Локализация дефектов конструкций печатных узлов методом вибродиагностики

Цели. В процессе производства и эксплуатации печатных узлов (ПУ), устанавливаемых в блоках радиоэлектронных средств (РЭС), могут возникать конструктивные дефекты, обусловленные технологическими погрешностями или воздействием внешних эксплуатационных факторов. Наибольшую опасность представляют латентные дефекты, которые невозможно выявить после изготовления ПУ, но которые способны привести к отказам в процессе эксплуатации. Современные ПУ характеризуются высокой плотностью компоновки электрорадиоэлементов и, как правило, размещаются в герметичных блоках, что существенно затрудняет применение традиционных методов контроля. Целью работы является повышение достоверности выявления и классификации латентных дефектов конструкций ПУ в герметичных блоках по механическим амплитудно-частотным характеристикам (АЧХ) с использованием глубокой нейронной сети.

Методы. Предложен метод вибродиагностики, основанный на численном моделировании механических процессов, экспериментальных вибрационных испытаниях и применении искусственной нейронной сети для классификации технического состояния. Диагностирование осуществляется путем анализа механических АЧХ, полученных с помощью акселерометра, установленного на корпусе блока, и их сравнения с базой расчетных АЧХ, сформированной для различных технических состояний ПУ.

Результаты. Для экспериментальной проверки метода изготовлен макет ПУ внутри блока, в конструкцию которого вносились различные дефекты, и сформирована база расчетных механических АЧХ для исправного и неисправных состояний. После получения экспериментальных АЧХ выполнено их сравнение с расчетными данными, и с использованием глубокой нейронной сети определены виды внесенных дефектов.

Выводы. Разработанный метод вибродиагностики ПУ позволяет с высокой точностью выявлять и классифицировать латентные дефекты, возникающие в РЭС в процессе производства и эксплуатации, и повышает достоверность оценки технического состояния ПУ.

1. Увайсов С.У., Долматов А.В., Во Т.Х., Лыу Н.Т., Нгуен К.Д. Диагностика нарушений целостности конструкций бортовых радиоэлектронных средств при испытаниях на ударные воздействия. Russian Technological Journal. 2024;12(2):28–38. https://doi.org/10.32362/2500-316X-2024-12-2-28-38

2. Долматов А.В., Сулейманов С.П., Увайсов Р.И. Диагностирование целостности конструкции электронной аппаратуры. Проблемы качества, безопасности и диагностики в условиях информационного общества. 2004;1:99–100. https://elibrary.ru/pfgsrx

3. Костюков А.С., Башкиров А.В., Гостев М.Ю., Демихова А.С., Пирогова Ю.А. Сравнительный анализ программных комплексов для определения механических характеристик РЭС. Вестник Воронежского государственного технического университета. 2020;16(4):117–126. https://doi.org/10.25987/VSTU.2020.16.4.016

4. Шалумов А.С. АСОНИКА – российская САПР электроники в части виртуальных испытаний. Электроника: Наука, технология, бизнес. 2022;3:82–83. https://doi.org/10.22184/1992-4178.2022.214.3.82.83

5. Резчикова Е.В., Лыонг К.Л. Виброзащита бортовой электронной аппаратуры от внешних воздействий. Контроль. Диагностика. 2021;24(11):22–30. https://doi.org/10.14489/td.2021.11.pp.022-030

6. Беляев А.А., Кононов Д.П., Кротов С.В. Проблемы диагностики современных тепловозных двигателей. Бюллетень результатов научных исследований. 2024;1:7–20. https://doi.org/10.20295/2223-9987-2024-01-7-20

7. Битюков В.К., Долматов А.В., Задерновский А.А., Стариковский А.И., Увайсов Р.М. Расчет допустимых отклонений виброускорений печатных узлов методом имитационного моделирования. Russian Technological Journal. 2023;11(6):28–38. https://doi.org/10.32362/2500-316X-2023-11-6-28-38

8. Занг В.Т., Дао А.К., Фам Л.К.Х., Нгуен В.Д., Нгуен В.Т., Увайсова А.С. Особенность применения технологии JTAG в диагностике печатных узлов. В сб.: Инновационные, информационные и коммуникационные технологии: сборник трудов XVII Международной научно-практической конференции. 2020. С. 427–431. https://elibrary.ru/xpkskk

9. Нехорошков Д.П., Юсипов М.Р., Сотникова С.Ю. Моделирование тепловых и механических процессов блока метеорологического спутника. Инновационные, информационные и коммуникационные технологии. 2019;1:309–313. https://elibrary.ru/ydlitd

10. Исабекова Т.И., Савзиханова С.Э. Моделирование надежности электронных компонентов сверхбольших интегральных схем методом Монте-Карло. Вестник Дагестанского государственного технического университета. Технические науки. 2025;52(3):49–60. https://doi.org/10.21822/2073-6185-2025-52-3-49-60

11. Bach Phi Duong, Jong-Myon Kim. Prognosis of remaining bearing life with vibration signals using a sequential Monte Carlo framework. J. Acoust. Soc. Am. 2019;146(4):EL358–EL363. https://doi.org/10.1121/1.5129076

12. Кашникова А.П., Беляева М.Б. Метод Монте-Карло в задачах моделирования процессов и систем. Modern Science. 2021;1-2:358–362. https://elibrary.ru/ywleen

13. Кофанов Ю.Н., Сотникова С.Ю. Повышение точности моделирования на основе идентификации. Инновации на основе информационных и коммуникационных технологий. 2015;1:176–178. https://elibrary.ru/ukehyt

14. Журавлёв А.О., Поляков А.О., Андриков Д.А. Методы вибродиагностики: от способов получения данных до их обработки современными средствами. Вестник РУДН. Серия: Инженерные исследования. 2024;25(4):380–396. https://doi.org/10.22363/2312-8143-2024-25-4-380-396

15. Ирзаев Г.Х. Обеспечение и оценка контролепригодности конструкции сложных радиоэлектронных средств на этапах их проектирования. Контроль. Диагностика. 2023;26(5):34–41. https://doi.org/10.14489/td.2023.05.pp.034-041

16. Рахманов П.А., Гаррыев С.С., Реджепгелдиев С.С. Глубокое обучение и машинное обучение: ключевые отличия и влияние на современные технологии. Вестник науки. 2024;4(73):651–654. https://elibrary.ru/rnvyuu

17. Полетаев А.А., Яблоков А.Е. Нейросетевой метод технической диагностики оборудования по спектрам виброскорости и виброускорений. Известия Тульского государственного университета. Технические науки. 2024;5:476–481. https://www.elibrary.ru/nyfisf

18. Клячкин В.Н., Кувайскова Ю.Е., Ломовцева Н.А. Диагностика состояния технического объекта с помощью классификации методами машинного обучения. Программные продукты и системы. 2021;4:572–578. http://doi.org/10.15827/0236-235X.136.572-578