[论文解读] Enabling electronic prognostics using thermal data

N. Vchare, Michael Pecht|ArXiv.org|Sep 12, 2007

Structural Health Monitoring Techniques参考文献 6被引用 14

一句话总结

本文提出了一种基于实时热数据的电子系统预测性维护框架，通过建模热应力与退化过程来预测故障。通过整合原位热监测、应力-损伤模型以及前兆推理算法，该方法实现了早期故障预测、优化维护策略，并降低电子系统在热循环和温度梯度作用下的全生命周期成本。

ABSTRACT

Prognostics is a process of assessing the extent of deviation or degradation of a product from its expected normal operating condition, and then, based on continuous monitoring, predicting the future reliability of the product. By being able to determine when a product will fail, procedures can be developed to provide advanced warning of failures, optimize maintenance, reduce life cycle costs, and improve the design, qualification and logistical support of fielded and future systems. In the case of electronics, the reliability is often influenced by thermal loads, in the form of steady-state temperatures, power cycles, temperature gradients, ramp rates, and dwell times. If one can continuously monitor the thermal loads, in-situ, this data can be used in conjunction with precursor reasoning algorithms and stress-and-damage models to enable prognostics. This paper discusses approaches to enable electronic prognostics and provides a case study of prognostics using thermal data.

研究动机与目标

• 开发一种利用热数据预测电子系统退化的预测性维护框架。
• 解决由温度循环、梯度和升温速率等热载荷导致的电子设备可靠性退化问题。
• 实现对热状态的持续原位监测，以实现早期故障检测。
• 将热数据与应力-损伤模型及前兆推理算法集成，实现预测性维护。
• 通过预测性可靠性评估降低全生命周期成本，优化系统设计与后勤支持。

提出的方法

• 持续原位监测热载荷，包括稳态温度、功率循环、温度梯度、升温速率和驻留时间。
• 应用应力-损伤模型量化电子元件中的累积热疲劳与退化程度。
• 将热数据与前兆推理算法集成，以检测正常运行状态偏离的早期迹象。
• 将实时热数据作为预测模型的输入，以预测剩余使用寿命。
• 通过在受控热循环条件下采集的电子系统热数据实施案例研究。
• 基于现场系统观测到的退化趋势与故障数据，对预测模型进行验证。

实验结果

研究问题

• RQ1 如何利用实时热数据检测电子系统退化的早期迹象？
• RQ2 热应力参数与电子元件退化速率之间存在何种关系？
• RQ3 前兆推理算法在基于热数据的故障预测中如何提升预测精度？
• RQ4 热监测在多大程度上可降低全生命周期成本并改善维护调度？
• RQ5 哪些关键热载荷参数对电子系统可靠性影响最为显著？

主要发现

• 热数据（包括温度梯度和升温速率）是电子元件累积热疲劳的强指标。
• 持续的原位热监测可在功能失效前实现退化的早期检测。
• 将热数据与应力-损伤模型结合可显著提高剩余使用寿命预测的准确性。
• 基于热数据的预测性模型通过实现基于状态的维护而非基于时间的更换，降低了全生命周期成本。
• 案例研究证明，在热循环条件下，热数据可可靠预测故障趋势。
• 前兆推理算法提升了系统检测正常热行为细微偏差的能力，从而实现早期预警。