基于 RIAC 217Plus 和贝叶斯信念网络的 DC-DC 转换器可靠性分析

《Probabilistic Engineering Mechanics》:Reliability Analysis of DC-DC Converters using RIAC 217Plus and Bayesian Belief Networks

【字体: 大 中 小 】 时间:2026年09月26日 来源:Probabilistic Engineering Mechanics 4.1

编辑推荐:

   摘要 DC-DC转换器在电动汽车及其他现代电源系统中至关重要,但由于相互依赖的子系统故障以及多个组件之间的退化,其可靠性评估仍然十分复杂。本文提出了一种综合可靠性建模框架,该框架整合了RIAC 217Plus和贝叶斯信念网络(BBN),用于分层DC-DC转换器系统。所提出的

  

摘要

DC-DC转换器在电动汽车及其他现代电源系统中至关重要,但由于相互依赖的子系统故障以及多个组件之间的退化,其可靠性评估仍然十分复杂。本文提出了一种综合可靠性建模框架,该框架整合了RIAC 217Plus和贝叶斯信念网络(BBN),用于分层DC-DC转换器系统。所提出的BBN的分层结构能够实现从组件级到系统级的可扩展和模块化建模,从而可扩展至复杂的转换器架构。为了识别关键子系统并估计转换器级可靠性,首先开发了一个双状态BBN,并在缺乏现场可靠性数据的情况下,从RIAC 217Plus推导故障率。该BBN模型进一步扩展为多状态框架,利用基于物理的退化模型捕捉关键组件的退化情况。该框架进一步纳入了退化阈值,并采用逻辑回归将组件分类为正常工作、退化和故障状态,从而能够表征长期应力效应。为了捕捉从关键组件到其他子系统的退化传播,采用α缩放条件概率来建模顺序依赖故障。还评估了部分输出场景,以表征转换器在退化性能模式下运行的情况。本文使用电动踏板车中使用的DC-DC转换器对所提出的框架进行了演示。分析表明,核心电路主导了系统故障行为,MOSFET被确定为最关键的组件。敏感性分析揭示,退化严重程度(通过α)和阈值选择显著影响所建模的可靠性结果。所提出的方法实现了一个动态、统一的可靠性评估框架,在所述建模假设下,可能支持诊断和预测性维护规划。然而,这些潜在应用需要未来经验验证。报告的可靠性值是场景依赖的模型输出,而非经验证的绝对可靠性估计。这使得该框架非常适合关键安全和长寿命应用,在这些应用中,转换器在渐进退化和部分故障条件下运行。

引言

DC-DC转换器是现代电力电子系统的重要组成部分,在航空航天、可再生能源、太阳能发电系统、微电网、汽车技术和电动汽车等众多领域发挥着关键作用[1]、[2]。这些转换器对于电能的高效转换、调节和分配至关重要,确保从电源到负载提供适当的电压水平[3]、[4]。它们本身是复杂的系统,包含多个子系统,每个子系统都有各自的电路配置。这些子系统在各个层次上相互作用,共同执行转换器的功能。由于其多子系统架构和复杂的运行交互,DC-DC转换器的可靠性评估在设计、制造和运行过程中仍然是一个关键挑战。

可靠性建模通常分为组件级和系统级方法。组件级可靠性侧重于使用基于手册的标准(包括MIL-HDBK-217F、FIDES、RIAC 217Plus、Telcordia和IEC-TR-62380)估计电容器、电阻器、二极管、电感器和半导体器件等元件的故障率[5]、[6]、[7]、[8]、[9]、[10]。其中,RIAC 217Plus纳入了运行、环境和生命周期因素,以提供结构化的组件故障率估计[11]、[12]。然而,这些方法主要估计单个组件故障,并未明确捕捉系统级交互和退化行为。

为了评估系统级可靠性,传统工程方法采用了可靠性框图(RBD)、故障树分析(FTA)、事件树分析(ETA)、马尔可夫模型、Petri网和贝叶斯信念网络(BBN)[13]、[14]、[15]。RBD和FTA在稳态运行条件下擅长分析结构拓扑并识别关键组件[16]、[17]、[18]、[19]。同时,马尔可夫模型、Petri网和BBN已被用于捕捉动态条件下的状态转换、占空比和概率依赖关系[20]、[21]、[22]、[23]、[24]、[25]。特别是,BBN因其处理条件关系和支持动态可靠性更新的能力而受到关注[26]、[27]、[28]、[29]、[30]、[31]。

尽管传统方法被广泛应用,但应用于复杂、退化的电力电子系统时存在固有局限性。RBD和FTA等传统方法主要依赖于二元(正常工作/故障)状态,并假设组件独立性,使其无法有效跟踪渐进磨损。虽然马尔可夫模型和Petri网可以捕捉动态状态转换,但在建模多个相互作用的子系统时,其状态空间复杂度呈指数增长。此外,大多数标准BBN实现仍以故障为中心,未能明确纳入多状态组件退化或顺序故障传播。因此,实际应用中的渐进退化过程、应力放大效应和部分输出运行条件往往被遗漏。表1总结了这些具体的方法差距。

在电动汽车应用中,DC-DC转换器在强烈的热循环、开关应力和波动负载条件下运行,导致组件的渐进退化而非突然故障。MOSFET器件特别容易受到阈值电压漂移和导通电阻变化等退化机制的影响,这会严重影响整体运行稳定性。为了在缺乏大量、数据稀缺的现场跟踪的情况下解决这些漏洞,将标准化故障率估计与依赖感知的多状态概率建模相结合,对于建立现实的、场景依赖的可靠性趋势至关重要。

因此,本研究提出了一种通用的多状态DC-DC转换器可靠性评估框架,该框架将RIAC 217Plus组件级故障建模与分层贝叶斯信念网络相结合。所提出的方法通过纳入组件退化行为、顺序依赖子系统故障和部分输出运行条件,扩展了传统的双状态可靠性分析。利用RIAC 217Plus进行基线故障率估计,并将基于物理的退化建模与基于逻辑回归的状态分类相结合,该框架能够在子系统和系统级别进行退化信息的概率可靠性评估。

本研究的核心创新在于在单个分层框架中集成了标准化组件级估计、多状态退化建模和α缩放条件概率更新,而非针对所选转换器获得的具体数值可靠性值。重要的是,该数学和结构框架具有通用性,可以通过拓扑特定的重构和参数重新校准适应各种DC-DC转换器架构。本研究中评估的电动踏板车DC-DC转换器仅作为代表性演示案例研究,以评估模型在动态电动汽车运行配置文件下的场景行为。

为实现这一总体目标,本研究围绕以下具体目标构建:

O1:将标准化组件级故障率估计(RIAC 217Plus)与系统级概率建模相结合。

O2:将传统的双状态可靠性模型扩展为多状态退化感知框架。

O3:使用分层贝叶斯结构对子系统间的顺序依赖故障进行建模,并采用α缩放依赖建模。

O4:在软故障条件下纳入部分输出行为,以实现对转换器运行的现实建模。

根据所述目标,本研究寻求解决以下研究问题:

RQ1:集成的基于RIAC 217Plus的分层BBN框架能否有效建模DC-DC转换器中的多状态退化和顺序依赖故障?

RQ2:α缩放条件概率建模如何影响退化传播和系统级所建模的可靠性结果?

RQ3:纳入部分输出行为在何种程度上增强了软故障条件下转换器可靠性评估的表征?

本工作在以下方向做出了重要贡献,如图1所示:

C1(解决O1):开发了一个统一框架,将基于RIAC 217Plus的组件故障率估计与用于系统级概率分析的分层BBN相结合,适用于退化数据有限条件下的系统级概率分析。

C2(解决O2):将传统二元可靠性建模扩展为多状态退化感知框架,使用基于物理的退化建模和基于逻辑回归的组件状态分类。

C3(解决O3):使用分层BBN和α缩放条件概率表对顺序依赖子系统故障进行建模,以捕捉故障传播和应力放大效应。

C4(解决O4):对部分输出(软故障)运行条件进行建模,以表征退化后的转换器功能和实现基于场景的系统级评估。

C5(框架演示):使用电动踏板车DC-DC转换器在现实电动汽车运行条件下演示所提出的通用框架。

统一框架提供了超越传统二元和独立故障建模的退化感知和依赖基础转换器可靠性行为表征。

本文其余部分组织如下。第3节概述了所提出的可靠性建模框架。第4节描述了电动踏板车中使用的DC-DC转换器案例研究,包括系统架构和规格。第5节详细介绍了所提出的可靠性建模方法,包括基于双状态BBN的可靠性建模、多状态退化建模、使用α缩放的顺序依赖故障建模,以及部分输出运行条件下的可靠性评估。第6节讨论了案例研究的结果和关键发现。最后,第7节总结了论文并概括了关键贡献。

章节片段:使用RIAC 217Plus进行组件故障率建模

为了完整性,本节简要总结了从RIAC 217Plus手册推导的组件故障率模型。RIAC 217Plus手册模型主要基于现场数据,并纳入了调整系数、占空比、循环率、环境温度以及运行和非运行条件等多种因素来估计组件故障率。

DC-DC转换器由多个组件组成,包括电容器、电阻器、二极管、MOSFET、电感器等。

所提出框架概述

图3展示了所提出的整体可靠性建模框架。首先,使用RIAC 217Plus标准估计组件级故障率,并将其集成到分层BBN中,用于系统级概率可靠性建模。随后,该框架从传统的双状态(正常工作/故障)表征扩展为多状态退化感知模型,纳入正常工作、退化和故障运行状态。顺序依赖故障通过...建模。

案例研究:电动踏板车中的DC-DC转换器

所提出的方法使用电动踏板车中使用的DC-DC转换器进行了演示。

可靠性建模所提出框架

需要注意的是,本研究中采用的BBN是作为概率推理框架而非数据驱动的统计学习模型。先验概率和条件概率是从解析可靠性模型(例如RIAC 217Plus)、基于物理的退化建模和工程假设中推导出来的,而不是从大规模实验数据集中估计的。因此,本文中的BBN代表了知识驱动的概率建模方法。

结果与讨论

本节呈现了转换器在二元状态、多状态退化、顺序依赖故障和部分输出运行场景下的所建模可靠性趋势。重要的是,此处报告的数值可靠性值和指标是基于所提出的解析框架在数据稀缺条件下推理得出的模型场景输出。这些发现旨在说明定义模拟条件下的比较退化趋势和架构敏感性。

结论

本文通过整合基于RIAC 217Plus的组件故障率估计与分层BBN,提出了DC-DC转换器的多状态可靠性评估框架。所提出的方法通过在一个统一框架中纳入退化感知的概率建模、顺序依赖故障传播和部分输出运行条件,解决了传统可靠性方法的关键局限性。采用了一种两阶段建模策略...

局限性

所提出的可靠性评估框架使用在定义条件下运行的特定电动踏板车DC-DC转换器进行了演示。虽然该框架在方法论上具有通用性,可以适应其他转换器拓扑和电力电子系统,但本研究中呈现的数值可靠性值是针对特定案例的,依赖于所选架构、运行配置文件、组件参数和建模假设。因此,报告的...

未来工作

未来工作将专注于通过实验、现场或加速老化退化数据集来实证校准和验证所提出的框架。这些数据集将能够实现对α缩放因子、退化阈值、基于逻辑回归的状态转换和部分输出概率的实证校准,从而提高框架的物理现实性和预测能力。实验或现场数据的可用性也将启用正式的统计...

CRediT作者贡献声明

Monalisa Sarma:撰写 – 审阅与编辑、监督、形式化分析。

Akanksha Chaturvedi:撰写 – 初稿、方法论、数据整理、概念化。

Sanjay K. Chaturvedi:撰写 – 审阅与编辑、监督、项目管理、方法论、调查、资金支持、概念化。

利益冲突声明

? 作者声明他们没有已知的竞争性经济利益或个人关系,这些关系可能会影响本文所报告的工作。

Akanksha Chaturvedi | Sanjay K. Chaturvedi | Monalisa Sarma
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号