一种基于加速振动条件的射频晶振剩余寿命估计方法与流程

本发明属于射频模块健康评估及寿命预测技术领域，更为具体地讲，涉及一种基于加速振动条件的射频晶振剩余寿命估计方法。

背景技术：

晶体振荡器电路(晶振)是电子系统的参考源，其性能将直接影响电子系统的整机性能,它们可以执行很多重要操作，包括频率转换，同步，定时，和射频区的滤波。而相位噪声从频域的角度表征频率信号的短期稳定度，评估晶振的输出质量。本发明以100M Hz低相噪晶体振荡器在加速失效实验条件下由相位噪声表征的性能退化为对象进行射频晶振剩余寿命的预测。

相位噪声是指由于系统内部各种不确定噪声作用下所引起信号相位的随机起伏,一般是由随机噪声和幂律噪声所产生。由于相位噪声的存在,导致实际的振荡器输出信号中存在着无用的信号幅度和频率起伏。随着使用时间的增加，晶振内部元件性能老化，噪声越来越大，导致输出信号的起伏增加，相位噪声谱升高。

基于统计回归的模型可以从历史样本中获取同类产品的性能退化特点，对于正在使用的产品的退化预测有着很好的参考指示作用。且统计回归模型可以结合不确定性分析得到剩余寿命的分布情况，比起点估计的机器学习方法增加了对不确定性的概率意义的刻画，得出的结果更加可信和完整。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种基于加速振动条件的射频晶振剩余寿命估计方法，针对晶振本身构成和工作性质，采用宏观数学幂律模型和内部物理特性分析相结合的方式，得到晶振的剩余寿命期望和概率密度曲线。

为实现上述发明目的，本发明一种基于加速振动条件的射频晶振剩余寿命估计方法，其特征在于，包括以下步骤：

(1)、选取实验射频晶振，并进行加速振动失效实验

维持整个实验过程中温度、湿度条件不变，设置振动台的输入电压、加速度自控制功率谱、平均推力和平均位移，对选取的射频晶振进行加速振动失效实验；

(2)、提取射频晶振的m组单边带相位噪声谱图像

设实验过程中一个完整的加速循环周期为T，采样点总数为K；在前N个加速循环周期内，每间隔n₁个加速循环周期作为一采样点，在N个加速循环周期后，每间隔n₂个加速循环周期作为一采样点，且n₁＞n₂；

在每个采样点对射频晶振进行采样，提取射频晶振的相位噪声，得到每个采样时刻的单边带相位噪声谱图像；

按照上述方法，重复实验m次，得到m组不同采样时刻的单边带相位噪声谱图像；

(3)、归一化m组单边带相位噪声谱图像

将m组单边带相位噪声谱图像对应时刻的每个采样点的相位噪声求均值，得到一组K幅均值单边带相位噪声谱图像

(4)、在_p个频偏f_m处提取均值单边带相位噪声谱图像的关键点，记录它们的坐标(f_m1,L_v(f_m1)),(f_m2,L_v(f_m2)),…(f_mp,L_v(f_mp))；

(5)、根据射频晶振的性能指标，计算相位白噪声系数b₀、闪烁调相噪声系数b_-1和闪烁调频系数b_-3；

b_-1＝b₀f_c,b_-3＝b_-1f_L³

其中，f_c为转折频率，f_L为lesson频率，K＝1.3806505×10^-23，T＝305K，P₀＝-13.65dBm，F为高稳晶振放大器的增益；

(6)、利用非线性最小二乘拟合方法得到基于幂律和模型的方程

其中，

s_a(f_m)为由反馈和随机游走噪声造成的主要残余分量；

设起始时刻b_-4,b_-5为零，随着振动周期的增加，b_-4,b_-5的值不断变化，通过非线性最小二乘拟合记录出b₀,b_-1,b_-3,b_-4,b_-5的变化规律，并进行主成分分析降维变成有寿命指示作用的一维向量q，其长度为T；

(7)、利用一维向量q建立带漂移的维纳过程数学模型，运用贝叶斯迭代算法得出当前振动周期下晶振的剩余寿命概率分布以及期望剩余寿命。

本发明的发明目的是这样实现的：

本发明一种基于加速振动条件的射频晶振剩余寿命估计方法，通过同时同地同条件对同类晶振产品进行失效实验，根据它们的相位噪声谱图像的分析确定其寿命状态，从一类历史样本的共同规律中确定此类产品的退化规律，建立数学模型，最后应用到现场样本进行验证，这样在减小了杂散和谐波的影响下，能够准确反映射频晶振寿命的平均情况。

同时，本发明一种基于加速振动条件的射频晶振剩余寿命估计方法还具有以下有益效果：

(1)、通过对射频晶振同类产品的构成特性及其寿命指标——相位噪声进行针对性的分析，在数据建模和预测阶段将其结果用于优化统计回归模型的参数设置，算法同产品结合度高，得出的方法具有理论可信度；

(2)、数据处理阶段采用的方法从宏观数学模型的角度减小了杂散和谐波的影响，最后得出的结果极为接近，反映了射频晶振寿命的平均情况。

附图说明

图1是基于加速振动条件的射频晶振剩余寿命估计方法流程图；

图2是实施例射频晶振分别在0循环周期和9200循环周期处记录的的原始均值单边带相位噪声谱图像；

图3展示了实施例方法分别在0循环周期和9200循环周期处提取到的关键点非线性最小二乘幂律拟合结果；

图4是本发明实施例晶振的q向量在随振动周期的变化图；

图5是实施例晶振在l时刻的真实剩余寿命和用本发明方法得出的剩余寿命概率密度曲线分布对比图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是基于加速振动条件的射频晶振剩余寿命估计方法流程图。

在本实施例中，如图1所示，本发明一种基于加速振动条件的射频晶振剩余寿命估计方法，包括以下步骤：

(1)、选取实验射频晶振，并进行加速振动失效实验

维持整个实验过程中温度、湿度条件不变，设置振动台的输入电压、加速度自控制功率谱、平均推力和平均位移，对选取的射频晶振进行加速振动失效实验；

在本实施例中，本发明基于加速振动条件的射频晶振剩余寿命估计方法选取了10组同类高稳射频晶振，加速度有效值为7.40202g＝m/s²，加速度均方根值(RMS)为0.02286g²/Hz，设置每个振动周期为1分钟，振动台输出加速度振动频率在20Hz到2KHz之间。

(2)、提取射频晶振的m组单边带相位噪声谱图像

设实验过程中一个完整的加速循环周期为T，采样点总数为K；在前N个加速循环周期内，每间隔n₁个加速循环周期作为一采样点，在N个加速循环周期后，每间隔n₂个加速循环周期作为一采样点，且n₁＞n₂；

在每个采样点对射频晶振进行采样，提取射频晶振的相位噪声，得到每个采样时刻的单边带相位噪声谱图像；

按照上述方法，重复实验m次，得到m组不同采样时刻的单边带相位噪声谱图像；

在本实施例中，实验过程中一个完整的加速循环周期为10000，在前7000个加速循环周期内，每间隔500个加速循环周期作为一采样点，在7000个加速循环周期后，每间隔100个加速循环周期作为一采样点。一个加速循环周期共45个采样点。按照上述方法，重复实验10次，得到10组不同采样时刻的单边带相位噪声谱图像。如图2所示，同时显示在0循环周期和9200循环周期处的真实相位噪声谱图；

(3)、归一化m组单边带相位噪声谱图像

将m组单边带相位噪声谱图像对应时刻的每个采样点的相位噪声求均值，得到一组K幅均值单边带相位噪声谱图像

在本实施例中，将10组单边带相位噪声谱图像对应时刻的每个采样点的相位噪声求均值，得到一组45幅均值单边带相位噪声谱图像G₀,G₅₀₀,G₁₀₀₀,…G₇₀₀₀,G₇₁₀₀,…G₁₀₀₀₀。

(4)、在_p个频偏f_m处提取均值单边带相位噪声谱图像的关键点，记录它们的坐标(f_m1,L_v(f_m1)),(f_m2,L_v(f_m2)),…(f_mp,L_v(f_mp))，L_v(f_m)为在f_m处的单边带相位噪声值，单位为dBc；

在本实施例中，从频偏f_m 10Hz处到100MHz在每个十倍频区间等频距取9个关键点，一幅图像取46个关键点在，记录它们的坐标(10,L_v(10)),(20,L_v(20)),…(100,L_v(100)),…(100M,L_v(100M))。

(5)、根据射频晶振的性能指标，计算相位白噪声系数b₀、闪烁调相噪声系数b_-1和闪烁调频系数b_-3；

b_-1＝b₀f_c,b_-3＝b_-1f_L³

其中，f_c为转折频率，f_L为lesson频率，K＝1.3806505×10^-23，T＝305K，P₀＝-13.65dBm，F为高稳晶振放大器的增益；

(6)、利用非线性最小二乘拟合方法得到基于幂律和模型的方程

其中，

s_a(f_m)为由反馈和随机游走噪声造成的主要残余分量；

设起始时刻b_-4,b_-5为零，随着振动周期的增加，b_-4,b_-5的值不断变化，通过非线性最小二乘拟合记录出b₀,b_-1,b_-3,b_-4,b_-5的变化规律，并进行主成分分析降维变成有寿命指示作用的一维向量q，其长度为T；

如图3所示，分别在0循环周期和9200循环周期处提取到的关键点及其非线性最小二乘幂律拟合结果。

根据射频晶振的性能指标，计算得到初始循环周期相位白噪声系数b₀＝3.12e-17，闪烁调相噪声系数b_-1＝7.25e-13，闪烁调频系数b_-3＝3.85e-7；

利用非线性最小二乘拟合方法得到基于幂律和模型的方程，得到b₀,b_-1,b_-3,b_-4,b_-5随振动周期的退化规律如表1所示，本实施例中仅展示21个采样点的值；

表1是b₀,b_-1,b_-3,b_-4,b_-5随振动周期的退化规律表。

表1

本实施例选取的晶振的q向量随振动周期的变化规律如图4所示，其中，q向量含有b₀,b_-1,b_-3,b_-4,b_-5的主要信息，其退化特征能表征晶振的寿命过程；图中的误差棒代表了非线性最小二乘拟合误差s_a(f_m)；

(7)、利用一维向量q建立带漂移的维纳过程数学模型，运用贝叶斯迭代算法得出当前振动周期下晶振的剩余寿命概率分布以及期望剩余寿命。

其中，如图5所示，实施例晶振在l时刻的真实剩余寿命和用本发明方法得出的剩余寿命概率密度曲线分布进行对比，在图中展示了当前监测时刻从第8000循环周期至采样截止循环周期的预测剩余寿命概率曲线以及对应时刻的真实剩余寿命，下面对求取当前振动周期下晶振的剩余寿命概率分布以及期望剩余寿命的具体方法进行详细说明，具体包括以下步骤：

(7.1)、建立带漂移的维纳过程数学模型：

以一维向量q作为评估指标，其总体上服从带漂移的指数分布：

B(t)代表q的当前时刻t处的退化变量，γ为初始循环周期的q值，α'、θ'为指数过程双参量，σ为指数过程维纳漂移系数；

为便于处理，将B(t)对数化为D(t)：

D(t)＝ln[B(t)-γ-ε]＝α+θt+λW(t)

其中，α,θ符合联合正态分布：l为当前监测时刻点；μ₀,μ₁,ρ_l分别为α的期望、α的方差、θ的期望、θ的方差的先验估计、α,θ的相关系数λ为待估计常数，W(t)为维纳过程；

(7.2)、更新先验估计μ₀,μ₁,λ：

(7.2.1)分析q的变化规律得到初始时刻先验估计μ₀,μ₁,λ，进入步骤(7.2.2)；

(7.2.2)后验概率μ_α,μ_θ,ρ随l迭代更新：

进入(7.2.3)；

其中，d₁,d₂,…d_l(l＜n_failure)为采样至l时刻的数据点，τ₁,τ₂,…τ_l为采样时刻点；

(7.2.3)根据E-M算法，先验概率参数μ₀,μ₁,λ更新：

当前时刻小于l时，返回(7.2.2)；反之，进入(7.2.4)；

其中，s表示E-M算法新数据到来时寻优过程的迭代次数；

(7.2.4)将迭代到l时刻的结果代入预测的剩余寿命概率密度函数：

其中，r_l为表征l时刻剩余寿命的随机变量；

l时刻预测的剩余寿命期望为：

由图5可以看出，通过本实例选取的晶振按照上述方法进行处理后，本发明算法运行结果与真实结果很接近，且给出了误差区间。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。