有關粗糙集與灰色關聯度的電力設備故障定位

王子鈺

摘要：在這個復雜和有惡劣條件的自然環境中，電力系統的性能可能很容易受到環境的影響，它們有可能出錯由此導致運行異常。在深海以及深海的空間等復雜和惡劣環境中，如果電力設備發生故障后不能及時修復，則會造成嚴重損失。然而，名為基于硬件演化的故障自修復技術可以實現故障的自動修復。本文首先闡述了硬件演化的基本理論，并詳細介紹了基于硬件演化的故障自修復的國內外情況。然后，闡述了故障自動修復的重要流程，并指出存在的問題及其可以改進方向以及改進措施。基于硬件演化的故障自修復這種技術具有非常廣闊的前景和巨大的工程應用價值。

1介紹：

傳統的電子電路結構是固定不變的。隨著信息化建設的加速，電子系統被廣泛用于電力設備。它主要以大規模，超大規模數字集成電路為主體，核心是現場可編程門陣（FPGA）。當這些電子系統處于沙塵，高低溫，強電磁場等復雜多變的環境中時，數字集成電路的性能可能受到影響[1]出錯，從而降低電子設備的功能，甚至造成嚴重的人員傷亡和財產損失。 進一步亟待解決一系列問題，提高電子系統在惡劣環境下的生存能力，確保數字系統持續正常運行。

2基于EHW的電子電路故障主要自修復技術

結合硬件和軟件的優勢，FPGA開發了可在芯片上重新組裝的“變形系統”。硬件的一些功能可以配置在芯片上，因此軟件是為硬件仿真而設計的[2]。通過這種方式，FPGA的“固件”被重新組合并用于模擬不同類型的硬件。如圖1所示，在實現數字電路故障自修復時，不可缺少的是故障檢測，故障定位，故障隔離，冗余設計和演化算法。他們形成一個完整的系統。數字系統的故障自我修復已成為故障診斷研究領域的熱門話題。

3故障診斷技術

數字電路故障診斷主要檢測功能，序列關系，邏輯關系。根據組合邏輯電路和時序電路的不同特點，所用的測試方法不同。數字電路的故障類型主要包括恒定故障，橋接故障，瞬態故障和時滯故障。現在，主要研究常量故障.[3]

3.1測試向量的生成

基于組合電路與時序電路的區別，產生測試向量時存在差異。在組合邏輯電路的測試中，常用的方法有偽排氣測試，布爾差分法，特征分析法和臨時函數分析法。相關算法可分為D立方體，D算法，PODEM算法和邏輯函數的FAN算法； 時序電路的測試方法主要包括擴展D算法和九值算法等。

3.2故障定位技術

傳統的FPGA診斷方法包括邊界掃描技術，但邊界掃描技術無法定位邏輯單元，且硬件開銷較高。利用芯片增加邊界掃描可縮短制造業的測試工程并縮短發射時間，但可延長設計時間。邏輯單元故障定位中出現了各種定位技術。一種是為被測單元配置電路，并在檢測到極少數單個CLB的故障時直接將其繪制到IOB端口[4]；然而，當測試CLB的數量過大時，基于陣列的方法，基于異或門級聯電路的方法，基于與門或門級聯電路的方法以及內建自測試（BIST）方法是建議。BIST的電路配置復雜[5]，配置可能會失敗；而基于異或門級聯電路的方法和基于與-門級聯電路的方法可以檢測到端口的故障，但配置一次后只能檢測一半的CLBS，需要使用至少一半的CLBS來傳輸故障。

3.3 EHW技術

研究EHW主要研究進化算法。首先，研究FPGA的內部結構和編碼方式。可編程邏輯器件（PLD）的結構由結構位串決定。構造比特串可以作為進化算法中的染色體，通過進化算法可以完成硬件功能的設計。EHW是進化計算基數在系統內部結構的設計、調節、實時自適應等方面的應用，即以進化算法特別是遺傳算法作為組合優化和全局搜索的主要工具，以可編程器件作為主要的評估手段和實現載體[7]，尋求在不依賴先驗知識和外力推動（如人工干預）的條件下，通過進化來獲得滿足給定要求的電路和系統結構[8]，甚至使系統自動地、實時地調整（重新配置）其內部結構，以適應內部條件（如局部故障）和外部環境（功能要求或物理條件）的變化[9]。而EHW研究也有兩個方向分別是進化設計和在線自適應與容錯。運用電路的進化設計主要對可編程電路結構，將結構和參數等作為染色體進行編碼，對每個備選的個體，根據一定的約束條件對代碼進行演化操作，得到適應值較高的代碼。最后將代碼反編譯成電路的拓撲結構，通過實測相應的實際電路或者進行基于模型的仿真得到相應的輸出。電路的行為（輸入-輸出特性）與預期結果的符合程度便作為該個體的適應度，指導下一步的進化操作；如此反復，逐步通過進化計算找到符合要求的即電路。

4結論

目前，故障診斷技術日趨成熟，難以創新。大多數研究集中在診斷技術的綜合應用和硬件進化研究上，故障自修復技術深入研究，但在國內尚處于起步階段。受科學研究條件限制，相關技術研究尚處于理論研究階段。研究是單一的，主要著眼于改進進化算法而沒有實質性的飛躍。基于EHW的數字電路自修復技術是演化算法與PLD的有機結合。它根據外部環境的變化改變自己的電路結構，以實現目標電路的功能要求。技術必將在各個領域向前發展，特別是在國防和軍事領域具有廣闊的前景。 EHW技術與故障診斷相結合，拓展故障自修復技術途徑將成為研究課題。

參考文獻：

[1]Yizheng Chen， Fujian Tang， Yi Bao， Yan Tang， *Genda Chen. A Fe-C coated long period fiber grating sensor for corrosion induced mass loss measurement. Optics letters， 41（2016）， pp. 2306-2309.

[2]Arunkumar， N.， Jayalalitha， S.， Dinesh， S.， Venugopal， A.， Sekar， D. Sample entropy based ayurvedic pulse diagnosis for diabetics （2012） IEEE-International Conference on Advances in Engineering， Science and Management， ICAESM-2012， art. no. 6215973， pp. 61-62.

[3]Yijiu Zhao， Yu Hen Hu， Jingjing Liu. Random Triggering-Based Sub-Nyquist Sampling System for Sparse Multiband Signal. IEEE Transactions on Instrumentation and Measurement. 2017； vol. 66， no.7： 1789-1797.

[4]趙曙光.可編程邏輯器件原理、開發及應用[M].西安：西安電子科技大學出版社，2000

[5]Thompson A. Explorations in Design Space： Unconventional Electronics Design Through Ariticial Evolution[J]. IEEE Trans. on Evolutionary Computation，1999， 3（3）： 167- 196.

[6]Higuichi T. Evlovable Hardware and Its Application to Pattern Recognition and FaulttolerantSystems[C]. In Toward Evlovable Hardware：The Evolutionary Engineering Approach， 1996： 118- 135.