下载掌阅APP，畅读海量书库
立即打开
硬件电子产品的故障排查（下文简称“故障排查”）需要切实可行的，至少是能够执行的方法。故障排查的过程中，一线的指挥员和战斗员需要“炸碉堡”的方法。请注意，在战术执行层面，“我只要结果”等于“我没有办法”。
务实地讲，战术执行层面需要“有方法”，而且最好是简单易行的方法。工程实战推崇“大道至简”。“舍其易者而不行，究其难者以为学”——求奇、求繁而生拉硬拽的方法，应予以摒弃。
常规情况下，当系统或单板出现硬件电路故障时，可以按照如下三步流程进行操作。
（1）检查系统环境和单板外观，这部分包括（并不限于下述内容）：单板使用时实际的物理环境、操作方法；单板本体的实际状态，有无明显的物理碰撞、划伤、翘曲、异物附着，焊接情况如何，有无短路烧板等。一个极端的例子：如果电源供电线缆的连接状态都未检查，就贸然开始研究单板故障，这就过于莽撞。
（2）检查单板的约束引脚（Strap Pin）和硬件配置，检查单板或系统设置是否处于目标状态。此时需要参考设计文件或者用户使用手册等，确认使用条件和操作方法的正确性。
（3）如果上述外部环境和使用配置都正常，硬件故障排查一般采用“三板斧”，即对电源、时钟、复位进行检查。
总结一下，排查流程是：先看“ 环境适合使用吗 ”，再查“ 使用方法正确吗 ”，最后采用“ 三板斧 ”。
以上三点是本书阐述的排查硬件故障的核心思路，故障案例的排查、解决过程均从中得以体现。
下面通过一个故障案例，使读者初步了解“三板斧”的流程。
一款早期含PCI总线（Peripheral Component Interconnect Bus，外设部件互连总线，一种计算机总线标准）的机箱产品，背板包含1个控制器槽（插CPU卡，有的机箱定义为0槽，称为“零槽控制器”），7个外设槽（插I/O卡），其中外设槽按照距离控制器物理位置由近及远依次编号为2~8槽。
应用过程中发现一些标准PCI外设功能板卡在4~8槽存在无法识别的情况（同时，在此机箱4~8槽中存在能够被正确识别的PCI外设板卡）。而上述4~8槽中无法识别的异常板卡应用在另一种PCI标准机箱产品的各槽位中，都能够被正常识别。故障机箱平台及故障状态描述见图1.1。
图1.1 故障机箱平台及故障状态描述
针对案例1中描述的故障信息，此处插入一段关于系统适配的知识。
电子产品在批量化生产前，一般由各工业协会先确立标准，产业链中的各厂商均在相应的标准下设计、测试、生产产品，确立标准便于产业链细分。例如案例1中所描述的系统，机箱系统平台厂商和外设功能卡厂商就可以实现细分，两者“对话”的接口就是标准。
标准包含的内容可能非常繁杂，并非仅仅一组接口信号定义和一些电气参数指标，有的接口还包括协议、固件配置或用户自定义内容。另外，标准中的一些参数指标包括阈值范围，厂商可根据自身产品情况作出调整。
案例1的背景描述采用了交叉验证的方法，即至少两种机箱系统平台与至少两种外设板卡相互交叉匹配，目的是初步确定哪种设备的兼容性较差或不符合标准规范。
系统设备的适配和兼容问题是普遍存在的，是常规系统集成测试项目之一。
回到案例1所描述的系统适配问题，故障现象整理如下。
（1）距离控制器较近的2、3两个槽，外设板卡均可被识别。
（2）异常板卡在4槽有时能够被识别，有时不能。
（3）异常板卡在5~8槽，无法被识别。
（4）异常板卡更换到其他型号的机箱能够正常工作，本机箱的5~8槽能够识别某些PCI标准板卡。
针对上述故障，下面实践故障排查的一看、二查、三板斧流程。
首先检查外观是否存在磕碰痕迹，初步了解使用者大概在何种环境中进行应用。特别地，这是一台包含CPCI（Compact PCI，紧凑型外设部件互连，一种加固计算机总线标准）连接器的机箱，这种连接器包含很多插针，需要检查针脚的状态，确认是否存在断针、弯针等异常。
再将系统上电，检查设备启动状态和运行情况。尽可能搜集更多信息，同使用者对故障现象进行交流。
在搜集信息的过程中，最重要的原则是客观，这部分内容会在1.2节进行讲解。
此步骤在常规的故障排查流程中是一个可选项。有的案例不允许轻易破坏故障环境，也就是不能轻易更换，则无法进行对比试验。
此案例是应用公司自研硬件产品的系统集成项目，因此采用横向对比试验确认该故障是产品个体的案例（良品率问题），还是整批产品出现适配故障。经过对比发现是该类机箱产品的共性问题。
在故障排查测试中，电源测试非常重要，第3章会专门进行论述。
粗略地看，本案例中电源发生故障的可能性不大，主要原因是，通常背板电路主要由电源平面和高速互联线路构成，电源平面的通流很大，不同槽的电源一致性也很好。完整的电源平面使不同槽的电源存在差异的可能性很小（反言之，若某一槽存在故障，将同时影响背板整体电源平面的供电），案例1中，2、3槽的外设是正常运行的，证明电源发生故障的可能性不大。
另外，在硬件设计中，除了满足机箱系统供电的各种标准外，设计指标一般会留有裕度。在此列举一些机箱系统供电规范与实际硬件电路设计的例子，例如PXI-5（PXI，PCI Extensions for Instrumentation，面向仪器系统的PCI扩展）规范中，3槽及以上宽度（标准1槽宽度为20.32mm）的控制器规范中，+12V供电>11A，包含PXI Express外设或混合（Hybird）的I/O外设槽中，+12V供电>2A。依据上述规范的8槽机箱，+12V供电应为
11A（1个控制器槽）+7×2A（7个外设槽）=25A
在背板设计中，硬件设计人员需满足规范的基本约束，包括背板平面的通流参数、连接器及线缆的通流参数、+12V电源输出的额定功率，均需按照不小于25A来设计。另外，为了确保系统稳定可靠（例如高温环境中设备电流会急剧增加），还会保留一定设计余量，这种设计的裕度值没有一定之规，一般会根据系统设计的客观条件及设备应用场景的约束，增加30%~50%作为裕度，但是不会为非必要的余量额外增加设计成本。同时，电子元器件、模块、连接器、线缆可能也在标称参数下留有余量，只能通过实测获得部件组成系统后的极限参数。
上文分析了本案例中由电源引发故障的可能性很低的原因。但是，这并不意味着电源的测量可以省略。
“故用兵之法，无恃其不来，恃吾有以待之；无恃其不攻，恃吾有所不可攻也。”用侥幸心理去设计、测试、故障排查、生产……都会出大问题。
此案例中的电源测试，重点测什么？主要测试在系统启动过程中，插入5~8槽的正常识别板卡和异常板卡的电源参数差异，例如：
（1）静态特性——电压值、纹波差异等。
（2）瞬态特性——初始化过程中（此时负载变化较大），电压的波动等。
（3）详细检查异常槽供电针脚的完整性（是否存在弯针、断针，外观检查时为粗查）。
（4）检查满载板卡时机箱电源的带载能力。
经过测试，电源未见明显的异常状况。这个结果与测试前的分析是一致的，但是，不代表这个测试动作可以用“想”来代替。
时钟是数字电路的核心问题之一，后续会在第2章讲解时钟参数、时钟质量等方面的技术内容，本案例属于系统适配的问题，需要测量控制器和背板的时钟包括，案例中的背板包含PCI标准的33MHz/32b总线，最重要的时钟是控制器槽扇出至各外设槽的33MHz时钟，这个时钟与PCI外设的初始化和通信是直接相关的。另外，系统还包含外设槽的同步时钟等。经初步检查，时钟波形未见异常，在此粗略地进行时钟测量，主要检查是否存在时钟输出，以及时钟是否包含明显的“频率异常”“回沟”等问题，并不涉及时序、抖动和更多的时钟质量测试，上述流程采取“先粗再精”的原则，先对系统进行宏观的排查，初步锁定发生故障的范围后，再进行精细的测量和深入的研究。
在系统启动过程中，背板上PCI的复位信号RST#，经过测量，复位动作正常发送至各个外设槽。
PCI外设的初始化配置是在BIOS（Basic Input Output System，此处是指计算机中负责CPU、内存和外设等初始化，并引导、加载操作系统的功能代码）流程中进行的。初步检查PCI外设在BIOS流程中是否被识别，用来区分硬件设备是在操作系统中出现问题（例如操作系统中的一些外设驱动问题），还是在BIOS流程中已经出现异常。检查发现，异常的PCI外设在BIOS中无法识别。
以上为此案例的初步测试流程。关于此案例的结果以及调测流程，暂不进行详述，后续会在6.1节中予以解读。此处目的是使读者大致了解故障排查流程，即对系统硬件状态进行初步摸底。
针对不同案例，上述步骤或存在调整，基本思路并无太多差异。
“战势不过奇正，奇正之变，不可胜穷也”。基本的流程并不复杂，具体到案例的取舍执行，变化调整又无穷尽。
《大学》曰：“物有本末，事有终始，知所先后，则近道矣”。把握哪些是通用流程，需要在故障排查流程中优先覆盖；哪些是具体问题，需要针对具体场景进行个例分析，个例分析按照怎样的优先级排序，分清主次先后，“则近道矣”。