（测试计量技术及仪器专业论文）模拟电路测点优选与测试生成方法研究.pdf

一 n a n j i n gu n i v e r s i t yo f a e r o n a u t i c sa n d a s t r o n a u t i c s t h eg r a d u a t es c h o o l c o l l e g eo fa u t o m a t i o ne n g i n e e r i n g r e s e a r c h e so nt e s tn o d e so a n dt e s tg e n e r a t i o no fa a t h e s i si n l i l ll li ii ii iil l l l i iiil y 18110 6 6 p t i m a ls e l e c t i o n n a l o g c i r c u i t i n s t r u m e n t a t i o ns c i e n c ea n dt e c h n o l o g y b y z h a op e n g a d v i s e db y s u b m i t t e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o r t h ed e g r e eo f m a s t e ro f e n g i n e e r i n g j a n u a r y , 2 0 1 0 、 ， 一 ， ， 承诺书 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进 行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外， 本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所 涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标 明。 本人授权南京航空航天大学可以有权保留送交论文的复印件，允许 论文被查阅和借阅，可以将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、缩印或其他复制手段保存论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名：叁鱼壁 日 期：2 里垒：圣：崆 _ y 南京航空航天大学硕士学位论文 摘要 模拟电路测试节点优选和测试生成技术是模拟电路故障诊断和可测性设计的重要研究内 容这两项技术的研究对减小电路测试复杂度、降低电路设计成本、提高电路故障诊断率具有 重要意义。 本论文详细阐述了模拟电路测试节点优选和测试激励优化设计基本原理，研究设计了一套 具有良好普适性和鲁棒性，适用于线性和非线性模拟电路的测试节点优选和测试激励优化设计 方法。论文主要研究工作包括： ( 1 ) 设计了一种基于类内类间敏感度因子与故障隔离度的模拟电路测试节点优选方法。通 过计算电路各测试节点采样数据的类内类间离散度来定义测点敏感度因子，根据敏感度因子大 小对待优选测点进行重新排序，利用k n n 网络计算重排序测试节点的故障隔离组( 度) ，最后 优选出能辨识全部预设故障的最优测试节点集。实验证明，对比相关参考文献结果，本文方法 优选出的最优测点集包含的测点数量更少，并且可以优选出故障诊断效率更高的同等规模的测 试节点集合。 ( 2 ) 设计了一种基于遗传算法的测试激励优化方法。该方法利用遗传算法概率性全局寻优、 并行搜索能力强等优点，以电路故障响应特征分布差异最大化为准则来优化电路测试激励中的 幅值、频率和相位等参数。在对电路进行交流扫频分析和数学建模仿真分析基础上，通过计算 电路响应信号采样数据类内类间离散度来定义优化目标函数，统计测试激励敏感度因子大小， 最终借助遗传算法实现测试激励优化设计。实验证明，本文方法优化设计出的测试激励信号有 效降低了电路故障响应特征分布模糊性，提高了故障诊断率。 本论文的研究工作受国家自然科学基金( 6 0 8 7 1 0 0 9 ) 与航空科学基金( 2 0 0 9 z d 5 2 0 4 5 ) 的 资助。 关键词：模拟电路，故障诊断，可测性设计，测试节点优选，测试生成技术 模拟电路测点优选与测试生成方法研究 a b s t r a c t b o t ht e s tn o d e so p t i m a ls e l e c t i o na n dt e s ts t i m u l ig e n e r a t i o na r ei m p o r t a n tp a r t so fa n a l o gc i r c u i t f a u l td i a g n o s i sa n dd e s i g nf o rt e s t a b i l i t y t h es t u d yo ft h e s et w ot e c h n o l o g i e sh a sg r e a ts i g n i f i c a n c e o nr e d u c i n gt h ec i r c u i tt e s tc o m p l e x i t ya n dd e s i g nc o s ta n de n h a n c i n gt h ec i r c u i tf a u l td i a g n o s i s a c c u r a c y i nt h i sp a p e r , t h eb a s i cp r i n c i p l e so fo p t i m a lf o ra n a l o gc i r c u i tt e s tn o d e sa n dt e s ts t i m u l ia i n t r o d u c e d , a n dan e wm e t h o dw h i c hi se f f e c t i v ea n dr o b u s tf o rt h eo p t i m i z a t i o no fa n a l o gt e s tn o d e s a n dt e s t - s t i m u l ii sp r o p o s e d t h em a i nr e s e a r c hw o r k so ft h i sd i s s e r t a t i o nc a l lb es u m m a r i z e da s f o l l o w s ： ( 1 ) an e wm e t h o df o ra n a l o gc i r c u i tt e s tn o d e so p t i m a ls e l e c t i o nw h i c hi sb a s e do ni n n e r - a n d i n t e r - c l a s ss e r l s i t i v i t yf a c t o ra n df a u l ti s o l a t i o nd e g r e ei s p r o p o s e d t h ei n n e r - a n di n t e r - c l a s s d i s p e r s i o no fs a m p l i n gd a t aw h i c hi su s e dt od e f i n et h et e s tn o d e s s e n s i t i v i t yf a c t o ri sc a l c u l a t e df i r s t , r e o r d e r i n gt h et e s tp o i n t sa c c o r d i n gt ot h ev a l u eo ft h es e n s i t i v i t yf a c t o r , a n dt h e nc o m p u t i n gt h e i s o l a t a b l ef a u l tg r o u pa n dd e g r e eo ft h er e o r d e r e dt e s tn o d e sb yk n nn e t w o r k , f i n a l l yt h eo p t i m a lt e s t n o d e ss e tc a nb es e l e c t e d 谢t l lg u i d a n c eo ft h ep r o p o s e da l g o r i t h m e x p e r i m e n t a la n a l y s i sp r o v e dt h a t , c o m p a r e dw i t ho t h e rr e l a t e dl i t e r a t u r e s ，t h es i z eo ft h eo p t i m a lt e s tn o d e s s e tw h i c hw a sd e r i v e d b yt h e p r o p o s e dm e t h o di sm u c hs m a l l e r , a n dw h e ns e l e c tas a m es i z et e s tn o d e ss e t , t h ep r o p o s e dm e t h o d h a st h ea b i l i t yo fg i v i n gab e t t e rr e s u l t ( 2 ) an e wm e t h o df o rt e s t - s t i m u l io p t i m i z a t i o nw h i c hi sb a s e do ng e n e t i ca l g o r i t h mi sp r o p o s e d t h ef e a t u r e so fg e n e t i ca l g o r i t h ms u c ha sp r o b a b i l i s t i cg l o b a lo p t i m i z a t i o na n dp a r a l l e ls e a r c h c a p a b i l i t ya r ec o n s i d e r e di nt h ep r o p o s e dm e t h o d , a n dt h em e t h o dt a k e st h em a x i m u mo fd i f f e r e n t f a u l tc i r c u i tr e s p o n s ed i s t r i b u t i o na st h ec r i t e r i o nt oo p t i m i z et h et e s t - s t i m u l i t h ec i r c u i ta c s w e e p s i m u l a t i o na n dm o d e l i n ga n a l y s i sa r ee x e c u t e df i r s t ，t h e nt h eo b j e c t i v ef u n c t i o ni sd e f i n e db a s e do n t h ec a l c u l a t i o no fi n t e r - c l a s sa n di n n e r - c l a s sd i s t a n c ef o rd i f f e r e n tf a u l tc i r c u i tr e s p o n s e ，f i n a l l yt h e t e s t s t i m u l ic o r r e s p o n d i n gs e n s i t i v ef a c t o rw o u l db ec a l c u l a t e d , t h r o u g ht h ea b o v eo p e r a t i o n s ，t h e o p t i m a lt e s t s t i m u l ic a nb eg e n e r a t e ds u c c e s s f u l l yb yg e n e t i ca l g o r i t h m e x p e r i m e n t a lr e s u l ts h o w s t h a tt h eo p t i m a lt e s t s t i m u l ig e n e r a t e db yt h ep r o p o s e dm e t h o dc a nr e d u c et h ea m b i g u i t yi nt h e d i s t r i b u t i o no ff a u l tf e a t u r e so ft h ec i r c u i tg r e a t l y , a n da c h i e v eas a t i s f a c t o r yd i a g n o s t i cr e s u l t 田r e s e a r c ho ft h i sp a p e ri sf u n d e db yn a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no fc h i n a ( 6 0 8 71 0 0 9 ) a n da e r o n a u t i c a ls c i e n c ef o u n d a t i o no f c h i n a ( 2 0 0 9 z d 5 2 0 4 5 ) 南京航空航天大学硕士学位论文 k e yw 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 ，d e s i g nf o rt e s t a b i l i t y , t e s tn o d e so p t i m a ls e l e c t i o n ， t e s tg e n e r a t i o nt e c h n o l o g y 模拟电路测点优选与测试生成方法研究 目录 第一章绪论1 1 1 课题研究目的与意义1 1 2 课题国内外研究现状2 。 1 3 课题研究技术难点3 f 1 4 本文主要研究内容及论文结构4 第二章模拟电路测试节点优选方法研究。5 2 1 引言5 2 2 基于敏感度因子与测点隔离度的测点优选方法5 2 - 3 应用实例与仿真结果分析9 2 3 1 数据预处理方法：9 2 3 2 线性模拟带通滤波器l l 2 3 3 非线性视频放大电路2 3 2 4 模拟电路测试实验研究2 8 2 5 本章小结3 2 第三章模拟电路测试生成技术研究3 4 3 1 引言3 4 3 2 基于交流扫频分析的模拟电路测试频率优化3 4 3 2 1 电路测试频率选择原则3 4 3 2 2 基于遗传算法的测试频率优化方法3 6 3 2 3 应用实例与仿真结果分析4 0 3 3 基于数学建模的模拟电路测试激励优化4 9 3 3 1 线性电路数学建模方法。4 9 3 3 2 测试激励遗传算法优化模型5 2 t 3 3 3 应用实例与仿真结果分析5 3 3 4 本章小结6 0 p 第四章总结与展望6 l 4 1 总结6 l 4 2 展望6 l 参考文献6 3 模拟电路测点优选与测试生成方法研究 图清单 图2 1 模拟电路测试节点优选流程图9 图2 2 有源滤波电路1 2 图2 3 两种方法优选的测点集合相应故障诊断正确率与误诊率对比图2 2 图2 4 视频放大电路2 4 图2 5 电路l 节点在故障焉和r o 下的输出波形图2 6 图2 6 电路3 节点在故障局和最。下的输出波形图2 6 图2 7 数据自动化采集系统硬件鲴成2 9 图2 8d m a 方式高速数据采集流程图2 9 图2 9 用户界面参数配置说明图3 0 图2 1 0 仿真与实际输出波形对比图3 l 图3 1 遗传算法运算流程3 7 图3 2 循环编码方式示意图3 8 图3 3 单点交叉运算示意图4 0 图3 4 基本位变异运算示意图4 0 图3 5 双带通滤波电路4 1 图3 6 双带通滤波电路输出节点电压幅频特性。4 2 图3 7 四频点子集进化过程4 5 图3 8 六频点子集进化过程4 5 图3 9 八频点子集进化过程4 6 图3 1 0 十频点子集进化过程4 6 图3 1 l 十二频点子集进化过程4 7 图3 1 2 优选频点子集诊断正确率曲线图4 8 图3 1 3 优选频点子集诊断误诊率曲线图4 8 图3 1 4 带通滤波电路一5 0 图3 1 5 带通滤波电路p s p i c e 仿真幅频特性曲线5 3 图3 1 6 测试激励遗传算法进化过程5 4 图3 1 7 优化的测试激励信号波形5 5 图3 1 8 单频优化激励对应的电路各故障状态输出波形5 6 图3 1 9 双频优化激励对应的电路各故障状态输出波形5 6 南京航空航天大学硕士学位论文 图3 2 0 三频优化激励对应的电路各故障状态输出波形5 6 图3 2 1 四频优化激励对应的电路各故障状态输出波形。5 6 图3 2 2 五频优化激励对应的电路各故障状态输出波形5 6 图3 2 3 六频优化激励对应的电路各故障状态输出波形5 6 模拟电路测点优选与测试生成方法研究 表清单 表2 1 有源滤波电路元件标称值1 2 表2 2 有源滤波电路故障模式设置1 2 表2 3 各个测点类内距离离散度1 3 表2 4 各个测点类间距离离散度1 4 表2 5 有源滤波电路各测点敏感度因子1 6 表2 6 有源滤波电路重排序测点的隔离组与隔离度1 6 表2 7 优化测点集 1 l 故障诊断结果1 8 表2 8 优化测点集 1 l 7 ) 故障诊断结果1 8 表2 9 优化测点集 l l , n 9 , n 8 ) 故障诊断结果1 9 表2 1 0 优化测点集 l l , n 9 “儿 故障诊断结果2 0 表2 1 l 优化测点集 l l , n 9 , n 5 “) 故障诊断结果2 1 表2 1 2 不同优化测点集故障诊断结果简表2 2 表2 1 3 视频放大电路元件标称值。2 4 表2 1 4 视频放大电路故障模式设置表2 4 表2 1 5 视频放大电路各测点敏感度因子2 5 表2 1 6 视频放大电路重排序测点的隔离组与隔离度2 6 表2 1 7 三组优化测点( 集) 故障诊断结果简表2 7 表2 18p c b 电路物理实验诊断结果3l 表2 1 9 测点集 1 1 ) 仿真实验与物理实验诊断结果对比。3 2 表2 2 0 测点集 l l 灿 仿真实验与物理实验诊断结果对比3 2 表3 1 双带通滤波电路元件标称值及容差4 l 表3 2 双带通滤波电路故障模式设置4 2 表3 3 扫频分析频点分布表4 3 表3 4 单个频点敏感度因子( 从大到小排序) 4 4 表3 5 方案一优化频点子集结果4 4 表3 6 四频点g a 进化结果4 5 表3 7 六频点g a 进化结果4 6 表3 8 八频点g a 进化结果4 6 表3 9 十频点g a 进化结果4 7 南京航空航天大学硕士学位论文 表3 1 0 十二频点g a 进化结果4 7 表3 1 l 方案二优化频点子集结果4 7 表3 1 2 两种方案不同容量频点子集故障诊断结果简表。4 8 表3 1 3 带通滤波电路元件标称值5 0 表3 1 4 带通滤波电路故障模式设置5 0 表3 1 5 不同容量测试激励参数优化结果5 5 表3 1 6 单频优化测试激励诊断结果5 7 表3 1 7 双频优化测试激励诊断结果5 7 表3 1 8 三频优化测试激励诊断结果5 8 表3 1 9 四频优化测试激励诊断结果。5 8 表3 2 0 五频优化测试激励诊断结果5 8 表3 2 l 六频优化测试激励诊断结果。5 9 模拟电路测点优选与测试生成方法研究 x 注释表 序号缩写英文名称中文名称 1a s a m b i g u i t ys e t 模糊集 2c u tc i r c u i tu n d e rt b s t 待测电路 3d f t d e s i g nf o rt e s t a b i l i t y 可测性设计 4g ag e n e t i ca l g o r i t h m 遗传算法 5k n nkn e a r e s tn e i g h b o rk 最近邻 6p c a p r i n c i p a lc o m p o n e n ta n a l y s i s 主成分分析 7s v m s u p p o r tv e c t o rm a c h i n e 支持向量机 ， 南京航空航天大学硕士学位论文 第一章绪论 1 1 课题研究目的与意义 模拟电子电路故障诊断自7 0 年代开始，在世界范围内已取得卓有成效的研究成果，并逐渐 形成了比较系统的理论，确立了它在网络理论中应有的地位，成为继网络分析和网络综合之后 网络理论的第三大分支【m 】。开展这一领域的研究，不仅对促进近代电路理论发展具有强大的推 动作用，而且其研究成果还将丰富相关学科如智能科学与计算科学等领域的应用研究。 电路可测性设计( d e s i g nf o rt e s t a b i l i t y , d f d ，简言之，是指考虑了一切测试要求的设计， 或者说一切能使电路测试生成和故障诊断变得相对便宜的设计【3 】。如果能在预先规定的性能指 标下生成、评价并应用一个测试集，则称针对此测试集所属的电路是可测的。性能指标是指在 预先规定的代价预算和时间范围内，达到预先设定的故障检测、故障定位和测试应用标准。 模拟电路测试与诊断的研究内容主要包括：探索新的测试手段、测试激励的生成、测试节 点的优选、故障特征的提取、故障判别等h 1 。其中，测试节点优选和测试激励信号优化设计同 时也是模拟电路可测性设计的重要内容，电路测试节点和测试激励信号选择是否得当，会直接 影响到模拟电路最终的故障诊断效率。 通常，在实际的电路测试过程中，某些测点不能被访问测量，此时有必要甄选并判定其余 测试节点的数据信息是否仍能达到故障隔离的目的；相反，若测试节点保留过多，将会导致测 试成本的显著上升，此时需要剔除其中对故障识别定位贡献不大的冗余测点，而且过多的测试 节点也会导致特征矢量维数过多，不利于最终的电路故障判决。 模拟电路测试节点优选的目的就在于，对给定的模拟电路，按照某种方法从所有可及测试 节点( 可施加激励或者连接上测量工具采集响应数据的电路节点) 中挑选出某个或某些最容易 获得电路故障特征信息、获取尽可能多故障分辨率与覆盖面的测点来组成最优测点集合此类 测点集合具有的特征是：测点数量少、包含的故障信息最大( 或者能使得故障分辨率达到预期 的目标) 在对电路进行故障测试或诊断时，需要将参数不同的多个测试激励组成测试矢量，并将该测 试矢量中的各个激励逐个或同时施加到测试电路。一般而言，在不同测试激励下，即使电路发生 同一故障，其电路响应也不尽相同，经常会出现某些激励下部分故障特征很明显而其它故障特征 则难以辨识的情况，此时可以通过增加不同激励的数量来提高诊断系统的故障分辨率，但是，激 励过多将会导致测试成本上升，此外，测试激励的增加也会导致故障特征维数的增多，这将给后 级故障判别带来困难，使系统复杂度增加。 测试激励信号优化设计的目的就在于，控制测试矢量维数前提下，寻求最优的激励信号， 模拟电路测点优选与测试生成方法研究 使电路在不同故障模式下尽可能地表现出变化明显的不同特征，从而达到易于故障判别的目的。 综上所述，模拟电路测试节点优选与测试激励信号优化设计对快速、准确诊断电路故障， 降低模拟电路特别是大规模集成电路设计与测试成本具有重要意义。 1 2 课题国内外研究现状 1 模拟电路测点优选技术 宏观来讲，模拟电路测试节点优选策略可以被划分为两类哺1 ：排除法( e x c l u s i o ns t r a t e g y ) 和 包含法( i n c l u s i o ns t r a t e g y ) 。其中排除法是指最优测点初始集合为电路所有可及节点，通过一定 的算法排除冗余节点；而包含法恰好相反，先将目标测点集合初始化为空，然后将有用测试节 点逐个选入。 目前测试节点优选方法主要有：基于故障分类精度的方法、基于故障检测表的方法、基于 节点可测性测度的方法、基于节点电压灵敏度的方法、基于信息熵计算的方法等。 基于故障分类精度的方法采用排除策略优选测点集，通过计算某测点被排除前后剩余测点 集能否达到故障分类精度来完成优选；基于故障检测表的方法是整数编码故障字典法的变形， 通过求测点模糊集交集或对称差来优选最优测点集，该法计算量较小；基于节点可测性测度的 方法是将电路灵敏度矩阵的列秩作为电路的可测性测度，通过计算电路测点集合对应的可测性 测度值，以测度值最大且节点数最小的集合为最优测点集合，该方法适用范围较广，但计算稍 显复杂；基于节点电压灵敏度的方法，是通过计算节点的电压灵敏度，并将其作为选择节点的 依据，即节点电压灵敏度和对应的区间越大，则该节点对元件参数变化越敏感，越有利于提高 故障识别能力，该方法计算较为复杂，且对大规模强非线性电路来讲，难以列出电路方程，求 解节点电压灵敏度变得非常困难；基于熵计算的方法其原理是对每个测试节点进行故障前后信 息变化量统计，即熵的计算，根据信息熵的大小来选择测试点，该方法计算量稍大。 j a n u s za s t a r z y k , p i n j a l ai c kp r a s a dv c 1 稍1 等人以一个模拟带通滤波器为例，采用故障字 典法，分别以故障字典中模糊集信息熵指数大小和所对应故障检测表故障隔离数为标准来判定 电路测点的优劣，并通过分析比较证明该方法选择的测点接近全局最优；a b ue i - y a z e e d , m e 唧 等人同样以个模拟带通滤波器为例，采用排除策略，以所选测点集合所达到的故障分类精度 为指标，使优选出的电路测点集故障诊断正确率达到了9 8 ；t g o l o n e k , j r u t k o w s k i 0 0 等人 首先采用进化算法来对模拟电路测试节点进行优选，所使用的遗传算法适应度函数是综合考虑 已分离故障模式数目和剩余测点故障区分能力而制定，经实验验证，取得了较好的效果：孙秀 斌，陈光禹，谢永乐等【”】人通过建立待测电路的行列式判决图和电路的可测性测度矩阵来进行 测试节点优选，并通过一个小型电路对该方法进行了验证：蔡金锭，马西奎，黄东泉钔等人通过 分析电路( 网络) 的节点电压灵敏度，对一个容差网络成功进行了测点优化选择：蒋荣华，王 厚军，龙兵【l q 等人将改进的离散粒子群算法应用于模拟电路测点优选研究，并通过一个电路故 2 、 一 l - 南京航空航天大学硕士学位论文 障一测试关系依赖矩阵进行该方法的可行性验证；汪鹏，胡梅，杨士元【1 8 l 采用故障特征函数 描述模拟电路故障字典法中的模糊集，提出了节点“条件故障隔离度”概念，并对模糊集的集 合运算进行量化，最终利用动态规划算法实现测点优选。 2 模拟电路测试激励优化设计 目前模拟电路测试激励优化设计常用方法主要有：幅频特性法啪、多频灵敏度法啪1 、遗 传算法寻优法啪1 等。 在幅频特性法中，需建立电路传递函数表达式。当电路中某一个元件发生故障时，电路幅 频关系式中的特征频率也将随之改变，从而引起整个电路波特图的变化。故可以将包含转折频 率点的激励作为电路的输入，基于电路响应变化量而制定某种测试激励选择指标来进行电路测 试激励的优化。该方法由于需要列出待测电路传递函数，所以常用于线性电路。 多频灵敏度法原理可以描述为：电路发生某类故障时，对应的故障特征通常会在电路输出 量中表现出来，而且输出量的变化与电路元件参数的变化密切相关，并存在一个灵敏度大小关 系，所以，应在输出量相对频率变化比较敏感的范围内选择测试频率，同时针对分类器的收敛 情况对测试频率做一定的调整。该方法不适于非线性电路，因为对非线性电路进行电路输出与 电路参数变化的灵敏度分析较难实现，且当元件参数变化较大时，灵敏度分析的结果不够准确。 遗传算法是一种全局优化算法，其理论基础是达尔文进化论采用遗传算法求解电路激励 信号的最优参数时，关键是制定合理的目标函数和适应度函数。该方法一般在大容量数据仿真、 参数变化范围较大时采用，并且对电路软故障的效果比较好。 s d h u y n h 和s e o n g w o nk i r n 2 7 l 等人采用基于多频分析的方法，将模拟测试激励生成视为寻 找能使故障电路和无故障电路特征间的误差最大的输入信号，通过比较二者间的可测性因子 ( t e s t a b i l i t yt r a n s f e rf a c t o r s ) 而达到测试激励优化目的；m s l a r n a n i 2 叼和b k a m i n s k a 【2 9 1 通过对电 路测点的传输函数进行灵敏度计算以选择不同测试频率，避免了某些故障模式下存在的故障掩 盖和故障等效等问题，不过该方法的实现所需计算量较大；b e r n h a r db u r d i e k 3 0 1 和v a r i y a m , e n 【3 1 l 利用时域灵敏度和贪婪法优化分段线性函数激励信号各时间转折点的电压：s d h u y n h 和 i c s e o n g w o n 2 7 】从可控性和可观性角度研究了多频测试生成技术，对实验电路预设故障的覆盖 率达1 0 0 ，该方法不足之处在于测试矢量随着故障数目增多而线性增加；b u r d i e k ，b 【3 2 】用非线 性理论优化非线性模拟瞬态测试激励信号参数，但要先写出电路的改进节点方程； p r a m o d c h a n d r a nn 【3 3 】首先用多变量自适应回归样条函数( m u l t i v a r i a t ea d a p t i v er e g r e s s i o n s p l i n e s ) 建立电路的数学模型，然后用遗传算法搜索最佳激励信号，该方法避免了电路节点方程 和灵敏度矩阵的复杂建立过程，为非线性模拟电路激励生成研究开辟了一个新方向。 1 3 课题研究技术难点 虽然国内外学者在模拟电路测试节点优选和测试生成研究中取得了许多骄人成绩，但与模 3 模拟电路测点优选与测试生成方法研究 拟电路故障测试诊断中其它方面的研究相比，仍没有形成一套规范性或普适性较强的理论和方 法。模拟电路自身特点给课题研究带来诸多技术难点，主要体现在【i i ： ( 1 ) 模拟电路中的元件参数具有很大离散性，即具有容差。由于容差实际上就是轻微的故 障，它们的普遍存在，其影响往往可与一个或几个元件的大故障等效，因此导致故障的模糊性， 即故障的可测性变差。从某种程度来说，元件参数的容差是实施电路测试与诊断的最大困难。 ( 2 ) 实际的模拟电路往往含有非线性元件，而且线性电路也常包含大量的非线性问题。非4 线性电路建模复杂，电路求解计算量较大；另外模拟电路还存在大量的反馈回路，这也增加了 电路可测性设计的复杂性。 ， ( 3 ) 模拟电路测点优选是个多目标优化问题，各优化目标容易冲突，很难得到最优解。现 有模拟电路测点选取方法主要从故障检测率、故障隔离率及最少的测试点数目等角度出发选取 最优测试集，且大都将多个可测性目标通过加权方式进行优化，由于其加权值必须人为规定， 容易偏离实际，所以精度较低，耗时较长。 ( 4 ) 模拟电路对环境变化极其敏感，其输出响应不仅易受由制造工艺偏差所引起的元件参 数变化的影响，而且易受噪声和热效应等外界环境因素的影响；另外测试设备和输入激励信号 的精度对测试结果影响也很大，这也是模拟电路可测性设计的难题之一。 由于模拟电路测试存在上述各种特点和难点，因此不可能将数字系统中所使用的测试手段 及测试设计方法简单地移植到模拟电路系统中来，必须根据模拟电路自身特点探索有效的新型 可测性设计理论及方法。 1 4 本文主要研究内容及论文结构 本论文主要针对模拟电路测点优选和测试生成方法做相关的理论及实验研究，创新设计和 实现了模拟电路测试节点优选和测试激励优化设计方法，研究过程中涉及的软件平台主要包括 p s p i c e9 2 ，m a t l a b7 1 等。 本论文共分四章，各章节内容安排如下： 第一章，介绍课题研究目的、意义并对本课题国内外研究现状和技术难点做简要阐述，最 后给出本文主要研究内容和论文结构安排。 第二章，介绍作者在模拟电路测试节点优选研究中取得的理论和实验成果。包括所设计测 点优选方法的理论原理和实验方案阐述，给出了仿真及物理实验结果并做了相应对比分析。 ， 第三章，介绍作者在模拟电路测试生成技术研究中取得的理论和实验成果。包括所采用测 试激励优化设计方法的理论原理和实验方案阐述，给出了仿真实验结果并做了讨论分析 第四章，对论文研究工作进行了总结和分析，指出不足之处并对下一步的研究工作提出了 一些建议 4 一 南京航空航天大学硕士学位论文 第二章模拟电路测试节点优选方法研究 2 1 引言 电路测点选择对于诊断系统性能的优劣具有较大影响，若测点选择得当，那么就为进一步 的故障特征提取及分类器的设计提供了良好的基础和前提。在当前各种测点优选方法中，基于 整数编码故障表的方法较为流行，但该法中模糊集( a m b i g u i t ys e t ) 的划分规则会因待测电路 规模与类型的不同而产生迥异的效果，甚至同一电路在同等条件下多次测试得到的模糊集结果 也存在较大差异【3 4 】，而且通过模糊集求交集或对称差的方法判定测点集故障检测能力并不十分 严谨【9 】；灵敏度矩阵分析法一般需要精确分析电路拓扑结构，建立电路传输方程，然而数学建 模与计算过程常常繁冗复杂，而且对于复杂非线性电路来说，根本无法建立其精确的数学模型： 智能算法寻优法是近几年兴起的一种测点优选方法，该方法一般需要估算出待测电路故障测试 关系式( 矩阵) ，并据此制定算法适应度函数，然而算法中约束因子和参变量大小的选择并没有 通用的标准，一般都采用试凑法确定，显然这会直接影响算法的稳定性和结果的合理性另外， 上述方法的测点优选过程大都仅以电路测点的故障检测能力为选择标准，很少考虑优选测点 ( 集) 的故障区分能力，不能保证得出的优选测点( 集) 具有较高的故障诊断率。 针对现有模拟电路测点优选方法存在的问题，提出了一种基于类内类间敏感度因子与故障 隔离度的模拟电路测点优选新方法。该方法无需建立整数编码故障表，不需要对待测电路进行 拓扑结构分析和复杂的数学建模，也不涉及算法参数选择问题。通过定义敏感度因子与故障隔 离度来判断待测电路测点( 集) 的故障检测与区分能力，并据此最终优选出最优测点集。 本章后续内容安排：2 2 节详细阐述了所设计模拟电路测点优选方法的具体实现原理，给出 了算法步骤和测点优选流程图；2 3 节是仿真实验研究，分别通过两种不同规模的、线性和非线 性电路实例对提出的测点优选方法进行验证，并给出了详细的实验结果分析；2 4 节是物理实验 验证：最后是本章小结。 2 2 基于敏感度因子与测点隔离度的测点优选方法 l 测试节点重排序 如果将某种故障模式看作一个故障类，各类别可以区分开是因为它们位于不同的响应区域， 即对于某个测点各类故障模式下的特征样本，同一类的类内距离越小，不同类的类间距离越大， 区分性越强，同时总希望最小类间距离尽量大，最大类内距离尽量小满足上述要求，则说明 该电路测点具有较强的故障区分能力，视为敏感测点 对采集到的电路可及测点各类故障下的样本数据，可以定义其类内类间距离和测点敏感度 5 模拟电路测点优选与测试生成方法研究 凼子。 第f 个测点第类故障样本的类内距离喀，定义为： 屯= 瓦岳羔l 乞一乞酬 ( 2 1 ) 式中，m ，以= 1 ，2 ，n ，m n ：i = 1 ，2 ，k ；j = 1 ，2 ，m 。n 表示样本个数，k 表示测 点个数，m 表示故障类别数，置j ( m ) 、只，( 刀) 分别表示第f 个测点第_ ，类第所个和第刀个样 。 本特征值。 第i 个测点m 个类的类内距离的平均值q