（检测技术与自动化装置专业论文）数字诊断技术在智能故障诊断系统中的应用及改进.pdf

四川大学硕士学位论文数字诊断技术在智能故障诊断系统中的应用及改进检测技术与自动化装置专业研究生：徐晓指导教师汪道辉教授随着各种新的应用出现，数字系统的集成度不断攀升，为满足这些数字系统的故障检测需求，出现了许多智能故障检测和诊断的方法，然而在将这些方法应用到实际的故障诊断系统中后，遇到了一些难题，其中如何区分并解决多线桥接故障和固定逻辑故障之间的征兆混淆问题一直是智能故障诊断系统设计的瓶颈，为解决这一难题，本文深入研究目前国内外最新取得的一些理论成果，在实际应用系统中对一些成熟的算法进行了一些改进，并将不同的算法进行了融合，成功应用到实际系统中。本文作者还对测试优化算法进行仔细研究，研究结果还显示这些常规的算法存在测试时间长、故障覆盖率低的缺点。在此基础上，本文对故障覆盖率最好的w o a 算法进行了在特定应用系统中的改进，并将其应用于实际的智能故障诊断系统中。其中心思想借鉴了w o a 算法并可保证在较大规模系统中应用的高故障覆盖率，可以检测出固定逻辑故障和桥接故障，并且可分辨出不同的桥接故障。实践表明，此种改进可使测试系统获得1 0 0 的故障覆盖率，迄今大量试验还未发现有误判的情况。在智能故障诊断系统中，虚拟仪器技术是关键，本文采用v c 十+ 6 0 设计本系统虚拟仪器界面和驱动程序，整个系统按功能划分模块，符合软件工程设计要求。系统中一些模块采用m c s 一5 1 汇编语言和v h d l 硬件描述语言编写，因而涉及到单片机、e d a 等新技术。此外由于采用强大的g u i 界面，使得该系统操作简单且易于移植到其他应用中。婴型奎堂堕圭堂垡笙苎本文精心设计该诊断系统的硬件接口板，使其能够检测和诊断m c u 、p l d 、存储器、数据传输和接口器件、i 0 口，而这些都是数字系统的常见部件，故该系统的各个模块均具有良好的通用性。限于时间，本文还有很多不足之处，工作还有待改进。关键词：w o a 算法，智能，故障诊断系统，虚拟仪器，数字系统。四川大学硕士学位论文t h ea p p l i c a t i o na n di m p r o v e m e n to fd i g i t a ld i a g n o s i sa l g o r i t h mf o ri n t e l l i g e n tf a u l td i a g n o s i ss y s t e mc o n t r o lt h e o r ya n dc o n t r o le n g i n e e r i n gs p e c i a l t yg r a d u a t e ：x ux i a oa d v i s e r ：w a n gd a o h u ip r o f e s s o rc o l l e g eo f e l e c t r i c a la n di n f o r m a t i o n ，s i c h u a nu n i v e r s i t y ( 6 1 0 0 6 5 )d r i v e nb ys o m ee m e r g i n ga p p l i c a t i o n s ，d i g i t a ls y s t e mi n t e g r a t i o ni so nt h er i s e t os a r i s f yd i g i t a ls y s t e mf a u l td e t e c t i o nr e q u i r e m e n t s ，al o to fi n t e l l i g e n tf a u l td e t e c t i o na n dd i a g n o s t i cm e t h o d sh a v eb e e ns e tu p h o w e v e r , i nm o s to ff a u l td i a g n o s i ss y s t e m ，i ti sd i f f i c u l tt oc l a s s i f ym u l t i l i n es h o r tc i r c u i tf a u l tf r o mf i x e dl o g i cf a u l t t os o l v et h ep r o b l e m ，t h ep a p e ra u t h o rw i d e l ys t u d yi nb o o l e a nm a t r i xt h e o r i e s 、f a u l td e t e c t i o na n dc o n d e n s i n gt h e o r e m 、f a u l td i a g n o s t i cs o u n d n e s st h e o r 而- 一a n da n t i a l i a s i n gt h e o r e m ，a n da l s om a k es o m ei m p r o v e m e n to fs o m eo ft h ea l g o r i t h m ，i n t e g r a t es o m eo fd i f f e r e n ta l g o r i t h m ，s u c c e s s f i d l ya p p l yt h em e t h o di nt h er e a ld i a g n o s t i cs y s t e m i na d d i t i o n ，t h ea u t h o ra l s or e s e a r c hi ng e n e r a ld e t e c t i o no p t i m a la l g o r i t h mu s e db yf a u l td i a g n o s i ss y s t e m r e s e a r c h e ss h o wt h a tt h e s eg e n e r a ld e t e c t i o no p t i m a la l g o r i t h m sh a v eal o to f f l a w si nt e s tt i m ec o s to rl o wf a u l tc o v e r a g er a t e o nt h eb a s eo ft h e s em c t h o d st h ep a p e rm a k es o m ei m p r o v e m e n tt ot h ew o ao p t i m a la l g o r i t h mi nt h es p e c i f i e da p p l i c a t i o ns y s t e m sa n da p p l yt h ei m p r o v e m e n tt oar e a li n t e l l i g e n td i a g n o s t i cs y s t e m t h ec e n t r a li d e ao ft h ei m p r o v e m e n ti sd e r i v e df r o mw o aa l g o r i t h m i tc a ng u a r a n t e et h eh i 幽f a u l tc o v e r a g er a t ei nac o m p l e xs y s t e m i tc a nd e t e c tf i x e dl o g i cf a u l ta n ds h o r tc i r c u i t ，t h em o s ti m p r o v e m e n to f t h es i t u a t i o ni si tc a l lp i c ko u tm u l t i f i n es h o r tc i r c u i tf a u l t e x p e r i m e n t ss h o wt h a tt h ei m p r o v e m e n tc a r la c h i e v e1 0 0 f a u l tc o v e r a g er a t e u n t i ln o wh a v e n tf o u n dw r o n g四川大学硕士学位论文d i a g n o s e s i nt h i si n t e l l i g e n tf a u l td i a g n o s i ss y s t e m ，v i r t u a li n s t r u m e n tt e c h n o l o g yi sak e yp o i n t “s o f t w a r ei si n s t r u m e n t i s n tas l o g a nb u taf a c t t h ea u t h o rd e s i g n sd i a g n o s i ss y s t e ms o f t w a r ew i t hv i s u a lc 抖6 0 ，t h ew h o l es y s t e ma r ed i v i d e da c c o r d i n gt of u n c t i o n a lb l o c k s o m eo ft h eb l o c k sa r cw r i t t e nb ym c s - 51a s ma n dcl a n g u a g ea n dv h d l w i t ht h ep o w e r f u lg u i ( g r a p hu s e ri n t e r f a c e ) ，t h i sd i a g n o s i ss y s t e mi se a s et ou s e ，a n dc a nb ec o n v e n i e n t l yt r a n s p l a n t e dt oo t h e ra p p l i c a t i o n s i nt h eh a r d w a r ep a r to ft h ei n t e l l i g e n tf a u l td i a g n o s i ss y s t e m ，ac i r c u i tb o a r df o ri n t e r f a c ei sd e s i g nm e t i c u l o u s l yb ya u t h o r , t h ei n t e r f a c eb o a r dc o n n e c t sp cw i t hc ut a 1 1l o g i cf u n c t i o n sn e e d e db yt h ei n t e r f a c eb o a r di sc o m et h r o u g hi nac p l d( c o m p l e xp r o g r a m m a b l el o g i cd e v i c e ) ，t h e r e f o r e ，t h ei n t e r f a c eb o a r di sv e r ys m a l la n de x q u i s i t e t h ed i a g n o s i ss y s t e mc a nd e t e c ta n dd i a g n o s em c u ( m i c r o c o n t r o l l e ru n i t ) 、p l d ( p r o g r a m m a b l el o g i cd e v i c e ，s u c ha sc p l do rf p g a ) 、m e m o r y ( s r a m 、p r o m 、e 2 p r o m 、f l a s he t c ) 、d a t at r a n s p o r ta n di n t e r f a c ed e v i c e ( l a t c h 、b u f f e r 、b u sd r i v e ra n dr e c e i v e r ) 、i op o r t ( i n p u to ro u t p u tp o r t ，s u c ha sp r i n tp o r t 、d i s p l a yp o r t 、k e y b o a r dp o r t ) i tw a sw e l l k n o w nt h a tt h o s ec o m p o n e n t sa r em a i n l yp a r t si nd i g i t a ls y s t e m ，s ot h i sd i a g n o s i ss y s t e mh a sg e n e r a l - p u r p o s ef o rm o s t l yd i g i t a ls y s t e m f o rt h ep u r p o s eo fl a t t e rr e s e a r c h ，t h ea u t h o ra l s os t u d i e st h er e m a i n i n gp r o b l e m so ft h es y s t e m ，a n dp o i n to u tt h ef i e l do ft h es t u d yo ft h en e x tp e r i o do ft i m e l i m i t e db ys t u d yt i m e ，t h ea u t h o ro n l yd i s c u s s e ss o m eb a s i cp r i n c i p l e ，m o r ew o r kw mb ed o n ei nf u t u r e k e y w o r d s ：w o aa l g o r i t h m ，i n t e l l i g e n t ，f a u l td i a g n o s i ss y s t e m ，v i r t u a li n s t r u m e n t ,d i g i t a ls y s t e m 四川大学硕士学位论文第一章综述1 1 引言8 0 年代初期单片机技术的产生给现代工业测控领域带来了新的技术革命。目前，单片机以它的高性价比，在工业控制系统、数据采集系统、智能化仪器仪表、办公自动化等诸多领域得到极为广泛的应用。现代电子产品几乎渗透到社会各个领域，有力地推动了社会生产力的发展和社会信息化程度的提高。这当中，9 0 以上的电子产品为数字化产品，单片机技术开发和应用水平已逐步成为一个国家工业发展水平的标志之一。但是单片机技术在高速发展的同时也有它的许多不足之处，现在的电子器件集成度越来越高，并且随着s m d 技术及瓤的封装技术和制造技术的应用，通常一个规模较小的电路板都有几十个元器件，成百上千个焊点，无论是机器焊接，还是人工焊接都不可避免地要出现错误，如虚焊、连焊；或者由于元器件选购不当，中间混有次品或废品，这都将导致不少的电路板出现故障，产品无法出厂，而目前进行故障的检查和诊断工作多数是人工，不仅耗时多、费用高，而且对技术人员的素质也要求很高，造成对产品的维护修复竞比生产还耗时、耗工、耗钱，问题非常突出。而且，不论在开发过程中还是在生产过程中，因为焊接上的错误和元器件的损坏等非技术上的原因而导致的产品不合格占了很大一部分，又由于换代更新迅速，对电子电路的可靠性、可维修性和自动故障诊断等的要求也日益迫切【1 】，这就要求能以最快速度查出故障原因、排除故障，这不仅对于缩短研发周期，而且对保障成品率、加快上市有巨大的影响，但要找出这些故障如果没有相当的数字电路故障诊断经验，没有合适的测量仪器，没有一定的时间和人力，在短时间内根本无法检查完所有的不合格产品，这就给一个企业的生存和发展带来了严峻的考验。因此，开发一种能快速诊断单片机电路板故障的仪器是具有很大的实用价值的。1 2 智能故障诊断技术的发展历史基于建模处理和信号处理的诊断技术正发展为基于知识处理的智能诊断技术 2 1 。智能诊断技术在知识层次上实现了辩证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等四川i 大学硕士学位论文功能，目前的研究主要从两方面展开：基于专家系统的智能故障诊断技术和基于神经网络的智能故障诊断技术。以此为延伸，还有基于模糊逻辑的诊断方法，基于故障树分析的诊断方法，基于事例推理诊断方法等。1 基于专家系统的智能诊断技术故障诊断专家系统是诊断领域引人注目的发展方向之一，也是研究最多、应用最广的一类智能诊断技术，主要用于那些没有精确数学模型或很难建立数学模型的复杂系统。大致经历了两个发展阶段：基于浅知识的第一代故障诊断专家系统和基于深知识的第二代故障诊断专家系统。近期出现的混合结构的专家系统，是将上述两种方法结合使用，互补不足。基于浅知识( 人类专家的经验知识) 的故障诊断系统是以本领域专家和操作者的启发性经验知识为核心，通过演绎推理或产生式推理来获取诊断结果，目的是寻找一个故障集合使之能对一个给定的征兆( 包括存在的和缺席的) 集合产生的原因做出最佳解释。基于深知识( 诊断对象的模型知识) 的故障诊断系统要求诊断对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象的实际输出与期望输出之间的不一致，生成引起这种不一致的原因集合，然后根据诊断对象领域中的第一定律知识( 具有明确科学依据知识) 及其内部特定的约束关系，采用定的算法，找出可能的故障源。2 基于神经网络的智能诊断技术神经网络具有的超高维性、强非线性等动力学特性，使其具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式等功能，带来了提供更佳诊断性能的潜在可能性。具体应用方式有：神经网络诊断系统。对特定问题适当建立的神经网络故障诊断系统，可以从其输入数据( 代表故障症状) 直接推出输出数据( 代表故障原因) ，实现故障检测与诊断。采用神经网络产生残差。用神经网络拟合系统的正常特性，利用系统的输入重构某些特定的参数，并与系统的实际值比较，得到残差，从而检测故障。采用神经网络评价残差。利用神经网络对残差进行聚类分析，直接得到系统的故障情况。采用神经网络作进一步诊断。利用神经网络诊断系统执行器的饱和故障，其基本思想是直接用神经网络来拟合系统性能参数与执行器饱和故障之间的非线性关系，神经网络的输出即对应了某个执行器的故障情况。采用神经网络作自适应误差补偿。采用模糊神经网络进行故障诊断。四川大学硕士学位论文3 基于模糊逻辑的诊断方法模糊逻辑的引入主要是为了克服由于过程本身的不确定性、不精确性以及噪声等所带来的困难，因而在处理复杂系统的大时滞、时变及非线性方面，显示出它的优越性。目前主要有三种基本诊断思路，一是基于模糊关系及合成算法的诊断，先建立征兆与故障类型之间的因果关系矩阵，再建立故障与征兆的模糊关系方程，最后进行模糊诊断：二是基于模糊知识处理技术的诊断，先建立故障与征兆的模糊规则库，再进行模糊逻辑推理的诊断过程：三是基于模糊聚类算法的诊断，先对原始采样数据进行模糊c 均值聚类处理，再通过模糊传递闭包法和绝对值指数法得到模糊c 均值法的初始迭代矩阵，最后用划分系数、划分熵和分离系数等来评价聚类的结果是否最佳。具体应用方式有：残差的模糊逻辑评价。残差评价是一个从定量知识到定量表述的逻辑决策，相当于对残差进行聚类分析，它首先需要将残差用模糊集合来表述，然后用模糊规则来推理，最后通过反模糊化得到诊断结果。采用模糊逻辑自适应调节闽值。残差的阈值受建模不确定性、扰动及噪声的影响，闽值过小则会引起误报，过大则会漏报，所以最好能根据工作条件，用模糊规则描述自适应阈值。基于模糊小波分析技术进行故障诊断。用模糊化小波变换分析宽带故障特性，采用模糊数据的局部时频分析来进行故障检测和分离。基于模糊逻辑进行专家系统规则库的设计与更新。4 基于故障树分析的诊断方法故障树分析( f a u l tt r e ea n a l y s i s ) 原本用于可靠性设计，现己广泛应用于故障诊断。基于故障的层次特性，其故障成因和后果的关系往往具有很多层次并形成一连串的因果链，加之一因多果或一果多因的情况就构成故障树。5 基于事例推理诊断方法实例推理( c a s e b a s e dr e a s o n ，简称c b r ) 是a i 中新兴的一种推理技术，是一种使用过去的经验实例指导解决新问题的方法，其关键是如何建立一个有效的实例索引机制与实例组织方式。基于实例诊断的优点是根据过去实例解决新问题，不需人从实例中提取规则，降低了知识获取的负担，解题速度快。四川大学硕士学位论文1 3 本课题的国际、国内现状从国内现状来看1 3 】，只有一些针对特定系统的诊断仪，市场上并没有专门的单片机故障诊断仪，探其原因主要是现在市面上的单片机型号太多，仅基于5 l 内核的就有几十种之多，其他的如p i c 公司系列，m s p 4 3 0 系列，a v r 系列，到d s p ，a r m ，电路板的复杂程度也不一样，造成如果只开发针对特定m c u 系统的故障诊断仪器，能检测的单片机型号过于单一，仪器无法检测整个电路板的故障，而且仪器无法扩展、升级，使得资源浪费。因此市面上没有故障检测仪，根本无法满足单片机技术应用中的实际需要。另外，由于集成度越来越高，j t a g 技术得到广泛应用，使得中小企业进行简单的定制测试成为可能。但是，由于成本，技术等的限制，传统器件仍有广泛的应用，或者是与大规模集成电路的混合，这又增添了开发测试系统的复杂度。从国外现状来看，由于国外一些大公司资金雄厚，他们能够开发出一些大型的智能故障诊断系统，这些系统一般都是利用针床和夹具并配合复杂的机械装置和计算机构成。所以，这类装置在价格上非常昂贵，动辄上百万美圆，当然它的功能非常强大，可对国内中小型企业来说并不需要如此完善的功能，而且价格上也无法承担。从以上可看出智能故障诊断仪器在国内没有相应产品，在国外价格又太昂贵。所以，本设计系统的的目标系统是一个由两个m c s 一5 1 外接了大部分常见外围器件，并包含一个大规模可编程器件在内的复杂系统，对其开发的检测系统，正是为了填补这一空白并在这一领域做一些有益尝试。智能故障诊断技术的发展历史虽然短暂，但在电路与数字电子设备、机电设备等方面已取得了令人瞩目的成就【4 】。在电路和数字电子设备方面，m r r 研制用于模拟电路操作并演绎出故障可能原因的e l 系统；美国海军人工智能中心开发了用于诊断电子设备故障的i n a t e 系统；波音航空公司研制了诊断微波模拟接口m s i 的i m a 系统：意大利米兰工业大学研制用于汽车启动器电路故障诊断的系统。由于机电设备在整个生产领域中占有极其重要的地位，所以有关机电设备的故障智能诊断问题一直受到研究人员的关注，出现的智能诊断系统也比较多。如日本日立公司研究了用于核反应堆的故障诊断系统；美国通用电气公司研制的用于内燃电气机车故障诊断的专家系统c a t s l ；华中理工大学研制的用于汽轮机组工况监测和故障诊断的智能系统d e s t ；哈尔滨工业4四纠查兰堡主兰堡笙兰大学和上海发电设备成套设计研究所联合研制的汽轮发电机组故障诊断专家系统m m m d 2 ：清华大学研制的用于锅炉设备故障诊断的专家系统等等。1 4 本系统所做的工作具体到整个设计的完成，本系统所做的工作和使用的的新技术有：1 单片机数字电路故障诊断系统的研究。本系统在对数字系统的故障诊断方法、单片机电路板特性进行研究后，提出了一套适合单片机电路板故障诊断的方法。2 用e d a 技术来设计硬件电路。采用可编程器件来设计硬件电路的好处在于能大幅度提高系统的可靠性和灵活性。3 在p c 机上用面向对象的程序设计语言v i s u a lc + + 6 0 ，来实现仪器的所有功能，包括串行通讯软件、系统故障诊断软件、人机界面等。4 多种可选的用户界面，满足不同客户的需求，最小系统可用键盘( 或鼠标) + l c m 作为人机界面，也可用p c 机作为人机接口。5 多种测试方法的融合使用，包括n a a c 算法的应用，b i t 技术等。本系统工作与成果：经过将近一年多的研究和开发，本系统已经可以实现较复杂的功能检测，故障定位，故障诊断。能够诊断单片机系统的大部分常见故障，可帮助开发和维修人员大幅度地提高了工作效率，配套的系列工装检测设备，也完成了开发，并已经应用在实际工作中。1 5 本系统所做的理论应用及改进除成功的完成了一个复杂的应用检测系统外，在检测系统中，对所应用的数字检测方法进行了认真的分析研究，提出在常见的集成电路系统或混合系统( 如：c p l d ，f p g a ，d s p ，a r m 等) 中进行检测的一种低成本，低复杂度的测试方案，此方案同样适合于其他类型的系统。采用了多种测试方法，针对不同的系统、不同的外设，总结出一套简单的测试检验方法，可分开独立使用，在开发阶段进季亍测试开发，也可在成品阶段方便的开发成一套成熟的，可检测大部分故障的测试系统，具体阐述见第二章和第三章。四川大学硕士学位论文第二章理论技术基础及探索2 1 数字系统故障诊断中的基础知识2 1 1 故障诊断故障诊断的结果体现在三个层次：第一层次，故障检测( f a u l td e t e c t i o n ) ，即回答有无故障的问题；第二层次，故障定位( f a u l tl o c a t i o n ) ，即回答故障发生在那个部分的问题；第三层次，故障诊断( f a u l td i a g n o s i s ) ，即确定最大可能的故障原因。这种原因，可能在硬件、软件内部，也可能是发生在各部分的相互关联之中( 例如：时序的不配合，逻辑电平的差错，驱动能力的不足等等) 。2 3 2 单片机系统的故障模型为了研究故障对电路或系统的影响，诊断故障的位置，有必要对故障作一些分类，并构造最典型的故障【5 】，用于代表一类故障( 对电路或系统有类似影响的故障) 。下面介绍单片机系统中的故障模型。1 总线故障总线故障是单片机系统中最重要的故障，它是否正常直接影响挂在总线上的器件的工作。总线故障通常是静态故障，主要是下面两种类型。( 1 ) 固定型故障固定性故障( s t u c kf a u l t s ) 主要是电路或系统中某一根信号线上的信号运行过程中永远固定在某一个值上。如果该线( 或该点) 固定在逻辑高电平上，则称之为固定l 故障( s t u c k a t 一1 ) ，简记为s a i ；如果信号固定在逻辑低电平上，则称之为固定0 故障( s t u c k - a t 一0 ) ，简记为s a o 。导致固定型故障的原因很多，可能是信号短路造成的，也可能是器件错误状态造成的，例如，晶体管一直导通或一直截止。还可能是信号线开路造成的，这时，与此信号线连接的器件的输入端处于浮置状态，在一定时间后，由于节点电容和漏电的共同作用，它可能被固定在某一逻辑值，并以固定型故障表现出来，但该信号将以什么逻辑状态出现取决于器件结构和工艺技术。从测试和测试生成技术的角度看，这些故障都可以通过假设故障和测试故障加以检测。6四川大学硕士学位论文( 2 ) 桥接故障桥接故障( b r i d g in gf a u l t ) 也叫粘连故障，主要是敷铜连线之间的短路、焊点间的粘连等。在实际电路系统中主要出现的是元件一端之间的两线桥连或三线桥连。桥按故障比较复杂，它包括相关输入桥接，非相关输入桥接，相关输入、输出桥接和非相关输入、输出桥接等，这里不再一一阐述。2 芯片故障单片机电路系统中芯片故障主要是芯片内部结构出现故障和引脚连线故障。在实际诊断中，对芯片的诊断都是对它进行功能测试，即看芯片是否能正常完成功能，并不完全要求诊断芯片内部什么部分出现故障，但对引脚故障要求能诊断。2 1 3 系统的测试算法单片机的系统有多种测试方法，有些部分比较简单，在测试时只用根据经验方法就可以对这些简单部分进行诊断，有些部分不算庞大，可以选择一种很完好的算法去诊断，而有些部分相对比较庞大，对于这部分就要充分考虑测试算法的合理性，不仅希望选择的测试算法能诊断系统，还要能够快速准确地诊断系统。当前故障诊断有很多算法，限于篇幅的限制，本文不具体罗列每种算法，简要列举本智能故障诊断系统的所采用的诊断算法。1 w o a 算法w o a 算法，即移位“1 ”算法，这种测试算法的特征是除了对角线上的元素全为0 ，其余的元素为l ，它的最大好处是能覆盖所有故障，不会出现故障误判的情况，但是却有一个很大的缺陷：测试矩阵较为庞大，如果测试部分较为庞大，这样要得到诊断结果就要花费较多的时间。所以这个算法适合测试规模比较简单的电路。本系统分模块处理，基本每个模块维数均为8 ，故采用w o a算法作为测试矩阵，在进行全板检测时，员h 借鉴了w o a 算法的思想，完成了全板的粘连检测。四川大学硕士学位论文v lv 2v 3v 4v 5v 6v n lv “0olooooo图2 1w o a 算法测试矩阵固定逻辑故障与桥接故障诊断流程如下：对于具体的一个诊断对象，先将p t v ( p a r a l l e lt e s tv e c t o r 并行测试向量：加载到各网络上的测试代码构成的向量) 通过接口送出，读回响应向量后，由单片机进行数据分析，然后得到具体的故障类型并定位【6 】。对固定逻辑“1 ”故障、固定逻辑“o ”故障、桥接故障的诊断流程分析如下：( 1 ) 将测试响应矩阵的并行响应向量p r v 与相应的并行测试向量p t v 进行“异或”运算，得到“异或”值。再将各个p r v 与p t v 的“异或”值相“或”( 为叙述方便，本文将这一过程简称为各个p r v 的“异或或”值，下同) 。若运算的结果为0 ，则说明被测对象正常，没有故障；如果运算结果不为0 ，则得出结论：被测对象存在故障，并且不为0 的位有故障。然后再继续进行第二步。( 2 ) 将测试响应矩阵的p r v 进行“或”运算，得到“或”值。如果“或”运算的结果中有某位为0 ，则对应的节点有固定0 故障：如果运算结果中没有为“0 ”的位则再继续进行第三步。( 3 ) 将测试响应矩阵的p r v 进行“与”运算，得到“与”值。如果“与”运算的结果中有某一位为“1 ”，则对应的管脚有固定1 故障；如果运算结果中没有为“1 ”的位，则再继续进行第四步。( 4 ) 将测试响应矩阵的p r v 分别进行上述运算后，排除固定0 、固定1 故障后，若“异或或”运算的结果中还有为l 的位，则这些对应的管脚就发生了桥接短路故障。o02345一一dddddd；跏c耋四川大学顾士学位论文下面举几个简单例子来对上述方法加以说明，采用w o a 算法的矩阵( 假设仅需测试8 根管脚) 。”忱w 帖1 为w1 ) 8”v 2v 3w 博体竹图2 3 测试矩阵例2 1s a o 故障图2 4 响应矩阵此处假设目标的d 6 粘连在g n d 上或其它逻辑0 上，则在任何情况下，不管送至此端口的状态为1 或是0 ，得到的响应状态均为0 ，此时响应状态进行或运算得到0 ，而未粘连在逻辑0 上的响应状态相或的结果为逻辑l ，从而检测出s a o 故障。测试响应矩阵如图2 4 所示。8 个测试响应向量p r v 的异或或值为：0 1 0 0 0 0 0 08 个钡试响应向量p r v 的与值为：0 0 0 0 0 0 0 08 个测试响应向量p r v 的或值为：1 0 1 1 1 1 1 1异或或”值不为0 ，则被测管脚中存在故障；“与”值为0 ，不存在s a l 故障；“或”值不为f f h ，且风位为0 ，则域位对应的管脚存在s a o 故障。v ik 2v 31 41 , 5 v v 8垤”_ l 4 ”w 竹垤图2 5 测试矩阵图2 6 响应矩阵例2 2s a l 故障此处假设目标接e l 的d 6 粘连在v c c 上，其检测过程类似s a 0 故障检测，区别仅仅是响应状态的与运算。测试响应矩阵如图2 5 所示。9dddddddddddddddddddddddddddddddd堕型查兰堡圭兰篁笙墨8 个测试响应向量p r v 的异或或值为：0 1 0 0 0 0 0 08 个测试响应向量p r v 的与值为：0 1 0 0 0 0 0 08 个测试响应向量p r v 的或值为：1 1 1 1 l l l l“异或或”值不为0 ，则被测管脚中存在故障；“或”值为f f h ，不存在s a 0 故障；“与”值不为0 ，且d 6 位为l ，则d 6 位对应的管脚存在s a l 故障。例2 3 桥接短路故障假设目标接口的d 5 与d 6 发生了粘连，则读回的测试结果将表现为d 5 与d 6 相与的状态，即只要有一个的状态为逻辑0 ，d 5 、d 6 均为逻辑0 ，测试响应矩阵如图2 6 所示，类似上述阐述，响应向量与测试向量进行异或，再进行或运算，粘连的部分将得到非0 的结果，从而得到粘连故障结果。8 个测试响应向量p r v 的异或或值为：0 1 1 0 0 1 3 0 08 个测试响应向量p r v 的与值为：0 0 0 0 0 0 0 08 个测试响应向量p r v 的或值为：1 1 1 1 1 1 1 1异或或”值不为0 ，则被测管脚中存在故障；“与”值为0 ，不存在s a l 故障；“或”值为f f h ，不存在s a 0 故障：则d 6 、d 5 对应的管脚之间存在桥接短路故障。2 n a a c 算法7 】n a a c 算法( n oa l i a s i n ga n da n t i c o n f o u n d i n ga l g o r i t h m ：无误判抗混淆算法) ，使用n a a c 算法的一个好处是可以用较小的测试图形去检测故障情况，这样测试时间很短，可以快速获取故障情况，但是n a a c 算法有一个缺陷：存在测试漏判的情况，但是这种漏判的情况是很少的，牺牲一点测试成功率，但能较快获取测试结果，漏判的情况可以使用人为辅助的方式，所以n a a c 算法多用在测试矩阵较大的情况。根据诊断对象的实际情况，根据经验确定l ( 诊断系统所能检测桥接故障的最大粘连线数日) ，使权值q l ，其中q 为权值。则小于等于的桥接故障都可被诊断系统检测出来，不会产生征兆混淆，至于大于的桥接故障则需要配合人工检测才能确定，事实上由于l 可控，只要适当选择l 就能保证涵盖绝大部分征兆混淆，当l 为最大值时即为w o a 算法。因此n a a c 算法步骤为：确定_ l ；选择权值q ，使得q l ；1n凹j i i 大学坎士学位论文选择p 数目p ，使得p 2 q ；根据网络数目( 测试矩阵中的每个p t v 向量的维数) ，以及p 、日，生成p 7 _ 1 ，测试向量集，如图2 2 所示。从图4 一l 中可知，每一个s 丁v ( s e q u e n t i a lt e s tv e c t o r 贳序测试向量：测试矩阵中，行向量对应于在多次边界扫描测试循环中施加到同一网络的测试代码) 向量都具备相同的权值( g 个“l ”) ，s 丁v 的构成总是将口个“1 ”置于左边，右边添p q 个“o ”；将s 孤第q 列的“l ”右移l 位便生成s 巩；将s 巩第q+ l 列的“1 ”右移1 位便生成s n ：，依此类推，当移位进行到测试矩阵鼹右边尸列后，由于不能继续右移，下一个s n ，是从5 7 _ v 的第q i 列、第g 列同时右移i 位获得，然后按照上述办法，继续生成后面的s z v 。n a a c 算法测试矩阵简述如下：d od ld 2l110lop q厂h0o o0l0 ooo10ot s n ，i一s 7 v 2一s n n 4 p1 、个1 、p 1 i v lp 1 v qp t v p图2 2n 从c 算法测试矩阵表2 1 所示为n a a c 算法生成的测试向量矩阵的一个实例，其中n = 9 ，p = 5 ，q = 2a表2 1n a a c 算法生成的测试向量矩阵网p t vs t v络v 1 9v 2 pv 3 pn v 5 p1 1 1110oov l qn 21o10ov 2 q四川太学硕上学位论文n 31oo1ov 3 qr t 4loo01 v 4 qn 5o1】oov 5 qn 6olo1ov 6 qn 7010o1v 7 qn 8oo1lov 8 qn 9oo10lv 9 qn a a c 算法矩阵的具体应用同w o a 算法，不再赘述。2 ，1 4 本系统中对相应算法的改进和应用在实际应用中依据有很多测试算法，但都各有其局限性，其他的算法不考虑，这里仅比较一下最常用的w o a 算法和前述的n a a c 算法。采用w o a 算法所生成的测试矩阵满足故障检测定理、故障诊断完备性定理之一和故障诊断完备性定理之二，能够诊断所有固定故障，且不会出现故障误判和故障混淆，因而w o a 算法应用较广。w o a 算法的缺点是测试矩阵庞大。如前所述可知，w o a 算法的紧凑性指标p等于节点数n ，达到紧凑性指标的上确界。随着测试节点数的增大，采用w o a算法的弊病彰显，测试矩阵以几何级数递增，造成测试周期变长，故障诊断系统性能变坏。使用n a a c 算法的一个好处是可以用较小的测试图形去检测故障情况，这样测试时间很短，可以快速获取故障情况，但是n a a c 算法有一个缺陷：存在测试漏判的情况，具体误判情形可自行分析，但是这种漏判的情况是很少的，牺牲一点测试成功率，但能较快获取测试结果，漏判的倩况可以使用人为辅助的方式，所以n a a c 算法多用在测试矩阵较大的情况。具体到应用中，算法有需要因情况而确定其应用范围，如在本应用中，有m c s 一5 1 ，有c p l d ，对c p l d 而言，要对其进行检测若用传统的方法需对其建立输入输出通道，以本系统为例，t q f p l 0 0 封装，可用1 0 达8 0 个，如对其所有都建立输入输出通道，测试系统会很复杂。由于有了j t a g 接i ：1 ，可以不需要复杂的输入输出通道，可以利用其内嵌的控制器利用b s t 技术对其进行方便的测试，这时的应用适合于n a a c 算法发挥作用。对d p 4 0 封装的m c s 5 1 若婴型查兰堡主兰垡堡苎用n a a c 算法存在这样的一些问题，首先，其管脚的功能不同，建立输入输出通道较困难，需要借助于板上的功能器件获取响应矩阵，若用n a a c 算法，其四个功能口需要在各种测试方式中频繁切换，若用w o a 算法，也是适合单个口的测试，如p o 口，p 1 口，p 2 口单独测试，可达到1 0 0 n 试正确率，但是这不能覆盖所有的故障类型，笔者经过大量试验，并仔细分析，根据故障类型的定义：固定型故障，桥接型故障提出，在m c s 一5 1 上按照功能模块划分或者按照方便测试的功能划分，分别用w o a 算法进行测试，得到相应的测试结果，但是由于是单独测试，并不能确定当此功能模块与其他的模块之间如果发生关联时的故障，比如p 0 口的某一口线与p 1 口的某一口线桥接时的情况，此种方图2 7 测试矩阵法非但不能检测出来而且会出现误判。为防止此种情况，修改测试方法，首先先将待测的几个功能模块的输出全部置为1 ，然后再进行单个模块的测试，这样得到的测试结果是正确的，但是这样的结果只能说明固定型故障，以及本功能模块内的桥接故障，不能检测出模块之间的桥接故障，这时还需要进一步检测，借鉴w o a 算法的思想，将每一模块看成是w o a 矩阵中的一项，测试矩阵如图2 7 所示，区别是这一项为- - ) k 维向量，这时将单独检测模块之间的桥接故障，这样就能够覆盖所有的故障类型。在检测时间上虽比n a a c 算法慢，但是却可以保证1 0 0 的正确诊断，检测时间又比w o a 算法快，关键是由于迸1lllll1lll1 】oo0o婴坐茎主塑主兰垡篓壅行了功能模块的划分，使得检测的模块化程度提高，系统设计变得简单。且利于同类产品的二次开发，具体实现见第三章。2 2 本智能故障诊断系统所使用的其他相关技术2 2 1 虚拟仪器技术随着计算机技术、仪器和信息技术的迅速发展，产生了里程碑意义的新一代仪器一虚拟仪器，它改变了传统仪器的测量模式，使测量系统有松散结合的、常常不兼容的独立仪器发展成紧密结合的虚拟测量系统。虚拟仪器的出现开辟了仪器技术的新纪元，它是多门技术与计算机技术结合的产物，其基本思想是利用计算机来管理仪器，组织仪器系统，将传统仪器中某些硬件电路由软件实现，进而逐步代替仪器完成某些功能，如数据的采集、分析、显示和存储等，最终取代传统的电子仪器的目的【”。2 2 1 1 虚拟仪器( v i r t u a li n s t r u m e n t )所谓虚拟仪器一】，即是将现有的计算机主流技术与革新的灵活易用的软件和高性能模块化硬件结合在一起，建立起功能强大又灵活易变的基于计算机的测试测量与控制系统来替代传统仪器( 价格昂贵，功能单一) 的功能。虚拟仪器系统实质上是一种计算机系统，它必须有硬件和软件的支持才能正常的工作，它的硬件包括计算机和i o 接口设备。当硬件平台确定后，仪器的测控功能就完全决定于软件系统，即所谓“软件就是仪器”。与传统仪器相比，虚拟仪器的特点在于：1 “软件就是仪器”，具有强大的信号处理能力。虚拟仪表最突出的优势就是用适当的硬件接口电路，对信号进行采集、放大、滤波、隔离、a d 转换后，虚拟仪器就可以灵活、充分地利用通用计算机的大量实用软件工具，对信号进行各种计算、分析、判断、处理、图形或数字显示，经d a 转换后控制执行器件的动作；用通用计算机软件，虚拟仪器能建立数学模型，对所测量和控制的参数、过程、方法进行优化，它强调软件的巨大作用，“以软代硬”，这样使得虚拟仪器硬件最主要的作用是信号采集，而其它功能如信号分析，信号处理等主要通过软件来实现，软件在某种程度上将完成传统仪器难以实现的硬件分析功能，如最大限度地减少误差，修正误差，提四川大学硕士学位论文高检测精度，实现最优化测量控制。这样不仅大大节约了传统仪器仪表的硬件成本，而且大大提高了仪器的可靠性。2 功能拓展简单。如前所述，虚拟仪器强调软件的巨大作用，通过调整强大的软件，就能随时根据需要调整虚拟仪器的功能，这样使得调整其功能十分容易，并且开发周期大大缩短。在故障诊断中，诊断对象千差万别，如果不借助强大的软件，要开发一个通用的故障诊断系统是十分庞大的，对于不同的诊断对象，可以根据从诊断对象采集回来的响应信号，用