偶发重启排查记——EMC与ESD对系统可靠性的隐形杀手
做硬件这行十几年，要说最让人头疼的故障，不是那种一坏就死的，而是那种"玄学故障"。今天要聊的这台工控机，就是典型中的典型——不定时重启，查又查不到，换件也没用，最后差点把客户关系都搞崩了。
故事发生在一个做包装机械的客户现场。他们产线控制柜里装了我们一批工控机，跑起来别的毛病没有，就是隔三差五自己重启一次。重启还没规律，有时连着三五天都正常，有时一天给你重启七八回。生产节拍一断，整条线都得停下来等机器起来，客户那边投诉电话是一天比一天凶。
最要命的是，这毛病在实验室里根本复现不了。我们拿同样的机器、同样的程序在实验室跑了一个礼拜，稳得像块石头。老板坐不住了，前后派了三个工程师去现场，都是拎着万用表去、带着一头雾水回来。
第一轮先怀疑软件。系统日志里只有一句干巴巴的"异常复位"，没有任何具体的报错代码。我们把固件、驱动、上位机程序全升到最新，现场该重启还是重启。第二轮怀疑硬件，把CPU、内存条、电源模块挨个换了一遍，照样没用。第三轮我们开始认真对比现场环境，终于发现一个线索——离机柜近的机器，重启明显更频繁；离得远的，基本没事。
这个线索把方向指向了环境。这次我们没急着换件，而是扛着示波器去现场蹲守。把探头搭在复位信号和几路电源轨上，设好单次触发，然后就是等。等了两天，真让我们抓到了：机器重启的瞬间，电源轨上有一个几十纳秒到微秒级的电压跌落，复位引脚上也同步出现一个毛刺。
顺着这个毛刺继续查，才发现这机柜附近可不太平。旁边装着一排变频器和接触器，生产过程中频繁动作，每次吸合、释放都是一次强烈的电磁干扰。我们的工控机就"泡"在这个干扰环境里。为了进一步确认，我们又搬出ESD静电枪，对着机器外壳和金属接口打——接触放电正负6kV、空气放电正负8kV，结果一打一个准，接口金属壳上"啪"一声，机器当场重启，故障完美复现。
到这一步，根因基本清楚了：这台机器的抗电磁干扰（EMC）和抗静电（ESD）设计严重不足。复位引脚、时钟线、复位IC这些关键信号，既没有滤波也没有保护。变频器和接触器开关瞬间产生的瞬态浪涌，通过电源线、信号线甚至外壳耦合进PCB，把复位信号"惊"了一下，CPU就异常复位了。而ESD是纳秒级的高电压大电流脉冲，打在外壳上会通过地线弹跳（ground bounce）直接干扰到数字电路。复位信号、中断引脚、时钟，恰恰是抗干扰最脆弱的三个点，而我们这台机器在这三个点上几乎"裸奔"。
这里得补一句理论。电磁兼容三要素：干扰源、耦合路径、敏感体。这个现场里，干扰源是变频器、接触器、开关电源；耦合路径是传导、辐射和共地；敏感体就是复位电路、时钟电路这些数字信号。三个要素里我们之前只盯着敏感体（换件），却忽略了干扰源和耦合路径，难怪怎么换都没用。
既然根因找到了，改进措施就清晰了。复位引脚加RC滤波、上拉电阻，再并一颗TVS管做钳位保护；关键信号线串磁珠或小电阻，走线尽量缩短；PCB地平面重新设计，保证完整连续，降低地线阻抗、减少地弹；电源入口加共模电感、X/Y电容和TVS，把电源滤波做扎实；外壳金属接口做好接地，接口电路加ESD保护器件；现场建议客户把机柜和变频器拉开距离，实在拉不开就加屏蔽隔板；对关键电路加屏蔽罩。
改版之后，先在我们自己的EMC实验室做验证。ESD测试空气正负8kV、接触正负6kV，把机器上所有金属接口打了一遍，一个重启都没有。再放回客户现场，专挑变频器动作最频繁的工位放了一周，日志里干干净净，零重启。客户验收那天，对方工程师拍着我们肩膀说："你们总算把这鬼问题给治了。"
回过头总结，这个案子给我最大的教训是：EMC和ESD问题最大的特点就是"现场偶发、实验室难复现"。光在实验室里测功能、测高低温，永远发现不了这类问题。真要抓它，就得现场蹲守加示波器抓毛刺，再用ESD枪主动注入、逼故障现形。
还有一点更值得记住：复位电路的保护设计，在原理图评审时是最容易被一笔带过的地方。大家都觉得复位就是"拉一下电平"的小事，结果到了现场，这颗没保护的复位引脚就是一颗定时炸弹。抗干扰设计必须在原理图和PCB阶段就做进去，等出了批量问题再回来补锅，代价是成倍往上翻的。
最后说句掏心窝的话：干了这么久，我越来越相信，很多看起来"无解"的玄学故障，背后都站着一只看不见的手——电磁兼容。它不是玄学，只是我们当时没看懂。 |
|
|
|
|
|
|
|
|
