CN103018658B - 一种基于伏安特性曲线的线路板健康状态监测方法 - Google Patents

Abstract

本发明公开了一种基于伏安特性曲线测试数据的线路板健康状态监测方法。该方法可以在保证数据完备性的同时，将数字图像的表示方法应用于线路板任意两点间的伏安特性曲线存储，节点分组曲线以电路灰度图的形式作为线路板的特征信息。将伏安特性曲线中的电压和电流数据分别进行标幺处理，然后按元件管脚形成的所有曲线按节点进行归类，分别按节点对曲线进行混叠，对每个像素区域中的落点进行归结统计表示成灰度，所有像素的集合形成表征节点固有特性的数字图像，通过求不同状态下每个节点电路灰度图的互相关性，判断出线路板的健康状态。本发明的方法实现了对海量数据的转换与压缩，极大地缩小了数据的存储规模，提高了对线路板健康状态监测的速度、效率和准确性。

Description

一种基于伏安特性曲线的线路板健康状态监测方法

技术领域

本发明涉及一种基于伏安特性曲线的线路板健康状态监测方法，属测试诊断技术领域，可适用于任何线路板健康状态的监测，实现了将线路板任意两点间的伏安特性曲线按节点分组的方式表示为数字图像的形式，利用节点数字图像的互相关性来判断线路板的健康状态。

背景技术

近年来，各式各样的线路板越来越多，涉及的技术也越来越复杂，相应的线路板健康状态监测的难度也越来越大，特别是对没有电路原理图以及相关资料的线路板要完成其健康状态监测更是难上加难，各级修理单位客观上已经很难达到维修大纲所要求的设备维修等级。因此，找到一种简单易行、快速有效的线路板状态自动监测方法已迫在眉睫。

电路伏安特性曲线测试作为用万用表对线路板进行检测的一种自然延伸，无论是过去还是现在仍然是广泛使用的集成线路板状态监测方法之一。它有诸多优势，一是易于上手，不涉及电路原理图，无需电路处于工作状态，仅需在元件两端施加一个扫描波(通常是交流正弦波)，通过对比与正常状态下的伏安特性曲线的差异就能发现故障，非常容易掌握；二是不涉及电路板上器件的功能，无论是数字器件、模拟器件、专用器件还是分离元件均可测试；三是伏安特性曲线测试是逐点进行测试的，基本上不受电路板上元器件封装的限制。四是对元件任意两个管脚都能测试伏安特性曲线，信息含量异常丰富。目前市场上能完成线路板伏安特性曲线测试的仪器非常多(电路在线维修测试仪)，但是却都存在一个问题，即测得的伏安特性曲线数据只能通过以即时图形的显示方式，靠用户通过肉眼来比对所测伏安特性曲线的异同判断电子元器件的好坏或以原始数据存入计算机，作为以后进行监测的参照标准，也得靠人来完成各种数据的比对，而且数据的存储量巨大，非常不便于线路板状态的监测与管理，更不能通过如此巨大的数据量来完成线路板健康状态的自动监测。因此，研究一种对线路板伏安特性曲线的海量测试数据的转换与压缩方法，且使得能通过伏安特性曲线数据信息完成对线路板健康状态的监测具有重要意义。

发明内容

本发明涉及到一种基于伏安特性曲线测试数据的线路板健康状态监测方法，该方法通过将数字图像的表示方法应用于线路板任意两点间的伏安特性曲线存储，节点分组曲线以电路灰度图的形式作为线路板的特征信息，通过求不同状态下节点电路灰度图的互相关性来完成线路板健康状态的监测。具体的实现步骤如下：将线路板任意元件管脚得到的伏安特性曲线中的电压和电流数据分别进行标幺处理，按元件管脚形成的所有曲线按节点进行归类，对节点组曲线进行混叠，对每个像素区域中的落点进行归结统计表示成灰度，所有像素的集合形成表征节点固有特性的数字图像，最后通过求不同状态下每个节点电路灰度图的互相关性，判断出线路板的健康状态。

该方法通过数字图像的形式保存各个电路节点的伏安特性曲线数据信息，实现了对海量数据的转换与压缩，极大地缩小了数据的存储规模，提高了对线路板健康状态监测的速度、效率和准确性。

具体实施方式

虽然目前通过电路在线维修测试仪很容易得到线路板任意两个元件引脚之间的伏安特性曲线数据，而且仪器还能自动调节输出电压和输出阻抗来完成对反应电路故障灵敏度最高曲线的拾取，但面对一块线路板数据量如此巨大的伏安特性曲线数据则无能为力，只能通过一条条曲线的人工比对来完成线路板健康状态的监测。因此，如何完成如此巨大的伏安特性曲线测试数据的压缩与转换，从中提取出能反应线路板健康状态的敏感信息将至关重要。

为了达到上述目的，本发明的方法是这样实现的：

1、将所有伏安特性曲线中的电压和电流数据分别进行标幺处理

线路板在进行伏安特性曲线测试的时候，由于线路板中每个元器件的工作电压或最佳扫描电压可能不一样，同时得到的电流也可能千差万别，为了实现曲线图像的等尺度显示，需要首先消除数据的量纲不同引起的差异，在电路系统分析和工程计算中称之为标幺(或无量纲化)。具体的做法为：

标幺值＝实际值/基值        (1)

通常在实际操作中选择实际值变化范围的最大值或极限值作为基值。本发明中所采用的做法就是采用实际值的绝对值最大值作为基值。假设某一条采样的伏安特性曲线的实际电压值表示为V_i，对应的标幺值表示为(i为采样的序号，n为采样位数)，则(1)式变为具体的数学表达式，如(2)所示：

${\tilde{V}}_i=\frac{V_i}{\underset{i\∈[1,n]}{\max }\left({\left|V\right|}_i\right)}---\left(2\right)$

对伏安特性曲线数据中的电流值也采用同样的处理方式，将把所有伏安特性曲线的数据缩放到[-1，1]范围，消除了数据量纲不同引起的影响。

2、节点曲线分组与混叠

首先，明确几个概念，本发明将一个元件引脚对其他任何元件引脚(包括元件引脚本身)形成的伏安特性曲线集合称为节点曲线组。把按这种方式将曲线分组的过程称为节点曲线分组。将线路板上器件的任何两个管脚组成的节点都进行伏安特性曲线测试的方法称为多节点测试方式。将对1-2和2-1都进行测试的方式称为对称方式。将包含对参考脚本身的测试方式称为含参考脚测试，正常情况下此节点曲线是一条短路曲线。本发明讨论的伏安特性曲线测试数据就是在多节点对称含参考脚测试情况下得到的。比如，一个线路板由很多元件引脚形成了512个节点，那么做多节点对称含参考脚伏安特性曲线测试的时候一个引脚将能够和其他任意511个引脚和引脚自己本身得到512条不同的曲线，这512条曲线就构成了这个节点的节点曲线组。

在将所有伏安特性曲线测试数据标幺处理之后，实际按节点对曲线进行分组并把同一节点的所有伏安特性曲线数据绘制在同一坐标系的过程即实现了曲线数据的混叠。

3、叠加曲线像素区域中落点的归结与统计

类似数字图像的表示，需要确定图像的分辨率，在将伏安特性曲线测试数据转化为利用数字图像灰度值表示的过程中也存在这个问题，首先需要对无量纲后数据形成的[-1，1]×[-1，1]区域进行合适的划分，形成电路节点灰度图的分辨率。比如在横轴和纵轴以0.02为步长对[-1，1]×[-1，1]区域进行划分，形成100×100像素的数字图像区域。与数字图像像素概念一样，并不是划分的区域越密越好，太高的像素会增加数据的存储规模，增大数据处理的难度，但步长太大划分区域越疏，虽然可以减少数据的存储规模，却会使图像失真过大，降低对曲线的识别能力。所以选择一个合适分辨率既保证对数据的分辨率又能降低数据存储规模至关重要。节点曲线组采样对的总数是影响图像分辨率的关键因素。经仿真分析表明，采样对总数与分辨率比值在20～25之间既降低了存储规模，又最有利于线路板健康状态的监测。然后对伏安特性曲线数据无量纲处理混叠后形成的V-I数据对进行像素区域落点的判断，具体的判断公式如下式(3)所示：

$x_j<{\tilde{I}}_i<x_{j+1}(x_j=-1+j\&times;d,x_{j+1}=-1+(j+1)\&times;d)$ (3)

$y_k<{\tilde{V}}_i<y_{k+1}(y_k=-1+k\&times;d,y_{k+1}=-1+(k+1)\&times;d)$

其中i为采样点序号，i∈[1，n]⌒Z，j为像素点横轴编号，j∈Z，k为像素点纵轴编号，k∈Z，d为图像区像素划分步长，且满足j×d≤1，k×d≤1。

首先将像素区域中的所有灰度值赋值为0，再采用公式(3)对每个对进行判断，如果某个像素区域(j，k)对某个满足公式(3)则相应的像素区域(j，k)的灰度值加1，如此往复对落到每个像素区域中的点数进行统计，形成每个像素的灰度值，最终构成电路节点的数字灰度图，写成矩阵的形式如下式(4)，用于表征每个电路节点的固有特性，所有电路节点的数字图像形成整个线路板的图像特性，类似于人类指纹的特征信息，在特定的测试条件下一个节点形成的数字灰度图将是独一无二的，不同的节点形成的数字灰度图将是不同的，通过它将能识别线路板不同的状态。

$f(j,k)=\left(\begin{array}{cccc}f\left(\mathrm{0,0}\right)& f\left(\mathrm{0,1}\right)& ...& f(0,N)\\ f\left(\mathrm{1,0}\right)& f\left(\mathrm{1,1}\right)& ...& f(1,N)\\ ...& ...& ...& ...\\ f(N,1)& f(N,2)& ...& d(N,N)\end{array}\right)---\left(4\right)$

这样就将大量的伏安特性曲线测试数据转化为了对数字图像灰度值的表示方法，完成了数据的转换，极大地缩小了数据的存储规模。

4、基于各个节点数字图像相关性的线路板健康状态监测

当线路板中的某个元件或元件的引脚发生参数变化或故障时，与之相关的伏安特性曲线形状将会发生变化，在对其曲线混叠后将会反应到节点曲线组的变化上，并最终影响节点数字图像灰度值的分布，表现出不同的节点特性。为了完成线路板健康状态的监测，就需要比较电路节点“指纹”特性是否发生了变化。对于数字图像，采用相关的方法进行处理比较是最直接有效的方法。本发明为了完成线路板的状态监测，需要比较在不同状态下的每个节点形成的数字灰度图的互相关性，根据经验设定一个阈值，如果两个图像之间的互相关性大于此阈值，则认为两幅图像是一样的，反之，则认为两幅图像发生了较大变化，线路板存在故障，进一步则可以得到与此节点连接的元件其可能发生了故障。根据数字图像互相关性的计算方法，本发明采用下面的方法。设线路板通过(1)、(2)、(3)步骤得到某一节点在正常状态下的数字图像为f(i，j)，某一未知状态下的数字图像为g(i，j)，则节点数字图像相关系数的计算公式如下式(5)所示。

$c=\frac{\mathrm{\&sigma;}(f,g)}{\sqrt{D_f}\sqrt{D_g}}---\left(5\right)$

式中：σ(f，g)是f和g的协方差， $\mathrm{\&sigma;}(f,g)=\frac{1}{N^2}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}(f(i,j)-\stackrel{\&OverBar;}{f})(g(i,j)-\stackrel{\&OverBar;}{g});$ D_f为f的方差， $D_f=\frac{1}{N^2}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(f(i,j)-\stackrel{\&OverBar;}{f})}^2,$ D_g为g的方差， $D_g=\frac{1}{N^2}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{(g(i,j)-\stackrel{\&OverBar;}{g})}^2;$ 和分别表示图像f(i，j)和g(i，j)的灰度均值。

通过(5)式即可求得在不同状态下的节点伏安特性曲线的互相关性，经过仿真分析表明，当节点的伏安特性曲线的互相关性取为0.9时比较合适，既权衡了不同状态下采集数据的噪声引起的偶然性，也能比较好的分别出发生的异常。对整个线路板通过比较不同节点的数字图像的互相关性即可确定线路板的健康状态，也能通过异常的节点数字图像找出与之相关的故障元器件。

Claims (1)

1.一种基于伏安特性曲线测试数据的线路板健康状态监测方法，其特征在于：该方法通过将数字图像的表示方法应用于线路板任意两点间的伏安特性曲线存储，节点分组曲线以电路灰度图的形式作为线路板的特征信息，通过求不同状态下节点电路灰度图的互相关性来完成线路板健康状态的监测，包括下述步骤：将线路板任意元件管脚得到的伏安特性曲线中的电压和电流数据分别进行标幺处理，按元件管脚形成的所有曲线按节点进行归类，分别按节点对曲线进行混叠，对每个像素区域中的落点进行归结统计表示成灰度，所有像素的集合形成表征节点固有特性的数字图像，最后通过求不同状态下每个节点电路灰度图的互相关性，判断出线路板的健康状态。