模拟电路软故障诊断的研究

分析了模拟电路软故障诊断的重要性及现有的各种软故障诊断方法。对模拟电路软故障诊断字典法中基于支路屏蔽原理、电路参数随元件参数变化轨迹、节点电压灵敏度序列守恒定理和节点电压增量关系方程的四个研究方向各自的基本原理和优缺点进行了探讨;介绍了基于神经网络,结合模糊理论、小波变换的现代模拟电路软故障诊断的两个方向的研究现状;同时从通用的软故障诊断方法、大规模模拟电路的诊断策略和数模混合集成电路的诊断需求三方面指出了模拟电路软故障诊断的发展趋势和亟待解决的问题。     

基于闭环集成运放的模拟电路模块级软故障诊断

基于斜率故障模型,提出了一种诊断模拟电路中基于闭环集成运算放大器的模块级软故障的字典法.在由闭环运放组成的模拟电路中,通过对电路以闭环运放及与其输入直接相连的元件看作一个整体划分模块,对各个模块中的任一元件或进行宏模型替代之后的运放等效电路,利用电路中的两节点电压增量计算出的斜率作为统一故障特征,建立故障字典,实现电路中相应模块包含的运放和所有元件的软故障诊断.给出了运放的等效宏模型和模块级软故障的诊断步骤,并用仿真实例证明了该诊断方法的有效性.     

模拟电路中三极管和运放的软故障诊断

基于文献[1]中的斜率故障模型,提出了一种诊断模拟电路中晶体三极管和集成运算放大器软故障的字典法.在含有三极管和运放的电路中,通过对三极管和运放进行等效模型替代,对替代之后的等效电路,利用电路中的两节点电压增量计算出的斜率作为统一故障特征,建立故障字典,实现原电路中三极管和运放的软故障诊断.给出了三极管和运放的等效模型分析和诊断步骤,并用仿真实例证明了诊断方法的有效性.     

基于小波包与量子神经网络的容差模拟电路的软故障诊断

提出了基于小波包与量子神经网络的容差模拟电路的软故障诊断,将故障的不确定性数据合理地分配到各类中,减少了故障检测的不确定度,提高了故障检测的诊断率,克服了BP在模糊分类方面的局限性.实验证明,采用QNN与自适应BP神经网络相比,故障诊断率可提高11.899%.     

基于信息融合技术的模拟电路故障诊断

论述了基于多类电量测试信息模糊融合的模拟电路故障诊断方法的基本原理,提出了分别基于K故障节点诊断法和最小标准差法的元件故障隶属函数构造方法,以及基于可测点电压与不同测试频率下电路增益的模糊信息融合诊断算法.分别利用此两类测试信息及K故障诊断法和最小标准差法,对电路进行初步诊断,再运用模糊变换及故障定位规则,得到融合的故障诊断结果.模拟实验结果表明,所提方法大大提高了故障定位的准确率.     

基于MHMM模拟电路早期故障诊断

MHMM模型是一种基于高斯混合密度的连续隐马尔科夫模型,具有很好的模式识别能力,对于高混叠样本优势明显。模拟电路结构复杂,早期软故障呈现多样化,故障样本混叠严重,难以辨识。针对这个特点,提出了将MHMM模型应用于模拟电路早期故障诊断的新思路。首先,通过线性判别分析(LDA)技术将由仿真电路采集的数据样本进行降维处理,产生低维观测序列,并对样本初步划分;然后,使用高斯混合模型(GMM)对观测序列逼近,并完成MHMM模型的参数训练;最后,通过实例验证,并与BP网络进行比较。结果表明,MHMM对于早期故障的检测更具有优越性。     

基于FKCNN的模拟电路故障诊断方法

研究一种将模糊c均值聚类算法与神经网络相结合的模糊聚类神经网络(FKCNN),在分析该网络的结构和学习方法的基础上,对FKCNN的学习算法进行了一定的改进,并将改进后的模糊聚类神经网络应用于模拟电路的故障诊断,探讨了实现方法,设计了算法步骤,并举例对算法有效性进行了验证.结果表明,运用模糊聚类神经网络能够实现对具有状态可测性的模拟电路的故障诊断.     

Soft Fault Diagnosis of Analog Circuits via Frequency Response Function Measurements

This paper provides a novel method for single and multiple soft fault diagnosis of analog circuits. The method is able to locate the faulty elements and evaluate their parameters. It employs the information contained in the frequency response function (FRF) measurements and focuses on finding models of the circuit under test (CUT) as exact as possible. Consequently, the method is capable of getting different sets of the parameters which are consistent with the diagnostic test, rather than only one specific set. To fulfil this purpose, the local plolynomial approach is applied and the associated normalized FRF is developed.The proposed method is especially suitable at the pre-production stage, where corrections of the technological design are important and the diagnostic time is not crucial. Two experimental examples are presented to clarify the proposed method and prove its efficiency.     

基于LMD和SVM算法的模拟电路故障诊断

对模拟故障电路进行特征提取与分类是模拟电路诊断的两个重要环节。现有方法多对时域响应信号进行小波变换以提取故障特征,并用神经网络或支持向量机方法实现对故障进行分类。为提高模拟电路故障诊断率,提出一种局域均值分解(LMD)与SVM相结合的新算法。该算法运用局域均值算法(LMD),将其自适应地分解为一系列单分量调幅-调频信号(PF),通过提取电路正常和故障状态的特征,运用SVM对其分类,获得诊断效率。仿真实验结果表明,该方法对模拟电路的故障诊断精度达到98%以上,适用于模拟电路的故障诊断。     

基于灵敏度序列的非线性模拟电路故障诊断

对在非线性模拟电路中采用基于灵敏度序列的故障诊断方法进行了研究.针对非线性参数特性,首先采用分段线性叠代方法构建元件的线性模型,在被测电路中采用戴维南和诺顿定理等效替换;而后分段进行测前仿真,构造故障字典.采用分段线性叠代的方法,巧妙地构建了非线性元件的分析模型,避免了求解繁复的非线性代数方程或非线性微分方程.通过对两种等效替代模型进行分析和比较,指出各自的适用范围.在分段线性化后,引入工作域分析策略,简化了含多个非线性元件电路的测前分析.理论分析和相关实验为研究非线性电路的测试与故障诊断提供了新的方法.     

基于虚拟可及测试节点的模拟电路故障诊断

针对网络撕裂方法诊断模拟电路故障过程中撕裂节点必须是可及节点的限制,提出了虚拟可及测试节点的方法.利用网络拓扑结构和基尔霍夫电流定律计算一类不可及测试节点故障电压,让其成为虚拟可及测试节点.然后在可及或虚拟可及测试节点对网络进行撕裂,再根据故障电压和故障判据定位故障至更小的区域,从而进一步定位故障元件.这种新方法降低了待诊断电路中对可及节点数目的要求,增加了撕裂的灵活性.通过仿真实例验证了该方法的有效性.     

基于神经网络的模拟电路故障诊断研究

针对模拟电路,提出一种基于神经网络的故障诊断方法.通过故障字典的建立,选择电路的最佳测试节点,电路故障响应进行预处理后得到故障特征向量,再输入到神经网络实现电路故障诊断.仿真结果表明:该方法有效地解决了模拟电路辨识难的问题,具有更好的故障分辨率,取得了满意的诊断效果.     

Fault Diagnosis for Linear Analog Circuits

This paper presents a novel scheme to diagnose single and double faults for linear analog circuits. The scheme first proposes a simple transformation procedure to transform the tested linear analog circuit into a discrete signal flow graph, then constructs diagnosing evaluators, which model the faulty components, to form a diagnosis configuration to diagnose the faults through digital simulation. This saves much computation time. Furthermore, a simple method to un-power OP's is also proposed to differentiate equivalent faults. The scheme can diagnose faults in passive components as well as active faults in OP's.     

基于伪随机信号的模拟电路软故障定位方法

针对模拟电路软故障的测试难题,提出了定位模拟电路软故障的伪随机激励测试法.伪随机激励信号是一种包含多个频率成分的连续周期信号,由m序列生成.利用该信号激励模拟电路.通过计算输出响应序列的功率谱密度,不仅可以实现模拟电路软故障的数字化特征提取.而且还可以完成对模拟电路软故障的定位.以状态变量滤波器电路为例,分别利用交流激励信号和伪随机信号进行诊断,通过对比实验,验证了伪随机信号对定位模拟电路软故障的有效性,为实现模拟电路故障诊断的高覆盖率和诊断自动化提供了一种新途径.     

基于小波神经网络的模拟电路故障诊断研究

文章提出了一种基于小波神经网络的模拟电路故障诊断方法。这种方法采用正弦信号作为被测电路的输入激励,在时域中对输出信号采样来构造神经网络的训练和测试样本,将自适应学习率及附加动量BP算法训练后的小波神经网络应用于容差模拟电路故障诊断中。仿真试验表明,该方法减少了故障诊断时间和提高了网络的平均诊断正确率。     

基于遗传算法的容差模拟电路故障诊断

给出了用于模拟电路元件参数识别的多频传递函数法的过程,并对故障诊断方程的可解度进行了分析,在此基础上,将诊断方程的求解转化为非线性函数的优化问题,并运用改进的遗传算法来解决这个问题,算法实例表明该方法简化了故障诊断方程的求解过程,加速了容差电路故障元件的定位,有一定的应用价值。     

基于模糊C均值聚类算法与隶属算法的容差电路软故障诊断

在聚类分析与隶属函数的基础上,提出了一种容差电路软故障诊断的新算法。对于含有容差元件的的模拟电路,由于允许电路参数在一定范围内偏离理想值,所以很难判断电路是处于正常容差状态,还是软故障状态。本文首先简述了模糊C均值（Fuzzy C-means, FCM）聚类算法与模糊控制隶属算法的基本原理。然后通过一个容差电路软故障诊断实例,以验证本文算法的有效性:首先确定容差电路的正常状态与软故障状态种类,对每一种状态进行电路仿真,获取将来进行聚类分析与故障诊断的样本。然后对采集样本进行聚类分析,利用模糊C均值聚类算法将各种状态分类,并且得到所有状态的聚类中心。最后随机模拟一种电路状态,利用模糊隶属算法,计算当前电路状态与各状态聚类中心的隶属度,判断电路处于哪一种工作状态,实现容差电路的软故障诊断。实例表明,本文算法能够准确清晰地辨别容差电路的正常状态与故障状态,仅需少量样本即可获得各种状态的典型参数,对容差电路进行客观有效的软故障诊断。      

基于RS-PSO-SVM集成的模拟电路软故障诊断

针对模拟电路软故障诊断准确度不高的问题,提出一种基于粗糙集(RS)-粒子群算法(PSO)-支持向量机(SVM)集成的模拟电路软故障诊断方法。首先利用粗糙集理论对采集的模拟电路软故障特征信息进行维数约简,然后利用粒子群算法对支持向量机的参数进行优化,以提高支持向量机分类器的诊断性能,最后进行故障诊断。对四运放双二次高通滤波器进行仿真,实验结果表明,基于RS-PSO-SVM集成的模拟电路软故障诊断方法是有效的。与其他常用方法相比,该诊断方法具有更好的故障诊断性能。     

模拟电路故障诊断可信度研究

提出了描述标称转移矩阵Ｚ０的各标征向量几何分布性状的Ｖｏｒｏｎｏｉ多胞体，定义了描述测量向量ｄＵ在标征向量Ｚｉ中位置的标征干扰角θｕｉ。然后利用这两个概念揭示了容差─故障电路可诊充要和充分条件，讨论了定位故障的极值法和阈值法的有效性、局限性，及提高定位准确率的可能途径。     

非线性容差电路的故障诊断

文章着重讨论如何根据容差电路有限可及点上的电压测量，诊断其线性和（或）非线性元件故障，文章利用Ｇｒａｓｓｍａｎｎ流形中的子空间距离证明了ε－故障锥的存在，并由此导出容差干扰下的可诊性条件。为了区别非线性元件的自身故障与似故障。本文仔细分析了可及点电压变化阵的方向能量椭球，并提出了相对方向能量准则。仿真表明，该准则对容差影响是鲁棒的。