相对于数字电路,由于模拟电路自身的特点使得对其实施故障诊断非常困难,诊断技术也明显滞后。在对模拟电路故障诊断长达几十年的研究中,人们总结出了许多方法,而在众多的方法当中,使用最广泛的就是故障字典法,它作为目前最具实用价值的方法在将来仍会发挥重要的作用。故障字典法的最大特点就是使用简单,但构造字典的过程却远非如此。一般的故障字典方法不同程度地存在着这样或那样的缺陷,使得在进行实际故障诊断时往往不能取得理想的结果。概括起来,一般的故障字典法存在三个方面的主要缺陷,即:(1)字典规模与诊断范围之间存在矛盾,即诊断范围与字典长度成正比。要想取得较宽的诊断范围必须增加字典的长度,这样势必占用更多的存储空间,同时也增加了诊断的时间。(2)对软故障(元件参数故障)的诊断能力不足,许多故障字典只能对硬故障(元件开路或短路)实施诊断。这主要是由于故障元件参数的变化连续,没有一个固定的模型与之对应。(3)由于元件参数容差的影响使得实际特征与字典中的特征不能一一对应,从而造成误诊断。另一方面,人工智能(AI)技术在自动测试领域中占据了越来越重要的地位,在过去的几十年中已经成为了一个主要的研究课题。本文以电路理论、几何学理论、模糊理论为基础,深入研究了以统一节点电压增量比向量为故障特征的模拟电路故障诊断方法,建立了新的故障字典,并借助AI技术建立故障隔离模型来处理元件容差的影响,有效地克服了传统故障字典法的以上缺陷,取得了很好的诊断效果,主要完成了以下工作:1.对传统的直流与交流故障字典法进行了深入研究,阐述了两类字典的构建及其进行故障诊断的方法,着重指出了它们存在的缺陷。2.提出了“故障对”的概念,利用“故障对”对可测试节点进行了优选,并设计了相应的优选算法和故障隔离算法。与常用的模糊集优选法相比,使用“故障对”概念对测试点进行优选可以获得更少的测试节点集,从而有效地降低了字典规模,减少了存储空间,缩短了诊断时间。3.提出了“统一节点电压增量向量”的概念,证明了当电路中发生单一元件故障时,该故障元件的“统一节点电压增量向量”只与故障元件的位置有关,而与其参数发生改变的剧烈程度无关,即故障元件参数不论改变量有多大其节点电压增量向量是统一的。由“统一节点电压增量向量”推导出了“统一节点电压增量比向量”,后者除了具有前者的所有性质以外,还具备了与元件参数改变方向无关的特性,因而可将每个元件的“统一节点电压增量比向量”作为故障特征建立一个一致的故障字典,用于对各元件的硬故障和软故障进行诊断。“统一节点电压增量比”故障字典的显著特点就是测前模拟次数少、字典建立过程简单、诊断范围宽,并且对未预定义的故障亦能实施有效诊断。4.随着人工智能技术在自动测试领域中的地位日益凸显,本文使用了其中的一些方法来解决由于元件容差的影响而使实际故障特征与字典中各故障特征不能一一对应的问题。一是将几何学的观点引入到故障诊断领域,构建了4种故障隔离的几何模型。二是使用了模糊理论进行故障诊断的方法,在分析了传统模糊故障诊断模型的基础上,构造了两种新的模糊模型。无论是几何模型还是模糊模型均以“统一节点电压增量比向量”作为故障特征向量,实验结果也证明各个模型能够有效地实施故障隔离,提高诊断率。