论文部分内容阅读
模拟电路的测试生成和故障诊断是目前研究的热点问题。由于信号在时域和值域上的连续性、元件的容差、有限的测点以及响应对电路拓扑结构的依赖等问题,使得模拟测试技术的研究一直处于瓶颈阶段。本文深入研究了模拟电路的测试生成和故障诊断的相关技术,包括基于支持向量机(Support Vector Machine,SVM)的测试生成算法、改进故障模型的多频测试生成算法、特征选择算法和基于元件连接模式(Component Connection Model,CCM)的故障定位方法。本文的主要研究贡献如下:(1)目前大部分的测试生成算法只适用于所有故障可列举的情况,不适用于大量参数故障无法列举的情况。针对这个问题,本文提出了一种基于SVM的模拟测试生成算法。SVM被广泛应用于测试领域,但是大部分都集中于故障诊断,关于其在测试生成领域的应用还是空白。本文的SVM测试生成算法可避免列举大量参数故障和构造电路的传输函数,并解决复杂采样空间的线性分类问题。(2)针对信号冗余,训练结果不稳定的问题,本文从三个方面改进了SVM测试生成算法。①当电路系统的带宽远小于采样频率时,采样数据存在冗余信息,这些冗余信息不仅增加了计算的复杂度,还会造成测试信号的冗余。针对这个问题,本文提出了一种基于k-近邻算法和另一种基于样本均值的压缩采样数据的方法。②在SVM测试生成算法中,每个电路状态,包括正常或故障状态都需要一个单独的测试信号。当大量参数故障发生时,这种测试生成方法得到的测试信号数量庞大,严重影响测试速度。因此,本文提出了一种基于欧式距离测量的压缩方案,对信号集进行压缩。③训练集数据的随机抽取会导致测试生成效率的不稳定。针对这个问题,本文提出了一种联合多个训练集决策的方法。(3)在现有的多频测试生成算法中,故障仿真都是拟定单个故障元件值作为故障模型。但实际上模拟故障元件的值域是连续的。针对这个问题,本文提出了一种改进故障模型的多频测试生成算法。本文还将遗传算法引入多频测试生成,用于优化关键指标,提高测试生成的精度。(4)当模拟电路由于外界应力的作用而发生参数漂移量很小的早期故障时,其故障特征不显著,不利于故障检测。针对这个问题,本文提出了两种特征选择算法,分别是基于条件概率和基于条件熵的特征选择算法。理论分析与实验结果同时证明,基于条件熵的特征选择算法可实现较高的故障检测率和较低的检测时间。(5)CCM的系统描述方法是一种经典的建立故障定位方程的方法。它利用矩阵表示元件特性及元件间的连接关系,将故障定位过程转化为矩阵运算,便于计算机的处理。但是,当被测对象为非线性模拟电路,基于CCM的故障定位的运算数据量会随着电路规模的增大和非线性模型精度的提高而急剧增长。针对这个问题,本文从两个方面改进了CCM故障定位方法。①通过去除CCM矩阵中的不敏感元件,降低故障定位方程的维数,减少数据计算量。②对于大规模模拟电路,本文提出了一种分层次的故障定位方法,通过建立分层次故障模型,将关联矩阵的维度限制为最底层子模块的元件数,从而降低故障定位方程的规模。(6)在基于CCM的故障定位方法中,现有的敏感度分析算法并未考虑树枝组合的选择对定位精度的影响,本文提出了一种将CCM用于敏感度分析的方法,用于优化树枝组合和测点的选取。