一种应用于电路与系统的故障预测与健康管理方法与流程

技术特征：

1.一种应用于电路与系统的故障预测与健康管理方法，其特征在于，包括以下步骤：

步骤1.准备多个待测电路，分别进行老化测试，得到训练数据并存储于数据库中；

步骤2.对训练数据进行PCA分析，得到训练样本；

步骤3.设定神经网络层数并初始化神经网络；

步骤4.采用深度学习模型：VNN、DBN、CNN及SAE对训练样本分别训练神经网络；若所有模型的训练误差均小于预设阈值，则返回步骤3，重新设定设定神经网络层数并初始化神经网络；否则，选定训练误差最小的深度学习模型，并将其训练好的神经网络放入测试芯片中；

步骤5.采用传感器对工作状态的待测电路进行实时数据采集，根据实时数据，测试芯片计算待测电路当前健康状态X进行输出，若并将历史数据存储于RAM中；

步骤6.计算RAM中所有历史数据的平均值与最新数据X_last对比，若存在故障率变大趋势，则计算其变化速率：其中time是时间偏移量；并计算其达到故障阀值X_threshold的时间：t_RUL＝|X_threshold-X_last|/v，t_RUL即为待测电路剩余寿命。

2.按权利要求1所述应用于电路与系统的故障预测与健康管理方法，其特征在于，所述步骤5中，历史数据的存储方式为：

1)设定历史数据的最大保存数目N，

2)按照时间顺序依次存入N个历史数据，

3)初始化i＝1；

4)当采集到下一个新数据时，替换第i个数据，并更新i＝mod(i,N)+1。