机载电路板故障与老化程度检测关键技术研究

This project is to study the key technology of airborne electronic board infrared thermal imaging deep repairing system. The main content of research as follows: Establishment of infrared image temperature calibration model; Identification algorithm for infrared image element circuit board base on SVM; Image registration algorithm based on pixels., Fault location algorithm based on the image sequence; The measured circuit board image temperature information corresponding with fault database; Aging degree detecting method based on the comprehensive index of circuit board; the aging status circuit board image temperature information corresponding with aging status grade; Development of a set of experimental system for airborne circuit board fault detection experiments based on infrared thermal imaging. The research results of this project will not only fill up the blank circuit board component level repairing, Significant increase in China's civil aviation deep repairing ability, but also Initially propose the conception of circuit board health detection, effectively reduce the fault rate during the flight. On one hand the aircraft safety is greatly enhanced, on the other hand, it can reduce the takeoff and landing fault rate, greatly improve the civil aviation operations, With a wide range of practical significance.

本项目研究基于红外热成像的机载电子系统电路板故障诊断与老化程度检测关键技术，主要研究红外图像温度校准模型的建立；基于SVM算法的电路板红外图像中元器件识别方法；基于像素点的图像配准算法；基于序列热图法的故障定位算法；待测故障电路板图像温度信息与故障数据库的对应分析；基于综合老化指数的电路板老化程度检测方法；待测老化程度电路板图像温度信息与老化程度等级对应分析，以及开发一套基于红外热成像的机载电路板故障诊断与老化程度检测实验系统进行现场实验。本项目的研究成果不仅能够填补国内机载电路板深度维修空白，显著提高我国民航机务维修能力，而且首创电路板老化程度检测，有效减少飞机飞行过程中的故障，确保航班正点、安全飞行，实现成本控制，具有重要的现实意义。

机载电路板由于其高集成度及工艺复杂等特性，传统的电路板检测方式（探针式，针床式等等）难以对其进行有效检测，目前国内对于机载电路板检测只能做到板卡级检测，无法对机载电路板进行更深度的元件级检测，是造成航空公司运营成本居高不下的重要原因。本项目从机载电路板深度检测出发，基于红外热成像技术，研究机载电路板故障诊断及老化程度检测的关键技术。..本项目的主要研究内容有以下四个方面：..1）温度数据采集方法研究，开发机载电子系统外置电路接口，将每一块电路板通过接口电路分离外置，达到红外图像拍摄采集条件，通过序列热图法采集温度数据。..2）红外图像处理方法研究，研究红外图像分割算法，红外图像配准算法，红外图像与可见光图像融合匹配算法等，完成对温度数据的进一步处理，将待测元器件的温度数据转换成曲线模型，待与标准温度模型进行进一步对比分析。..3）故障模型研究，研究不同的故障类型对应的不同温度曲线表现形式，建立故障识别算法，通过神经网络和SVM分类器，对各种故障数据进行分类识别。..4）电路板老化模型研究，研究老化电路板温度模型与标准版温度模型对比算法，建立电路板老化程度模型。..在上述研究基础上，项目团队开发了一套基于红外热成像的机载电路板故障诊断仪，配套GAPCU及WXR两套机载电子设备的外部接口及标准温度模型，能够对GAPCU及WXR的电路板进行深度检测，2015年交付南方航空沈阳维修基地进行实地运营，运营期间成功检测修复多块机载电路板，为基地节省维修费用上百万元。未来项目团队将开发更多新型电路板检测方式，与本项目中的红外热成像检测方法相结合，扩充检测范围，提高检测效率，帮助国内民航业在机载电子系统检测上迈向更高目标。