法 ，以及人工神经网络、支持向量机等智能方法。根据所建时间序列演化方程的不同，可将时间序列预测方法分为趋势拟合法和数据相关法，两种方法应用于变换器故障预测中的具体流程如图3所示。

已知故障特征参数的历史数据∞ 1，，”)数据相关 趋势拟合灰色系统 异法 外推法 外推法CO ∞ ∞ 1，COb2.-，COIb)单步或多步预测、 r 、 rCO I d ∞ l，cokd-2'""∞十 )图3 故障特征参数预测的算法实现框图Fig.3 The algorithm block diagram of predicting faultcharacteristic parameters3.2.1 趋势拟合法趋势拟合外推法的基本思想是利用预测算法对历史数据进行拟合，得到故障特征参数与时间的关系曲线，然后根据该关系曲线确定未来时刻的预测值。LS算法和灰色系统 均属于该类方法，两者具有原理简单、所需历史数据少等优点，目前两种算法在 DC/DC变换器故障预测中的应用研究较少。本文提出基于灰色系统的变换器故障预测方法，主要步骤为：1)通过数据采集与处理方法获取第 1时刻至第n时刻的故障特征参数历史数据 ∞ (k1，，n)；2)对历史数据进行-次累加，然后利用累加数据建立灰色方程，得到灰色GM(1，1)预测模型，如式(8)所示：(cJ 1(1-e。)[ l-u/a]e- (8)式中：U、a均为模型参数；3)根据预测模型获得五l，k2，，k十d时刻的故障特征参数，实现d步预测。

3.2.2 数据相关法数据相关外推法的基本思想是建立当前时刻的故障特征参数与前几个时刻的故障特征参数的关系式，以实现未来时刻的预测。LS.SVM” 是-种采用结构风险最携准则的机器学习算法，泛化能力强、训练效率高，适合于该类方法的使用。LS-SVM算法应用于变换器故障预测的主要步骤为：1)通过数据采集与处理方法获取第 1时刻至第 /'t时刻的故障特征参数历史数据 ∞ (k1，，n)。

2)确定相空间的延迟时间 和嵌人维数D，构造输入、输 出 向 量 对。 重 构 的 相 空 间 为：w [∞ ，- ，， -(口-I) ]。

3)设置 LS-SVM模型的参数，包括正则化参数以及核函数的参数。

4)训练 LS.SVM 回归模型，构造核函数矩阵并求解Ⅳ维线性方程组，计算出拉格朗日乘子和偏移值，最终得到回归函数：l厂(w)W·咖(w)十b∑( - )K(W， )b(9)式中： (w，Wi) (Wi)· (W)为核函数，选择不同形式的核函数可以生成不同的支持向量机。

5)对预测模型。厂(w)输入预测向量即可得到预测输出，实现单步或多步预测。

4 故障预测实例与结果分析以典型 Boost电路的故障预测为例，分别通过仿真和物理实验对所提方法的可行性与有效性进行验证。仿真实验通过设置不同时刻元器件失效敏感参数值，模拟电路退化过程；物理实验主要通过恒定温度应力加速退化实验对关键元器件 ：电解电容、电感 、二极管、功率 MOS-FET进行加速老化实验，设置 Binder MK240高低温试验箱温度为 100℃，以5 h作为-个应力间隔，连续进行 2200 h实验，获取不同老化程度的元器件，并将其芭在电路中，进行电路级性能退化的分析。

实验中采用 PSpice 9.2进行电路仿真获取仿真电路的状态信号，采用研华工控机及 PCI-1714数据采集卡实时采集物理电路的状态信号，采用 MATLAB7.8.0编程实现故障特征参数的计算及预测。

Boost电路典型的开环控制电路图及各元器件初始参数设置如图 4所示，开关管采用 IRF640，开关频率f：40 kHz，占空比D0.4；电感L470 H；电容 C470 tzF，等效串联电阻ESR0.9 n；负载为R：10 n的阻性负载。

图4 Boost电路图Fig.4 Circuit diagram of the Boost converter1384 仪 器 仪 表 学 报 第 3 4卷4.1 Boost电路参数设置4.1.1 元器件失效敏感参数退化值设置在电路实际工作中，利用式(1)模拟 ESR的退化过 -程，设定T300 K，ESR(O)0.9 Q，k2 000；利用式 鼍(2)模拟 的退化过程，设定00.05，n0.3；C随时间大致呈幂指数函数变化。依据各元器件随时问的变化规律，设置仿真实验中不同时刻的元器件失效敏感参数值，模拟电路的退化过程。

4.1.2 电路工作条件设置由于输入电压 会受到环境因素的干扰，因此，实验中设定 在标准值 ±10% 范围内波动，将开关占空比不变和负载电阻理想设置为恒定不变。

4.2 实验结果及分析4.2.1 仿真实验结果选取表 1中 1～10时刻的 tO作为训练样本，分别利用 LS、灰色系统及 LS.SVM对第 11～15时刻的 进行预测 ，实际曲线与预测曲线如图5所示，图中深色曲线为 0的仿真值，浅色曲线为 ∞的预测值。

鲁时间/×100h(a)LS算法对∞的预测曲线(a)The prediction curves ofsimalationdata uding LS algorithms时间/×100 h(b)灰色系统算法对CO的预测曲线(b)The prediction curves ofsimulation datausing grey system algorithms时间/×100 h(c、LS-SVM算法对fa的预14l曲线(c)The prediction curves ofsimulationdata using LS-SVM algorithms图5 仿真实验中，3种算法对 的预测曲线Fig.5 The Prediction cuYves of simulation datausiog three algorithms表2为第 11～15时刻利用 LS、灰色系统及 LS-SVM得到的∞的预测结果及相对误差。

表2 仿真实验中，3种预测算法的结果对比Table 2 The prediction reset comparison of simulation data using three algorithms4.2.2 物理实验结果将前 l0个时刻∞的实验值作为训练样本，分别利用LS、灰色系统及 LS-SVM对第 2 084、2 200时刻的山进行预测。实验曲线与预测曲线如图6所示，图中黑色曲线为 的仿真值，深色曲线为 的预测值，浅色曲线为 的实验值。

第 6期 吴 袢 等：基于特征参数退化的 DC/DC变换器故障预测 1385500 1 000 1 500 2 000 2 500时间，Il(a)Ls算法对∞的预测曲线(a)The prediction curves ofexperiment500 l 000 500 2 000 2 500时间门1(b)灰色系统算法对∞的预测曲线(b)Tile prediction curves ofexperimentdata using grey system algorithms时间m(c)LS-SVM算法对co的预测曲线(c)The prediction curves ofexperiment datausing LS-SVM algorithms图6 物理实验中，3种算法对 的预测曲线Fig.6 The prediction curves of experiment datausing three algorithms表3为第2 084、2 200时刻利用 Ls、灰色系统及 LS。

表 3 物理实验中。3种预测算法的结果对比Table 3 The prediction result comparison of experiment data using three algorithms4.2.3 结果分析由表2和表3可知，3种预测算法均可实现故障特征参数的多步预测 ，随着预测步数的增大，相对误差基本呈增大趋势。在仿真实验结果中，Ls算法 的预测效果最好，其最小相对误差仅为 0.198% ，LS.SVM算法的预测效果略好于灰色系统；在物理实验结果中，Ls和灰色系统算法的短期预测效果较好，灰色系统在2 084 h时刻的预测相对误差仅为 0.501 7%，LS-SVM算法的预测相对误差均小于 10%。

分析上述实验结果 ，在仿真实验中，工作条件较为理想，故障特征参数的变化较为平稳，因此，Ls算法预测精度较高；灰色系统按照指数规律对序列数据进行拟合 ，而故障特征参数由于受噪声干扰，其变化趋势并不完全符合指数规律，因此，灰色系统在长期预测中的预测误差较大；LS-SVM算法在 2种实验结果中，均获得较好的结果。

综上，不同的故障预测算法具有不同的适用性，Ls算法及灰色系统实现简单、工作量少，Ls算法适合于序列变化较为平稳的短期预测 ，而灰色系统适合于序列以某-指数规律发展的短期预测；LS-SVM预测算法能够在小样本的条件下，最大限度地发掘数据中的隐含分类知识，对非线性 、非平稳序列具有较好的预测效果和泛化能力，具有-定的普适性。

5 结 论针对 DC/DC变换器电路级故障预测问题，提出了-种基于变换器特征参数退化的故障预测方法，以Boost电路为例，提取故障特征参数并采用多种故障预测算法对其进行预测，验证了该方法的有效性。根据实验结果与分析，可得出以下结论：1)DC/DC变换器输出电压变化率 既能很好地反映多个元器件的性能退化状况，又能反映变换器退化状况，并且该参数在变换器实际工作中较易获龋因此，将其作为变换器的故障特征参数具有-定的可行性。

2)所提 DC/DC变换器故障预测方法通过监测表征变换器降状态的特征信号，获取故障特征参数，利用各种预测算法实现故障特征参数的预测，操作简单 ，易于实现，具有-定的通用性。同时该方法考虑了电解电容与功率 MOSFET对变换器性能退化的影响，实现了多个元1386 仪 器 仪 表 学 报 第 3 4卷器件退化的电路级故障预测。

3)不同的故障预测算法具有不同的适用诚，在实际应用中，应根据变换器故障特征参数的实际退化规律以及预测步数的要求，选择最优故障预测算法。本文所 l 9 J采用的灰色系统故障预测方法在长期预测中精度明显下降，如何改进该方法以提高其故障预测效果将是后续进- 步研究和解决的问题。