基于方波激勵和故障字典的模擬電路BIST方法

吳震霖，韓 焱

(中北大學，電子測試技術國家重點實驗室，山西太原 030051)

?

基于方波激勵和故障字典的模擬電路BIST方法

吳震霖，韓 焱

(中北大學，電子測試技術國家重點實驗室，山西太原 030051)

針對傳統(tǒng)模擬電路內建自測試(Built-in Self Test,BIST)方法需要占用大量電路資源的缺點，提出了一種基于方波激勵和故障字典的模擬電路BIST方法。該方法使用方波信號作為測試激勵，使用故障字典法進行故障狀態(tài)識別，減少了硬件成本。實驗結果表明該方法能夠有效地對模擬電路進行故障檢測和故障隔離，并且具有較低的硬件成本。

模擬電路；內建自測試；方波激勵；故障字典；故障檢測；故障隔離

0 引言

內建自測試(Built-in Self Test,BIST)技術是指在電路內部自動生成測試激勵信號，并自動完成測試響應的分析，得出測試結果[1]。內建自測試的主要思想是：在電路設計之初，就考慮了電路的測試問題，并利用電路本身的資源，在片上完成電路的測試。通過內建自測試技術，不需要外接測試設備就可以完成電路測試與故障診斷，能節(jié)約測試成本，縮短測試時間，提高系統(tǒng)使用的可靠性。內建自測試技術需要在原有電路基礎上增加3個部分：測試向量生成器 (Test Pattern Generator,TPG)、輸出響應分析器(Output Response Analysis,ORA)和BIST控制器(BIST Controller)。

傳統(tǒng)的模擬電路BIST方法多采用多頻測試法[2]或偽隨機測試法[3]。多頻測試法是指采用不同頻率的正弦波作為測試激勵，提取電路的頻率響應作為故障特征；偽隨機測試法是指采用偽隨機序列作為測試激勵，提取激勵與響應的互相關函數(shù)作為故障特征。這些方法的缺點是激勵信號的生成算法過于復雜，故障特征的提取比較困難，會占用大量的電路資源。

文中針對上述模擬電路BIST方法存在的缺點，提出了一種基于方波激勵和故障字典的模擬電路BIST方法。該方法利用系統(tǒng)自帶的微控制器產生的方波信號作為激勵，選擇合適的方波頻率，提取響應信號的最佳采樣點作為故障特征，對電路進行故障診斷，降低了激勵的產生和故障特征提取的難度。同時，故障字典的利用可以減少故障定位的在線計算量，從而減少了BIST的硬件成本[4]。

1 低硬件開銷的模擬電路BIST結構

文中所提出的模擬電路BIST基本結構如圖1所示，正常工作時，BIST控制器控制陣列開關將被測模擬電路接入正常輸入輸出通道，進行測試時，BIST控制器切換陣列開關將被測模擬電路接入測試通道。測試前，通過仿真和實測，建立故障字典。方波生成模塊產生指定的方波信號，經過電壓跟隨器調理后，輸入被測電路。響應信號經過A/D轉換器后，轉換成微控制器可以處理的數(shù)字信號。從響應信號中提取故障特征，對照故障字典中的信息，實現(xiàn)故障的檢測與定位。最后，將測試結果可視化指示出來。

圖1 低硬件開銷的模擬電路BIST基本結構

2 方案的可行性分析

設方波信號在一個周期T內的表達式為

(1)

則方波信號的頻率為：f0=1/T，根據(jù)傅里葉變換可知方波信號可以分解為

(2)

由式(2)可知，方波信號具有豐富的頻率成分，是直流量與不同頻率交流量的疊加，因此，利用方波信號作為測試激勵比單一頻率正弦波具有更寬的頻譜，采集到的響應信號中也包含多個頻率的分量，能夠反映出被測電路更多的特性。

為了說明方波信號作為模擬電路測試的激勵的有效性，文中以圖2所示的Sallen-Key帶通濾波電路為驗證對象[5]。電路中運算放大器為LM324，供電電壓為±15 V，施加的方波信號的頻率為7 kHz，幅值為4 V，分別改變參數(shù)R1，C1，C2，使其值為K倍Xn，Xn為元件參數(shù)的標稱值，K在0.1～10內變化，步進為0.1，觀察響應信號在1個周期T內的3T/4采樣時刻電壓值的變化情況，所得結果如圖3所示。從結果可以看出，參數(shù)的改變使得響應信號在1個周期T內的3T/4采樣時刻電壓值發(fā)生明顯的改變。響應信號的變化可以反映出電路中元件參數(shù)的變化。因此，可以使用方波作為模擬電路BIST的測試激勵。

圖2 Sallen-Key帶通濾波電路

圖3 3T/4采樣時刻電壓值

方波的生成是比較簡單的，不需要占用微控制器過多的資源，僅僅增加了由普通運算放大器構成的電壓跟隨器作為方波的調理電路。相比傳統(tǒng)的多頻測試法或偽隨機測試法，激勵信號的生成算法復雜度降低，取消了D/A轉換器，降低了硬件成本。

3 故障字典的建立

故障字典的建立過程，實際上是在對電路進行真實測試之前的仿真測試分析過程。主要的任務包括故障集的選擇、模糊集的劃分和故障特征的編碼[6-8]。

(1)故障集的選擇。由于模擬電路元件參數(shù)的連續(xù)性，不可能將所有故障納入考慮的范圍，實際中根據(jù)被測電路的特點、以往的經驗和元件故障概率來選擇N個故障作為故障集{F1，F(xiàn)2，F(xiàn)3…FN}，無故障狀態(tài)用F0表示。

(2)模糊域的劃分。設響應信號的采樣時刻為1個周期內的T1，T2，T3，…，TM，電路在故障狀態(tài)Fi下的測試電壓為Vi1，Vi2，Vi3，…，ViM，則故障狀態(tài)Fi對應的特征向量為：[Vi1，Vi2，Vi3，…，ViM]，Vij表示第i個故障狀態(tài)Fi下的第j個采樣時刻的測試電壓(j=1,2,3，…，M).考慮到模擬電路元件具有容差，電路在某種狀態(tài)下的測試電壓Vij不是一個特定的值，而是一個連續(xù)變化的小區(qū)間，將特征向量的每個元素Vij劃分為L個區(qū)域，每個區(qū)域的中心值為若干相鄰元素值的平均值，然后從中心值向左右各擴展一個特定的值(該特定值由電路中設定的元件的容差決定)，構成L個測試值區(qū)間[ax，bx](x=1,2,3，…，L)，每個區(qū)間稱為1個模糊域，對應的元素的集合稱為1個模糊集。

(3)故障特征的編碼。對故障特征的每1個模糊域進行編碼，模糊域[ax，bx]對應碼Ax(x=1,2,3，…，L)，判斷故障狀態(tài)Fi的特征向量 [Vi1，Vi2，Vi3，…，ViM]的每個元素Vij屬于的模糊域，可得到Vij對應的碼Bij(j=1,2,3，…，M)，碼Bij是Ax(x=1,2,3，…，L)中的1個。這樣第i個故障狀態(tài)Fi可以使用碼字[Bi1，Bi2，Bi3，…，BiM]來表示，從而建立了故障字典。

當進行故障診斷時，只要測出響應信號特定采樣時刻的值，從中提取故障特征，再轉換成相應的碼字，與故障字典中的碼字對比，就可以實現(xiàn)電路的故障檢測與故障隔離。故障字典法與神經網絡、支持向量機和專家系統(tǒng)等現(xiàn)代人工智能識別方法相比，具有算法實現(xiàn)簡單、在線計算量小的優(yōu)點，可以在系統(tǒng)自帶的微控制器中實現(xiàn)，做到了真正的內建自測試，并且降低了硬件成本。

4 實驗結果

4.1 有效性驗證

文中以圖2所示的Sallen-Key帶通濾波電路為實驗對象，對基于方波和故障字典的模擬電路BIST方法進行了仿真驗證。仿真軟件平臺為Multisim 10.0，選用頻率為5.5 kHz，幅值為4 V的方波作為激勵信號，以一個周期內的3T/16、5T/16、5T/8、7T/8作為采樣時刻。文中考慮電路中的軟故障，即故障元件的參數(shù)值隨著時間或環(huán)境條件而嚴重偏離標稱值，超出了元件的容差范圍。電路中電阻的容差設定為1%，電容的容差設定為2%，選擇電路中部分元件偏離其標稱值的+50%、-50%的故障為故障集，分別為F1:0.5C1、F2:1.5C1、F3:0.5C2、F4:1.5C2、F5:0.5R1、F6:1.5R1、F7:0.5R2、F8:1.5R2。對于每一個故障進行仿真，得到選定采樣時刻的電壓如表1所示。

表1 故障集的仿真測試值

為了便于故障域的劃分，求取電路各故障狀態(tài)下相對于正常狀態(tài)下的測試電壓偏移量，即故障狀態(tài)下的測試電壓減去對應的正常狀態(tài)下的測試電壓，結果如表2所示。

表2 故障狀態(tài)相對正常狀態(tài)的偏移量

對表2中的偏移電壓劃分故障特征的模糊域，并對模糊域進行編碼,如表3所示。

表3 模糊域的劃分及其編碼

使用表3模糊域對設定的故障集分類，并進行編碼，構造的故障字典如表4所示。

表4 故障字典

當進行故障診斷時，采集到相應時刻的測試電壓，再求取相對于正常狀態(tài)下的偏移量，然后對偏移量進行編碼，最后將所得的碼字與故障字典中的碼字對照，與故障字典中某故障碼字相同的即可判斷為該故障。例如，當電路中C1=15.2 nF時，一個周期內的3T/16、5T/16、5T/8、7T/8時刻的測試電壓分別為：-5.109 V、-3.890 V、4.561 V、2.817 V，相對于正常狀態(tài)下的偏移量分別為：1.016 V、-0.854 V、-1.876 V、1.388 V，按照表3所得的碼字為2452，對照故障字典表4，可以判定該故障為F2:1.5C1，正確地對故障進行了定位。從表4可以看出，所設置的故障與正常狀態(tài)下的碼字不一樣，都能夠檢測出來，不同的故障所具有的碼字不相同，可以隔離不同的故障。

4.2 硬件成本分析

為了對比文中提出的方法與傳統(tǒng)的多頻測試法和偽隨機測試法在硬件成本上的差別，文中針對FPGA芯片進行了仿真驗證，選用的FPGA芯片為XC3S500E，采用的仿真綜合軟件為ISE 14.2，編程語言為VHDL。對文中提出的方法、多頻測試法和偽隨機測試法中主要的功能模塊進行了程序設計。其中，文中提出的方波激勵法包括方波生成模塊、A/D數(shù)據(jù)采集模塊和故障字典模塊；多頻測試法包括正弦波生成模塊、D/A轉換控制模塊、A/D數(shù)據(jù)采集模塊、FFT頻響分析模塊和故障字典模塊；偽隨機測試法包括隨機序列生成模塊、D/A轉換控制模塊、A/D數(shù)據(jù)采集模塊、互相關函數(shù)求取模塊和故障字典模塊。經過編譯綜合后得到每種方法對FPGA芯片的資源占用率，結果如表5所示。

表5 FPGA芯片資源占用率對比 %

從表5可以看出，文中提出的模擬電路BIST方法相對于多頻測試法和偽隨機測試法，占用FPGA芯片的資源最少，達到了降低硬件成本的目的。

5 結論

文中從降低硬件成本的角度出發(fā)，提出了一種基于方波激勵和故障字典的模擬電路BIST方法。該方法降低了激勵產生和響應分析的復雜度，節(jié)省了硬件成本。通過仿真實驗，驗證了該方法應用于模擬電路BIST的正確性與有效性，建立的故障字典能夠檢測出預設的故障，也可以對不同的故障進行隔離，相比于多頻測試法和偽隨機測試法，具有較低的硬件成本。該方法增加了BIST技術應用于模擬電路故障診斷的可行性，具有很大的應用前景。針對不同的電路，如何選擇最佳的方波激勵頻率和采樣時刻是需要進一步研究的內容。

[1] 劉偉.基于偽隨機測試的混合信號BIST研究：[學位論文].桂林：桂林電子科技大學，2008.

[2] 周虎.基于功能測試的數(shù)?；旌螧IST設計：[學位論文].桂林：桂林電子科技大學，2008.

[3] 劉偉，雷加.基于偽隨機測試的數(shù)模混合信號內建自測試法.計算機工程與應用，2008,44(30):87-89.

[4] 朱敏，楊春玲，孔德晶.模擬電路內建自測試故障特征提取與優(yōu)化.儀器儀表學報，2013,34(1):200-207.

[5] 童詩白，華成英.模擬電子技術基礎.北京：高等教育出版社，2006.

[6] 劉丹.模擬電路故障診斷中故障字典應用研究：[學位論文].武漢：華中科技大學，2006.

[7] 王宏.模擬電路故障診斷故障字典法研究：[學位論文].西安：西安電子科技大學，2007.

[8] 吳樟福.基于信號量特征的模擬電路故障字典法研究：[學位論文].武漢：華中科技大學，2008.

BIST Method for Analog Circuits Based on Square Wave and Fault Dictionary

WU Zhen-lin，HAN Yan

(National Key Laboratory of Electronic Testing Technology，North University of China，Taiyuan 030051，China)

Aiming at the shortcoming that the method of traditional analog circuit built-in self test (BIST) occupies a large amount of circuit resources,a method of analog circuit BIST based on square wave excitation and fault dictionary was proposed．Square wave signal was used as test excitation and fault dictionary was used to identify the fault state.It reduced the hardware overhead.Experimental results show that the method is effective in fault detection and fault isolation.And it has low hardware overhead.

analog circuit;BIST;square wave excitation;fault dictionary;fault detection;fault isolation

2014-03-04 收修改稿日期：2014-10-02

TP391

A

1002-1841(2015)03-0096-03

吳震霖(1989—)，碩士研究生，主要研究方向為模擬電路故障診斷。E-mail:wuzhenlinhao@163.com 韓焱(1957—)，教授，博士，主要研究方向為自動檢測技術、信號處理與識別、數(shù)字圖像處理與重建等。 E-mail:hanyan@nuc.edu.cn