一种功率放大器芯片热性能监测方法、系统及存储介质与流程

1.本发明涉及芯片热力监测技术领域，具体是涉及一种功率放大器芯片热性能监测方法、系统及存储介质。


背景技术：

2.功率放大器（power amplifier，pa，简称“功放”）是指在给定失真率条件下，能产生最大功率输出以驱动某一负载的放大器。功率放大器在整个系统中起到了“组织、协调”的枢纽作用，在某种程度上主宰着整个系统能否提供良好的信号输出。
3.功率放大器中集成有多个功率放大器芯片，在功率放大器的运行过程中，针对于功率放大器芯片的热性能监测是直观反映功率放大器芯片运行状态的性能指标，现有技术中的针对功率放大器芯片的热性能监测通常只针对于功率放大器芯片的温度数据采集，缺乏针对于功率放大器芯片的温度数据的分析处理，缺乏针对功率放大器芯片的故障风险预测，难以实现针对功率放大器的预先维护，故障风险排查。


技术实现要素：

4.为解决上述技术问题，提供一种，本技术方案解决了上述的现有技术中的针对功率放大器芯片的热性能监测通常只针对于功率放大器芯片的温度数据采集，缺乏针对于功率放大器芯片的温度数据的分析处理，缺乏针对功率放大器芯片的故障风险预测，难以实现针对功率放大器的预先维护，故障风险排查的问题。
5.为达到以上目的，本发明采用的技术方案为：一种功率放大器芯片热性能监测方法，包括：获取功率放大器芯片的性能参数，所述性能参数包括功率放大器芯片的最大结温、功率放大器芯片的散热热阻；实时监测功率放大器芯片的壳温、功率放大器芯片的运行功率，根据功率放大器芯片的壳温、功率放大器芯片的运行功率计算功率放大器芯片的实时结温数据；记录功率放大器芯片的实时结温数据，建立功率放大器芯片的实时结温-运行时间数据表；建立功率放大器芯片故障风险预测模型，所述功率放大器芯片故障风险预测模型以得功率放大器芯片的实时结温-运行时间数据表作为输入，以功率放大器芯片故障风险概率作为输出；将功率放大器芯片的实时结温-运行时间数据表中的数据输入功率放大器芯片故障风险预测模型，获得功率放大器芯片的风险概率值；将功率放大器芯片的风险概率值与预设值进行比对，判断功率放大器芯片的风险概率值是否大于预设值；若是，则判定为芯片故障风险高，输出高风险信号，若否，则判定为芯片故障风险低，输出低风险信号。
6.优选的，所述功率放大器芯片的实时结温数据的计算方法为：实时监测功率放大器芯片的壳温、功率放大器芯片的运行功率，获取功率放大器芯片的壳温数据、功率放大器芯片的运行功率数据；按照实时结温公式进行计算功率放大器芯片的实时结温数据，所述实时结温公式为：式中，为功率放大器芯片在t时刻的实时结温数据，为放大器芯片的在t时刻的实时壳温数据，为功率放大器芯片在t时刻的运行功率数据，为功率放大器芯片的散热热阻。
7.优选的，所述记录功率放大器芯片的实时结温数据具体包括：判断功率放大器芯片的实时结温数据是否大于功率放大器芯片的最大结温；若是，则将功率放大器芯片的实时结温数据对应的时刻记为超额时刻，若否，则将功率放大器芯片的实时结温数据对应的时刻记为正常时刻；将功率放大器芯片的实时结温数据与对应的时刻一一对应，建立实时结温-运行时间数据表。
8.优选的，所述功率放大器芯片的风险概率值计算步骤为：对实时结温-运行时间数据中的数据进行分析，获取功率放大器芯片运行过程中的若干个超额时段；根据功率放大器芯片在若干个超额时段的实时结温数据，计算功率放大器芯片的超额指标；将功率放大器芯片的超额指标和功率放大器芯片的工作时长输入风险概率值计算公式中，得到功率放大器芯片的风险概率值；其中，所述风险概率值计算公式为：式中，为功率放大器芯片的风险概率值，为功率放大器芯片的超额指标，为功率放大器芯片的工作时长，均为风险概率值计算公式的系数。
9.优选的，所述风险概率值计算公式的系数的计算过程为：获取若干组相同型号的功率放大器芯片的实时结温-运行时间历史数据表；根据功率放大器芯片发生故障与否对若干组相同型号的功率放大器芯片的实时结温-运行时间历史数据表进行分组，获得若干组未故障实时结温-运行时间历史数据和故障实时结温-运行时间历史数据；根据实时结温-运行时间历史数据表计算历史超额指标；根据若干组未故障实时结温-运行时间历史数据和故障实时结温-运行时间历史数据的历史超额指标和工作时长，以最大似然法进行的计算。
10.优选的，所述功率放大器芯片的超额指标的计算过程为：按照超额指数计算公式计算功率放大器芯片在每个超额时段的超额指数；根据若干个超额时段的超额指数按照超额指标计算公式进行计算，得到功率放大器芯片的超额指标；其中，所述超额指数计算公式为：式中，为功率放大器芯片在第i个超额时段的超额指数，为第i个超额时段的开始时刻，为第i个超额时段的终止时刻，为第i个超额时段内的实时结温数据，为功率放大器芯片的最大结温数据；所述超额指标计算公式为：式中，为功率放大器芯片的超额指标，为超额时段的个数。
11.进一步的，提出一种功率放大器芯片热性能监测系统，用于实现如上述的功率放大器芯片热性能监测方法，其特征在于，包括：处理器，处理器用于进行计算功率放大器芯片的实时结温数据、建立功率放大器芯片的实时结温-运行时间数据表、建立功率放大器芯片故障风险预测模型、计算功率放大器芯片的风险概率值和判断功率放大器芯片的风险概率值是否大于预设值；存储器，存储器与所述处理器相耦合，存储器用于存储功率放大器芯片故障风险预测模型和的功率放大器芯片的实时结温-运行时间历史数据表；监测模块，监测模块与所述处理器电性连接，所述监测模块用于实时监测功率放大器芯片的壳温和功率放大器芯片的运行功率；输出模块，输出模块与所述处理器电性连接，所述输出模块用于进行输出高风险信号或输出低风险信号。
12.可选的，所述处理器内部集成有：第一计算单元，所述计算单元用于根据功率放大器芯片的壳温、功率放大器芯片的运行功率计算功率放大器芯片的实时结温数据；第一判断单元，所述第一判断单元用于进行判断功率放大器芯片的实时结温数据是否大于功率放大器芯片的最大结温；数据处理单元，所述数据处理单元用于建立实时结温-运行时间数据表；模型计算单元，所述模型计算单元用于进行功率放大器芯片故障风险预测模型建立及求解；第二计算单元，所述第二计算单元用于进行计算功率放大器芯片的风险概率值；
第二判断单元，所述第二判断单元用于进行判断功率放大器芯片的风险概率值是否大于预设值。
13.可选的，所述监测模块包括：温度检测单元，所述温度检测单元用于实施监测功率放大器芯片的壳温；功率检测单元，所述功率检测单元用于检测采集功率放大器芯片的运行功率。
14.再进一步的，提出一种计算机可读存储介质，其上存储有计算机可读程序，其特征在于，所述计算机可读程序被调用时执行如上述的功率放大器芯片热性能监测方法。
15.与现有技术相比，本发明的有益效果在于：本发明提出一种功率放大器芯片热性能监测方案，基于采集到的功率放大器芯片热性能数据，进行分析，对功率放大器芯片的运行状态划分为超额时段和正常时段，并结合超额时段的超额指标和功率放大器芯片的工作时间进行功率放大器芯片的故障风险值计算，依据预测计算的功率放大器芯片的故障风险值的大小进行判断该功率放大器芯片是否存在着发生故障的风险，进而实现针对于功率放大器芯片的风险监控，可及时的对功率放大器中的功率放大器芯片进行预先维护，故障风险排查，避免因功率放大器芯片发生故障而导致的功率放大器停机，造成更大的损失。
附图说明
16.图1为本发明中的功率放大器芯片热性能监测系统结构框图；图2为本发明中的功率放大器芯片热性能监测方法流程图；图3为本发明中的实时结温数据的计算方法流程图；图4为本发明中的功率放大器芯片的实时结温数据记录方法流程图；图5为本发明中的功率放大器芯片的风险概率值计算方法流程图；图6为本发明中的风险概率值计算公式的系数的计算方法流程图图7为本发明中的功率放大器芯片的超额指标的计算方法流程图。
具体实施方式
17.以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实时例只作为举例，本领域技术人员可以想到其他显而易见的变型。
18.参照图1所示，一种功率放大器芯片热性能监测系统，包括：处理器，处理器用于进行计算功率放大器芯片的实时结温数据、建立功率放大器芯片的实时结温-运行时间数据表、建立功率放大器芯片故障风险预测模型、计算功率放大器芯片的风险概率值和判断功率放大器芯片的风险概率值是否大于预设值；存储器，存储器与处理器相耦合，存储器用于存储功率放大器芯片故障风险预测模型和的功率放大器芯片的实时结温-运行时间历史数据表；监测模块，监测模块与处理器电性连接，监测模块用于实时监测功率放大器芯片的壳温和功率放大器芯片的运行功率；输出模块，输出模块与处理器电性连接，输出模块用于进行输出高风险信号或输出低风险信号。
19.处理器内部集成有：
第一计算单元，计算单元用于根据功率放大器芯片的壳温、功率放大器芯片的运行功率计算功率放大器芯片的实时结温数据；第一判断单元，第一判断单元用于进行判断功率放大器芯片的实时结温数据是否大于功率放大器芯片的最大结温；数据处理单元，数据处理单元用于建立实时结温-运行时间数据表；模型计算单元，模型计算单元用于进行功率放大器芯片故障风险预测模型建立及求解；第二计算单元，第二计算单元用于进行计算功率放大器芯片的风险概率值；第二判断单元，第二判断单元用于进行判断功率放大器芯片的风险概率值是否大于预设值。
20.监测模块包括：温度检测单元，温度检测单元用于实施监测功率放大器芯片的壳温；功率检测单元，功率检测单元用于检测采集功率放大器芯片的运行功率。
21.上述功率放大器芯片热性能监测系统的工作过程为：步骤一：模型计算单元从存储器中调取不同型号功率放大器芯片的实时结温-运行时间历史数据表，并建立不同型号的功率放大器芯片故障风险预测模型，并将功率放大器芯片故障风险预测模型存储至存储器；步骤二：温度检测单元和功率检测单元实时监测功率放大器芯片的壳温和功率放大器芯片的运行功率，并将检测数据输送至处理器；步骤三：第一计算单元根据检测数据计算功率放大器芯片的实时结温数据；步骤四：第一判断单元判断功率放大器芯片的实时结温数据是否大于功率放大器芯片的最大结温；步骤五：数据处理单元根据第一判断单元的判断结果进行实时结温-运行时间数据表的建立；步骤六：第二计算单元从存储器调取功率放大器芯片故障风险预测模型，并根据实时结温-运行时间数据表计算功率放大器芯片的风险概率值；步骤七：第二判断单元判断功率放大器芯片的风险概率值是否大于预设值；步骤八：输出模块根据第二判断单元的判断结果输出高风险信号或输出低风险信号。
22.请参阅图2所示，进一步的，结合上述功率放大器芯片热性能监测系统，本方案提出一种功率放大器芯片热性能监测方法，包括：获取功率放大器芯片的性能参数，性能参数包括功率放大器芯片的最大结温、功率放大器芯片的散热热阻；实时监测功率放大器芯片的壳温、功率放大器芯片的运行功率，根据功率放大器芯片的壳温、功率放大器芯片的运行功率计算功率放大器芯片的实时结温数据；记录功率放大器芯片的实时结温数据，建立功率放大器芯片的实时结温-运行时间数据表；建立功率放大器芯片故障风险预测模型，功率放大器芯片故障风险预测模型以得功率放大器芯片的实时结温-运行时间数据表作为输入，以功率放大器芯片故障风险概率
作为输出；将功率放大器芯片的实时结温-运行时间数据表中的数据输入功率放大器芯片故障风险预测模型，获得功率放大器芯片的风险概率值；将功率放大器芯片的风险概率值与预设值进行比对，判断功率放大器芯片的风险概率值是否大于预设值；若是，则判定为芯片故障风险高，输出高风险信号，若否，则判定为芯片故障风险低，输出低风险信号。
23.基于采集到的功率放大器芯片热性能数据，进行分析，对功率放大器芯片的运行状态划分为超额时段和正常时段，并结合超额时段的超额指标和功率放大器芯片的工作时间进行功率放大器芯片的故障风险值计算，依据预测计算的功率放大器芯片的故障风险值的大小进行判断该功率放大器芯片是否存在着发生故障的风险，进而实现针对于功率放大器芯片的风险监控。
24.请参阅图3所示，功率放大器芯片的实时结温数据的计算方法为：实时监测功率放大器芯片的壳温、功率放大器芯片的运行功率，获取功率放大器芯片的壳温数据、功率放大器芯片的运行功率数据；按照实时结温公式进行计算功率放大器芯片的实时结温数据，实时结温公式为：式中，为功率放大器芯片在t时刻的实时结温数据，为放大器芯片的在t时刻的实时壳温数据，为功率放大器芯片在t时刻的运行功率数据，为功率放大器芯片的散热热阻。
25.由于正常状态下无法测得功率放大器芯片的内部结温，因此本方案中通过测量功率放大器芯片的壳温，结合功率放大器芯片的散热热阻进行功率放大器芯片的内部结温计算。
26.请参阅图4所示，记录功率放大器芯片的实时结温数据具体包括：判断功率放大器芯片的实时结温数据是否大于功率放大器芯片的最大结温；若是，则将功率放大器芯片的实时结温数据对应的时刻记为超额时刻，若否，则将功率放大器芯片的实时结温数据对应的时刻记为正常时刻；将功率放大器芯片的实时结温数据与对应的时刻一一对应，建立实时结温-运行时间数据表。
27.通过建立实时结温-运行时间之间的一一对应关系，进而可获得功率放大器芯片在每一个时刻的运行状态数据，通过建立实时结温-运行时间数据表，进而为绘制实时结温-运行时间曲线提供数据支撑。
28.请参阅图5所示，功率放大器芯片的风险概率值计算步骤为：对实时结温-运行时间数据中的数据进行分析，获取功率放大器芯片运行过程中的若干个超额时段；根据功率放大器芯片在若干个超额时段的实时结温数据，计算功率放大器芯片的超额指标；将功率放大器芯片的超额指标和功率放大器芯片的工作时长输入风险概率值计
算公式中，得到功率放大器芯片的风险概率值；其中，风险概率值计算公式为：式中，为功率放大器芯片的风险概率值，为功率放大器芯片的超额指标，为功率放大器芯片的工作时长，均为风险概率值计算公式的系数；请参阅图6所示，风险概率值计算公式的系数的计算过程为：获取若干组相同型号的功率放大器芯片的实时结温-运行时间历史数据表；根据功率放大器芯片发生故障与否对若干组相同型号的功率放大器芯片的实时结温-运行时间历史数据表进行分组，获得若干组未故障实时结温-运行时间历史数据和故障实时结温-运行时间历史数据；根据实时结温-运行时间历史数据表计算历史超额指标；根据若干组未故障实时结温-运行时间历史数据和故障实时结温-运行时间历史数据的历史超额指标和工作时长，以最大似然法进行的计算。
29.本方案提出的风险概率值计算公式是基于logistic回归模型原理建立的，建立故障风险预测模型，logistic回归模型是一种广义的线性回归分析模型，常用于数据挖掘，结果预测等领域；本方案提出的风险概率值计算公式通过对发生超额运行时段的功率放大器芯片的超额指标计算，结合功率放大器芯片的工作时长进行预测计算功率放大器芯片发生故障的概率，依据预测计算的功率放大器芯片发生故障的概率大小进行判断该功率放大器芯片是否存在着发生故障的风险，可实现及时的对功率放大器中的功率放大器芯片进行预先维护，故障风险排查；其中，本方案中，针对于功率放大器中每一个不同型号的功率放大器芯片建立独立的风险概率值计算公式，对每一个不同型号的功率放大器芯片发生故障的概率通过与之对应的风险概率值计算公式进行预测计算。
30.请参阅图7所示，功率放大器芯片的超额指标的计算过程为：按照超额指数计算公式计算功率放大器芯片在每个超额时段的超额指数；根据若干个超额时段的超额指数按照超额指标计算公式进行计算，得到功率放大器芯片的超额指标；其中，超额指数计算公式为：式中，为功率放大器芯片在第i个超额时段的超额指数，为第i个超额时段的开始时刻，为第i个超额时段的终止时刻，为第i个超额时段内的实时结温
数据，为功率放大器芯片的最大结温数据；超额指标计算公式为：式中，为功率放大器芯片的超额指标，为超额时段的个数。
31.对于超额指数的计算，本方案中通过计算超额时段的结温温度的超出值，并对超额时间进行积分计算，本领域的技术人员可以理解的是，对于超额时段的结温温度的超出值越大，超额时间越长，则对于功率放大器芯片造成的损伤越大，通过对若干个超额时段的超额指数进行求和计算，即可获得功率放大器芯片在当前运行状态下的超额指标。
32.再进一步的，本方案还提出一种计算机可读存储介质，其上存储有计算机可读程序，其特征在于，计算机可读程序被调用时执行如上述的功率放大器芯片热性能监测方法。
33.可以理解的是，计算机可读存储介质可以是磁性介质，例如，软盘、硬盘、磁带；光介质例如，dvd；或者半导体介质例如固态硬盘solidstatedisk，ssd等。
34.综上，本发明的优点在于：提出一种功率放大器芯片热性能监测方案，可及时的对功率放大器中的功率放大器芯片进行预先维护，故障风险排查，避免因功率放大器芯片发生故障而导致的功率放大器停机，造成更大的损失。
35.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实时例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。