基于神经网络的模拟电路故障诊断的探究.pdfVIP

第四届中国测试学术会议 基于神经网络的模拟电路故障诊断研究． 李明亮“2，王祖朝1，母景琴“3，李聚光2，赵战明2 (1．中国地质大学(北京)信息工程学院北京1 00083； 2．石家庄经济学院信息工程学院河北石家庄050031； 3．唐山师范学院计算机科学技术系，河北唐山063000) 1i—mingliang日163．com 摘要：随着系统芯片及模拟和数字混合信号电路的发展，模拟测试领域出现了许多采用传 统故障诊断理论和方法难以解决的问题。神经网络因为能够在没有任何先验知识的情况下 自动从输入数据中提取特征、发现规律，并通过自组织过程将自身构建成适合于应用环境 的规律，为模拟电路故障诊断提供了一个全新的解决方案。主要介绍了模拟电路故障诊断 的新方法及测试原理，重点讲解了神经网络结构中参数选择方案。以现代测试技术、信号 处理、信息融合和可测性分析等理论为基础。把神经网络用在模拟电路故障诊断中取得了 显著成效。 关键词：神经网络；模拟电路；故障诊断 1引言 模拟电路测试和故障诊断自20世纪60年代以来…，一直是研究的热门课题。在电子设备中数字电 路超过80％，但80％以上的故障都来自模拟电路。随着Ic的发展，超过60％的IC设计中包含数字和模 拟的混合信号电路。混合信号电路测试与诊断的典型策略为：首先分别测试，然后进行系统功能测试 以检测器件间的相互关系。混合信号电路中，模拟部分仅占5％的芯片面积，但测试成本却占总测试 成本的95％。模拟电路测试一直是ICI业中的一个“瓶颈”问题。因此模拟电路测试和故障诊断方 法研究至关重要。 2基于神经网络的故障诊断方法概述 传统的模拟电路故障诊断方法分为”：测试前仿真(SBT)和测试后仿真(SAT)。基于神经网络(简 称NN)的模拟电路故障诊断方法是SBT及SAT方法的综合和延伸，其结构框图如图1，各部分功能如 下： 图1基于神经网络的模桕电路测试框图 测试信号：没有通用算法，根据电路特点及对电路把握程度选择测试信号。 ．基金项目：{可北省科学技术研究与发展基金)r{可北省科技厅基金(03213fi34)项目 李明亮(1976-)．男．河北省平山县人．石象庄经济学院讲师．中国地质大学(北京)硬士研究生．研究方向：仪器研制及算法研究． 315 第四届中国测试学术会议 测试点选择：单输出集成电路无需测试点选择。大规模模拟电路需对电路进行可测性分析。 故障集选择：故障集选取主要包括硬故障诊断(通常采用开路故障和短路故障)和软故障诊断(通 过设定元件故障值实现)两种。通常根据维护经验和电路的实际情况进行选择。 故障特征提取：故障特征提取是模拟电路故障诊断方法研究的核心问题之一。模拟电路故障诊断 相当于模式识别，对电路故障症状信息进行变换，得到最能反应故障模式分类的本质特征。 构造样本集：提取的故障特征经数据预处理后与待诊断的元件故障类构成NN的输入、输出序列。 神经网络：主要包括：确定网络结构、训练BP网络、测试训练过的BP网络。 诊断结果：将故障特征向量输入经过训练的神经网络，得到故障诊断结果。 2．1神经网络的故障诊断能力概述 人工神经网络(简称ANN)，是一种旨在模仿人脑及其功能的信息处理系统，能够在没有任何先验 知识的情况下自动从输入数据中提取特征、发现规律，并通过自组织过程将自身构建成适合应用环 境的规律。模拟电路故障诊断相当于一个模式识别和分类问题。神经网络由于能够学习、记忆、识 别及推理等特点，为模拟电路故障诊断提供了一个全新的解决方案。 2．2BP神经网络算法 BP算法的学习过程由信号的正向传播和误差的反向传播组成。正向传播时，输入样本从输入层传 入，经各隐层逐层处理后传向输出层。若输出层的实际输出与期望输出不符，则转入误差的反向传 播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分配给各层的所 有单元，此误差信号作为修正各