引言

隨著大規(guī)模集成電路技術(shù)的迅速發(fā)展及日益廣泛的應(yīng)用，為了維護(hù)各種器件及設(shè)備，人們必須借助計算機來找出電路的故障，模擬電路故障診斷已成為大規(guī)模集成電路課題中令人矚目的一個課題。模擬電路的故障診斷和定位問題不僅引起廣泛的關(guān)注，而且是國內(nèi)外專家設(shè)計和使用電子系統(tǒng)的一大難題，其中大規(guī)模非線性復(fù)雜電路容差情況下的故障即軟故障診斷，也是困擾廣大科學(xué)工作者的難題。迄今為止，很少有文獻(xiàn)對軟故障即容差電路的診斷給出系統(tǒng)而有效的方法，特別是大規(guī)模模擬電路的故障診斷。本系統(tǒng)正是針對這樣的考慮所設(shè)計的。系統(tǒng)核心主要包括復(fù)雜網(wǎng)絡(luò)分解、小波分解、特征提取、神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)如圖1所示。

1 故障診斷系統(tǒng)

系統(tǒng)通過對電路輸出節(jié)點電壓特征量的分析和處理是能夠達(dá)到診斷電路故障的目的。故系統(tǒng)將節(jié)點電壓特征量作為分析的對象，所選的特征量要能夠盡量多的反映電路故障信息。在一定的激勵條件下，用PSPICE蒙特卡羅容差分析仿真線性或非線性電路常見的各種故障狀態(tài)及正常狀態(tài)。利用小波變換將每一個故障狀態(tài)所對應(yīng)的節(jié)點電壓信號進(jìn)行分解，然后對所產(chǎn)生的小波系數(shù)進(jìn)行處理，提取出的最佳故障特征量作為輸入對神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練，神經(jīng)網(wǎng)絡(luò)調(diào)整它的權(quán)值直到滿足要求。經(jīng)過學(xué)習(xí)后，將待診斷樣本輸入給神經(jīng)網(wǎng)絡(luò)，其輸出即為對應(yīng)的故障。對于大規(guī)模模擬電路，由于所含元件較多，診斷比較復(fù)雜，本文將采用分級診斷，第一級診斷出故障子網(wǎng)絡(luò)，第二級由故障子網(wǎng)絡(luò)診斷出故障元件。所以首先進(jìn)行復(fù)雜網(wǎng)絡(luò)分解，即子網(wǎng)絡(luò)級診斷方法。

1.1 復(fù)雜網(wǎng)絡(luò)分解

對于大規(guī)模復(fù)雜網(wǎng)絡(luò)，如果直接將每一個具體的元件故障信息存入神經(jīng)網(wǎng)絡(luò)中，則存在信息量過于龐大的問題，對其診斷的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)會更復(fù)雜，影響診斷速度。根據(jù)大規(guī)模電路一般都能滿足可測條件，基于網(wǎng)絡(luò)分析中置換原理的思想，將大規(guī)模網(wǎng)絡(luò)撕裂成一系列相互獨立的子網(wǎng)絡(luò)，只需測量很少幾個節(jié)點的電壓就可以定位出故障子網(wǎng)絡(luò)，在此基礎(chǔ)上利用神經(jīng)網(wǎng)絡(luò)對該故障子網(wǎng)絡(luò)進(jìn)行診斷與學(xué)習(xí)。即子網(wǎng)絡(luò)級故障診斷。這樣可以減少測后計算工作量，提高故障診斷速度，快速而有效，同樣可以用于多故障問題。

1.2 小波分解

小波分解的一個非常重要的優(yōu)點就在于其分解后所得分量包含了原信號的所有特征，這一點是傳統(tǒng)數(shù)字濾波和FFr無法做到的。所以將信號進(jìn)行若干次小波分解，可以得到信號在各個頻段上的分量，這樣就實現(xiàn)了信號特征的分離，然后對每一分量進(jìn)行處理，針對不同頻段的信號特點，提取一個或幾個特征量來表征該分量信號的特征。

1.3 特征提取

特征提取部分包括特征量的提取和將特征量進(jìn)行主要分量分析及歸一化處理。小波變換后提取諸如均值、方差、峰值、功率及包絡(luò)曲線最大值等特征量。特征量應(yīng)能客觀反映故障狀態(tài)的變化，通常根據(jù)物理意義及先驗知識確定。但是一般由此獲得的數(shù)據(jù)量是很大的，為了有效地實現(xiàn)分類識別，要對原始數(shù)據(jù)進(jìn)行選擇或變換，得到最能反應(yīng)分類本質(zhì)的特征，構(gòu)成特征向量，即主要分量分析。為適應(yīng)神經(jīng)網(wǎng)絡(luò)s型函數(shù)特性還需對學(xué)習(xí)樣本進(jìn)行歸一化處理。

1.4 神經(jīng)網(wǎng)絡(luò)

由于特征與故障之間是一種非常復(fù)雜的非線性關(guān)系，而神經(jīng)網(wǎng)絡(luò)用一種全新的思路來處理這類問題，具有非常強大的綜合分析能力，BP網(wǎng)絡(luò)在非線性逼近上功能尤其強大，理論上只要神經(jīng)元足夠多，就能夠逼近任意復(fù)雜的非線性系統(tǒng)_3J。因此用BP網(wǎng)絡(luò)來分析故障特征，進(jìn)行故障診斷非常合適。傳統(tǒng)的利用神經(jīng)網(wǎng)絡(luò)診斷模擬電路方法一般是采用BP算法訓(xùn)練的前饋神經(jīng)網(wǎng)絡(luò)。標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)是根據(jù)Widrow—Hof規(guī)則，采用梯度下降算法，在非線性多層網(wǎng)絡(luò)中，反向傳播計算梯度。BP算法理論具有依據(jù)可靠、推導(dǎo)過程嚴(yán)謹(jǐn)、精度較高、通用性較好等優(yōu)點，但標(biāo)準(zhǔn)BP算法存在以下缺點：收斂速度緩慢、容易陷入局部極小值、難以確定隱層數(shù)和隱層節(jié)點個數(shù)_5J。在實際應(yīng)用中，BP算法很難勝任。綜合BP改進(jìn)算法優(yōu)缺點考慮，系統(tǒng)采用快速的Levenberg—Marquardt學(xué)習(xí)規(guī)則和振蕩小的動量法分別作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)和學(xué)習(xí)函數(shù)_4J。

2 輔助工具PSPICE

SPICE （Smulation Program f0r Integrated Cimuits Emphasis）是國際上流行的用于集成電子線路分析程序。

PSPICE是SPICE電路模擬器家族中的一員。它基于SPICE模擬器，由美國Microsim公司開發(fā)并在1984年1月首次推出。PSPICE程序具有很強的計算能力和很高的計算精度，可以完成多項分析計算工作，而且系統(tǒng)內(nèi)部設(shè)置有各種電器元件的基本出廠模型參數(shù)，以用于對電路系統(tǒng)的分析計算，同時還可以根據(jù)實際元器件的特殊性，從外部進(jìn)行技術(shù)參數(shù)的修改，這樣就充分滿足了計算精度的要求，且使用起來也十分方便。

系統(tǒng)采用蒙特卡羅分析仿真電路節(jié)點電壓輸出信號。

3 實際應(yīng)用舉例

圖2是一個有源低通濾波器的電路原理圖，為證明所提出方法的準(zhǔn)確性，現(xiàn)對它進(jìn)行電路故障檢測。電路各元件標(biāo)稱值見表1。取集成運放電源為15V，電阻容差為5% ，電容容差為10% 。假設(shè)R3阻值由標(biāo)稱值2.64 kΩ變成2.2 kΩ，進(jìn)行故障仿真。

為測試和診斷方便，設(shè)節(jié)點0輸人為lV。根據(jù)診斷用測試節(jié)點的定義，同時進(jìn)行靈敏度分析，選相對于所有元件靈敏度不為0的可及節(jié)點l、2、5、8、l2為診斷用測試節(jié)點。

根據(jù)子網(wǎng)絡(luò)可診斷性條件，測前把該標(biāo)稱網(wǎng)絡(luò)劃分成子網(wǎng)絡(luò)Nl和N2（從節(jié)點1處撕裂），子網(wǎng)絡(luò)Nl又被劃分成更小的子網(wǎng)絡(luò)s1，s2，s3，S4，如圖3中虛線所示。根據(jù)復(fù)雜網(wǎng)絡(luò)分解癥理診斷出故障子網(wǎng)絡(luò)S4。

對于故障子網(wǎng)絡(luò)，在元件標(biāo)稱值下，輸入端0加指數(shù)信號，其幅值為5V，迅速下降時間常數(shù)為0.1μs，上升時間常數(shù)為0.3 tts。首先對無故障類，使元件值在容差范圍內(nèi)任意取值；對故障類，改變故障元件值，即超出元件容差，其它元件值在容差范圍內(nèi)任意取值，用蒙特卡羅暫態(tài)分析法進(jìn)行50次容差分析得到模擬電路的輸出電壓仿真信號。然后采用PSPICE與MATLAB相結(jié)合的方法對信號文件進(jìn)行處理，作為我們在計算機小波變換的仿真中的采樣信號，即將所得輸出文件。OUT進(jìn)行處理，然后把待診斷電路輸出節(jié)點電壓曲線描述用MATLAB讀取并畫出。

對于小波函數(shù)的選擇，我們要求不高，但為了實現(xiàn)的方便，要求所選擇的小波函數(shù)具有緊支承，并且是正交的，所以這里選擇Daubechies小波db3。為了有利于特征提取，希望得到的近似部分能反應(yīng)故障特征，保證在近似部分中能夠提取反映故障的特征量?；谶@一原則，確定小波分解的階數(shù)為3。隨著故障類型不同，故障信號的能量在各子波上的分布不同，各層小波系數(shù)不同，信號所帶的有用信息主要集中在這些對應(yīng)的小波系數(shù)上，只需要提取適當(dāng)?shù)男〔ㄏ禂?shù)作為神經(jīng)網(wǎng)絡(luò)的輸人數(shù)據(jù)即可進(jìn)行故障的診斷。對所選小波系數(shù)輸入三層前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練，選擇系統(tǒng)總誤差E=0.000 1，其訓(xùn)練過程誤差曲線如圖3所示，從曲線中可以看出訓(xùn)練指標(biāo)能在較快的時間內(nèi)完成。

4 結(jié)論

實驗可以證明，在電路故障診斷過程中，神經(jīng)網(wǎng)絡(luò)發(fā)揮其聯(lián)想記憶和分布并行處理功能，對已學(xué)過的樣本知識，網(wǎng)絡(luò)的輸出結(jié)果與希望結(jié)果充分相符；當(dāng)輸人數(shù)據(jù)在一定范圍內(nèi)偏離樣本知識時，網(wǎng)絡(luò)的輸出具有接近樣本的傾向，同時還能滿足故障診斷的實時性要求。神經(jīng)網(wǎng)絡(luò)訓(xùn)練時一般采用受容差干擾大的小故障樣本做訓(xùn)練集，然后用于大故障定位，這樣未被訓(xùn)練的大故障定位效果也很好。此外，只要選擇足夠多的原始故障樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)的容錯性和穩(wěn)定性就較好，故障定位精度也會提高。經(jīng)多次實驗證明，故障診斷的正確率在95％ 以上。電路診斷技術(shù)中，診斷的正確率及測后計算量等是重要的，本文提出的方法在這幾方面有較好的效果。特別說明一點， 當(dāng)元件參數(shù)容差較小時，本文給出的方法在工程上的應(yīng)用效果會更好。