電路板故障診斷的多總線自動測試技術研究

邱云萍，王 琳，王學偉，程志華

（1.北京化工大學 北京 100029；2.黑龍江省電力科學研究院 黑龍江 哈爾濱 150030）

隨著現代科學技術的發展，測試技術對電子裝備發展的支撐作用越來越突出，測試保障裝備建設已受到前所未有的重視[1]。為保證實際應用時集成度越來越高的電子設備能有效、可靠的工作，得出較精確的數據，就需要一種高效率的測試設備來滿足不同電子設備的性能測試和故障診斷。因此，構建了由GPIB、VXI、IEEE1394三總線構成的用于板極電路的功能測試和故障診斷的多總線自動化測試系統。該系統具有通用性、易操作等優點，降低了測試成本，在提高故障診斷效率的同時使電路的自動測試更加簡便。并采用基于遺傳算法的支持向量機做分類器，對系統測試得到的數據樣本進行診斷，提高了故障診斷的正確性。

圖1 多總線自動化測試系統結構Fig.1 Multi-bus automatic test system structure

1 多總線自動化測試系統

該多總線自動化測試系統主要有測試機箱、主控計算機及數模混合接口適配器三大部分組成，其中測試機箱包括了程控電源與VXI總線機箱兩部分。整體系統結構如圖1所示。

測試機箱的核心部分——VXI總線機箱。VXI總線技術經多年的發展已實現標準化、模塊化和系統化，具有標準開放、數據吞吐能力強、可靠性高、定時和同步準確以及模塊可重復利用等優點[2]。VXI總線機箱由雙通道50 MHz任意波形發生器、6.5位數字多用表、2通道示波器、64通道時序數字I/O、4通道 A/D、4通道 D/A、32通道繼電器開關、8×32 矩陣開關等模塊化儀器構成。VXI模塊化儀器體積小，節約空間，方便運輸。VXI的這些性能優點有力的保障了測試與診斷過程的高正確率與高運行速率。主控計算機通過具有高速傳輸優勢[3]的1394總線與VXI總線機箱內的零槽控制器進行通信，用于整個自動測試系統的全局監控。

測試人員通過主控計算機，可有效的控制測試機箱，進而完成測試。主控計算機的主要構成部分有人機接口用戶界面、數字信號發生模塊、測試儀器模塊、數據處理模塊、故障字典數據庫、功能檢測流程、故障診斷流程及其他控制模塊。各功能模塊的有機結合可幫組測試人員有效的完成測試工作。

主控計算機經GPIB總線與程控電源相連，程控電源包含了雙路直流程控源和一路交流程控源。GPIB總線技術的應用已比較成熟，大量的測試儀器都帶有GPIB接口。通過GPIB接口，可以將若干臺基本儀器和計算機儀器搭成積木式的測試系統，在計算機的控制下完成復雜的測量[4]。該測試系統采用的是并行的連接方式，使計算機可同時控制3路程控電源，滿足電路測試中的各種電壓需求。

數模混合接口適配器與測試機箱相連，測試機箱給適配器提供相應的電源信號與測試激勵信號。適配器通過適配板與被測板相互通信，并將測試所得的數據反饋給測試機箱，由測試機箱將數據上傳至主控計算機。在測試進行過程中可用數模混合接口適配器配套的數字探筆和模擬探筆對被測板的重要中間點進行測試，結構如圖2所示。這樣的結構設計更方便測試的執行。

圖2 適配器連接圖Fig.2 Adapter connection diagram

適配器與被測板中間加入的適配板能有效的保護被測板，防止測試過程中由于人為操作的失誤或是測試程序錯誤及測試儀器故障引起的瞬時電壓或電流過大，而導致的被測板損壞或對測試人員的危害。同時適配板可對被測板測試所需的電源信號與測試激勵信號進行相應的穩壓與濾波等輔助操作，提高了測試信號的質量與測試數據的可靠性，進而提高了故障診斷的正確性。

2 基于遺傳算法的支持向量機分類器

支持向量機（SVM）就是先通過用內積函數定義的非線性變換將輸入空間變換到一個高維空間，再在這個空間中求最優分類面[5]。它的主要思想就是建立一個超平面作為決策面，該決策面不但能夠將所有訓練樣本正確分類，而且使訓練樣本中離分類面最近的點到分類面的距離最大。

遺傳算法（GA）是一種借鑒生物界自然選擇和自然遺傳機制而形成的全局尋優算法。先產生初始種群，通過選擇、交叉和變異操作，產生一群更適合環境的個體，經過一代又一代的進化，使種群最后收斂到一群最適合環境的個體，求得問題的最優解[6]。

把遺傳算法應用于SVM的基本方法如下：

1）輸入樣本數據集，分配好訓練樣本與診斷樣本，并將樣本數據歸一化。

2）參數初始化。即初始化一些基本參數，有GA算法中的最大進化代數、種群最大數量、交叉與變異概率及SVM中的懲罰參數C與核函數中參數的變化范圍、交叉驗證的次數。

3）對要優化的參數C與進行二進制編碼，并按其分布均勻抽取一些個體組成一個初始種群。均勻抽取而成的初始種群比隨機抽取的可獲得的信息量更大，對算法更有優勢。

4）將SVM的故障分類正確率設定為個體適應度，分類正確率越高則個體適應度越大。按照個體適應值的大小，從種群中選出適應值較大的個體進入下一代。

5）進行交叉和變異操作，形成新一代的種群。

6）當平均適應度值變化持續小于某一常數并超過一定代數時，得到具有最大適應的個體作為最優解輸出，并將得到的最優解譯碼行得到優化的參數。否則反復執行3～5步。

7）把前一步得到的優化參數作為SVM分類器主要參數C與的采用值，進行樣本訓練與故障分類。

融合了遺傳算法的SVM既保留了SVM算法的優勢，又并入了遺傳算法的優點。從分布均勻的多個點構成的群體開始搜索，在尋求最優解的過程中只需由目標函數值轉換得到的適應值，而不需其它輔助信息，使算法更加簡單且不易陷入局部最優解的困境中。并避開了原SVM算法中參數C選值困難的劣勢，提高了分類器的分類正確率。

3 電路診斷實例

整個故障診斷測試過程可用流程圖表示出來如圖3所示。在正確安裝好適配板后系統加電，判定系統提供的測試電壓無誤后，正確安裝上被測板，進入各項功能測試階段。對各功能模塊逐步測試，若所有功能都通過測試，沒有測出不正常值，則系統顯示電路板功能正常，系統斷電，測試結束。若測試過程中得出一個或一個以上的錯誤值，測試系統將進入故障診斷測試部分。

以含常用元器件較多的繼電器開關控制電路為例，電路如圖4所示。當電路中的某個元器件發生故障，如電阻開路或是運放故障，輸出信號的電壓幅值、高值、低值、頻率和占空比等特性會發生變化，測試系統在測試時將這些電路特性值保存下來，留作樣本數據使用，再采用分類器進行故障診斷。

將測試得到250個樣本，前100個做訓練樣本，剩余的150個做測試樣本。訓練集與測試集經數據歸一化預處理后，用一般的支持向量機與基于遺傳算法的支持向量機分別進行故障診斷。診斷結果如表1所示。基于遺傳算法的分類器故障診斷的正確率可高達99.33%。

圖3 測試程序流程圖Fig.3 Flow chart of test program

圖4 繼電器控制電路圖Fig.4 Relay control circuit diagram

表1 診斷結果對比表Tab.1 The diagnosis contrast table

4 結 論

該多總線自動化測試系統將多種測試儀器集成于一體，方便了測試。采用高傳輸速率的VXI與1394總線縮短了電路板測試過程中測試數據的傳輸及處理的時間，從而提高了測試的效率。系統通過不同的測試診斷程序，可測試不同的電路板，具有通用性與實用性，避免了測試系統重復建設而造成的資金浪費，降低了測試系統開發與維護的成本。并在該測試系統資源平臺上增加了采用基于遺傳算法的支持向量機分類器，提高了電路診斷的正確率。

[1]杜里，張其善.電子裝備自動測試系統發展綜述[J].計算機測量與控制，2009，17（6）:1019-1021.DU Li，ZHANG Qi-shan.Development review of automatic test systemfor electronic equipment[J].Computer Measurement&Control，2009，17（6）:1019-1021.

[2]趙旭東，雷勇，王志鵬.基于VXI總線的某型渦軸發動機測試系統設計[J].測控技術，2011，30（1）:39-41.ZHAO Xu-dong，LEI Yong，WANG Zhi-peng.Design of some turbo-shaft engine testing system based on VXI bus[J].Measurement and Control Technology，2011，30（1）:39-41.

[3]崔如娜，李坤，楊煜普.基于1394總線通信的I/O模塊在數控系統中的應用[J].測控技術，2009，28（12）:68-71.CUI Ru-na，LI Kun，YANG Yu-pu.Application of I/O module based on IEEE 1394 busin CNCsystem[J].Measurement and Control Technology，2009，28（12）:68-71.

[4]蔡曉波.基于GPIB的雷達接收機自動測試系統[J].現代雷達，2011，33（9）:69-71.CAI Xiao-bo.Radar receiver automatic test system based on GPIB[J].Modern Radar，2011，33（9）:69-71.

[5]郭麗娟，孫世宇，段修生.基于支持向量機的數字電路故障診斷研究[J].微計算機信息，2008，24（11）:187-188.GUOLi-jun，SUNShi-yu，DUANXiu-sheng.Research on digital circuit fault diagnosis based on support vector machine[J].Micro Computer Information，2008，24（11）:187-188.

[6]郭凱.遺傳算法的3種改進方法和分析[J].電子測試，2011（3）:38-40.GUO Kai.Three kinds of improved genetic algorithm and analysis[J].Electronic Test，2011（3）:38-40.