模拟电路故障的诊断及检测技术分析

一、简介

*，电子电路出现的故障中包括模拟电路故障与数字电路故障两种。其中针模拟电路的故障诊断研究从20世纪60年代就已开始，许多国内专家学者对其作了很多整体概括、分析与研究。因为模拟电路的故障模型的复杂性，信号在时域和值域上的连续性、数据容差特性导致的故障模糊性强、广泛非线性问题导致的故障定位难度大、输出值与电路元器件参数和电路结构紧密有关等方面，所以每年有众多专家学者应用各种研究方法，包括神经网络、小波分解、支持向量机等，对其进行研究，并取得了很多研究成果。本文主要结合在对其进行故障诊断中出现的各种问题进行分析，为相关领域的研究人员提供参考。

二、模拟电路故障的概念

模拟电路即为处理模拟信号的电子电路。"模拟"主要是指电压或者电流对于真实信号成比例的再现过程，它来自于希腊语词汇，是"成比例"的意思。其主要特点是：一是函数的取值为无限多个；二是待传播的信息包含在模拟信号的波形之中，随着传播信息的变化，模拟信号的幅度、频率和相位也随之发生变化；三是模拟信号具有连续性；四是初级模拟电路主要解决放大与信号源。而针对此类电路产生的故障是指其在正常运行过程中，由于某个器件的参数发生变化，进而导致整个电路无法正常运行的现象，其大体可分为硬故障与软故障两类。

三、模拟电路故障诊断存在的问题

(一)模拟电路故障诊断的难点。目前模拟电路故障诊断的难点在于信号在时域和值域上的连续性、数据容差特性导致的故障模糊性强、广泛非线性问题导致的故障定位难度大、输出值与电路元器件参数和电路结构紧密有关等方面。

模拟电路的建模与数字电路相比较更为复杂。目前虽然针对此类电路的故障诊断与检测技术已经取得了很大进步，但与实际的需求相比还远远不够。

(二)模拟电路故障诊断存在的问题。

1．分辨率。随着电路系统的日益复杂、检测信号的限制以及非线性问题加大的故障定位难度，模拟电路故障的可控性与可测性受到了很大影响。由于模拟元件值连续性的原因，响应输出数据中会产生误差；与此类似，由于模拟元件容差的存在，系统的故障诊断与数字电路就会存在较大差异。

2．信息来源。当对模拟电路进行故障诊断分析的时候，一般考虑的是对当前测点所采集的特征信进行收集、分析，而不是对此时电路系统工作的磁场、湿度以及环境温度等信息进行收集、分析。另外，由于对于系统当前的工作状态与输出数据过于重视，从而对其过往的数据很少加以考虑，也使得进行故障分析时的信息来源充满了不确定性。

3．软故障诊断。软故障一般是软件引起的故障，是由于非正常关机、操作、病毒等原因造成文件损坏而产生，在大多数情况下它不会让电路系统*失效，但会导致系统的性能产生恶化现象，是模拟电路故障诊断中的一个难点。其产生的原因主要有软件不兼容。有些软件在运行时与其它软件发生冲突，相互不能兼容。如果这两个软件同时运行，可能会中止系统的运行，严重的将会使系统崩溃。一是非法操作，是由用户操作不当造成，如卸载软件时不使用卸载程序，而直接将程序所在的文件夹删除，这样不仅不能*卸载该程序，反而会给系统留下大量的垃圾文件，成为系统故障隐患。二是误操作，误操作是指用户在使用电脑时，无意中删除了系统文件或执行了格式化命令。这样会导致硬盘中重要的数据丢失，甚至不能启动电脑。三是病毒的破坏，有的电脑病毒会感染硬盘中的文件，使某程序不能正常运行；有的病毒会破坏系统文件，造成系统不能正常启动；还有的病毒会破坏电脑的硬件，使用户蒙受更大的损失。故障字典法对于硬故障的诊断有较好的效果，但是对于软故障的诊断效果却不令人满意。

4．缺少通用的推理机制。现有的针对模拟电路的故障诊断方法对已知故障样本的识别能力较强，但其对未知的或者新类型的故障识别能力有待提高，其大多缺乏自我学习机制，扩展性与适应性较差。一旦工作条件改变或者出现未知类型故障时，故障诊断的准确性就会大幅下降。

四、模拟电路故障诊断与检测方法

(一)基于遗传BP网络的故障诊断与检测方法。BP网络的主要特点是具有很强的非线性映射能力，适用于解决所收集数据的分类问题，它属于模式识别方法中的一种，即依靠故障展现出的特征来识别故障源。这种方法无需数学模型，实施比较方便，具有较好的应用前景。其首先要对模拟电路故障进行检测，也就是对其故障特征的提取。其中应用小波变化方法是比较常用且具有很多优点的方法。主要步骤：一是选择*小波分解树来对模拟电路的采样取得的信号进行初步分析；二是用正交小波分解来提取各层的低频与高频系数；三是对其中的高频系数进行消噪处理后，将各层系数能量值，按大小排列取得相应特征；四是对取得的故障特征进行PCA与归一化处理，得出传播信号的故障特征。接下来就是应用BP神经网络在对待测模拟电路测前，训练好神经网络；待诊断时，将测量所得到的输入向量输入神经网络中，其能自动对故障模式进行分类。

(二)基于遗传小波神经网络的故障诊断与检测方法。基于遗传小波神经网络方法的基本原理是在保留神经网络、小波分析在故障检测与诊断中的优点的基础上，结合遗传算法的特点来完成对模拟电路故障的检测与诊断任务。遗传算法的主要优点是其为一种基于天然选择与对应遗传的全局性优化算法，它采用的是选择、交叉和变异三种从自然选择机理中抽象出来的遗传算子进行操作的方法。采用遗传算法首先要组成一组候选解，然后测算它们的适应度，根据适应度保留某些候选解并对其进行操作，形成新的候选解。

(三)基于自适应小波分解和SVM理论的方法。另外一种典型的针对模拟电路产生的故障的诊断与检测方法是将小波分析与支持向量机原理结合，对模拟电路进行相应诊断。其首先需要对所研究电路产生的故障信号应用自适应小波分解来提取故障的典型特征，然后采用SVM方法对提取的典型故障特征进行区分识别。需要注意的是采用小波分解手段来提取电路出现故障的典型特征时，母小波的选择是依据正常响应和故障响应之间的小波系数之差的zui人均方根原则。而采用支持向量机的主要优点是由于此种 法避免了"维数灾难"，其对提取的特征空间的分袂的*超平是支持向量机方法的目标，也是此方法的核心，而且具有一定鲁棒性，可剔除大量冗余数据样本。