mireabulletinRussian Technological JournalRussian Technological Journal2782-32102500-316XRTU MIREA10.32362/2500-316X-2021-9-4-98-112mireabulletin-348Research ArticleСОВРЕМЕННЫЕ РАДИОТЕХНИЧЕСКИЕ И ТЕЛЕКОММУНИКАЦИОННЫЕ СИСТЕМЫMODERN RADIO ENGINEERING AND TELECOMMUNICATION SYSTEMSАлгоритм Кохонена в задачах классификации конструктивных дефектов печатных узловKohonen’s algorithm in problems of classification of defects in printed circuit assemblieshttps://orcid.org/0000-0003-1943-6819УвайсовС. У.UvaysovS. U.

Увайсов Сайгид Увайсович, д.т.н., профессор, заведующий кафедрой конструирования и производства радиоэлектронных средств Института радиотехнических и телекоммуникационных систем

119454, Москва, пр-т Вернадского, д. 78

Scopus Author ID 55931417100

ResearcherID H-6746-2015

Saygid S. Uvaysov, Dr. Sci. (Eng.), Head of Department of Design and Production of Radio-Electronic Means, Institute of Radio Engineering and Telecommunication Systems

78, Vernadskogo pr., Moscow, 119454

ResearcherID H-6746-2015

Scopus Author ID 55931417100 

uvaysov@yandex.ruЧерноверскаяВ. В.ChernoverskayaV. V.

Черноверская Виктория Владимировна, к.т.н., доцент, кафедра конструирования и производства радиоэлектронных средств Института радиотехнических и телекоммуникационных систем

119454, Москва, пр-т Вернадского, д. 78

Viktoriya V. Chernoverskaya, Cand. Sci. (Eng.), Associate Professor, Department of Design and Production of Radio-Electronic Means, Institute of Radio Engineering and Telecommunication Systems

78, Vernadskogo pr., Moscow, 119454 

chernoverskaya@mirea.ruДаоАнь КуанDaoAn Kuan

Дао Ань Куан, аспирант, кафедра конструирования и производства радиоэлектронных средств Института радиотехнических и телекоммуникационных систем

119454, Москва, пр-т Вернадского, д. 78

Dao An Kuan, Postgraduate Student, Department of Design and Production of Radio-Electronic Means, Institute of Radio Engineering and Telecommunication Systems

78, Vernadskogo pr., Moscow, 119454  

anhquan.hvu@gmail.comНгуенВан ТуанNguyenVan Tuan

Нгуен Ван Туан, аспирант, кафедра конструирования и производства радиоэлектронных средств Института радиотехнических и телекоммуникационных систем

119454, Москва, пр-т Вернадского, д. 78

Nguyen Van Tuan, Postgraduate Student, Department of Design and Production of Radio-Electronic Means, Institute of Radio Engineering and Telecommunication Systems

78, Vernadskogo pr., Moscow, 119454 

tuanmya2pkkq@gmail.comМИРЭА – Российский технологический университет; МГТУ им. Н.Э. БауманаРоссияMIREA – Russian Technological University; Bauman Moscow State Technical UniversityRussian FederationМИРЭА – Российский технологический университетРоссияMIREA – Russian Technological UniversityRussian Federation2021260820219498112Copyright © Увайсов С.У., Черноверская В.В., Дао А.К., Нгуен В.Т., 20212021Увайсов С.У., Черноверская В.В., Дао А.К., Нгуен В.Т.Uvaysov S.U., Chernoverskaya V.V., Dao A.K., Nguyen V.T.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rtj-mirea.ru/jour/article/view/348

Представлен оригинальный метод диагностирования технического состояния печатных узлов (ПУ) радиоэлектронных средств (РЭС), основанный на математическом моделировании тепловых процессов и сети Кохонена как инструменте классификации конструктивных дефектов ПУ. Показана структура метода и определен состав функциональных блоков. Реализация метода представляет собой сочетание математического моделирования состояний РЭС с физическими испытаниями и исследованием характеристик. Предлагаемый метод базируется на специализированных программных комплексах конструкторского и схемотехнического проектирования Altium Designer, SolidWorks, NI Multisim, FloTHERM PCB, а также пакетах математического моделирования. При помощи этих инструментов был проведен ряд исследований, в том числе получены наборы численных значений мощностей элементов схемы и температурных показателей печатного узла как для исправного состояния устройства, так и в состояниях с искусственно внесенными дефектами. На основе этих данных была сформирована база неисправностей электронного узла. Для реализации диагностических процедур и идентификации технического состояния создана искусственная нейронная сеть на основе самоорганизующихся карт Кохонена, определена ее структура, параметры и алгоритмы функционирования. Процедура диагностики базируется на анализе информации из базы неисправностей и ее сравнении с экспериментальными данными, полученными в результате физического эксперимента. Результаты исследования показали, что сеть автоматически классифицирует характерные дефекты электронных узлов с помощью заложенных в ней алгоритмов. Перечень характерных дефектов в предложенном методе диагностирования ограничен дискретным набором наиболее часто встречающихся неисправностей, поскольку при увеличении их числа применение самоорганизующейся сети Кохонена для классификации значительно усложняется и становится неэффективным по показателям производительности и достоверности идентификации. Из достоинств данной технологии следует отметить, что сеть Кохонена имеет возможность преобразовывать входные данные большой размерности в двумерный массив, поэтому результаты легко визуализировать и удобно использовать при формировании отчетов и рекомендаций для последующего принятия решения о возможности эксплуатации электронного устройства.

The article presents a new method for diagnosing the technical condition of radio-electronic components, combining the methods of thermal diagnostics with the technologies of artificial neural networks. The structure of the method is shown, and the composition of the functional blocks is determined. The implementation of the method is a symbiosis of technologies for mathematical and simulation modeling of the technical state of a radio-electronic device with its physical tests and research of characteristics. When developing the method, specialized software tools for design and circuit design were actively used, such as Altium Designer CAD, SolidWorks, NI Multisim, the FloTHERM PCB thermal analysis module, as well as the MATLAB mathematical modeling and calculation package. With the help of these tools, a number of studies were carried out, including sets of numerical values of the power of circuit elements and temperature indicators of the printing unit, both for the correct state of the device and in states with artificially introduced defects. They, in turn, became the basis of the database of electronic node failures. To implement diagnostic procedures and identify the technical condition, an artificial neural network based on selforganizing Kohonen maps was created, its structure, parameters and algorithms of functioning were determined. The diagnostic procedure is based on the analysis of information from the fault database and its comparison with experimental data obtained as a result of a physical experiment. The results of the study showed that the network automatically classifies the characteristic defects of electronic components using the algorithms embedded in it. The list of characteristic defects in the proposed diagnostic method is limited to a discrete set of the most common faults, because, as their number increases, the use of the self-organizing Kohonen network for automatic classification becomes much more complicated and ineffective in terms of performance and reliability of identification. Among the advantages of this technology, it should be noted that the Kohonen network has the ability to convert largedimensional input data into a two-dimensional array. So, the results are easy to visualize and convenient to use when generating reports and recommendations for subsequent decision-making about the possibility of using an electronic device.

радиоэлектронное средствотехническая диагностикамоделированиесистема автоматизированного проектированиятепловое диагностированиетермограммасамоорганизующаяся сетькарта КохоненакластеризацияклассификацияЭРЭradio-electronic equipmentelectronic meanstechnical diagnosticsmodelingcomputer-aided design systemthermal diagnosticsthermogramself-organizing networkKohonen mapclusteringclassificationelectric radio elementReferencesЛышов С.М., Увайсов С.У., Черноверская В.В., Фам Лэ Куок Хань. Инженерная методика вибродиагностики конструкций бортовых радиоэлектронных средств. Наукоемкие технологии. 2020;21(2−3):17−29. https://doi.org/10.18127/j19998465-202002-3-03Lyshov S.M., Uvaysov S.U., Chernoverskaya V.V., Le Quok Han Pham. Engineering technique for vibrodiagnostics of structures on-board radio electronic means. Naukoemkie tekhnologii = Science Intensive Technologies. 2020;21(2−3):17−29 (in Russ.). https://doi.org/10.18127/j19998465-202002-3-03Увайсов С.У., Черноверская В.В., Лышов С.М., Фам Лэ Куок Хань, Увайсова А.С. Искусственная нейронная сеть в задаче диагностики дефектов конструкций печатных узлов электронных средств. Наукоемкие технологии. 2020;21(10):29−39. https://doi.org/10.18127/j19998465-202010-04Uvaysov S.U., Chernoverskaya V.V., Lyshov S.M., Le Quok Han Pham, Uvaysova A.S. Artificial neural network in the problem of diagnostics of defects in the construction of printed circuit components of electronic devices. Naukoemkie tekhnologii = Science Intensive Technologies. 2020;21(10):29−39 (in Russ.). https://doi.org/10.18127/j19998465-202010-04Лышов С.М., Увайсов С.У., Черноверская В.В., Хань Ф.К. Метод вибродиагностики технического состояния конструкций электронных средств. Российский технологический журнал. 2021;9(2):44–56. https://doi.org/10.32362/2500-316X-2021-9-2-44-56Lyshov S.M., Uvaysov S.U., Chernoverskaya V.V., Han P.Q. Method of vibration diagnostics of the technical condition of electronic means structures. Rossiiskii tekhnologicheskii zhurnal = Russian Technological Journal. 2021;9(2):44−56 (in Russ.). https://doi.org/10.32362/2500-316X-2021-9-2-44-56Меркухин Е.Н. Априорный критерий оценки эффективности оптимизации теплового режима путем рационального размещения электронных элементов. Современные наукоемкие технологии. 2018;10:77−81. URL: http://top-technologies.ru/ru/article/view?id=37198Merkukhin E.N. A priori criteria of evaluation effictiveness optimization of thermal mode the rational placement of electronic elements. Sovremennye naukoemkie tekhnologii = Modern High Technologies. 2018;10:77–81 (in Russ.). Available from URL: http://top-technologies.ru/ru/article/view?id=37198Сергеева В.А., Тарасов Р.Г. Способ измерения тепловых параметров полупроводниковых изделий в составе электронного модуля. Надежность и качество: труды международного симпозиума. 2020;2:183−185.Sergeeva V.A., Tarasov R.G. Method for measuring thermal parameters of semiconductor products as part of an electronic module. Trudy Mezhdunarodnogo simpoziuma “Nadezhnost’ i kachestvo” = Proceedings of the International Symposium “Reliability and Quality”. 2020;2:183−185 (in Russ.).Сулейманов С.П., Долматов А.В., Увайсов С.У. Тепловое диагностирование радиоэлектронных устройств. В сб.: «Радиовысотометрия – 2004»: тр. первой всероссийской научно-технической конф. Екатеринбург: Изд-во АМБ; 2004. С. 55−59.Suleimanov S.P., Dolmatov A.V., Uvaisov S.U. Warm diagnostics of radio-electronic devices. In: Konferentsiya “Radiovysotometriya – 2004” (Radio Altimetry – 2004: Proceedings of First All-Russian scientific conf.). Ekaterinburg: Izd-vo AMB; 2004, p. 55−59. (in Russ.).Исаев С.С., Юрков Н.К. Методика тепловизионного контроля неисправностей печатных узлов РЭА на этапе производства. Труды международного симпозиума «Надежность и качество». 2013;2:92−95. URL:https://cyberleninka.ru/article/n/metodika-teplovizionnogokontrolya-neispravnostey-pechatnyh-uzlov-rea-naetape-proizvodstvaIsaev S.S., Yurkov N.K. Technique of thermal imaging control of faults in printed circuit assemblies of electronic equipment at the production stage. Trudy Mezhdunarodnogo simpoziuma “Nadezhnost’ i kachestvo” = Proceedings of the International Symposium “Reliability and Quality”. 2013;2:92−95 (in Russ.). Available from URL: https://cyberleninka.ru/article/n/metodika-teplovizionnogo-kontrolya-neispravnosteypechatnyh-uzlov-rea-na-etape-proizvodstvaВаляев Е.А. Нейросетевой каскад на основе самоорганизующихся карт Кохонена. В сб.: Сборник избранных статей по материалам научных конференций ГНИИ «НАЦРАЗВИТИЕ». СПб.: ГНИИ «Нацразвитие»; 2019. Ч. 2. С. 192−204.Valyaev E.A. Neural network cascade based on selforganizing Kohonen maps. In: Sbornik izbrannykh statei po materialam nauchnykh konferentsii GNII “NATSRAZVITIE” (Themed collection of papers from international conferences by HNRI “National Development”). St. Petersburg: GNII “Natsrazvitie”; 2019. Part 2, p. 192−204. (in Russ.).Кохонен Т. Самоорганизующиеся карты: пер. с англ. М.: БИНОМ. Лаборатория знаний; 2008. 655 с. ISBN 978-5-94774-352-4Kohonen T. Self-organizing maps. Verlag, Heidelberg: Springer; 2001. 502 p. [Kohonen T. Samoorganizuyushchiesya karty (Self-organizing maps). Moscow: BINOM. Laboratoriya znanii; 2008. 655 p. (in Russ.).]Tian J., Azarian M.H., Pecht M. Anomaly detection using self-organizing maps based k-nearest neighbor algorithm. In: Proceedings of the European Conf. of the PHM Society. 2014;2(1).Tian J., Azarian M.H., Pecht M. Anomaly detection using self-organizing maps based k-nearest neighbor algorithm. In: Proceedings of the European Conf. of the PHM Society. 2014;2(1).Горбаченко В.И., Ахметов Б.С., Кузнецова О.Ю. Интеллектуальные системы: нечеткие системы и сети: учебное пособие для вузов. М.: Юрайт; 2019. 105 с. ISBN 978-5-534-08359-0Gorbachenko V.I., Akhmetov B.S., Kuznetsova O.Yu. Intellektual’nye sistemy: nechetkie sistemy i seti: uchebnoe posobie dlya vuzov (Intelligent systems: fuzzy systems and networks: a textbook for universities). Moscow: Yurait; 2019. 105 p. (in Russ.). ISBN 978-5-534-08359-0Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы и методы искусственного интеллекта: учебник. М.: ИНФРА-М; 2021. 530 с. ISBN 978-5-16-014883-0Andreichikov A.V., Andreichikova O.N. Intellektual’nye informatsionnye sistemy i metody iskusstvennogo intellekta: uchebnik (Intelligent information systems and artificial intelligence methods: textbook). Moscow: INFRA-M; 2021. 530 p. ISBN 978-5-16-014883-0Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные цифровые технологии концептуального проектирования инженерных решений: учебник. М.: ИНФРА-М; 2019. 511 с. ISBN 978-5-16-014884-7Andreichikov A.V., Andreichikova O.N. Intellektual’nye tsifrovye tekhnologii kontseptual’nogo proektirovaniya inzhenernykh reshenii: uchebnik (Intelligent digital technologies for conceptual design of engineering solutions: textbook). Moscow: INFRA-M; 2019. 511 p. ISBN 978-5-16-014884-7Хайкин С. Нейронные сети: полный курс. М.: Вильямс; 2006. 1104 с.Haykin S. Neural networks. Prentice Hall, NJ: Upper Saddle River; 1999. 938 p. [Haykin S. Neironnye seti: polnyi kurs (Neural networks: a complete course). Moscow: Vil’yams; 2008. 1103 p. (in Russ.). ISBN 978-5-8459-0890-2]Beale M.H., Hagan M.T., Demuth H.B. Neural Network Toolbox. User’s Guide. Natick: Math Works, Inc.; 2015. 406 p.Beale M.H., Hagan M.T., Demuth H.B. Neural Network Toolbox. User’s Guide. Natick: Math Works, Inc.; 2015. 406 p.

The authors declare that there are no conflicts of interest present.