引言
我是一名嵌入式硬件工程师，平时的工作是做硬件设计，与各种元器件和电路板打交道。
以大家最熟悉的手机为例，如果你拆开过手机，会发现手机里面有一块电路板，上面焊接了各种元器件，包括各种芯片、电阻、电容，电路板就是给这些元器件提供电气通路，并给元器件提供一个固定安装的地方。而我的工作就是设计电路板，最终让这些元器件正常的运转起来。
还以手机为例，硬件工程师就是做出一个手机的物理实体，而我们的好兄弟软件工程师就是编写程序，赋予手机以灵魂。
第一阶段
问题凸现
介绍完背景后，言归正传。这篇文章我主要是记录我遇到的一个科研难题，也是我这些年遇到的一个最大挑战。
我设计的一款设备，在常温下已稳定工作2年，一切运行良好。但是在2016年底，在做一次低温环境试验时，发现设备在低温下不能正常启动。
这里先解释一下什么是低温环境试验。为了考验设备在不同的场景下的工作适应性，每款设备都会有一个正常的工作温度，我们设备的工作温度是0℃~+40℃，也就是说在这个温度范围内，设备都应该正常工作。
但如何验证呢，就需要做环境试验。简单的说就是把设备放入到环境试验箱（可以想象成一个大冰箱）内，让环境试验箱降到0℃，如果设备能够正常工作，就证明OK。
我们一共挑了6台设备，在常温下，6台设备均运行良好。但是奇怪的是，到低温0℃时，有1台设备突然不能正常工作，具体现象是操作系统无法启动，但恢复到常温就一切正常。此现象可以反复再现。
首先我对这个问题进行了分析，定位这个故障是软件引起的，还是硬件引起的。由于设备恢复到常温时，设备工作正常，所以证明软件运行良好，程序代码没有问题，还是应当从硬件入手查找原因。
如果是从硬件查找原因的话，我最直接的判断是某些器件的低温特性不好，在低温时发生了电气参数漂移，从而引发整机故障。但是我们选用的器件都是工业级芯片，工作温度都是-40℃~+85℃，理论上在0℃工作应该是小菜一碟。如果器件没有问题的话，那么还是应该从硬件设计入手进行排查。
我找出设备的原理图，寻找可能发生故障的原因，没有想到还真是有所发现。我们使用的一颗电源芯片，在低温下过流保护的阈值会变小，即在低温时更容易进入过流保护状态。而在系统启动时，电流可能会有一个较大的跳变，可能导致设备在低温下工作异常。为了验证这一点，我修改了电路，通过调整某个电阻的电阻值，提高了过流保护的阈值，重新做低温摸底实验，很遗憾，没有改善！
与之类似的还有几点猜测，做了改动后，再次把设备放入低温温箱摸底，本希望有所效果，但是设备故障依旧。
初现曙光
我梳理了一下排查的思路，发现这里面有两个问题比较棘手：一是做低温试验时，设备是放在密闭的环境试验箱内，人无法直接接触到，所以在低温下无法测量实际运行的电信号；二是在低温环境中，所有的元器件和电路板都会降温，无法准确定位是哪颗芯片或哪部分电路在低温下出了问题。
针对第二个问题，我想如何实现对某颗芯片局部降温，以便缩小范围，找到准确的故障点。根据这个思路，我于是寻找可以降温的方法。功夫不负有心人，我听人说液氮可以迅速降温。于是找来一罐液氮进行尝试。
记得我当时第一次操作时还是有些紧张的。因为在液氮的包装说明上注明，液氮可以达到-40℃的低温，可能对人体造成伤害，所以使用起来必须要小心。同时为了监测降温的效果，我还使用了一个温度探头，实时监测温度的变化情况。
实际使用起来比想象的要简单，只要用罐子的喷嘴对电路板进行喷射即可。在最开始尝试降温时，我使用液氮对处理器芯片和内存芯片分别进行喷射，温度迅速降到了-10℃以下，设备启动正常。
但是在对Flash芯片和某颗电源芯片局部降温时，竟然重现了操作系统启动停止的现象。当时我很兴奋，哈，找到问题的原因了，就是这颗Flash芯片或电源芯片的问题。当时兴冲冲的找了新的Flash和电源芯片去焊接厂家进行更换。
峰回路转
万没有想到，在请焊接厂家更换完芯片后，测试发现电路板变得更加糟糕了，怎么在常温下系统都无法启动。在更换芯片之前，设备即使在低温下有故障，但常温下都一切正常。
我深吸一口气，让自己冷静下来，仔细观察电路板有什么异常。突然发现电路板上面有一颗大电感竟然发生了破裂，应该是受到了很大的物理应力。如果电感不正常，那么与之相关的开关电源电路必然也不正常。拿万用表测量了一下相关的电压，果然如此。还好，问题总算找到了，但我还是需要把事情的前因后果弄明白。
我赶紧给焊接厂家打电话核实情况，对方倒是直言不讳，说是在更换芯片的过程中，一不小心把电路板摔到了地上。Oh，my God！真是一波未平，一波又起。本来是要解决低温下电路板的故障，现在常温下电路板都不正常了。我当时深刻的体会到了一句话：真实的生活永远比故事精彩。
没有办法，只能硬着头皮修这块摔坏的电路板。我本以为把摔坏的电感替换掉，让开关电源电路恢复正常即可。但实际上，这块电路板是从1.5米的高度摔到了地上，受了很严重的内伤。在供电恢复正常后，我发现操作系统仍然无法启动。找来仿真器对处理器芯片进行仿真，发现处理器芯片访问DDR也发现了错误，芯片本身可能摔坏了！
事到如今，没有更好的办法，只好一颗一颗的更换芯片，先更换了4片内存芯片，没有改善，再更换了处理器芯片，发现情况更加糟糕，电路板供电都不正常了。估计是在更换芯片的过程中，电路板上的电源芯片频繁受热，原先焊接良好的芯片发生了虚焊，导致了故障。
经与领导协商，认为此块电路板已没有维修价值，若继续更换芯片已不能保证修理好，而且还要花钱购买新的芯片和投入较大的人工成本，修理工作只能以失败告终。
咬牙坚持
虽然放弃了修理故障电路板，但是问题的查找不能就此结束。在电路板摔坏之前，毕竟找到了怀疑点，低温下要么是那颗Flash芯片有问题，要么是那颗电源芯片有问题。既然我无法修理把那块故障板修理好，我可以把怀疑有问题的芯片更换到其它好电路板上，如果低温能够再现故障，也可以证明我的推断。
但是接下来事情没有按照我的预期来发展，把那两颗怀疑低温有故障的芯片更换到其它电路板上，再次做低温摸底，这块更换了芯片的电路板在低温下竟然一切正常。我的推测没有得到验证，问题的排查又再次陷入了僵局！
（未完待续）