現(xiàn)代模擬電路故障診斷技術發(fā)展綜述

(陸軍裝甲兵學院 兵器與控制系，北京 100072)

0 引言

電子設備中的電路主要由數(shù)字電路和模擬電路兩部分組成，數(shù)字電路發(fā)展到今天，其技術和功能已經(jīng)十分完善，但客觀世界信號的本質決定了數(shù)字電路無法完全取代模擬電路，模擬電路仍然應用于航天、軍事、通信和其他領域，模擬電路和數(shù)模混合電路還占了較大的比重。理論分析和實驗數(shù)據(jù)表明，目前大部分電路中數(shù)字電路的部分占了80%，模擬電路僅占20%，但是80%的故障又都發(fā)生在模擬電路部分[1]，模擬電路的故障率居高不下，對整體電路的可靠性有著重要影響。

1 模擬電路故障診斷難點

模擬電路故障診斷一般是針對電路發(fā)生的軟故障。軟故障是指元件的參數(shù)隨時間和環(huán)境條件的影響而偏離，元件參數(shù)超出電路本身容差范圍，從而導致系統(tǒng)的性能異常無法完成預先設計的功能[2]，元件軟故障通常不會導致電路的網(wǎng)絡拓撲結構改變。

模擬電路的故障診斷起步早，但發(fā)展進程緩慢，至今仍然沒有可以被廣泛應用的方法。相對于數(shù)字電路的故障診斷來說，模擬電路診斷主要有以下幾個難點：

(1)電路參數(shù)獲取困難。模擬電路的響應一般是連續(xù)的，電路板節(jié)點多、線路密，而且模擬電路系統(tǒng)一般比較封閉，分層多，受電路板復雜結構的影響，可以進行測量的端口和節(jié)點數(shù)少，難以獲取更多有用的電流電壓參數(shù)。模擬電路無論哪處發(fā)生故障都會通過電流電壓等電路參數(shù)體現(xiàn)，獲取電路參數(shù)越多，對于故障的定位越容易，如何獲取更多的電路參數(shù)成為模擬電路故障診斷的一個難點。

(2)故障特征提取復雜。采集到大量參數(shù)后，需要對電路參數(shù)進行分析比對，而實際模擬電路中的元件參數(shù)離散性較大，模擬電路還允許電路元件的參數(shù)存在容差。容差的存在導致了模擬電路故障的模糊性，對于含有大量容差元件的電路，獲取的大量電路參數(shù)中的故障特征是否在容差范圍內(nèi)[3]，是否對電路的其他節(jié)點參數(shù)產(chǎn)生影響難以確定，有時故障的特征也無法唯一確定，難以保證診斷的準確性。

(3)故障位置的精準定位難以實現(xiàn)。 電路網(wǎng)絡一般比較復雜，有的電路板故障診斷需要豐富的經(jīng)驗和電路有關知識，對專業(yè)知識和經(jīng)驗的要求較高。模擬電路的反饋回路和非線性特征廣泛存在，即使在線性電路中非線性問題也無法避免，復雜的拓撲結構和非線性問題極大增加了模擬電路故障診斷的計算量，求解比較困難，對故障定位難以實現(xiàn)。

(4)環(huán)境因素影響較大。模擬電路對環(huán)境變化比較敏感，其輸出響應不僅受電路板和電子元件的制造工藝引起的元件參數(shù)的偏差影響，而且容易受到溫度、濕度、電磁干擾等外界環(huán)境因素的影響[4]。

2 國內(nèi)外研究現(xiàn)狀

模擬電路故障診斷方法起步于20世紀60年代，由于美國軍事工業(yè)領域的重視，一度掀起研究熱潮。模擬電路的故障診斷發(fā)展大致可以分為傳統(tǒng)模擬電路故障診斷方法和智能化模擬電路故障診斷方法。前者在早期對簡單電路的故障診斷效率較高，使用起來相對簡單，后者偏向于對大規(guī)模集成電路進行故障診斷，較為復雜。

2.1 傳統(tǒng)模擬電路故障診斷方法及發(fā)展

傳統(tǒng)模擬電路故障診斷通過在電路可測節(jié)點中測量電路信息，推斷電路中故障的形式和失效元器件或線路的位置。按照對電路進行模擬分析和測量電路信息的前后順序，可以將模擬電路故障診斷方法分為測前模擬法和測后模擬法，如圖1所示。

圖1 模擬電路故障診斷方法

20世紀60年代，由于軍事工業(yè)領域的重視，電路板的故障診斷研究興起，接下來十幾年內(nèi)模擬電路故障診斷技術在全世界掀起熱潮。這一時期以測前模擬法為主，測前模擬法指在測量電路信息前，對電路進行模擬分析，再通過節(jié)點參數(shù)的提取與之前進行的模擬分析進行比對，推斷故障的原因。測前模擬法中主要應用的方法有故障字典法和概率統(tǒng)計法，但以故障字典法應用最為廣泛。

故障字典法，即通過電路仿真得到各種故障狀態(tài)下的特征，并將特征和故障之間的對應關系編入字典，在實際診斷過程中，只要對電路實時特性進行采集，就可以從故障字典中查找相應的故障。在故障字典法提出之后，國內(nèi)外都對故障字典法進行了改進型的研究，Grzechca等提出一種改進的故障字典法，該方法將模糊理論加入到故障診斷中，可以對具有容差的模擬電路軟故障進行診斷[5]；2000年陳圣儉等在故障字典法中運用支路屏蔽原理，實現(xiàn)了模擬電路的軟故障診斷[6]。故障字典法是最早提出的故障診斷方法，該方法使用簡單，無需計算，適用于線性和非線性系統(tǒng)的診斷。但是，當測試節(jié)點和故障模式較多時，故障字典數(shù)據(jù)集將非常大，構建故障字典難度大大提高，不適合應用于大規(guī)模電路測試。而且故障字典的故障特征通常是實時的，沒有考慮實際的電路容錯效果，對于單故障和硬故障診斷，軟故障和多故障的診斷效果是有限的。

在測后模擬法中主要有參數(shù)識別法和故障驗證法。參數(shù)識別法根據(jù)網(wǎng)絡的已知拓撲關系、輸入和輸出，估計或求解各分量的參數(shù)(或參數(shù)與標稱值的偏差)，最終確定網(wǎng)絡中的故障參數(shù)達到每個分量的容差范圍。該方法實際上是一種參數(shù)識別技術，適用于對網(wǎng)絡中的軟故障進行診斷。在參數(shù)識別法的研究和應用中，改進型的參數(shù)識別法也有很多，如采取系統(tǒng)辨識工具與自回歸模型對電路的故障參數(shù)進行檢測的方法[7]；Long提出將改進靈敏度分析算法融入到參數(shù)識別，解決了參數(shù)識別法對可測性要求高的缺點[8]；謝仕煒等利用遞推最小二乘法，能夠實時辨識多端口的外網(wǎng)靜態(tài)等值參數(shù)，提出了在外部網(wǎng)絡信息不足情況下的參數(shù)識別新方法[9]。但是參數(shù)識別法還存在一些不足，要對電路電路建立數(shù)學模型，要測得多處節(jié)點的電路參數(shù)，計算量大，對非線性電路和大規(guī)模電路來說實現(xiàn)困難。

到20世紀80年代，由于大規(guī)模集成電路的問世和普及，故障字典法和參數(shù)識別法已經(jīng)無法滿足大規(guī)模集成電路故障診斷的要求，一些研究者提出在獲取“不完整”的故障信息基礎上診斷，先預測網(wǎng)絡中故障元件的集合，再利用激勵信號和在可測節(jié)點取得數(shù)據(jù)，根據(jù)一定判據(jù)進行驗證，即故障驗證法。故障驗證法也是實際情況中進行故障診斷的一般思路，在故障驗證法中應用最多的是網(wǎng)絡撕裂法，該方法主要針對大規(guī)模集成電路，主要思想是通過將大型電路網(wǎng)絡撕裂成子網(wǎng)絡，從而實現(xiàn)大規(guī)模電路的故障診斷，但該方法必須在可及節(jié)點進行撕裂，否則劃分子模塊將不能實現(xiàn)故障診斷。國外學者在使用網(wǎng)絡撕裂法對模擬電路進行障診斷的研究時，實現(xiàn)了并行稀疏矩陣求解器，用來提高電磁暫態(tài)(EMT)仿真軟件的計算速度。這種新方法建立在KLU稀疏矩陣求解器上，適用于基于電路的仿真方法，對所有非線性模型使用完全迭代，適用于大規(guī)模網(wǎng)絡[10]。國內(nèi)學者在復雜模擬電路的故障診斷中，基于交流置換激勵，并結合靈敏度分析提出了模擬電路網(wǎng)絡撕裂的新方法[11]。網(wǎng)絡撕裂法在現(xiàn)代。故障驗證法對使用人員要求較高，需要豐富的經(jīng)驗和大量專業(yè)知識儲備，還需了解電路的結構等，在大規(guī)模電路故障診斷中需要進行大量計算，如何減少驗證計算量是故障驗證法普及應用的關鍵。

2.2 智能化模擬電路故障診斷方法及發(fā)展

20世紀90年代以后，隨著人工智能技術的發(fā)展，對模擬電路的故障診斷研究進一步深入，基于人工智能的模擬電路故障診斷方法逐漸被發(fā)明。人工智能法不需要建立復雜的故障模型，主要包括故障樣本訓練和測試兩個過程，可以智能的自動判斷故障類型，同時適用于線性和非線性電路的故障診斷，對解決模擬電路故障診斷中的不確定性和模糊性效果較好。由于人工智能法不需要復雜的數(shù)學計算，大大提高了故障診斷的效率，而且要求獲得的故障信息較少，適合用于可測節(jié)點少的集成電路板和大規(guī)模集成電路的故障診斷，人工智能法也成為目前重點的研究方向。人工神經(jīng)網(wǎng)絡(Artificial Neural Networks)和支持向量機(Support Vector Machine)是目前模擬電路故障診斷中應用最為廣泛的兩種人工智能技術。

人工神經(jīng)網(wǎng)絡是一種模仿神經(jīng)網(wǎng)絡行為特征，進行分布式并行信息處理的算法數(shù)學模型[12]。這種網(wǎng)絡具有復雜的內(nèi)部結構，通過調整大量內(nèi)部節(jié)點之間的互連關系，達到處理大量信息的目的。人工神經(jīng)網(wǎng)絡有很多優(yōu)點，自組織、自學習、自適應能力強，魯棒性和容錯性較好，并行處理能力良好，具備較強的非線性映射能力和分類識別能力。1990年，Starzyk對神經(jīng)網(wǎng)絡進行研究，發(fā)現(xiàn)神經(jīng)網(wǎng)絡具備的辨識和推理能力非常適用于模擬電路的故障診斷[13]?；诳蓽y量性方法，一種基于可測性分析的神經(jīng)網(wǎng)絡模擬電路故障診斷方法被提出，該方法首先對電路進行可測試性分析，然后確定可診斷組件并消除不可診斷和難以診斷的組件，這種方法可以減小神經(jīng)網(wǎng)絡的規(guī)模并提高診斷效率[14]。神經(jīng)網(wǎng)絡的種類很多，各有其特點和缺陷，為集中發(fā)揮各種神經(jīng)網(wǎng)絡的優(yōu)勢，集成的神經(jīng)網(wǎng)絡方法逐漸被應用，并在模擬電路的故障診斷應用中比單個神經(jīng)網(wǎng)絡有更好的故障診斷效果[15]。近幾年國外學者提出基于人工神經(jīng)網(wǎng)絡的三相整流器和逆變器兩種電力電子電路的精確缺陷導向參數(shù)測試方法，該算法采用離散小波分解作為特征提取的預處理器，采用兩種類型的前饋神經(jīng)網(wǎng)絡，例如BPMLP和PNN，用于故障事件檢測。結果發(fā)現(xiàn)非常有希望，最高達99.95%[16]。

在國外研究者對神經(jīng)網(wǎng)絡的研究如火如荼進行同時，國內(nèi)專家學者緊跟國際前沿?；诓煌乃惴?，人工神經(jīng)網(wǎng)絡的應用方法眾多。利用改進型BP神經(jīng)網(wǎng)絡對模擬電路進行故障診斷，能夠提高網(wǎng)絡學習速率和故障診斷效率，但網(wǎng)絡結構確定比較困難[17]；結合粒子群優(yōu)化算法和小波神經(jīng)網(wǎng)絡的神經(jīng)網(wǎng)絡診斷方法，對模擬電路故障診斷效果良好[18]。近幾年神經(jīng)網(wǎng)絡算法的研究仍是熱點，在優(yōu)化的神經(jīng)網(wǎng)絡方法中，構建了基于不同算法的改進型神經(jīng)網(wǎng)絡方法。基于狼群算法對RBF神經(jīng)網(wǎng)絡進行優(yōu)化的方法被提出，并通過實驗驗證了該方法的可行性[19]；基于核覆蓋的神經(jīng)網(wǎng)絡模型，進過仿真能有效構建三層神經(jīng)網(wǎng)絡，對網(wǎng)絡結構難以確定的問題提出了解決的新方法[20]。在大規(guī)模數(shù)?；旌想娐分?，故障模式多而且狀態(tài)復雜，發(fā)生傳播的可能性也較大，針對故障傳播的問題，模塊化BP神經(jīng)網(wǎng)絡的故障診斷方法對該問題能夠有效解決[21]。神經(jīng)網(wǎng)絡方法對模擬電路故障診斷效果顯著的同時也存在了一些缺陷，主要是網(wǎng)絡結構確定難，學習速度慢，訓練時間長等。

支持向量機是另一種人工智能的模擬電路故障診斷方法，也是目前的研究熱點。支持向量機是一種新的機器學習算法，是在統(tǒng)計學理論的基礎上，加上出色的學習性能，理論上可以彌補神經(jīng)網(wǎng)絡的許多缺陷，應用前景更為廣闊。Salat R和Osowski S用支持向量機作為分類器實現(xiàn)電路故障診斷，在效果和性能上比起一般的分類器更好[22]。 Siwek等對支持向量機方法也進行了研究，他采用用的診斷電路是RC階梯網(wǎng)絡電路，仿真結果表明診斷精度和效率都較高[23]。Kuraku N V P研究提出了一種基于概率主成分分析和支持向量機的新型故障診斷方法，用于單相級聯(lián)H橋多電平逆變器中的受控開關，仿真和實驗結果表明，通過使用PPCA-SVM，可以提高故障定位的準確性，減少CHMLI故障診斷所需的時間[24]。國內(nèi)的研究也緊隨其后，近幾年基于支持向量機的故障診斷研究中，將監(jiān)督式改進K近鄰并將其與改進最小二乘支持向量機結合，是支持向量機算法的新的突破[25]；基于改進型果蠅算法，針對非線性系統(tǒng)的故障元件定位提出優(yōu)化支持向量機方法，提高了診斷的精度和速率[26]；在支持向量機基礎上，基于正余弦算法優(yōu)化的軟故障診斷方法在容差模擬電路診斷中有較強的適應能力[27]。

3 模擬電路故障診斷的發(fā)展趨勢

模擬電路的故障診斷由于其自身結構及傳遞信號的性質，實現(xiàn)起來有諸多困難。從20世紀60年代開始，研究者們從未停止對模擬電路故障診斷的研究，取得了豐碩的成果，但模擬電路故障診斷的方法仍然較為復雜，從目前的研究現(xiàn)狀看，模擬電路故障診斷方法的研究呈現(xiàn)出以下趨勢：

(1)增強模擬電路系統(tǒng)自身測試性。從模擬電路故障診斷的關鍵技術上來看，無論是傳統(tǒng)的故障診斷方法還是現(xiàn)代智能化的診斷方法，都需要能對待診斷電路進行數(shù)據(jù)采集和測量，而模擬電路尤其是大規(guī)模的集成電路可測的節(jié)點少，對電路參數(shù)的采集帶來諸多不便。在模擬電路設計之初增加可測節(jié)點將會減小獲取電路的參數(shù)，其次可以在電路中加入自檢測功能，當電路發(fā)生故障時可自動報警標識發(fā)生故障的子電路或元件。

(2)進一步對人工智能法進行研究。人工智能方法在問世之初便以很好的學習能力和自適應能力獲得故障診斷研究者的青睞，目前人工智能方法的研究成果大多還存在很多弊端，無法進行推廣應用，主要是需要大量的故障樣本集和耗費大量系統(tǒng)的訓練時間，導致實際操作中比較復雜。要突破人工智能方法的這些缺陷，還需要研究者進行后續(xù)的研究。

(3)對模擬電路進行數(shù)字化改造。在模擬電路的故障診斷技術研究遭遇瓶頸的同時，數(shù)字電路的故障診斷技術已經(jīng)相對成熟，也有很多專家學者轉向將模擬電路改造成數(shù)字電路的研究。但是由于模擬電路和數(shù)字電路的信號本質區(qū)別，數(shù)字電路想要完全取代模擬電路仍有難以攻克的困難，但對模擬電路進行數(shù)字化改造也必然是一種發(fā)展趨勢，數(shù)模混合電路中數(shù)字電路部分所占比重也一定會越來越高。

4 結束語

模擬電路的可靠性是整個電路系統(tǒng)可靠性的重要決定因素，電子技術和產(chǎn)業(yè)的快速發(fā)展對模擬電路的檢測和診斷提出了更高要求。由于電路結構不斷復雜化和集成程度的不斷深入化，傳統(tǒng)的故障診斷方法不能滿足現(xiàn)大規(guī)模集成模擬電路的診斷要求，迫使人們探尋更加智能化高效化的方法，現(xiàn)代信息處理技術和機器學習理論為智能化的模擬電路故障診斷方法研究提供了理論支持，為模擬電路故障診斷技術的進一步發(fā)展提供了重要契機。

文中指出了模擬電路故障診斷的難點，在國內(nèi)外研究現(xiàn)狀部分分別對傳統(tǒng)方法和智能化方法的發(fā)展和研究現(xiàn)狀進行了較為全面的綜述，并對未來模擬電路的故障診斷發(fā)展趨勢進行了展望。當前，模擬電路的故障診斷已經(jīng)取得了大量成果，但在理論和應用方面還存在許多需要解決的問題，對單一故障診斷的方法研究較多，多故障的故障診斷涉及較少。單一的診斷方法應用到實際中效果并不夠理想，因此多種診斷方法的結合提高對系統(tǒng)的故障診斷能力也是很有前景的研究方向。