容差條件下模擬電路軟故障診斷方法研究.pdf

1、模擬電路故障診斷是電子電路測試領(lǐng)域中極具挑戰(zhàn)性的前沿和熱點研究課題。然而,由于模擬電路元件參數(shù)的連續(xù)可變、元件參數(shù)的容差影響以及電路響應(yīng)的非線性等固有特點,模擬電路故障診斷方法發(fā)展緩慢,傳統(tǒng)的故障診斷理論和方法在實際的模擬電路故障診斷中很難達到預(yù)期的效果。因此,研究高效、適應(yīng)模擬電路發(fā)展需求的故障診斷理論和方法顯得尤為重要。
　　針對基于模式分類的模擬電路故障診斷方法對電路的早期軟故障狀態(tài)、未知故障狀態(tài)以及多軟故障狀態(tài)診斷能力不足

2、的問題,本文從概率分布理論、隨機過程理論和粒子群優(yōu)化理論幾個角度深入研究了容差條件下模擬電路的軟故障診斷方法。論文的主要研究工作和成果如下:
　　(1)結(jié)合模擬電路故障診斷中經(jīng)典的斜率故障模型診斷方法,提出了一種電路元件容差處理的新方法。將容差影響下的模擬電路斜率故障特征視為一個隨機變量(正態(tài)商分布隨機變量),并以其定義為基礎(chǔ),推導(dǎo)了斜率故障特征的近似概率分布函數(shù)。證明了正態(tài)商分布與標(biāo)準(zhǔn)正態(tài)分布在一定范圍內(nèi)的單調(diào)連續(xù)映射關(guān)系,推導(dǎo)

3、了容差影響下斜率故障特征變化范圍的估計公式。設(shè)計了一種新的測點選擇算法,并建立了待測電路的故障字典。診斷結(jié)果表明,基于正態(tài)商分布的容差處理方法是有效的,能夠顯著提升容差影響下斜率故障模型診斷方法的故障診斷率。
　　(2)針對基于斜率故障模型和正態(tài)商分布的模擬故障診斷方法無法有效診斷模擬電路早期軟故障的問題,提出了模擬電路早期軟故障的隱馬爾科夫模型診斷方法。受到隱馬爾科夫模型在機械設(shè)備工作狀態(tài)監(jiān)測領(lǐng)域成功應(yīng)用的啟發(fā),將待測電路元件參

4、數(shù)的變化過程視為隱藏的狀態(tài)隨機過程,將測量得到的待測電路的輸出信號視為觀測隨機過程,采用隱馬爾科夫模型對模擬電路的故障狀態(tài)進行動態(tài)建模。給出了相關(guān)的故障電路仿真方法、隱馬爾科夫模型的選擇和訓(xùn)練方法以及故障診斷步驟。診斷結(jié)果表明,模擬電路早期軟故障的隱馬爾科夫模型建模方法是有效的,能夠顯著提升容差影響下模擬電路早期軟故障的故障診斷率。
　　(3)針對隱馬爾科夫模型診斷方法對模擬電路未知故障狀態(tài)或多軟故障狀態(tài)診斷能力不足的問題,提出了

5、一種模擬電路軟故障的粒子群優(yōu)化診斷方法。以待測電路的節(jié)點電壓靈敏度矩陣為基礎(chǔ),設(shè)計了一種基于測點對故障隔離能力評估的測點選擇新策略,并建立起模擬電路節(jié)點電壓增量方程組。以節(jié)點電壓增量方程組為約束條件,結(jié)合模擬電路故障的特點,采用數(shù)學(xué)規(guī)劃方法建立了基于L1范數(shù)、L2范數(shù)以及電路故障元件數(shù)的模擬故障診斷方程,并經(jīng)罰函數(shù)法將其轉(zhuǎn)化為無約束優(yōu)化問題。將上述無約束優(yōu)化問題視為目標(biāo)函數(shù),并采用粒子群優(yōu)化算法進行統(tǒng)一求解,得到與故障電路相對應(yīng)的最優(yōu)的

6、電路元件參數(shù)向量。診斷結(jié)果表明,模擬電路軟故障的粒子群優(yōu)化診斷方法是有效的,能夠?qū)崿F(xiàn)容差影響下模擬電路元件早期單軟故障狀態(tài)和雙軟故障狀態(tài)的診斷。
　　(4)針對模擬電路軟故障的粒子群優(yōu)化診斷方法故障診斷率相對較低的問題,提出了模擬電路軟故障的改進粒子群優(yōu)化診斷方法。基本粒子群算法慣性權(quán)重線性減小的調(diào)整方案,使得其求解高維問題時收斂率和收斂速度急劇下降,從而嚴重影響了模擬軟故障粒子群優(yōu)化診斷方法的診斷能力。論文從粒子群體運動狀態(tài)實時

7、監(jiān)測和評估的角度,提出了兩種改進的慣性權(quán)重自適應(yīng)調(diào)整的粒子群優(yōu)化算法(模糊自適應(yīng)變異的粒子群優(yōu)化算法和自適應(yīng)慣性權(quán)重的粒子群優(yōu)化算法),將算法的慣性權(quán)重調(diào)整與粒子群體的實時搜索狀態(tài)有機地結(jié)合起來。通過求解標(biāo)準(zhǔn)測試函數(shù),與經(jīng)典方法相比,論文提出的自適應(yīng)慣性權(quán)重的粒子群優(yōu)化算法具有更高的收斂率、收斂速度和收斂穩(wěn)定性。隨后將該改進算法應(yīng)用于模擬電路軟故障診斷。診斷結(jié)果表明,改進的粒子群優(yōu)化診斷方法顯著提升了基本粒子群優(yōu)化診斷方法的故障診斷率和