（电气工程专业论文）基于主成分的概率神经网络模拟电路故障诊断的研究.pdf

硕十学位论文 摘要 随着现代化电子技术的飞速发展 大规模集成电路的应用 网络规模和结构 日趋功能化和模块化 研究如何运用现代诊断技术从大规模容差电路中准确地诊 断出存在故障的子电路和元件 是实际工程迫切需要解决的课题 也是模拟电路 故障诊断理论和方法走向实际应用的关键步骤之一 模拟电路故障诊断经过二十多年的发展 已经形成一系列诊断理论和方法 但由于其本身理论的复杂以及目前诊断方法的实用性不强使得应用前景和人们 的期望差距甚远 人工神经网络理论近年来得到了快速发展 已开始在各个领域 广泛应用 随着人工神经网络技术的不断发展 人工神经网络技术被广泛的应用于非线 性系统的建模与辨识 模拟电路故障的多样性使得神经网络训练样本数量增加 b p 网络结构趋于复杂 训练速度降低 针对反向传播神经网络 b p n n 学习收敛 速度慢 易陷入局部极小值等问题 提出了基于主成分分析 p c a 与概率神经网 络 p n n 相结合的模拟电路故障诊断方法 传统的概率神经网络 p n n 是一种建立在径向基函数网络 r b f 基础之上 的 简单的 广泛应用的分类网络 与传统的b p 网络比较 它有三大优点 网 络学习过程简单 训练速度快 网络的容错性好 模式分类能力强 收敛性较好 网络结构设计灵活方便 本文的主要工作内容如下 1 研究了模拟电路故障特征提取方法 利用主成分分析模拟电路节点电压 响应的特征参数 从而简化了神经网络结构并提高了网络训练速度 提高了诊断 效率 2 研究了基于神经网络的模拟电路故障诊断的一般方法和诊断步骤 探讨 了p n n 网络的结构设计 训练算法以及用于故障诊断的优势 3 选取了一个典型纯电阻电路 结合主成分分析法和概率神经网络的优点 使用p s p i c e 和m a t l a b 软件对故障诊断过程进行了具体的仿真实现 实验结果表明 概率神经网络能够有效的对故障特征进行分类和识别 可以 达到故障快速定位和诊断的目的 且诊断率高 总之 基于概率神经网络的方法 通过主成分分析提取模拟电路的故障特征 对于解决模拟电路的故障数据冗余 故障诊断速率问题是切实有效的 关键词 主成分分析法 概率神经网络 特征提取 故障诊断 容差电路 a b s t r a c t t h ea p p l i c a t i o n so fl a r g e s c a l ei n t e g r a t e dc i r c u i t s a l l o wt h es c a l ea n dt h e s t r u c t u r eo fan e t w o r kt ob em o r ea n dm o r ef u n c t i o n e da n dm o d u l a r i z e dw ht h e d e v e l o p m e n to fm o d e r ne l e c t r o n i ci n d u s t r y s oi t i sa nu r g e n ts u b j e c ti np r a c t i c a l p r o j e c tt os t u d yh o w t oi d e n t i f yt h ef a u l ts u b c i r c u i t sa n dt h ef a u l te l e m e n t sc o r r e c t l y b yu s i n gm o d e r nd i a g n o s i st e c h n i q u ef o r l a r g e s c a l ec i r c u i t sw i t ht o l e r a n c e a n d i ti s a l s oak e ys t e pf o rp r a c t i c a la p p l i c a t i o no ff a u l td i a g n o s i sf o ra n a l o gn e t w o f k st h e o r y a n dt e c h n o l o g y a f t e rm o r et h a n2 0y e a r so fd e v e l o p m e n t a n a l o gc i r c u i tf a u l td i a g n o s i sh a s b e e nf o r m e das e r i e so fd i a g n o s i st h e o r i e sa n dm e t h o d s h o w e v e r d u et oc o m p l e x t h e o r yi t s e l fa n dn o tu n i v e r s a lp r a c t i c a lm e t h o d so fd i a g n o s i sa tp r e s e n t i t sf a rf r o l i l a p p l i c a t i o np r o s p e c t sa n dp e o p l e se x p e c t a t i o n s w i t ht h et e c h n o l o g yd e v e l o p m e n to fa r t i f i c i a l n e u r a ln e t w o r k s a n n s i t s w i d e l ya p p l i e dt 0m o d e l i n ga n di d e n t i f i c a t i o no fn o n l i n e a rs y s t e m t h ev a r i e t yo f f a u l t si na n a l o gc i r c u i tm a k e st h en u m b e ro ft r a i n i n gs a m p l e so fn e u r a l n e t w o r k g r e a t l yi n c r e a s e s t r u c t u r eo fb pn e t w o r kt e n d st ob ec o m p l e xa n dt r a i n i n gt a t e i s g r e a t l yr e d u c e d a g a i n s t t h es h o r t c o m i n g s0 fb a c k p r o p a g a t i o nn e u r a ln e t w o r k b p n n w h i c hi n c l u d es l o wl e a r n i n gs p e e do fc o n v e r g e n c ea n dt h en a t u r ew h i c hi s e a s vt of a l li n t ol o c a lm i n i m u mv a l u e p r o b a b i l i s t i cn e u r a ln e t w o r k s p n n c o n b i n e dw i t hp r i n c i p a lc o m p o n e n ta n a l y s i s p c a b a s e dd i a g n o s t i cm e t h o df o r f a u l t so fa n a l o gc i r c u i tw i t ht o l e r a n c ei sp r o p o s e d t h ec l a s s i c a lp r o b a b i l i s t i cn e u r a ln e t w o r kb a s e do nr a d i a lb a s i sf u n c t i o n n e t w o r ki sak i n do fs i m p l e c o m p a r e dw i t hc l a s s i c a lb pn e u r a ln e t w o r k t h e r ea r e t h r e ea d v a n t a g e s s i m p l yn e t w o r kl e a r n i n gp r o c e s sa n dq u i c k l yt r a i n i n g e x c e l l e n t f a u l t t o l e r a n tn e t w o r k 0 u t s t a n d i n gp a t t e r nc l a s s i f i c a t i o na b i l i t y g o o dc o n v e r g e n c e f l e x i b l en e t w o r ka r c h i t e c t u r ed e s i g n t h e p a p e r c o n c e n t r a t e so nm a i nw o r k sa sf o l l o w s 1 o nf a u l tf e a t u r ee x t f a c t i o nm e t h o df o ra n a l o gc i r c u s t h ef e a t u r ep a r a m e t e r s o ft h en o d ev o l t a g er e s p o n s ea r ec o m p r e s s e du s i n gp r i n c i p a lc o m p o n e n ta n a l y s i s p c a i th a sm a n yg o o dp r o p e r t i e s s u c h a ss i m p l i f y i n gt h es t r u c t u r eo fn n s i m p f o v i n gt h et r a i n i n gs p e e da n df a u l tc o v e r a g e 2 o nt h eg e n e r a lm e t h o d sa n dd i a g n o s i ss t e p so fa n a l o gc i r c u i tf a u l td i a g n o s i s 硕士学位论文 b a s e do nn e u r a ln e t w o r k p n nn e t w o r k sc o n s t r u c t u r ed e s i g n t r a i n i n ga l g o r i t h ma n d t h ea d v a n t a g e si nf a u l td i a g n o s i s 3 c o m b i n e dt h ea d v a n t a g e s0 fp c aw i t hp n n s c h o o s e i n gat y p i c a lp u r e r e s i s t o rc i r c u i t p s p i c ea n dm a t l a ba r ea p p l i e dt ot h es i m u l a t i o no ff a u l t d i a g n o s i sp r o c e s ss p e c i f i c l y t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ef a u l tf e a t u r ec a nb ec l a s s i f ya n d i d e n t i f y e f f e c t i v e l yb yp n n s i ti sg o o df o rr a p i d l yf a u l tl o c a t i o n t h ep u r p o s eo fd i a g n o s i s a n df a u l tc 0 v e r a g e i naw o r d b a s e do nt h em e t h o d so fp n n s t h a tp c ae x t r a c t e df a u l tf e a t u r e s f r o ma n a l o gc i r c u i ti se f f e c t i v e l yt h es o l u t i o no fa n a l o gc i r c u i tf a u l td a t ar e d u n d a n c y a n df a u l td i a g n o s i ss p e e dr a t e k e yw o r d s p r i n c e p a lc o m p o n e n t sa n a l y s i s p r o b a b i l i s t i cn e u r a ln e t w o r k c h a r a c t e r i s t i cd i s t i l l i n g f a u l td i a g n o s i s 1 o l e r a n c ec i r c u i t 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引用的内容外 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 弓钐兹竣 日期 砂一踔厂月谚日 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 在年解密后适用本授权书 2 不保密团 请在以上相应方框内打 作者签名 导师签名 日期 班年j 月沙日 日期 押暗年厂月加日 硕士学位论文 第1 章绪论 1 1 模拟电路故障诊断的意义 模拟电路广泛应用于军工 通讯 自动控制 测量仪表 家用电器等各个方 面 随着大规模模拟集成电路的发展 模拟电路的复杂度和密集度不断增长 对 模拟电路运行可靠性的要求更为严格 就模拟电路生产工厂而言 也要求能诊断 出故障以便分析原因 改进工艺以提高成品合格率 对某些用于重要设备的模拟 电路 还要求能进行故障预测 也就是对模拟电路在正常工作时的响应作持续不 断的监测 以确定哪些元件将要失效 以便在模拟电路故障发生前将那些将要失 效的元件替换掉 以避免故障发生 所有这些 通常的人工诊断技术己无法满足 需要 因而 电路故障的自动诊断成为一个急待要解决的问题 自动故障诊断的 关键在于诊断程序的产生 而诊断程序产生的中心问题是电路故障诊断理论 因 此 模拟电路故障诊断的研究引起世界各国电路理论工作者的高度重视f 模拟电路故障诊断不仅是微电子技术中的一个重要课题 同时也是网络理论 的一个重要课题 传统的电路理论仅包括电路分析与电路综合两个分支 而模拟 电路故障诊断所研究的是在已知网络的拓扑结构 输入激励信号 也可选自激励 信号 和故障下的响应时 有时可能还已知部分元器件的参数 求解故障元件或子 网络的物理位置和参数 其研究内容不同于电路分析与电路综合 已成为近代电 路理论中公认的第三分支 开展这一领域的研究 不仅对促进近代电路理论的发 展有着强大的推动作用 而且其研究成果还将丰富相关学科如智能科学与计算科 学等的应用研究1 2 1 现代社会中 电子设备或系统广泛应用于各个科学技术领域 工业生产部门 以及人们的日常生活中 电子设备的可靠性直接影响着生产的效率 系统 设备 及人类的生命安全 随着电子设备使用的日趋广泛 不论是在设备的生产阶段还 是应用阶段 都对电路的故障诊断提出了迫切的要求 要求人们研究新的有效的 诊断技术 进一步提高电子设备的可靠性 3 l 国内外许多资料表明 开展故障诊断技术的经济效益是明显的 据日本统计 在采用诊断技术后 事故率减少了7 5 左右 维修费降低了2 5 5 0 英国对 2 0 0 0 个国营工厂的调查表明 采用诊断技术后每年节省维修费3 亿英磅 用于 诊断技术的费用仅为0 5 亿英磅 3 1 可见 设备故障诊断技术在现代工业生产中 起着非常重要的作用 开展设备故障诊断技术的研究具有重要的现实意义 在工程中实际存在着大量的多故障 多过程 突发性故障及需要对庞大机器 基于主成分的概率神经网络模拟电路故障诊断的研究 或复杂工程系统进行的监测和诊断 现有的技术手段和方法如信号处理 模式识 别等往往存在较大的局限性 迫使人们深入系统地研究如h a r t r e e 所说的智能仪 器系统 随着计算机技术 人工智能技术等的发展 各种智能诊断系统应运而生 故障诊断技术经过了3 0 多年的发展 人们已经认识到了智能诊断技术的重要性 智能诊断技术己成为当今世界的研究热点之一 o l 综上所述 工业生产对模拟电路有了更高的要求 现代电子技术的迅猛发展 对模拟电路故障自动诊断提出了迫切的需求 近代电路理论亦在渴望着模拟电路 故障诊断这一前沿研究领域取得突破性进展以推动学科发展跃上新台阶 因此 进一步探索模拟电路故障诊断理论 研究实用性强的故障诊断方法并研制其测试 设备及软件已迫在眉睫 1 2 模拟电路故障诊断的研究现状及发展 模拟电路故障诊断理论最初是在1 9 6 2 年由r s b e r k o w i t z 开始研究的 2 1 网络 理论中这一新的研究领域引起了国际上众多学者的关注和兴趣 许多电路理论工 作者纷纷投入这一领域的研究 二十世纪七十年代末 国际上掀起了模拟电路故 障诊断的热潮 1 9 7 9 年国际电气电子工程师协会电路与系统学报出了模拟路故障 诊断特刊 刊登了这一时期提出的各种不同的故障诊断原理和方法 使该领域的 研究得到了进一步的发展 至二十世纪八十年代中期正式确立了它在电路理论中 应有的地位 成为继分析和综合之后的电路理论的第三分支 可以说 二十世纪七十年代末是模拟电路故障诊断理论研究方法上的一个分 界线 在这以前 研究的重点是网络元件值的可解性问题 其着眼点主要是整个 网络的每一个元件 即力图通过某种方法确定所有元件的实际取值 并且比较多 的是将其它领域的方法推广到任意故障诊断 考虑故障本身的特点不够 这一时 期提出的方法除字典法外 主要是任意故障的分析法 比较突出的如参数估计法 及一大类模式识别方法 二十世纪七十年代末以后 大量的研究表明任意故障的 诊断方法往往需要较多的测点并导致很大的计算量 因而难以实用化 根据故障 诊断问题的实际情况 多故障诊断的方法被提了出来 这类方法基于网络中故障 元件数不大于某个数的假设 这在实际中是合理的 使诊断问题大为简化 从此 研究的着眼点由全部元件转移到 故障元件 不再力图解出所有元件的实际值 而 是致力于确定故障元件或区域 从而可减小网络可解性条件的限制 使得可用较 少的可及节点达到定位故障的目的 同时 研究发现将故障诊断分故障定位和定 值两步来完成 可以进一步简化诊断问题 不但计算量减少 而且对可测节点的 要求也降低了 八十年代以来 多故障诊断的研究己成为主流 其中比较有代表性的方法有 k 故障诊断法与失效元件定界法等 同时 为了解决大规模电路的诊断问题 撕 2 硕士学位论文 裂技术在电路诊断中得以应用 网络分解方法越来越受到关注 此外 由于多故 障诊断法一般只需少量的可及节点 电路的结构对故障诊断方法的有效性有着很 大的影响 因而可测性设计的研究也日益得到重视 几乎所有后来提出的方法都 力图用拓扑的术语给出其可诊断条件 并用以转变为相应的可测性设计准则 至 八十年代末 这一领域的研究成果主要集中在解决线性网络在无容差或小容差情 况下的诊断理论与方法上 智能信息处理技术的不断发展与深入 为解决模拟电路传统诊断方法中所存 在的元件容差与非线性 电路的可诊断性等难题提供了有力的工具 二十世纪九 十年代以后 专家系统 模糊理论 神经网络等逐渐被应用于模拟电路故障诊断 中 此外 还出现了非网络理论的诊断方法 如红外成像诊断法和激光等离子体 探测法等 本世纪以来 将小波分析 遗传算法及信息融合技术等应用于模拟电 路故障诊断的研究亦开始起步 为形成实用的有效诊断方法开辟了新的途径 同 时 对数模混合电路故障诊断的研究亦引起了各国研究工作者的很大兴趣 纵观 近年来模拟电路故障诊断领域所取得的成果 其研究主要集中在以下几方面 1 基于神经网络的融合智能故障诊断 针对不同的诊断目的 集成神经网络与模糊理论 遗传算法 小波分析等计 算智能的优势 将其应用于模拟电路故障诊断中 形成基于融合智能的诊断方法 以提高诊断系统的综合性能 比较有代表性的主要有 模糊神经网络诊断方法 小波神经网络诊断方法及遗传神经网络诊断方法等 4 1 2 基于信息融合技术的故障诊断 将信息融合的思想与方法应用于模拟电路故障诊断的研究还刚刚起步 其研 容差模拟电路故障诊断屏蔽理论与信息融合方法研究宗旨在提高电路的可测性 与故障诊断的准确性 目前所取得的成果还只是对单层次信息融合诊断的原理及 其融合算法等的研究 1 1 3 参数识别法 故障验证法等诊断方法的实用性研究 参数识别法 故障验证法等一大类传统诊断方法已经历了较长的发展过程 各有其特点 可满足不同的电路诊断要求 但元件的容差与非线性等严重制约了 此类方法的进一步发展与应用 因此近年来仍有不少学者致力于以上各类传统方 法在容差 非线性电路等实际情况中的应用研究 5 1 4 可测性理论及可测性设计 主要研究模拟电路可测性的度量 电路可测性的提高 可测性设计的一般结 论等 5 数模混合系统及其混合信号系统级芯片 s o c 的测试 有关s o c s y s t e mo nc h i p 的测试研究主要包括s o c 的软硬件协同测试 可复 用芯核测试 低功耗测试等 s o c 的可测试性设计研究主要包括s o c 中嵌入芯核 3 基于主成分的概率神经网络模拟电路故障诊断的研究 的测试体系结构和方法 s o c 的内建自测试 b i s t 结构等 研究用于层次式芯核 的b i s t 测试的可复用性 可扩展性等 3 1 总的来看 模拟电路故障诊断的研究尽管已取得了许多显著的阶段性理论成 果 但由于网络的拓扑结构与可测点等制约了电路的可诊断性与诊断方法的适用 性 电路元件的广泛非线性与具容差及其故障现象的多样性等使得现有诊断理论 与方法难以解决实际电路的诊断问题 至今国际上尚未出现能得以广泛应用的有 效诊断方法及其软件 要获得突破性的进展最终形成成熟的应用技术 可能还需 要更具创新性的研究或大量细致的完善工作 1 3 模拟电路故障测试与故障诊断的范畴 1 3 1 模拟电路故障测试 为了诊断模拟电路中的故障 需要进行故障测试 故障测试可分为在线测试 和离线测试 在线测试 测试时不中断被测电路的正常运行 离线测试 测试时中断被测电路的正常运行 在故障测试时 需要有一定的测试信号 测试信号可用原来的工作信号 但 在一般情况下 往往需要另加测试信号 如直流信号 不同频率的交流信号 谐 波信号 复杂信号 噪音信号等 故障测试需有一定的测试点 被测电路节点可分为可及节点和不可及节点 可及节点 即可加入测试信号及测出电路响应的节点 不可及节点 即不可测量的节点 半可及节点 即该节点上可加以电压激励并能测量电压值 但不能加以电流 激励及测量电流值 根据对模拟电路故障诊断要求的高低 可分为故障检测 故障定位和故障识 别三级 故障检测 判断被测电路是否存在故障 这是故障诊断的最低要求 故障识别 要求确定故障电路中故障元件的参数值 是故障诊断的最高要求 故障定位 要求确定电路中的故障元件范围 范围可为某一个子电路元件区 域及元件 它对故障诊断的要求介于故障检测及故障识别之间 1 3 2 模拟电路故障诊断范畴 故障诊断的范畴包含以下四类问题 1 故障检测 f a u l td e t e c t i o n 根据所采集到的数据以及己知的电路结构与标称参数 判断电路是否存在故 障 但故障检测不能确定故障元件的位置和参数 相对而言 故障检测比较容易 4 硕十学位论文 实现 主要用于产品的检验 2 故障辨识 f a u l ti d e n t i f i c a t i o n 在已检测到电路存在故障的前提下 确定存在的故障总数 各故障元件在电 路中的物理位置 f a u l tl o c a t i o n 如果需要的话 还可进一步确定或估计故障元 件的有关参数 f a u l te v a l u a t i o n 对于故障辨识的要求是准确而唯一 这也是目 前故障诊断中的主要任务 因此对它的研究最多 但难度也最大 故障辨识也成 为故障诊断 f a u l td i a g n o s i s 3 故障预报 f a u l tf o r e c a s t 为进一步提高系统的可靠性和利用率 最好在系统发生故障前即能预报处将 要发生故障的元件 以便提前更换或作其它处理 避免系统产生更大的事故 确 保系统长期正常运行 为了实现故障预报 需要对被测系统作连续监测 从所取 得的现场数据上搜索到异常信号 从中分析和预报即将可能发生故障的元件 其 中一个重要问题是要尽量延长系统中的每个元件或部件的生命周期 即尽可能减 模拟电路故障诊断与神经网络少误报 且不要过早地替换可能有故障的元件 如 一个元件的偶发故障不应视为永久故障而被替换 4 可测性设计 m e a s u r a b i l i t yd e s i g n 故障诊断理论的应用范围不只局限于故障检测与故障定位 而更重要的是得 出可测性设计的原则 所谓可测性设计 是指在电路设计的时候就考虑到电路的 可诊断性 诊断的容易程度 为日后的维护留下充分的余地 1 4 模拟电路故障诊断的方法及其瓶颈 模拟电路故障诊断是微电子技术中的一个重要课题 同时也是网络理论的一 个重要课 模拟电路故障诊断方法主要有三种 3 6 1 1 用网络分扯法作故障定位 即用k r o n 的分扯法将模拟电路构成的网 络分解成若干子网络 通过检测子网络中的电流 电压与原设计网络中的电流 电压有无偏移将所有子网络分为两类 正常子网络和故障子网络 2 用伴随网络法作故障定位 根据原始网络的拓扑结构作一个伴随网络 和一个故障网络 依据特勒根定律 当原始网络发生故障时 网络中的元件参数 的变化值与伴随网络中蚵诸物理量之间具有特定的关系 在设法做出若干个独立 模拟的条件下 把元件的变化值作为未知量 把原始网络和伴随网络的端口上可 测的物理量作为己知量 求解故障定位方程组而得到故障所在的位置 3 诊断定理作故障定位 这一方法的特点是不必知道网络中各节点的电 压数值 只要知道各节点电位的涨落 在故障激励参考极性一致的条件下 判断 故障在网络中的位置 上述经典方法的主要缺陷是将模拟电路近似为线性网络 用成熟的线性系统 5 基于主成分的概率神经网络模拟电路故障诊断的研究 网络来解决非线性问题 这显然不具有普适性 同时 不利于工程实现 近年来 随着非线性系统理论的发展 模拟电路的故障诊断理论与方法取得了长足的进 步 具有代表性的方法有 5 d l l 1 分段线性法进行非线性模拟电路的故障诊断 它是基于线性系统理论 的故障诊断方法在非线性系统的延拓 2 基于谐波平衡法的非线性模拟电路的稳态分析和故障诊断 该方法被 广泛地用于强非线性模拟电路的数字仿真与设计 这是一种较成熟的非线性模拟 电路分析方法 3 基于v o i t e r r a 级数或广义频谱响应函数 g f r f 的非线性模拟电路的稳 态分析和故障诊断 该方法特别适合于弱非线性模拟电路的分析与仿真 4 基于小波和人工神经网络的故障诊断方法 上述方法在很大程度上克服了经典方法存在的缺陷 有些方法已经在工程实 践中得到成功应用 据资料报道 虽然在电子设备中数字电路超过8 0 但8 0 以上的故障都 来自模拟电路 随着集成电路发展 需将数字和模拟元件集成在同一块芯片上 以提高产品性能 降低芯片面积和费用 目前超过6 0 的集成电路设计中包含 数字和模拟的混合信号电路 混合信号电路测试与诊断的典型策略为图 首先分 别测试模拟和数字器件 然后是系统功能测试以检测器件间的相互关系 在混合 信号电路中 虽然模拟部分仅占5 的芯片面积 但其测试成本却占总测试成本 的9 5 模拟电路测试一直是困扰着集成电路工业中的一个 瓶颈 问题 因此 模拟电路测试和故障诊断方法研究至关重要 与数字电路相比 模拟电路测试和 诊断原理与方法研究的进展缓慢 主要是由于以下原因 1 时间和电压的连续特性使得模拟电路比数字电路更易受缺陷的影响 区分故障情况和无故障情况需要多种测试方法 2 模拟电路中的元件参数具有很大的离散性 即具有容差 是实施正确 诊断的最大困难 3 模拟电路中广泛存在非线性问题和反馈回路 增加了故障诊断难度 4 模拟电路中输入和输出间的关系复杂并且难于模型化 在数字电路测 试中得到成功应用的故障模型并不适用于模拟电路测试 模拟电路测试至今尚缺 乏有效与通用的故障模型 5 实际的模拟电路中可测电压的节点数很有限 导致可用于故障诊晰的 信息量不充分 造成故障定位的不确定性和模糊性 6 测试设备和输入激励信号的精度对测试结果的影响至关重要 7 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 6 硕士学位论文 8 由于需要采用不同的方法来测试电路的多种性能参数 因此模拟功能 测试比较昂贵和费时 此外 测试过程中所需的额外硬件开销较大 1 5 神经网络故障诊断问题的提出 模拟电路的使用虽由来已久 但模拟电路故障诊断技术的发展较慢 其原因 主要有 由于模拟电路的多样性 且模拟电路的物理量是连续函数 因此模拟电 路的电量模拟困难 而且模拟的模型适应性有限 模拟电路中元件参数具有容差 它引起电路工作特性的偏移 对于容差电路 许多诊断方法失去了准确性和稳定 性 模拟电路中广泛存在着非线性问题 而非线性问题的求解比较困难 其计算 工作量也大 实际的模拟电路通常是多层的或被封闭的 特别是集成电路 只有 少数一些可及端口或节点是可测量的 导致可用作故障诊断的信息不够 造成故 障定位的不确定性和模糊性1 1 5 l 人工神经网络是在现代神经科学研究成果的基础上提出来的 它反映了人脑的 基本功能 是对人脑的简化与模拟 人工神经网络是一个非线性动态系统 它通过 对样本的学习建立起记忆 然后将未知模式判决为最接近的记忆 它可以处理一些 环境信息十分复杂 背景知识不清楚 推理规则不明确的问题 神经网络的i 0 非 线性映射特性 信息的分布存储 并行处理和全局集体作用 特别是其高度的自组 织和自学习能力 使其成为故障诊断的一种有效方法和手段 神经网络的这一优良 特性受到故障诊断领域专家学者的关注 神经网络故障诊断问题可以看成模式识 别 通过对一系列过程参量进行测量 然后用神经网络从测量空间映射到故障空间 实现故障诊断 人工神经网络之所以适合于故障诊断 有以下3 个原因 1 训练过的神经网络能存储有关过程知识 能直接从定量的 历史的故 障信息中学习 可以根据对象的正常历史数据训练网络 然后将此信息与当前数 据进行比较 以确定故障 2 神经网络具有滤除噪声及在有噪声情况下得出正确结论的能力 可以 训练神经网络来识别故障信息 使其能在噪声环境中有效地工作 这种滤除噪声 的能力使得神经网络适合在线故障检测和诊断 3 神经网络具有分辨原因及故障类型的能力 8 0 年代以来神经网络理论受到世界各国学者晦广泛重视 并且在智能控制 计算机视觉 语音识别 生物医学等方面有了成功的应用 9 0 年代后期 神经 网络在电路故障自诊断领域得到了应用 1 6 神经网络的故障诊断能力 对于故障诊断而言 其核心技术是模式识别 而神经网络由于自身的诸多优 7 基于主成分的概率神经网络模拟电路故障诊断的研究 势 能够出色解决那些传统模式识别方法难以圆满解决的复杂问题 神经网络具 有分辩原因及故障类型的能力 所以神经网绍是解决模拟电路故障诊断的有效方 法 从本质上讲 模拟电路故障诊断相当于一个模式识别和分类问题 即把电路 运行状态分为正常和异常两类 而异常状态究竟又属于哪种故障模式 这又是一 个模式识别问题 因此 神经网络为模拟电路故障诊断提供了一个全新的解决方 案 与其它经典的诊断方法相比较 神经网络在模拟电路故障诊断中具有以下显 著的优势 1 基于规则的系统 这种诊断系统利用编辑后的规则 即与故障原因相关的症状 实现故障诊 断 众所周知 形式是基于规则系统技术的瓶颈 它限制了该诊断系统在模拟电 路故障诊断中的应用 而神经网络在训练阶段就能自动推导出故障症状和故障原 因之间的关系 无需明确的规则形式 2 基于模型的系统 这种诊断系统通常要求掌握电路原理及其动作模型的全面知识 对于复杂的 大规模集成电路而言 这种方法存在着明显的不足 神经网络诊断方法则避免计 算模拟电路参数和故障建模等问题 3 专家系统 由于模拟电路不能实现很好的建模 特别是在故障情况时 缺乏适当的领域 知识 或经验 因而专家系统方法未能在模拟电路故障诊断中得到广泛应用 神 经网络由于自身的属性 在样本训练阶段可自动获取知识 提取特征 发现模拟 电路故障规律 4 故障字典方法 该方法仅能辨识预先存储在字典中的故障 由于神经网络具有一定的推理能 力 故可以识别那些未明确包含在训练集中的故障 1 7 基于神经网络的故障诊断方法研究现状 目前 国内外针对基于神经网络的故障诊断方法研究不断取得进展 提出了 诸多神经网络诊断方法 其中最主要的诊断方法有如下五大类型 1 常规神经网络方法 神经网络由于具有分类 辨识和推理能力 适用 于模拟电路故障诊断 e f c a b r a l 通过应用多层感知机分析电路直流 d c 响应特 征 检测和辨识故障元件 m a e 1 g a m a l 将用规则集合表述的训练集映射为基于 规则连接的神经网络 提出基于知识的诊断方法 但模拟电路领域知识获取和规 则提取是难点 a f a n n i 讨论了三种故障特征提取技术 傅立叶变换 小波变换 和主元分析1 对基于神经网络诊断方法的影响 提出一种模拟电路软故障诊断方 8 硕士学位论文 法 将片上白噪声发生器作为激励源 应用神经网络进行响应分析 取得了一定 的诊断效果 应用径向基函数神经网络分别对元件级和子系统级软故障进行故障 诊断 组合矢量学习机神经网络和聚类算法诊断模拟电路多个硬故障 其它神经 网络的故障诊断应用还包括 贝叶斯神经网络 时延神经网络和概率神经网络 2 小波变换预处理方法 m a m i m i a n 分别从仿真和实际电路角度 对模 拟电路的脉冲响应信号进行小波变换 并继续对小波系数进行主元分析和归一化 处理 提取5 个故障特征作为神经网络的输入 实现了模拟电路的故障诊断 s c o n t u 利用小波分析对所获得的电压信息进行压缩 将对应每一故障模式的原 始故障信息的3 0 个采样点压缩为5 1 个点作为故障特征 简化了神经网络结构 但 还未见有该方法应用在电源电流测试中 实现基于神经网络的电路故障诊断 3 电源电流测试 s y u 分别用正弦和斜坡信号诊断c m o s 运算放大器的 门极氧化短路故障 从电源电流提取故障特征作为b p 网络输入 故障诊断正确 率达8 3 正弦信号 和6 7 斜坡信号 若应用正弦信号出现故障误诊断 则继续 用斜坡信号诊断 正确率达1 0 0 但该方法存在耗时和诊断故障单一的缺点 4 模糊技术应用 d g r z e c h c a 选用兀和梯形模糊成员函数 分别对模拟电 路阶跃响应测试数据进行模糊预处理后 输入多层感知机实现故障分类 a t o r r a l b a 采用模糊神经元 高斯函数作为神经网络隐层激励函数 通过b p 算法进 行网络学习和参数调节 实现对两个c m o s 模拟运算放大器的故障诊断 m c a t e l a n i l l 7 l 比较了模糊方法和径向基函数神经网络的故障诊断效果 得出基于 i f t h e n 规则的模糊系统分类效果更好的结论 这种方法主要存在两个不足 一是模糊成员函数选取没有具体指导原则 二是模糊规则提取不易实现 5 大规模模拟电路故障诊断 目前大规模模拟集成电路的故障诊断方法 包括 撕裂法 1 8 1 层级法和符号法 利用神经网络开展的工作却十分有限 仅 s o m a y a j u l a 层级法分析电路 提取每一层a c 响应电压波形有效点作为k o h o n e n 神 经网络输入 实现了对滤波器电路的故障诊断 但不足亦很明显 分层时 要求 每一层都有测试点 电路规模复杂时 导致k o h o n e n 神经网络结构复杂 1 8 本文的工作 本文主要是臣绕蓉模拟电路故障诊断的神经网络方法螅研 究和实现来展开一 主要以解决故障诊断大容量数据处理速率为目的 通过主成分分析法对神经网络 的输入数据特征进行主成分分析和提取 对这些关键技术进行了研究 论文共分 六个部分 其中 第一章绪论 阐述了模拟电路故障诊断的研究意义 基本知识及和发展现 状 介绍了基于神经网络的模拟电路故障诊断方法的基本思路和步骤 并对本文 的研究工作进行了简单介绍 9 基于主成分的概率神经网络模拟电路故障诊断的研究 第二章模拟电路故障诊断与神经网络理论介绍 对模拟电路故障诊断的基 本理论和概念进行了阐述 第三章简要介绍了神经网络的基本理论 研究了概率神经网络用于模拟电 路故障诊断的有效性 第四章主成分理论介绍 首先介绍了主成分分析算法的有关知识 分析了 多目标优化问题的求解方法 在基于主成分分析的特征提取及优化的故障屏蔽模 型基础上 研究了主成分特征提取方法的理论 步骤和有效性 并通过理论分析 与诊断实例说明了所提方法的优越性 第五章纯电阻电路故障诊断实例 对故障字典法在容差情况下的应用进行 了深入研究 选取了纯电阻电路 用基于神经网络的方法对其进行了故障诊断仿 真实现 分析了诊断结果 总结与展望 总结了整篇论文的主要内容 并指出了一些有待解决的问题和 展望 1 0 硕 上学位论文 第2 章模拟电路故障诊断理论 2 1 模拟电路故障诊断概述 模拟电路故障诊断自七十年代以来一直是国际学术界关注的热门课题之一 可以检索到的有关论文已有千余篇1 4 6 这些研究成果为模拟电路故障诊断理论 的发展奠定了基础 但由于模拟电路故障诊断问题本身的复杂性 如元件参数的 容差和广泛的非线性 使这一问题一直未能更好的解决 从八十年代中期以来 这一领域的研究处于徘徊的局面 虽然现有的无容差线性电路的测试与诊断理论 已经趋于成熟 但有容差电路的诊断方法仍有不少理论残缺 有效的诊断方法正 在探索之中 到目前为止 一个系统的完整的诊断理论体系还有待形成 因此 进一步探索模拟电路故障诊断理论 研究实用性强的故障诊断方法并 研制其测试设备及软件已迫在眉睫 2 2 模拟电路故障产生原因与模式识别 模拟电路发生故障 就不能达到设计时所规定的功能和指标 模拟系统故障 诊断的主要任务是在已知网络的拓扑结构 输入激励信号 也可自激励信号 和故 障下的响应时 有时可能还己知部分元器件的参数 求解故障元件的物理位置和 参数 模拟电路产生故障的原因主要来自设计 制造和使用三方面 一部分故障是 由于设计不当而引起的 另一些故障是由于制造工艺的缺陷而造成的 还有一些 故障则是在长期的使用过程中由于元器件磨损 老化 疲劳等原因造成的 针对模拟电路的故障 可以通过模式识别方法达到故障类别的分类效果 模拟电路故障的模式识别诊断方法主要思想是根据测试数据对故障分类 从 而达到故障定位的目的 这一过程可以分为三个阶段 测试 提取特征和分类 即 1 在电路的各种状态 正常状态和故障状态 下 对给定可及节点 在 选定的激励下测试 2 根据获得的测试数据提取各故障状态的特征 记录各故障特征 并产 生决策函数 3 对待诊断特征由决策函数分类 故障的模式识别诊断方法与一般的诊断方法相比 一般的故障诊断方法很大 程度上决定于诊断方程或优化模型 而模式识别方法不需要诊断对象的解析模 基于主成分的概率神经网络模拟电路故障诊断的研究 型 但需要有代表性的训练数据 一般故障诊断方法建模需要的计算量大 模式 识别法通常计算简单 计算量主要取决于测试数据和所处理的问题 一般诊断方 法在建模过程中工作量大 建模后就难以改变 而模式识别法在这一方面要灵活 的引 9 1 特征提取是模式识别法中的一个重要环节 它直接影响到诊断系统的分类效 果 同时 特征提取也是较为复杂的环节 特征提取目前还没有系统的理论和方 法 只有具体问题具体分析之后 才能从测试数据中提取识别对象的特征和结构 模拟电路故障的特征要从测试数据中获得 若两故障在选定激励下任何可及 点上的测量值无差异或差异很小 这两种故障在现有激励和可及点上是不可隔离 的 需要改变或增加激励和可及点才有可能隔离 4 7 1 用人工神经网络 a n n 实现故障的模式识别时 a n n 能够从输入的数据 中 自动提取故障特征 并存储在网络权值中 如图2 1 所示 图2 1 神经网络分类器 2 2 1 模式识别概述 模式识别 2 1 技术是用计算机来模拟人的各种识别能力 当前主要是对视觉能 力和听觉能力的模拟 模式识别问题可视为通过搜索各模板特征 对输入数据与 各模板之间的相似性进行鉴别 到目前为止 模式识别技术已在以下领域得到了 应用 语言识别 文字识别 语音合成 目标识别与分类 图象分析与识别等 1 2 l 模式识别可分为两种 即统计模式识别方法和结构 句法 模式识别方法 相应的模式识别系统包括设计与实现两部分 设计是指用一定数量的样本 称为 训练集合或学习集合 进行分类器的设计 而实现则是指用所设计的分类器对待 识别的样本进行分类决策 一般的模式识别系统如图2 2 所示 它包括以下几个 部分 硕士学位论文 图2 2 模式识别系统 1 信息获取 为了使计算机能对各种现象进行分类识别 必须将所研究的对象用计算机所 能接受的形式表示 通常输入对象的信息包括 二维图象 如文字 指纹 地图 照片等 一维波形 如脑电图 地震波等 和物理参量和逻辑值 如体温 各 种实验数据等 每个测量值描述事物的一个特征 通过测量 采样和量化 可 以用矩阵或矢量表示二维图象或一维波形 这既是信息获