一种基于知识图谱技术的辅助电源调试方法

吕梦平,段 斌,周志刚,旷 怡

(湘潭大学 信息工程学院,湖南 湘潭 411105)

在开关电源设计过程中,为了设计出一款性能指标合格的电源,调试是必不可少的一个环节。但开关电源本身是一个复杂工程问题,涉及到多方面的技术、工程和其他因素,包含多个相互关联的子问题,并可能相互之间有一定的冲突[1]。所以电源调试就变成了一个非常复杂的过程[2]。普通设计者在设计好电路后,由于经验不足,无法周全考虑到各因素对电源指标的影响,不得不花很长时间进行调试,导致效率低下。而且看似已调试好的电源,实则存在一些潜在的隐患,这些隐患在特殊情况下就会体现出来[3]。文献[4]提出了“流程式”的电源调试方法,但此方法要求设计者具有一定的调试经验,而且需要对影响因素逐一排查,调试时间长,效率低下。文献[5]使用了反推的方法,虽然调试时间减短,但仅适用于反激式拓扑结构,灵活性受到很大限制。因此,迫切需求一种高效率且灵活的电源调试方法。知识图谱作为一种新兴技术,其最大的特点在于能够清晰地将实体间的关系以图模型表示出来[6]。而在电源问题中,性能指标与影响因素存在错综复杂的关系[7]。通过构建开关电源知识图谱,可将影响因素与各性能指标间的关系显性化表达,反映电源领域中某些问题的真实认知,以帮助设计者准确、快速地找到问题并进行解决。

目前,知识图谱技术已经在很多领域得到应用。文献[8]将电力网络拓扑映射到知识图谱中并以图形数据库的形式进行存储,再基于图形数据库开发了停电范围检测算法,取得了良好的效果。文献[9]提出了利用现有电力设备缺陷记录语料构建出电力设备缺陷知识图谱,基于知识图谱进行电力设备缺陷检索,相比于其他传统的方法具有更高的准确率。文献[10]基于知识图谱构建知识库的方法,结合客服知识库与知识图谱检索技术,设计了智能客服系统技术方案。通过分析该系统与传统客服系统的差异,论证了该系统在企业中的应用前景和技术优势。

本文通过在图形数据库Neo4j中构建电源知识图谱,在知识图谱中不仅可以将影响电源性能指标的因素显示化表达,还可以基于知识图谱进行查询、筛选、匹配等操作。当设计者在调试过程中发现某些性能指标不合格时,可以在Neo4j中查询,快速找出可能的影响因素,为设计者提供参考,提高调试效率。

1 电源知识图谱构建

1.1 知识图谱概念

知识图谱本质上是一个知识库,它由节点和有向边构成。节点一般表示实体或者概念,有向边连接两个节点,表示两个节点间的关系。知识图谱旨在描述真实世界中存在的各种实体或概念,以及实体或概念间的关系,其构成一张巨大的语义网络图[11]。与传统的基于关键字匹配的搜索引擎工作原理不同的是,知识图谱利用概念、实体的匹配度返回给用户与搜索相关的更全面的知识体系,其工作原理如图1所示。整体分两个过程:构建和查询[12]。首先,构建知识图谱,在数据源中抽取出实体、属性,以及实体之间的关系。其中,数据源可以是领域知识库,万维网等。以实体为节点,关系作为连接实体的有向边,属性表示实体或者关系的一些特征,将节点与关系用图的形式展现出来,便构建出了知识图谱。然后,基于知识图谱查询。在用户的输入的内容中提取实体与属性,与知识图谱做匹配,将匹配到的实体与属性返回给用户,同时将该实体的其他属性以及周边的有关系的实体作为推荐一并返回。

1.2 电源知识图谱节点实体抽取

本文以TI-PMLK为研究工具,它是斯坦福大学为德州仪器公司设计的一款电源管理实验套件,目的是帮助设计者研究电源内部的运行机理及复杂联系。它由BUCK、BOOST和LDO 3套电路拓扑组成,实物套件如图2所示。

每套电路拓扑包含6个实验,代表着电源领域的专家知识,本身也是一个典型的复杂工程问题[13]。首先,通过分析这些实验可以帮助抽取电源主要包含的性能指标、影响因素以及两者之间的约束关系。再把性能指标与影响因素作为知识图谱中的实体节点,关系作为边把节点连接起来,从而构建出一张电源知识图谱。最后,需要给电源知识图谱的边添加属性,即相关性系数,以表示节点之间的关联强度。

1.3 相关性系数矩阵构建

在电源中,为了研究单个影响因素如何对性能指标造成影响。首先,对各个影响因素设置一组初始条件如下:负载电流:0.3 A,开关频率:200 kHz,输入电压:6 V,输入电容:10 μF,输出电容:100 μF,输入电容ESR:1 mΩ,输出电容ESR:15 mΩ。然后保持其他条件不变,改变其中一个因素条件,观察每个性能指标的变化。为提高工作效率,使用德州仪器(TI)公司提供的Webench在线仿真系统仿真,它可以在线修改电路参数,并实时返回电路运行情况。这里基于TPS54160电源管理芯片搭建仿真电路模型,仿真电路模型如图3所示。

通过在电路模型中修改单个因素条件,可以在Webench中得到电源性能指标在不同因素条件下的变化情况。部分仿真数据如表1所示。

表1 Webench仿真数据(部分)

根据表1可以观察出影响因素对每个性能指标的影响程度不同,为了清晰地表达出它们之间的关联程度,将Webench仿真数据导入到统计学软件SPSS中进行相关性分析得到电源性能指标与影响因素间的相关性系数矩阵,将系数矩阵可视化为热力图形式如图4所示。图中的数字为皮尔逊系数,表示性能指标与影响因素间的关联强度。一般地,0.8

图4中:IV为输入电压;LC为负载电流;SF为开关频率;IC为输入电容;ESRIC为输入电容等效电阻;OC为输出电容;ESROC为输出电容等效电阻;SCOI为电感饱和特性;E为效率;OVR为输出电压纹波;ICR为电感电流纹波;TL为总损耗;CF为穿越频率;PM为相位裕度;LFG为低频增益;TSA为暂态浪涌幅度。

1.4 电源知识图谱

本文利用Neo4j作为构建电源知识图谱的工具,它是基于Java的高性能、高可靠性、可扩展性强的开源图数据库。作为一种新兴的数据库技术,其内核是一种极快的拓扑引擎,能够处理大数据内部复杂的依赖关系[15]。根据以上的工作,抽取出电源主要包含的性能指标有8个:效率、输出电压纹波、电感电流纹波、总损耗、穿越频率、相位裕度、低频增益、暂态浪涌幅度。影响因素主要也有8个:输入电压、负载电流、开关频率、输入电容、输入电容ESR、输出电容、输出电容ESR、电感饱和特性。将电源性能指标和影响因素作为节点,两者之间的关系作为边,相关性系数作为边的属性,在Neo4j中可以构建出的电源知识图谱如图5所示。基于电源知识图谱,可以做一些查询,匹配等操作,以辅助工程师进行调试。图中的重量、体积、电容、电感、变压器、PCB面积、其他等节点都可以作为衡量一款电源的指标,但这些节点的边没有属性,即不存在相关性系数。在一些特殊情况下,这些节点可以为电源工程师提供参考。

2 案例分析

2.1 电源知识图的操作方法

为验证本文方法的优越性,本文针对同一个电路设计了两组调试任务,并邀请两位电源工程师甲和乙完成。具体调试任务如表2所示。

表2 调试任务

以表2中的调试任务“输出电压纹波≤50 mV”为例,工程师在进行性能指标测试时,发现实际的输出电压纹波达65 mV。显然,实际情况达不到理想目标,这就需要对电源进行调试。

基于知识图谱的调试方法如下:

首先,工程师在Neo4j中查询哪些因素对输出电压纹波影响较大,至于这个影响程度,工程师可以自行设定一个阈值,这里将阈值设置为0.8,则查询语句为

MATCH path=(m)-[n:影响]-(:Indication

{name:"输出电压纹波"})

WHEREn.Correlation>0.8 orn.Correlation<-0.8

RETURN path,n

然后,可以得到强烈影响输出电压纹波的因素如图6所示。

通过查看图6可知,强烈影响输出电压纹波的因素是输出电容、输出电容ESR和开关频率。所以,首先考虑调整这3个因素来降低输出电压纹波。但是,由于电源的复杂性,这3个因素可能还会强烈影响其他性能指标,调整这些因素的同时可能会导致其他性能指标不合格。因此,工程师还需在Neo4j中查询这3个因素除了影响输出电压纹波之外,各自还会影响其他哪些性能指标。这里同样将阈值设为0.8,通过查询可以得出这些因素对其他性能指标的影响如图7所示。

根据图7(a)可知,开关频率对较多的指标有影响,若通过调整开关频率来达到降低输出电压纹波的目的,则同时很有可能导致效率、相位裕度、低频增益等指标不合格。但是除了强烈影响输出电压纹波之外,图7(b)和(c)中输出电容和输出电容ESR只影响相位裕度,所以在保证相位裕度合格的条件下首先调整输出电容和输出电容ESR来降低输出电压纹波,而不去调整开关频率。此处需要注意,相关性系数是正/负数的说明因素与性能指标呈正/负相关,因此,依据系数的符号可以确定影响因数的调整方向。例如,输出电压纹波与输出电容之间的相关性系数是负数,为减小输出电压纹波,则要增大输出电容,而减小输出电容ESR。

最终,将输出电容增大到220 μF,输出电容ESR减小到2 mΩ。输出电源纹波被降低到了43 mV,说明目标完成。其他的调试任务也是用相同的方法。

2.2 结果分析

在表2中,任务B提出的要求涉及到很多复杂的影响因素,调试难度远远大于任务A。现要求工程师甲和乙分别用传统的“流程法”[4]和本文的“知识图谱法”完成调试任务A和B,其中甲是初级工程师,乙是高级工程师。因在电源调试这个过程中,只会存在两种结果,即达成目标或者不达成。所以,两位工程师只有将表2中的所有任务完成,才算是达成最终的目标。两位工程师分别用两种方法完成调试任务,通过在完成时间上将两种方法作对比得到如图8所示。

根据图8(a)和(b)可知,在两个任务中工程师甲和乙在“知识图谱法”所用时间均远小于“流程法”所用时间,说明不管调试任务难度如何,基于知识图谱的调试方法都可以节省很多时间,大大提高了调试效率。而且,随着调试任务的难度增加,两种方法在时间上的差距更加显著。再分别观察图8(a)和(b)两图发现,在同一个任务中,两位工程师基于“流程法”的调试时间相差很大。但基于“知识图谱法”的调试时间几乎相同,仅有较小的差距,这部分差距主要由两位工程师对仪器操作的熟练程度决定。这说明“知识图谱法”可以在很大程度上减少对工程师自身经验、能力的依赖。因此,该方法适用范围更广,操作更灵活。

3 结论

本文将知识图谱技术应用到电源调试中,利用知识图谱的优势,将电源中各因素与性能指标间的复杂关系用图模型在Neo4j中表示出来,通过查询知识图谱,设计者可以快速找到导致性能指标不合格的原因,为其调试提供参考,从而减轻电源设计者的认知负荷,提高调试效率。最后,通过案例分析,具体介绍了如何利用知识图谱进行调试,并通过实验验证了该方法的优越性。

本文只抽取了电源中主要的性能指标和影响因素,实际上电源在一些特殊条件或场景下,还需考虑有很多其他的性能指标和影响因素。可以通过爬虫、知识抽取等技术进行深入挖掘,使得电源知识图谱更加精确和完善,以便帮助工程师更准确地分析电源,这也是后续研究中的重要工作。