本站原创【摘 要】由于模拟电路自身的特点,使得其产生的故障类型极其复杂,包括广泛非线性以及参数容差等问题,都使得故障难度极度增加.基于此,本文主要对基于神经网络的模拟电路故障进行了分析.
【关 键 词】神经网络模拟电路故障
从上世纪60年代以来,模拟电路中存在的各种问题以及对于问题的解决就受到了广泛的关注.而伴随着科技的发展,集成芯片的问世,将数字化电路和模拟元件集合在同一块芯片上,极大地节约了电路的制作费用.在集成芯片上,模拟电路的面积仅仅占全部芯片面积的5%,但是其故障产生以及诊断的费用占到了总成本的95%,模拟电路的故障问题也极大地限制了集成电路工业的发展.对于传统的模拟电路故障诊断方法SAT和SBT来说,其是建立在神经网络上面的,在模拟电路故障诊断得到了广泛的应用.
一、常见的模拟电路故障分类
(一)按故障发生的过程进行分类
模拟电路的故障种类主要包含以下几点：第一,因为电路原价随着时间和环境条件的不断变化使得电路的容差超出了正常范围,而通过提前的监测可以对故障进行预测的情况称之为软故障,又称之为渐变故障；第二,因为电路元件的通常大偏差现象的出现,使得提前的监测难以实现故障检测的目的的情况称之为硬故障,又称之为突变故障；第三,由于设备老化,接触不良等在特定情况下会显得故障称之为间歇性故障.
(二)按故障性质进行分类
按照故障的性质进行分类,可以将模拟电路的故障划分为以下几种：第一,在设备的设计和制造阶段所形成的缺陷,在设备使用的初期就会产生故障,该种故障在设备使用初期较易发生,而随着使用时间的推移,故障率会迅速下降；第二,由于一些偶然因素导致的故障,该种故障通常发生在设备的有效使用期限内,这种故障的产生几率比较低；第三,因为使用时间的增加,设备产生老化,磨损以及疲劳等损耗情况,在设备的使用后期设备的故障率进一步增加,而且随着时间的推移,故障率会迅速增长.
(三)按同时故障数及故障间的相互关系进行分类
根据故障间的相互关系可以将故障分为以下几种：第一,通常在设备运行过程中由于某一个原件的故障而造成整个设备产生故障的现象称之为单故障；第二,通常对于刚出厂的设备有多个原件造成的设备故障称之为多故障；第三,由单一的原件而产生的故障称之为独立故障；第四,由多个原件共同作用引起的设备故障称之为从属故障.
二、基于神经网络的模拟电路故障分析技术
测前模拟方法的实用诊断模型以模式识别原理为理论基础的故障模拟法,又称之为故障字典法,该种方法在进行电路检测之前,先借助计算机模拟电路在各种情况下所产生的故障的基本状态,从而建立故障数据库.然后在故障检测中根据所产生的现象对照故障数据库,从而确定故障.该种检测方法对于测试的测量点选择十分重要,而为了减少测量点的数量,应当选择一些分辨率比较高的测量点进行测量.通常情况下,我们使用查表的方式来完成电路的检测,对于表中的元素我们采用dij等于1,i等于1,2,等,n,j等于1,2,等,m来表示,其中假设的故障数目用n表示,而测量特性数则使用m表示.该种检测方法的好处在于计算次数少,需求的监测点少,不需要测量后的计算,在实际的使用中也比较灵活,这种方式适合于在线诊断.
测后仿真方法中的神经网络应用对于参数的辨识和故障的验证是测后仿真法的主要检测要素,该种方法的理论性较强,能够对电路进行更加深入的分析和研究,并且借助相应的电路方程对电路参数和原件的增量和相容性进行检验,这种方法由于需要大量的计算,因此不适合于实时监测,所以,相关的技术人员将精力基本都集中在测试前的仿真方法的研究上面来.而一种介于SAT和SBT之间的检测方法,这种方法是采用估测的方法来诊断故障元件的.而随着科技的不断进步,网络技术的不断发展,对于将网络技术引入模拟电路检测的想法也开始出现,即将L1范数优化的问题转化为神经网络优化计算的方法来开展模拟电路的故障诊断工作.
神经网络模型参数的选择对于神经网络模型的参数选择主要包括以下几点：第一,对于网络模型的选取,其主要包含确定激活的函数,连接的方式,各种神经元之间的相互作用等；第二,关于网络参数的选取：确定输入和输出的神经元的总数以及对于多层网络的层数以及隐含层神经元的数目的选择；第三,对于学习训练方式的选取,制定合理的网络学习和训练的学习规划,将日常的训练和学习结合起来；第四,对于设备所发生的故障进行总结,并且将故障制定成为样本集以供后期维修参考；第五,诊断的结果主要是指将故障的特性输入到训练的神经网络中,进而得到诊断的结果,从而判明电路故障的类型.
三、结束语
由于神经网络诊断方法的引入,大大的提升了模拟电路的故障诊断技术,而当前神经网络技术主要应用于检测之前的模拟方法中,在结合了VLSI技术之后,对设备的检测之后计算速度也在进一步加快.在此基础上,实现神经网络系统和模拟电路故障理论的有效结合,进而促进我国的模拟电路诊断技术取得更大的发展.