电路板测试数据异常智能诊断方法及系统与流程

本发明涉及电路板测试，尤其涉及电路板测试数据异常智能诊断方法及系统。

背景技术：

1、电路板功能测试是电子产品制造过程中的关键环节，其核心在于通过采集测试点的电气信号来评估电路板性能是否符合设计规范。现有技术通常依赖于对电压、电流等基础电气参数的时序数据进行采集与监控，并设定固定的阈值范围进行异常判定。

2、常规的测试数据分析方法多采用时域或频域的单一分析手段，时域分析侧重于信号的幅值、均值、方差等统计特征，通过比对预设阈值来识别超出范围的异常点。频域分析则通过傅里叶变换将信号转换至频域，观察特定频段的能量分布是否异常，这些方法能够发现明显的、持续性的信号偏差，例如开路、短路或元件参数严重漂移。然而，上述常规做法存在明显局限，难以有效捕捉和量化多维、动态的关联特征与模式演变，导致对潜在故障的预警能力不足，诊断深度有限。

3、此外，在定位异常根源时，常规方法通常基于测试点的物理邻近性或简单的信号相关性进行推测，缺乏对异常在电路功能逻辑网络中传播路径与影响范围的系统性分析，容易造成定位模糊，将关联性影响误判为根本原因，或无法准确界定故障的波及边界，从而影响维修效率并遗留隐患。

技术实现思路

1、本发明实施例提供电路板测试数据异常智能诊断方法及系统，能够解决现有技术中的问题。

2、本发明实施例的第一方面，提供电路板测试数据异常智能诊断方法，包括：

3、采集电路板在功能测试过程中各测试点的电气信号序列，所述电气信号序列包含电压时序数据、电流波动数据与阻抗响应数据；

4、对所述电气信号序列进行多尺度小波分解，提取不同频率层级的信号分量，并构建反映信号分量间相位耦合关系与能量分布特性的特征矩阵，并计算所述特征矩阵的秩缺陷指数与条件数变化趋势，识别潜在异常模式；

5、基于所述潜在异常模式，构建测试点之间的互信息传递图并计算各边的条件互信息强度作为边权重，采用谱聚类分解方法提取异常子图结构，确定异常影响的边界范围与目标传播测试点；

6、针对所述目标传播测试点，对其历史测试数据进行分段统计分析，提取信号突变点的时间戳与突变幅度，结合电路板的功能模块划分规则与信号流向约束，推导异常根因所属的电路功能单元并输出包含异常等级的诊断报告；

7、根据所述诊断报告对电路板进行故障修复，并采集故障修复后的复测数据进行关联验证。

8、对所述电气信号序列进行多尺度小波分解，提取不同频率层级的信号分量，并构建反映信号分量间相位耦合关系与能量分布特性的特征矩阵，并计算所述特征矩阵的秩缺陷指数与条件数变化趋势，识别潜在异常模式，包括：

9、对所述电气信号序列在预设的分解层级上执行小波分解，获得各频率层级对应的信号分量并进行希尔伯特变换提取解析信号，计算所述解析信号的瞬时相位并构建跨频率层级的相位差矩阵，对所述相位差矩阵在时间维度上进行协方差分析，提取协方差矩阵的特征向量作为相位耦合关系的基底表征；

10、计算所述信号分量的小波能量，构建能量分布向量，对所述能量分布向量进行主成分变换得到能量主成分载荷，将所述相位耦合关系的基底表征与所述能量主成分载荷，按频率层级索引拼接形成所述特征矩阵；

11、对所述特征矩阵进行奇异值分解得到奇异值序列，计算所述奇异值序列的有效数值秩，将矩阵理论秩与所述有效数值秩的差值作为秩缺陷指数；

12、在连续多个测试周期内重复获取所述特征矩阵并计算对应的条件数，拟合所述条件数随测试周期的变化曲线，提取所述变化曲线的曲率变化率与拐点密度，并计算向量范数值作为条件数变化趋势；

13、当所述秩缺陷指数超过秩缺陷阈值或所述条件数变化趋势超过变化阈值时，标记对应测试周期的电气信号序列为潜在异常模式。

14、基于所述潜在异常模式，构建测试点之间的互信息传递图并计算各边的条件互信息强度作为边权重，采用谱聚类分解方法提取异常子图结构，确定异常影响的边界范围与目标传播测试点，包括：

15、基于所述潜在异常模式，提取对应测试周期的电气信号序列，进行符号化编码并计算测试点间符号序列的转移概率矩阵，基于所述转移概率矩阵计算互信息，通过偏互信息算法消除共同驱动因素的影响，得到条件互信息强度作为测试点间连接边的边权重，构建加权有向互信息传递图；

16、对所述加权有向互信息传递图进行对称化处理，计算度矩阵与邻接矩阵并构建对称拉普拉斯矩阵，计算特征值谱并确定聚类数量，提取所述聚类数量的最小特征值的特征向量构建谱嵌入空间；

17、将所述测试点映射至所述谱嵌入空间，在所述谱嵌入空间中执行基于距离度量的聚类操作，识别类内距离最小且类间距离最大的测试点簇，提取所述测试点簇及其关联边作为异常子图结构；

18、对所述异常子图结构执行图切割操作，计算切割边权重总和与子图内部边权重总和的比值，选取所述比值最小的切割方案并将切割边位置标记为异常影响的边界范围，在所述异常子图结构内部计算各测试点的信息输出强度与传播覆盖范围，选取两者乘积最大的测试点作为目标传播测试点。

19、对所述加权有向互信息传递图进行对称化处理，计算度矩阵与邻接矩阵并构建对称拉普拉斯矩阵，计算特征值谱并确定聚类数量，提取所述聚类数量的最小特征值的特征向量构建谱嵌入空间，包括：

20、对所述加权有向互信息传递图的邻接矩阵进行转置操作，计算所述邻接矩阵与转置邻接矩阵的加权平均得到对称邻接矩阵，计算所述对称邻接矩阵各行元素之和构建度向量，并转换为对角矩阵得到度矩阵，对所述度矩阵与所述对称邻接矩阵进行矩阵运算得到对称拉普拉斯矩阵；

21、对所述对称拉普拉斯矩阵进行特征分解，得到特征值及对应特征向量，将所述特征值按从小到大的顺序排列得到特征值谱，计算所述特征值谱中相邻特征值之间的差值构建特征值间隙序列，识别间隙最大值位置，统计所述间隙最大值位置之前的特征值数量确定聚类数量；

22、提取与所述特征值谱中前所述聚类数量个最小特征值对应的特征向量，并按列拼接形成嵌入矩阵，对所述嵌入矩阵的各行向量进行单位化归一化处理，将归一化后的所述嵌入矩阵的行空间作为谱嵌入空间。

23、针对所述目标传播测试点，对其历史测试数据进行分段统计分析，提取信号突变点的时间戳与突变幅度，结合电路板的功能模块划分规则与信号流向约束，推导异常根因所属的电路功能单元并输出包含异常等级的诊断报告，包括：

24、对于所述目标传播测试点的历史测试数据序列，构建滑动时间窗口并计算信息熵，基于信息熵的时序变化率确定分段，计算各分段的统计矩特征得到统计矩特征序列；

25、对所述统计矩特征序列进行奇异谱分解提取趋势分量与扰动分量，计算所述扰动分量的局部方差，将局部方差超过方差阈值的位置标记为信号突变点并记录时间戳，计算所述趋势分量在突变点的跃变量作为突变幅度；

26、基于功能模块划分规则与信号流向约束，构建功能模块间的有向传递网络，以所述目标传播测试点所属功能模块为终点执行反向路径搜索，提取路径上的前驱功能模块构成根因候选集；

27、对根因候选集中各功能模块计算到终点的信息传递增益，将所述信息传递增益与对应模块内测试点的突变幅度累积值进行乘积运算，得到异常溯源得分，选取异常溯源得分最高的功能模块作为异常根因所属的电路功能单元；

28、根据所述突变幅度与所述异常溯源得分确定异常等级，生成包含所述电路功能单元、所述时间戳与所述异常等级的诊断报告并输出。

29、基于功能模块划分规则与信号流向约束，构建功能模块间的有向传递网络，以所述目标传播测试点所属功能模块为终点执行反向路径搜索，提取路径上的前驱功能模块构成根因候选集，包括：

30、根据功能模块划分规则解析测试点与功能模块的映射关系，定位所述目标传播测试点所属的功能模块作为搜索终点；

31、根据信号流向约束提取功能模块间的信号依赖关系，以功能模块为节点、信号依赖关系为有向边构建有向依赖图，并进行拓扑层次划分确定各节点的层级，根据信号传递时序为有向边标注时间延迟属性，形成有向传递网络；

32、在所述有向传递网络中对所述搜索终点执行反向广度优先遍历，从所述搜索终点开始，沿有向边的逆向提取上一层级的前驱节点并加入待访问队列，对待访问队列中节点重复执行前驱节点提取操作直至遍历完所有可达前驱节点，生成反向可达节点集合；

33、对所述反向可达节点集合中各节点计算到所述搜索终点的最短路径长度与路径数量，将所述最短路径长度的倒数与所述路径数量的对数值进行加权求和得到节点关联强度，保留所述节点关联强度大于关联阈值的节点，并将对应的功能模块构成根因候选集。

34、本发明实施例的第二方面，提供一种电路板测试数据异常智能诊断系统，包括：

35、信号采集单元，用于采集电路板在功能测试过程中各测试点的电气信号序列，所述电气信号序列包含电压时序数据、电流波动数据与阻抗响应数据；

36、特征提取单元，用于对所述电气信号序列进行多尺度小波分解，提取不同频率层级的信号分量，并构建反映信号分量间相位耦合关系与能量分布特性的特征矩阵，并计算所述特征矩阵的秩缺陷指数与条件数变化趋势，识别潜在异常模式；

37、异常识别单元，用于基于所述潜在异常模式，构建测试点之间的互信息传递图并计算各边的条件互信息强度作为边权重，采用谱聚类分解方法提取异常子图结构，确定异常影响的边界范围与目标传播测试点；

38、根因分析单元，用于针对所述目标传播测试点，对其历史测试数据进行分段统计分析，提取信号突变点的时间戳与突变幅度，结合电路板的功能模块划分规则与信号流向约束，推导异常根因所属的电路功能单元并输出包含异常等级的诊断报告；

39、修复验证单元，用于根据所述诊断报告对电路板进行故障修复，并采集故障修复后的复测数据进行关联验证。

40、本发明实施例的第三方面，提供一种电子设备，包括：

41、处理器；

42、用于存储处理器可执行指令的存储器；

43、其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

44、本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

45、本方法能够实现电路板测试异常的精准定位与根因分析，通过对电气信号序列进行多尺度小波分解，能够有效分离信号中的噪声与有效成分，提取不同频率层级的信号分量，构建的特征矩阵能够反映信号分量间的相位耦合关系与能量分布特性，其秩缺陷指数与条件数变化趋势的计算，为识别潜在异常模式提供了量化依据，显著提升了异常检测的灵敏度与早期预警能力。

46、基于潜在异常模式构建的互信息传递图，能够刻画测试点间的统计依赖关系，条件互信息强度作为边权重增强了图的表达能力。采用谱聚类分解方法提取异常子图结构，可以准确界定异常影响的边界范围，并精确定位目标传播测试点。

47、针对目标传播测试点的历史数据进行分段统计分析，能够捕捉信号突变的关键时间点与幅度特征。结合电路板的功能模块划分与信号流向约束，可以逆向推导异常根因所属的具体电路功能单元，该方法实现了从异常现象到具体功能单元的因果链追溯，输出的诊断报告包含异常等级，为维修决策提供了直接、明确的指导。