模拟电路故障及人工智能诊断方法浅议.docVIP

模拟电路故障及人工智能诊断方法浅议摘要：模拟电路故障诊断是电路分析理论中的一个前沿领域，由于模拟电路的集成度较低，同数字电路相比，发展速度相对较慢。本文主要对模拟电路的故障进行了阐述，探讨了几种现代模拟电路故障诊断的主要方法分析与研究思路。 关键词：模拟电路 故障诊断 专家系统 神经网络 小波变换 随着电子技术的飞速发展,集成电路的应用覆盖了社会的方方面面,电子设备在家用、通信、测量、自动控制、运输、科研等领域得到广泛的运用。同时，半导体、集成电路技术的发展使得电路系统的规模急速加大。在满足需求的同时，设备发生故障的可能性与复杂性也在相应增加。但集成电路模拟部分故障难于分析与诊断的问题在很大程度上限制了它的开发维修成本与实际工作效应。在模拟电路发生故障后，要求能及时将故障诊断出来，以便检修、调试和替换。 1、模拟电路故障的特点 由于模拟信号是大小随时间连续变化的信号它与数字信号有较大的不同。模拟电路本身的特性决定了它的诊断要困难和复杂得多。 模拟电路产生故障的原因主要来自设计、制造和使用三方面。一部分故障是由于设计不当而引起的，另一些故障是由于制造工艺的缺陷而造成的，还有一些故障则是在长期的使用过程中由于元器件磨损、老化、疲劳等原因造成的。电路发生故障时，其特征与正常状态时相比有所变化，引入故障特征的概念是为了表示这种变化。故障特征可以有各种不同的表现形式，比如可以是电路在不同时间间隔或不同频率下的输入输出信号；也可以是电路节点上或电路的外部连接点上的交流或直流电压；还可以是线性电路的传递函数或其他相关函数。此外，还有电路的红外特征，即以电路元器件发生故障前后表面温度的变化作为特征量。 2、现代模拟电路故障诊断理论和方法 目前，常见的人工智能技术主要包括专家系统、神经网络、小波变换、模糊理论、传感器信息融合、基于Agent技术、基于粗糙集理论等。(1)专家系统在模拟电路故障诊断中的典型应用是基于产生式规则的系统，其基本工作原理是：首先把专家知识及诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，诊断出故障元件。我们知道，传统专家系统主要是通过两种方法来获取知识：一种是领域知识先由知识工程师从领域专家这儿获得，再由知识工程师输入到知识库中。这种方法造成知识失真的可能性有两方面：一方面，领域专家自己也很难描述自己所拥有的知识，对于具体故障，他们往往只知道如何去解决，却说不出采用这种解决方法的理由，而且，有时他们的知识也有错误成分；另一方面，不同的领域专家的知识可能不一样，甚至互相矛盾，在这种情况下，知识工程师往往显得束手无策，而且对于某些专家的经验知识则难以加入知识库中，因而不但费时，而且效率低。(2)人工神经网络故障诊断方法侧重于信息的自组织、自学习能力。它就是采用物理上可以实现的器件、系统或现有的计算机来模拟人脑的结构和功能的人工系统。它是一个广泛连接的巨型系统，能分布式存储信息，具有并行处理功能和自学习、自组织和自适应功能。神经网络技术特别适合处理那些故障诊断中无法用显性公式表示的、具有复杂非线性关系的情况，能够出色解决那些传统模式识别方法难以圆满解决的由于非线性、反馈回路和容差等引起的问题；它以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性的映射，利用全局并行处理实现从输入空间到输出空间的非线性信息变换，有效解决了复杂系统故障诊断中存在的故障知识获取的“瓶颈”、知识推理的“组合爆炸”等问题。它以其诸多优点，如并行分布处理、自适应、联想记忆等，在智能 故障诊断中受到越来越广泛的重视，而且已显示出巨大的潜力，并为智能故障诊断的研究开辟了一条新途径。(3)小波变换故障诊断方法：小波分析在时域和频域同时具有良好的局部化性质，可以对高频成分采用逐渐精细的时域或空间域取代步长，从而可以聚集到对象的任意细节。小波分析不需要系统的数学模型，故障检测灵敏准确，运算量也不大，对噪声的抑制能力强，对输入信号要求低，但在大尺度下由于滤波器的时域宽度较大，检测时会产生时间延迟，且不同小波基的选取对诊断结果也有影响。小波分析与神经网络的结合，是一个十分活跃的研究领域．目前，小波分析与神经网络的结合有以下两个途径：一个途径是辅助式结合，比较典型的是利用小波分析对信号进行预处理，然后用神经网络学习与判别；另一个途径是嵌套式结合，即把小波变换的运算融入到神经网络中去，形成所谓的神经网络一小波分析或小波网络。可以看到，小波神经网络由于把神经网络的 自学习特性和小波的局部特性结合起来，具有自适应分辨性和良好的容错性， 因此又为故障诊断开辟了一条新路，既拓宽了神经网络理论、 模糊理论、小波分析方法的应用领域，同时，又为解决故障诊断的实用化找到了突破口，推动了模拟电路故障诊断理论和方法的