模擬電路測試生成及故障診斷的研究.pdf

1、模擬電路的測試生成和故障診斷是目前研究的熱點問題。由于信號在時域和值域上的連續(xù)性、元件的容差、有限的測點以及響應對電路拓撲結構的依賴等問題，使得模擬測試技術的研究一直處于瓶頸階段。本文深入研究了模擬電路的測試生成和故障診斷的相關技術，包括基于支持向量機（Support Vector Machine， SVM）的測試生成算法、改進故障模型的多頻測試生成算法、特征選擇算法和基于元件連接模式（Component Connection Mode

2、l，CCM）的故障定位方法。本文的主要研究貢獻如下：
　?。?）目前大部分的測試生成算法只適用于所有故障可列舉的情況，不適用于大量參數(shù)故障無法列舉的情況。針對這個問題，本文提出了一種基于SVM的模擬測試生成算法。SVM被廣泛應用于測試領域，但是大部分都集中于故障診斷，關于其在測試生成領域的應用還是空白。本文的SVM測試生成算法可避免列舉大量參數(shù)故障和構造電路的傳輸函數(shù)，并解決復雜采樣空間的線性分類問題。
　?。?）針對信號冗

3、余，訓練結果不穩(wěn)定的問題，本文從三個方面改進了 SVM測試生成算法。
　?、佼旊娐废到y(tǒng)的帶寬遠小于采樣頻率時，采樣數(shù)據存在冗余信息，這些冗余信息不僅增加了計算的復雜度，還會造成測試信號的冗余。針對這個問題，本文提出了一種基于k-近鄰算法和另一種基于樣本均值的壓縮采樣數(shù)據的方法。
　?、谠赟VM測試生成算法中，每個電路狀態(tài)，包括正?；蚬收蠣顟B(tài)都需要一個單獨的測試信號。當大量參數(shù)故障發(fā)生時，這種測試生成方法得到的測試信號數(shù)量龐大

4、，嚴重影響測試速度。因此，本文提出了一種基于歐式距離測量的壓縮方案，對信號集進行壓縮。
　?、塾柧毤瘮?shù)據的隨機抽取會導致測試生成效率的不穩(wěn)定。針對這個問題，本文提出了一種聯(lián)合多個訓練集決策的方法。
　?。?）在現(xiàn)有的多頻測試生成算法中，故障仿真都是擬定單個故障元件值作為故障模型。但實際上模擬故障元件的值域是連續(xù)的。針對這個問題，本文提出了一種改進故障模型的多頻測試生成算法。本文還將遺傳算法引入多頻測試生成，用于優(yōu)化關鍵指標，

5、提高測試生成的精度。
　?。?）當模擬電路由于外界應力的作用而發(fā)生參數(shù)漂移量很小的早期故障時，其故障特征不顯著，不利于故障檢測。針對這個問題，本文提出了兩種特征選擇算法，分別是基于條件概率和基于條件熵的特征選擇算法。理論分析與實驗結果同時證明，基于條件熵的特征選擇算法可實現(xiàn)較高的故障檢測率和較低的檢測時間。
　　（5）CCM的系統(tǒng)描述方法是一種經典的建立故障定位方程的方法。它利用矩陣表示元件特性及元件間的連接關系，將故障定位

6、過程轉化為矩陣運算，便于計算機的處理。但是，當被測對象為非線性模擬電路，基于CCM的故障定位的運算數(shù)據量會隨著電路規(guī)模的增大和非線性模型精度的提高而急劇增長。針對這個問題，本文從兩個方面改進了CCM故障定位方法。
　　①通過去除CCM矩陣中的不敏感元件，降低故障定位方程的維數(shù)，減少數(shù)據計算量。
　?、趯τ诖笠?guī)模模擬電路，本文提出了一種分層次的故障定位方法，通過建立分層次故障模型，將關聯(lián)矩陣的維度限制為最底層子模塊的元件數(shù)，從