（电气工程专业论文）基于独立成分分析技术的模拟电路故障诊断新方法.pdf

an e wm e t h o do f a n a l o gc i r c u i td i a g n o s i sb a s e do ni n d e p e n d e n t c o m p o n e n ta n a l y s i s b y y u a nl i f e n b e ( c h a n g s h ar a i l w a yu n i v e r s i t y ) 1 9 9 9 m s ( h u n a nu n i v e r s i t y ) 2 0 0 3 ad i s s e r t a t i o ns u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o r t h ed e g r e eo f d o c t o ro fe n g i n e e r i n g e l e c t r i c a le n g i n e e r i n g i nt h e g r a d u a t es c h o o l o f h u n a nu n i v e r s i t y s u p e r v i s o r p r o f e s s o rh ey i g a n g n o v e m b e r 2 0 1 0 嗍92哪7809iiiiy j 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成 果。除了文中特别加以标注弓用的内容外，本论文不包含任何其他个人或集体已经发 表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确 方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：静j 芬 日期： 勘f f 年- 3 月1 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖 南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 保密口，在一年解密后适用本授权书。 2 不保密仞。 ( 请在以上相应方框内打”) 作者签名： 榔) 别巾签名：么碜鬯 势 日期：如i 年3 月日 日期：山年岁月日 博士学位论文 摘要 论文主要研究了一种新的模拟电路故障诊断方法。模拟电路故障诊断属于电 路测试领域不可缺少的一部分，随着电路规模的不断增加，处理速度的不断提升， 对模拟电路故障诊断提出了更高的要求。以往的故障诊断技术由于发展缓慢，难 以满足实际的需求，已经成为阻碍电路测试领域发展的瓶颈。 本论文首先从解决电路可测节点的选择问题入手，提出了两种节点选择算法。 第一种方法是基于可测故障模式排除方法，首先针对所有可及节点建立故障模糊 集，以故障模糊集的均值和方差作为选择节点判据的依据，均值小的优先选择， 在均值相同的情况下，选择方差较小的。每进行一次选择之后排除已经可以分离 的故障模式，从而使得待分的故障模式逐次减少，达到避免大量模糊集求交运算 的目的。实例研究表明这种方法可以利用更少的计算量，选出更优的测试节点集。 此外，论文另外还提出了一种基于测试节点故障模糊集的编码选择方法，选择具 有较多模糊集的节点作为优先测试节点，故障所处的模糊集号即为对应故障模式 编号，从而选出最少数目的节点实现所有故障模式的编码。该方法从理论上不需 要模糊集求交运算，只需对节点按模糊集数目从大到小进行排序即可，运算效率 高，且适合于编程实现，具有实现自动化、实时性选择的特征。- 为了解决模拟电路中故障模式的不可数问题，对于单元件故障情况，本文提 出了两种解决思路。如果是线性模拟电路，由于电路中电压灵敏度序列与元件参 数值的变化无关，可以采集电压灵敏度序列作为测试变量，建立故障字典，从而 使故障模式从不可数变为可数。通常情况下可以采用第二种方法，即把故障特征 的轨迹作为判决的依据，进行测前分析，将可能发生故障的元件参数值从零到无 穷大之间变化，进行参数扫描，从而获取特征轨迹的变化趋势，这样由同一个元 件所产生的软故障与硬故障都可以归属为一种故障模式，从而使得硬故障在实际 操作的过程中，就转化成了软故障的某个特例。 故障特征提取是模拟电路故障诊断中的关键步骤，本文提出了基于独立成分 分析技术的故障特征提取新方法。首先找到了利用独立成分分析技术解决模拟电 路故障诊断问题的切入点。独立成分分析技术的应用依据是要寻找的各个成分之 间满足独立性的假设，观测信号为这些独立成分的线性混合或非线性函数映射关 系，模拟电路中各电子元件的参数变化也是相互独立的，在一定的电路拓扑结构 下，电路中的变量可以表示为电子元件的线性或非线性函数关系，从而为将独立 成分分析技术用于模拟电路故障诊断奠定了基础。该特征提取方法抛开了以往特 征提取时高斯性、相关性的假设，而以非高斯性i 独立性作为特征提取的根据， 博十学位论文 利用信息熵和峭度作为非高斯的两种度量方式，给出了具体的故障特征提取算法。 为了成功的实现高维特征的降维，本文结合投影寻踪技术对特征进行降维。投影 寻踪其实就是寻找“最有趣”分布的过程，也就是信号最值得关注的部分。通常 高斯性分布是最随机，最不值得关注的量，而非高斯性分布却是最有序、最能体 现结构特征的分布。本文以最大化信息熵和峭度作为目标函数，实现信号非高斯 性特征，使具有多模式的变量远离高斯分布，实现成功的聚类。 为了使得系统具有解决非线性问题的能力，论文选择神经网络进行故障模式 分类器的设计，具体的网络结构为三层b p 网络，输入为特征向量，隐含层采用 非线性符号函数，输出采用二值故障模式编码，对神经网络实现有监督的学习训 练之后，使得网络具有智能化的功能。 实验研究表明，本论文提出的方法对于实例中的单可及节点电路与多可及节 点电路、线性电路与非线性电路都取得了很好的实验结果。 关键词：模拟电路；故障诊断；独立成分分析；测试节点；模式识别 l i l 基于独立成分分析技术的模拟电路故障诊断 a b s t r a c t an e wa n a l o gc i r c u i tf a u l td i a g n o s i sm e t h o di ss t u d i e di nt h i st h e s i s a n a l o g c i r c u i td i a g n o s i si sb e l o n gt ot h ec i r c u i tt e s td o m a i n ，w h i c hn e e d sm o r ee f f i c i e n t m e t h o dw i t ht h e c i r c u i ts c a l ei n c r e a s i n ga n dt h ed a t ap r o c e s s i n ga c c e l e r a t i n g n o w a d a y s ，m o s ta n a l o gc i r c u i td i a g n o s i st e c h n o l o g yc a n tm e e tt h er e a lr e q u i r e m e n t f o rt h es l o wd e v e l o p m e n ti nt h i sa r e aa n di th a sb e e na na b s t r a c t i o ni nc i r c u i tt e s t d o m a i n a tf i r s t ，t w ot e s tn o d es e l e c t e dm e t h o d sh a v eb e e ni n t r o d u c e di nt h i st h e s i s o n e i st h en o d ee x c l u d e dm e t h o d ，w h i c hs e l e c t e dt h ee x p e c t a t i o n sa n dv a r i a n c e so ft h e f a u l tf u z z ys e t sa st h ej u d g i n gp a r a m e t e r s ，a n dt h en o d et h a th a dt h el e a s te x p e c t a t i o n w a ss e l e c t e df i r s t ，w h e nt h e r ew e r em o r et h a no n en o d e st h a th a dt h es a m ee x p e c t a t i o n ， s e l e c t i n gt h en o d ew i t hl e s sv a r i a n c e f a u l tm o d e sw e r ee x c l u d e da f t e re v e r yi t e r a t i v e i ft h e yh a v e b e e na b l et ob ei d e n t i f i e d ，w h i c hc a ns i m p l i f yt h ei n t e r s e c t i o n c o m p u t a t i o nb yd e c r e a s i n gt h en u m b e ro ft h ef a u l tm o d e st ob er e c o g n i z e d t h e s i m u l a t i o nr e s u l t ss h o w e dt h a tt h i sm e t h o dc o n s u m e dl e s st i m ea n dc a nf i n do u tt h e o p t i m i z e dn o d e ss e t t h eo t h e rt e s tn o d e ss e l e c t e dm e t h o dw a sb a s e do nf a u l t s c o d e u s i n gt h ef u z z yf a u l tn o d e ss e t ，w h i c hl e tt h en o d ew i t hl a r g e rn u m b e ro f s e t sh a v et h e m o r ep r i o r i t y i ts t o p p e dw h e na l lt h ef a u l tm o d e sh a dd i f f e r e n tc o d e sw i t ht h el e a s t n o d e sn u m b e r i n t e r s e c t i o nc o m p u t a t i o no ft h ef u z z ys e t sw e r en o tn e e d e di nt h i s m e t h o d ，w h i c hm a d ei tp o s s i b l et or e a l i z et h ea u t o m a t i s ma n dr e a lt i m eo f t h es y s t e m t h r o u g hp r o g r a m m i n gt oc o m p l e t es i m p l es o r t i n gw o r k t w om e t h o d sw e r ep r e s e n t e dt os o l v et h eu n a c c o u n t a b l ef a u l tm o d e si na n a l o g c i r c u i tw h e nt h e r ei so n l yo n ef a u l te l e m e n to ft h et e s t a b l ec i r c u i t i no r d e rt om a k e t h ef a u l tm o d e sa c c o u n t a b l e ，t h ev o l t a g es e n s i t i v i t ys e q u e n c e sw e r ea b s t r a c t e dt os e t u pt h ef a u l td i c t i o n a r yf o ri t si n v a r i a b i l i t yi nl i n e a rc i r c u i t t h es e c o n dm e t h o dw a s a d o p t e df o rm o s ts i t u a t i o n ，a n yo n eo ft h ee l e m e n t s v a l u e s v a r ie df r o mz e r ot o i n f i n i t yc a nb ev i e wa so n ef a u l tb yp a r a m e t e ra n a l y s i s ，a n dt h ef a u l tf e a t u r et r o c h o i d s c a nb ei l l u s t r a t e dt om a k et h ef a u l ta c c o u n t a b l ew h i c ht o o kt h es o f tf a u l t sa n d h a r d w a r ef a u l t so ft h es a m ee l e m e n tt ob eo n ef a u l tm o d e h a r d w a r ef a u l tw a s t r a n s l a t e di n t oo n eo ft h es p e c i a lc a s eo ft h es o f tf a u l t s b a s e do ni n d e p e n d e n ta n a l y s i st e c h n o l o g y , an e wf e a t u r ee x t r a c t i o nm e t h o dw a s i n t r o d u c e di nt h et h e s i sf o ri t si m p o r t a n c ei na n a l o gc i r c u i td i a g n o s i s a tf i r s t ，t h e i v ：l-_r lll 博+ 学位论文 p o i n to fp e n e t r a t i o nb e t w e e ni n d e p e n d e n tc o m p o n e n ta n a l y s i sa n da n a l o gc i r c u i t d i a g n o s i sw a sf o u n d t h ea p p l i c a t i o nf o u n d a t i o no fi n d e p e n d e n tc o m p o n e n ta n a l y s i s w a sb a s e do nt h ei n d e p e n d e n ta s s u m p t i o no ft h ed a t a ，a n dt h eo b s e r v e dd a t aw e r et h e l i n e a rm i x t u r eo rn o n l i n e a rm a p p i n gf u n c t i o no ft h e s ei n d e p e n d e n tc o m p o n e n t s i n t h ea n a l o gc i r c u i t ，t h ev a r i e t yo ft h ec i r c u i te l e m e n t sp a r a m e t e r sa r ei n d e p e n d e n t ，a n d t h ec i r c u i tv a r i a b l ec a nb ee x p r e s s e da st h ef u n c t i o no ft h ec i r c u i te l e m e n t s ，w h i c hi s t h eb a s i so ft h ef e a t u r ee x t r a c t i o nm e t h o do ft h i sp a p e r t h i sm e t h o da s s u m e dt h a tt h e s i g n a l sh a dn o n g a u s s i a nd i s t r i b u t i o na n d w e r ei n d e p e n d e n tb e t w e e ne a c ho t h e r t h e m e t h o dp r e s e n t e di n t h i sp a p e rw a sd i f f e r e n tf r o mt h eg a u s s i a nd i s t r i b u t i o na n d c o r r e l a t i v i t ya s s u m p t i o n t w of e a t u r ee x t r a c t i o na l g o r i t h m sw e r ed e s c r i b e di nt h e t h e s i sb yt a k i n ge n t r o p ya n dk u r t o s i sa st w on o n - g a u s s i a nm e a s u r e m e n t s p r o j e c t i o n p u r s u i tw e r ea d o p t e dt ol o w e rt h ed a t ad i m e n s i o n p r o j e c t i o np u r s u i tw a su s e dt of i n d t h e “m o s ti n t e r e s t i n g ”d i s t r i b u t i o nt h a ti n c l u d e dt h em o s tv a l u a b l ee l e m e n to ft h ed a t a i nf a c t ，t h eg a u s s i a nd i s t r i b u t i o ni st h em o s tr a n d o ma n dh a st h el e a s tv a l u ef o rd a t a p r o c e s s i n g ，a n dn o n - g a u s s i a nd i s t r i b u t i o n i st h em o s to r d i n a la n d h a st h eb e s t a r c h i t e c t u r ef e a t u r e i nt h i st h e s i s ，s u c c e s sf a u l tc l a s s i f i e rw a sa c h i e v e db ym a k i n gt h e m u l t i m o d ev a r i a b l e sa w a yf r o mt h eg a u s s i a nd i s t r i b u t i o n ，a i m i n gt om a k et h e e n t r o p ya n dk u r t o s i sm a x i m i z e d i no r d e rt om a k et h ec l a s s i f i e r a p p l i c a b l e f o r n o n - l i n e a r i t yc i r c u i t ，b a c k p r o p a g a t i o nn e u r a ln e t w o r kw a sa d o p t e dt od e s i g nt h ef a u l tm o d e sc l a s s i f i e rw h i c h h a dt h r e ei a y e r s ：f e a t u r ev e c t o rw a sa st h ei n p u t ，n o n l i n e a r i t ys i g nf u n c t i o nw a st a k e n a st h et r a n s f e rf u n c t i o nf o rt h eh i d d e nl a y e ra n db i n a r yc o d e sw e r ea p p l i c a b l et ot h e o u t p u tl a y e r t h ec l a s s i f i e rh a di n t e l l i g e n c ea f t e rt r a i n i n gb ys u p e r v i s o r yl e a r n i n g s i m u l a t i o nr e s u l t ss h o w e dt h a tt h em e t h o dp r e s e n t e di nt h et h e s i sc a nb e s u c c e s s f u l l yu s e d t oi d e n t i f yt h ef a u l tm o d e si no u rt e s tc i r c u i t s ，i n c l u d i n gt h e m u l t i - t e s t a b l en o d e sc i r c u i t s ，t h es i n g l e - t e s t a b l en o d ec i r c u i t s ，t h el i n e a r i t yc i r c u i ta n d t h en o n l i n e a r i t yc i r c u i t k e y w o r d s ：a n a l o gc i r c u i t ；f a u l td i a g n o s i s ；i n d e p e n d e n tc o m p o n e n ta n a l y s i s ； t e s t a b l en o d e ；p a t t e r ni d e n t i f i c a t i o n v 基丁独立成分分析技术的模拟电路故障诊断 目录 摘要1 i a b s t r a c t 一：i v 第1 章绪论1 1 1 模拟电路故障诊断的研究意义1 1 2 模拟电路故障诊断国内外研究现状5 1 3 研究的主要内容及创新点7 1 3 1 论文内容安排7 1 3 2 论文的主要创新点9 1 4 小结一1 0 第2 章模拟电路故障诊断基本理论11 2 1 电网络理论1 l 2 1 1 模拟电路故障诊断理论概述1 l 2 1 2 模拟电路故障诊断分析工具12 2 2 模拟电路故障特征提取l3 2 2 1 基于统计理论的特征提取13 2 2 2 基于小波分析的特征提取15 2 2 3 基于故障信息量的特征提取1 6 2 3 模拟电路测试节点的选择2 1 2 3 1 测试节点选择基本理论2 2 2 3 2 改进的测试节点选择算法2 5 2 4 模拟电路测试信号的选择3 2 2 4 1 基于网络函数的测试频率选择3 3 2 4 2 基于灵敏度分析的测试频率选择3 7 2 4 3 模拟电路测试变量的选择4 1 2 5 小结4 4 第3 章基于ic a 的模拟电路故障诊断4 5 3 1lc a 技术概述4 5 3 1 1i c a 的发展历史4 5 3 1 2i c a 方法概述4 6 v l 博十学位论文 3 2ic a 问题模型4 8 3 2 1 理想的i c a 模型4 9 3 2 2 实际的i c a 模型4 9 3 2 3 非线性i c a 模型5 1 3 3 模拟电路故障诊断与ic a 技术5 l 3 3 1 多可及节点模拟电路与i c a 模型5 1 3 3 2 单可及节点模拟电路与i c a 模型5 4 3 4 小结5 9 第4 章基于ic a 的模拟电路故障诊断系统6 1 4 1 数据预处理技术6 2 4 1 1 主成分分析6 2 4 1 2 白化6 5 4 1 3 正交化6 6 4 2 基于ic a 的模拟电路故障特征提取6 7 4 2 1 基于信息熵的i c a 特征提取6 8 4 2 2 基于峭度的i c a 特征提取7 8 4 3 基于神经网络的故障模式分类器8 0 4 3 1 神经网络基本理论8 1 4 3 2 多层感知器神经网络结构：8 2 4 3 3 基于多层感知器神经网络的模式分类器8 3 4 4 小结8 4 第5 章实验研究8 5 5 1 线性多可及节点电路 5 2 单可及节点电路 5 3 非线性电路： 5 4 小结 8 5 9 4 9 9 1 0 0 结论10 1 参考文献10 3 附录1 13 致谢1 15 v l i 博l ：学他论文 第1 章绪论 1 1 模拟电路故障诊断的研究意义 模拟电路故障诊断是2 0 世纪6 0 年代发展起来的，属于电网络理论的研究范 畴。电网络理论从其研究的主要任务、研究对象等方面，可以分为三个具体的研 究领域，即网络分析、网络综合和故障诊断“。 电路的故障诊断分为模拟的和数字的，数字电路故障诊断由于其处理的信息 是o 、l 数码，每个系统的故障模式都是可数的，可以用一个完备的故障字典来进 行描述，所以相比而言，数字电路虽然比模拟电路出现得晚，但是数字电路故障 诊断技术比模拟电路故障诊断在理论和实践上都要完善。模拟电路由于系统的复 杂性、元件的非线性、系统参数对外界环境的敏感性等特征，使得模拟电路故障 模式本身就是不可数的，不可能通过建立一个完备的故障字典来进行所有模式的 识别。此外到目前为止，模拟电路故障诊断技术还没有统一的故障模型，没有一 套完全自动的、可以用于任意模拟电路故障诊断的系统，因而模拟电路故障诊断 依然是目前国际国内研究的主要课题。 模拟电路故障诊断的主要任务是“：在电网络结构己知或者未知的情况下，通 过输入某些激励信号，采集电路在故障模式下的响应信息，通过对响应信息进行 分析、处理，从而确定电路是否存在故障，并进一步确定发生故障元件的位置和 参数。通常，这涉及求解多维方程组，需要用比较先进的数值处理技术才能得到 方程的求解，并且方程有时可能存在多解或者无解的情况，从而使得故障的物理 位置和元件参数不能唯一确定或者根本就没有办法确定。当然在诊断过程中所添 加的测试信号形式是可以任意的，不需要像网络分析和网络综合一样，必须和实 际的工程环境需求相吻合。 在电子电路发展非常神速的年代，不管是在电路设计还是在电路测试领域， 电网络理论每天都在不断的完善与充实。相比而言，数字电路比模拟电路的发展 更迅速，不管是在电路结构还是测试领域，比如现在数字计算机基本上已经完全 取代了模拟计算机，数字集成电路从集成度和应用的广泛性、可靠性等方面都对 模拟集成电路提出了更难的挑战。但是模拟电路的市场还并没有、今后也不可能 会完全的被数字电路所取代，这迫使我们不得不寻找问题产生的根源，究竟是哪 个层面出现了问题，才会使得出现得较早的模拟电路的发展到后来反而滞后于数 字电路的发展? 分析以往的情况，由于数字电路占领了电路的主体部分，因而在 过去的几十年中，数字电路扮演的角色显得更加重要，人们投入了更多的人力和 基丁独立成分分析技术的模拟l 乜路故障诊断 力倾向于数字电路的研究。模拟电路的故障诊断的研究由于被忽视甚至一段时 被中断，使得其发展非常的缓慢。此外，由于以往的模拟电路集成度低，规模 ，通常只要经验丰富的工作人员，利用纯手工基本上就可以完成模拟电路测试 检修的要求，从而使得模拟电路的故障诊断从根本上就缺少激励机制。现在， 字电路的设计与测试技术同趋完善，而模拟电路又是电路领域不町缺少的部分， 路的规模也越来越大，靠经验的手工做法已经不能冉适应技术发展的需求，并 目前很多系统都是数字和模拟的混合系统，因此在测试的过程中，不但需要数 的测试理念，还需要用到模拟的测试方法，两种方法相互促进，相互制约，从 实现相互发展。所以，在模拟电路的设计与测试理论不够完善的今天，我们必 加大投入的力度，使模拟电路的理论与实践都能达到一个新的高度。 模拟电路故障诊断困难重重，其理论与应用的发展不是一两天就能完成，模 电路故障诊断困难主要有以下五个方面的原因“： 1 模拟电路中的故障模式都是不可数的。数字电路处理的都是0 、1 代码， 所有的工作模式都可以通过建表的方式米表述，因而故障检测也叮以通过查表 形式来进行，即可以构造字典进行故障的“查阅”。模拟电路由于其处理的信息 时间和幅度上都是连续的，信息本身的模式就是不可数的。因此从输入信号到 出响应信号，都是不可数的，我们没办法建立完整的表格来查询故障。 2 模拟电路中的元件参数都是有容差的。电路中所有元件参数的变化都是连 的，不可能存在一个非常精确的值，从而影响着故障模式的精确性。从生产的 度来说，我们把在一定容差范围之内变化的元件也认为是合格的电子元件，这 实际上也就没办法保证所有的电子元件都工作在标称值处。此外电路由于环境 影响，也会影响到电路的元件参数值发生改变，比如环境温度、湿度的变化等。 统计的角度来看，一个在“容差 范围之内变化的电子元件可能对电路的影响 以忽略，但是在集成度比较高的扬合，成千上力个“容差”元件的影响就不可 被忽略了，因为在很多场合，这些轻微的“容差故障”可以等价为一个“大故 ，从而使得在故障诊断的过程中难以正确定位故障元件的物理位置与元件参 0 3 很多情况下，模拟电路是非线性的。通常我们对低频电子电路的处理是把 路看成线性电路或者利用相关的方法进行线性化处理。随着电子电路频率越来 高，这些线性化处理的方法难以满足实际的需求，因此通常需要列非线性方程 电路进行求解，而非线性方程的求解方法非常繁杂，目前主要采用迭代法求解， 种方法随着方程数目的增加，计算量呈指数形式递增，计算耗时非常大，因此 于实时性要求比较高的场合，很显然是不合适的，必须寻找新的数据处理技术， 升数据处理速度，解决数值求解问题，最终解决模拟电路由于非线性的存在使 故障难以诊断的难题。 2 1 博十学位论文 4 实际应用中的模拟电路，规模通常都较大，且存在反馈支路，电路结构复 杂。对于存在反馈回路的模拟电路在求解时，往往需要进行迭代计算，因而在某 种程度上也加大了模拟电路故障诊断的困难。 5 模拟电路的测试信号采集困难。在通常的测试电路中，并不是所有的节点 都是可及的，从而使得采集的信息不完整，故障元件的不准确，或者根本就不可 诊断。此外，即使是可及的节点，除了能较方便的采集到节点电压参数之外，对 于支路电流的采集通常是难以测量的，因为支路电流采集的时候必须把测量仪器 串联在电路中，而这通常需要先断开该支路，再把仪器串联进去，所以在实际测 量时，除输入端口和输出端口可以比较方便的测到电流参数外，一般电路中的支 路电流均不易甚至不可测量。 模拟电路故障诊断经过几十年的研究与发展，已经有了一些比较先进的技术 理论，但是针对电路领域其他系统在测试方面所取得的突破性进展而言，模拟电 路故障诊断的研究显得非常的缓慢。虽然模拟电路的市场占有率没有数字电路高， 但是，模拟电路出现故障的概率却比数字电路高，而且对于数字模拟混合系统而 言，大多数的故障基本上都是发生在模拟电路部分。总结当前模拟电路故障相关 方面的技术，可以发现目前的模拟电路故障诊断所用的方法主要有基于网络结构 和现代先进的信息处理技术。对于基于网络结构的方法通常要求电路的网络结构 已知、电路的可测点多，通过将大规模的网络撕裂成很多小网络，求解网络函数， 利用网络的响应规则完成故障模式的识别，该方法在进行故障模式谚 别时计算量 大，电子元件适应的容差范围小，难以实现诊断的实时性、精确性要求，通常需 要求助于好的数值处理算法，不能从根本上解决模拟电路故障诊断的难题。对于 目前较为流行的用于模拟电路故障诊断的先进技术主要有小波变换、神经网络以 及信息论等技术，在这些方法的研究中，研究者通常通过采集一定可及节点的电 路变量测试值，再利用以上技术进行故障特征提取，寻找特征变换的规律，从而 实现故障的识别与定位，这些方法需要研究者能够揭开特征值与故障模式之问的 联系，进行测前诊断；是目前的主流研究方法，但是该方法需要研究者研究好的 数据处理算法。除了以上两种主要方法之外，还有一种非常快速的故障诊断法， 即红外成像诊断法，其基本依据是当元件的参数发生改变时，其所对应支路上的 电流及节点电压务必跟着发生变化，从而导致元件功率发生变化，而功率的变化 通常会以元件表面温度的变化表现出来，这样就可以通过对温度敏感的传感区进 行故障识别与定位。该方法在大多数情况之下，故障诊断率都很高，而且诊断速 度快，但是该方法所需的成本高，此外，对于短路和断路等硬故障就显得无能无 力。 随着电路技术的突飞猛进，电路的集成度越来越高，电路发生故障的概率和 故障诊断的难度都在提升。尽管如此，模拟电路故障渗断经过几十年的发展，还 摹】独立成分分析技术的模拟i u 路故障诊断 是取得了不少的科研成果，模拟电路故障诊断这一研究领域的书籍和论文层出不 穷，采用的技术也多种多样，比如核函数| 、小波变换技术、支持向量机”2 、 神经计算”等技术，但是这些技术主要解决的是线性网络在无容差或小容差情况 下的诊断理论和方法，难以实现实际应用中的自动化。非线性一直是困扰模拟电 路故障诊断理论发展的主要原因之一。虽然，科学家们在解决非线性问题时，绞 尽脑汁，取得了一些科研成果，但是到目前为止，还没有一种可以直接用于使用 的模型或故障诊断平台。因此，模拟电路故障诊断已经成为国际国内的重要挑战 课题，需要更多的科学研究者在这个领域去探索新的、实用的方法。 综上所述，本论文开展的主要意义在于： ( 1 ) 模拟电路故障渗断需要研究新的方法，寻找新的技术，完善电网络理论 体系。随着电子技术飞速发展，电路运行的速度越来越快，有些电网络测试技术 在新的应用环境下，已经很难对电路的各种现象作出合理的解释，实践对理论提 出了新的要求，如果不尽快发展并完善电路理论，那么电路理论将成为制约实际 电路应用的瓶颈。 ( 2 ) 电路测试是电路系统中的必需步骤，现代技术的发展对模拟电路故障诊 断提出了非常迫切的要求。电路在制版前要进行仿真测试，制版之后要进行可靠 性测试，工作过程中要进行工作模式测试，所以测试贯穿整个电路的实际应用过 程。 ( 3 ) 模拟电路故障诊断课题还处于未解决状态，目前还没有一套可以通用的 故障模型，也没有可以直接用于模拟电路故障诊断的测试平台，需要科研人员继 续投入时间和精力。模拟电路的故障模式是不可数的，对于一个模式不可数系统 而言，常规的故障诊断方法就失去了太多的意义，比如最为广泛使用的“故障字 典”法，对于模拟电路故障诊断而言，由于没有办法穷举所有的“软故障”，从而 使得“故障字典 法在实际应用过程中，有了约束，只能用于检测模拟电路的“硬 故障”，而没办法检测所有的“软故障”。对于模拟电路而言，元件具有“容差” 是被容许的容差模式应该属于无故障模式，但是在二个系统中，当太多的“容 差 元件同时作用时，其产生的效果可能跟某些元件出现大故障时产生的效果相 同，这时，也就没办法识别故障模式下的特征参数，从而导致误诊或不可诊。 ( 4 ) 目前的情形需要我们寻找更先进的故障诊断技术，独立成分分析技术 ( i c a ) 是一门较新的数据处理技术，将其应用于模拟电路故障诊断将对模拟电 路故障诊断理论的发展起着一定的推动作用，对实际方法的应用提供重要的理论 指导。i c a 是主成分分析和因子分析的延展，但是相比而言，i c a 是一门更强有 力的技术，当经典方法完全失效时，它仍然能够找出支撑观测数据的内在因子。 此外由于i c a 从本质上来说是寻找信号的最大非高斯性方向，也就是最能显示信 号结构特征的方向，通过这个特性，可以反应出电路工作在不同故障模式下的结 4 博f ? 学何论文 构特征。此外，i c a 在目标逼近的过程中，采用的是高阶统计量的方法，属于非 线性处理的范畴，通过合理的选择逼近函数，有望用于解决由于电路的容差、非 线性等所导致的电路软故障，研究出一套专门针对模拟电路动态行为特征的i c a 处理算法，将对该领域的理论研究和实际应用起到重要的推动作用。 1 2 模拟电路故障诊断国内外研究现状 作为电网络理论的一个非常重要分支“，模拟电路故障诊断由于其方程可解性 问题的瓶颈限制，直到1 9 6 2 年，r s b e r k o w i t z 等人提出了模拟电路故障诊断的 可解性需求m ，电网络理论部分才有了新的分支一一故障诊断。1 9 7 9 年n a v i d 和 w i l l s o n 给出了对于线性电阻电路而言，电路元件参数值可解的充分条件m l ，为模 拟电路故障诊断奠定了理论基础。随后，很多科研人员投入到了模拟电路故障诊 断这一领域的研究，比如8 0 年代形成的k 故障诊断和失效元件定界法；9 0 年 代开始，科学家们提出将神经网络用于模拟电路故障诊断，比如s p i n a 和 u p a d h y a y a 于l9 9 7 年提出将神经网络应用到小规模模拟电路的故障诊断”5 ，该文 在利用神经网络进行模拟电路故障诊断时，直接采集电网络的输出节点电压作为 神经网络的输入向量，这种方法虽然可以处理一部分非线性情况，但是导致小规 模情况之下的网络结构也相当复杂。此后，研究经神经网络用于模拟电路故障诊 断的方法层出不迭。2 0 0 2 年，c a t e l a n i 、f o r t 和m o h n a m m a d i 等人提出将径向基 网络用于模拟电路故障诊断“。2 0 0 3 年，m a m i n i a na n df a m i n i a n 提出将采集 到的信号利用小波变换进行预处理，然后再采用神经网络进行模式识别“，该方 法在一定程度上降低了神经网络的复杂度，提高了系统的运算速度。迄今为止， 模拟电路故障诊断的技术也有相当的研究积累，从网络结构到数据处理技术都有 很多的理论更新。总结这些研究成果，可以把它们分属为不同类型的技术，比如 传统的故障字典法h 、元件参数辨识法。、故障验证法k 等，以及现代数据处 理技术，比如小波变换。一、支持向量机“、神经网络”一”等。 下面从传统的故障诊断技术和现代发展起来的故障诊断技术分别进行探讨。 1 、传统故障诊断技术 故障字典法。迄今为止，故障字典法是目前发展得比较成熟的一种方法，这 方面的相关文献资料也很多，比如文献 2 7 3 1 。故障字典法的实质就是采取一 些相关技巧进行“造表”，然后在测试时完成正确的“查表”。所谓“造表”，即根 据测前的一些经验值，确定在不同故障模式下，对电路所体现出来的特征参数值 建表，不同故障模式所对应的表格内容要尽可能不同，或者至少保证相互之间的 交集不同，并且在建表之前，通常需要对电路进行仿真分析，使字典