現代模擬電路的故障診斷初探

李帥

摘要：隨著現代科技水平的不斷提高，電子設備在家用、通信、測量、自動控制、運輸、科研等領域得到廣泛的運用。同時，半導體、集成電路技術的發展使得電路系統的規模急速加大。這樣，在滿足需求的同時，設備發生故障的可能性與復雜性也在相應增加，尤其在自動化工廠、通信以及航空、航天等領域，一旦設備出現故障而不及時維修排除，可能會造成的損失是難以估量的。模擬電路廣泛應用于軍工、通訊、自動控制、測量儀表、家用電器等各個方面。隨著大規模模擬集成電路的發展，模擬電路的復雜度和密集度不斷增長，對模擬電路運行可靠性的要求更為嚴格。在模擬電路發生故障后，要求能及時將故障診斷出來，以便檢修、調試和替換。

關鍵詞：模擬電路;故障;診斷

1.模擬電路故障的概述

1.1故障產生的原因

模擬電路產生故障的原因主要來自設計、制造和使用三方面。一部分故障是由于設計不當而引起的，另一些故障是由于制造工藝的缺陷而造成的，還有一些故障則是在長期的使用過程中由于元器件磨損、老化、疲勞等原因造成的。

1.2故障特征

電路發生故障時，其特征與正常狀態時相比有所變化，引入故障特征的概念是為了表示這種變化。故障特征可以有各種不同的表現形式，比如可以是電路在不同時間間隔或不同頻率下的輸入輸出信號;也可以是電路節點上或電路的外部連接點上的交流或直流電壓;還可以是線性電路的傳遞函數或其他相關函數。此外，還有電路的紅外特征，即以電路元器件發生故障前后表面溫度的變化作為特征量。

1.3故障類型

模擬電路的故障類型從元件的角度包括兩大類。硬故障：指元件的開路或短路失效故障;軟故障：指元件參數值超出元件容許的容差范圍，一般它們均未使設備完全失效，例如，由于元件的老化、變質或使用環境的變化等造成的元件參數變化。嚴格的說，網絡中元件產生硬故障已經改變了網絡的拓撲結構，但在模擬電路故障診斷中仍將它們看作是元件（支路）的故障，電路中發生硬故障，經常導致系統嚴重失效，甚至完全癱瘓，而發生軟故障一般僅引起系統性能的異化或者惡化，因為對硬故障的監測與診斷比軟故障要容易些，可診斷軟故障的方法一般也可以診斷硬故障，因為硬故障可以看作是軟故障的一個特例。

2.現代模擬電路故障診斷理論和方法

目前，常見的人工智能技術主要包括專家系統、神經網絡、小波變換等。

2.1專家系統故障診斷方法

專家系統在模擬電路故障診斷中的典型應用是基于產生式規則的系統，其基本工作原理是：首先把專家知識及診斷經驗用規則表示出來，形成故障診斷專家系統的知識庫，進而根據報警信息對知識庫進行推理，診斷出故障元件。模擬電路故障與征兆之間的關系易于用直觀的、模塊化的規則表示出來;基于產生式規則的專家系統允許增加、刪除或修改一些規則，以確保診斷系統的實時性和有效性;能夠在一定程度上解決不確定性問題;給出符合人類語言習慣的結論并具有相應的解釋能力等。雖然專家系統能夠有效的模擬故障診斷專家完成故障診斷的過程，但在實際應用中仍存在一定缺陷，其主要問題是知識獲取的瓶頸問題、知識難以維護，知識推理的“組合爆炸”和“無窮遞歸”問題以及不能有效解決故障診斷中許多不確定因素，這些問題大大影響了故障診斷的準確性。

2.2神經網絡故障診斷方法

神經網絡側重于信息的自組織、自學習能力。它就是采用物理上可以實現的器件、系統或現有的計算機來模擬人腦的結構和功能的人工系統。它是一個廣泛連接的巨型系統，能分布式存儲信息，具有并行處理功能和自學習、自組織和自適應功能。神經網絡技術特別適合處理那些故障診斷中無法用顯性公式表示的、具有復雜非線性關系的情況，能夠出色解決那些傳統模式識別方法難以圓滿解決的由于非線性、反饋回路和容差等引起的問題;它以分布的方式存儲信息，利用網絡的拓撲結構和權值分布實現非線性的映射，利用全局并行處理實現從輸入空間到輸出空間的非線性信息變換，有效解決了復雜系統故障診斷中存在的故障知識獲取的“瓶頸”、知識推理的“組合爆炸”等問題。

2.3小波變換故障診斷方法

小波分析在時域和頻域同時具有良好的局部化性質，可以對高頻成分采用逐漸精細的時域或空間域取代步長，從而可以聚集到對象的任意細節。當把小波與神經網絡結合起來，即形成小波神經網絡或小波網絡。它是在小波分析研究基礎上提出的一種前饋網絡。

其基本思想是用小波元代替了神經元，即激活函數為已定位的小波函數基，通過仿射變換建立起小波變換與神經網絡的聯接。小波神經網絡由于把神經網絡的自學習特性和小波的局部特性結合起來，具有自適應分辨性和良好的容錯性，為故障診斷開辟了一條新路。但小波網絡直接對信號辨識后，怎樣構造出能表征故障類型的特征向量是本方法的難點。

3.模擬電路故障診斷技術的發展趨勢

目前，模糊理論、神經網絡與故障診斷的緊密結合是的模擬電路故障診斷技術有了新的發展。近年來，人們越來越多地運用新興的模糊數學和神經網絡理論解決診斷知識的表達問題。廣泛使用的知識表示方式，可以方便地將知識組織成計算機可以識別的知識庫形式。神經網絡就是采用物理上可以實現的器件、系統或現有的計算機來模擬人腦的結構和功能的人工系統。它廣泛連接的巨型系統，能分布式存儲信息，具有并行處理功能和自學習、自組織和自適應功能。神經網絡技術的出現，為故障診斷問題提供了一種新方法，特別是對那些由于解析模型的故障診斷方法而難以建立系統模型的復雜系統，基于知識的故障診斷方法成了非常重要的、也是實際可行的解決途徑，并已在許多實際系統中得到了成功的應用。

近年來模擬電路故障診斷的技術不斷有突破發展，推陳出新，在實際運用中也有很多的成功實例，但是隨著科學技術的迅猛發展，特別是大規模電路的不斷涌現，模擬電路故障診斷還未完全實現自動化和智能化。模擬電路的研究領域又面臨著新的挑戰，開展故障診斷的理論方法研究顯得更加重要。

參考文獻：

[1]曹榮敏，關靜麗，張果.電子電路模糊神經網絡故障診斷研究及仿真[J].計算機仿真，2005，11（25）

[2]王玲.大規模模擬電路故障診斷理論與方法研究[D].湖南大學，2006，4