王幫強

對模擬電路的故障進行診斷是在20世紀60年代最開始出現(xiàn)的,直到20世紀70年代,已經(jīng)有了豐富的理論基礎。但是由于模擬電路出現(xiàn)的故障的元件參數(shù)的非線性、離散性和多樣性的原因,因此模擬電路的故障診斷理論還有待于進一步的發(fā)展。直到20世紀90年代,因為智能技術的不斷發(fā)展和深入,模糊理論、神經(jīng)網(wǎng)絡理論等對模擬電路進行診斷的方式開始出現(xiàn),數(shù)據(jù)融合的技術成為處理智能信息技術核心工具。

1融合診斷模型

要使模擬電路的可測試性得到提高,就應該通過增加測試信息、測試節(jié)點和優(yōu)選激勵等方式實現(xiàn)。從理論的角度上來說,假如模擬電路具有十分理想的拓撲結構,那么只需要選擇數(shù)量較少的測試點就可以對較多的故障進行診斷。但是從可測試性的角度出發(fā),我國目前在實際電路之中,普遍存在著拓撲性不理想的現(xiàn)象,因此,在進行測試的過程之中,應該選擇較多數(shù)量的可測試點,盡量避免子網(wǎng)絡或至路故障無法預測的情況。為了對測試點不夠的現(xiàn)象進行彌補,可以進行優(yōu)選激勵,在頻域分析的基礎之上,可以選擇多種能夠對故障特征進行反應的測試頻率,使用這些頻率的交流信號對模擬電路的故障特征進行提取。在時域分析的基礎之上,可以使用噪聲信號的方式對被測試的電路進行激勵,最終使在激勵信號之中存在的頻率成分大于被測試的電路的帶寬,同時保證在激勵信號之中存在的頻率成分有足夠的幅度。對測試信息的數(shù)量進行增加,是使模擬電路的可測試性得到提高的有效方式,我國目前針對模擬故障進行的故障診斷一般通過抽取和測量節(jié)點的電壓,對故障的特征進行提取,雖然節(jié)點的數(shù)量受到一定限制,尤其是在大規(guī)模和超大規(guī)模的集成電路之中,存在著選擇的節(jié)點在總節(jié)點之中所占比例較低的現(xiàn)象。

在選擇了適合的測試方法之后,應該對各種測試的數(shù)據(jù)采取規(guī)范化的處理方式,最終得到各種輸入特征的數(shù)據(jù),之后再輸入神經(jīng)網(wǎng)絡,對模擬電路的故障情況進行初級的診斷。但是BP網(wǎng)絡大多使用梯度下降的搜索式的計算方式,因此對初始權向量的變化十分敏感,很容易對極小的故障進行不適當?shù)姆磻：鸵酝乃阉鞣绞较啾?遺傳算法的魯棒性更強,而且不受到函數(shù)連續(xù)性和可微性的影響,很容易在全局的范圍之中得到最優(yōu)性的診斷。

2遺傳BP網(wǎng)絡的故障分類器

因為BP網(wǎng)絡具有外推力受限的特點,因此,如果將模擬電路在標稱狀態(tài)之中的故障情況作為整體的訓練樣本,很難與容差的情況相適應,最終使診斷的準確率大幅度的降低。同時,一旦模擬電路之中,某一個元件產(chǎn)生軟故障時,其電路的測量時會和該電路在發(fā)生硬故障時的測量值有很大的差別,因為在硬故障特征基礎上建立的網(wǎng)絡很難在對軟故障進行診斷的過程中使用。在一般的情況之中,如果在模擬電路之中的元件參數(shù)和正態(tài)分布相符合,依據(jù)統(tǒng)計學的相關原理,這些線性組合依然是正態(tài)分布之中的隨機變量。對于模擬電路的硬故障來說,對有故障的電路進行實際測量之中得到的特征向量,可以將這種狀態(tài)作為訓練的樣本,使用神經(jīng)網(wǎng)絡本身存在的容錯性特征,在進行分類的過程之中,可以將在一定范圍之中的樣點歸類為訓練樣本集。對于模擬電路的軟故障來說,在對故障進行定位的過程之中,容差的擾動效應和特征參量的模成反比,因此,如果軟故障的故容比較大,則很容易對故障進行定位,如果軟故障的故容比較小,則很難對故障的定位進行分辨。因此,可以使用Monte -Carlo法隨機的選擇出數(shù)量較多的測試樣本,再在隨機樣本之中選擇出受到容差影響較大的樣本,組成訓練樣本集。

BP網(wǎng)絡的遺傳算法優(yōu)化,是使用遺傳算法能夠進行全局性搜索的特征,尋找最佳的網(wǎng)絡結構和網(wǎng)絡連接權。在BP網(wǎng)絡較好的分類效果性能之中,對節(jié)點的連接權和數(shù)量進行優(yōu)化。

3模糊診斷融合

使用模糊積分對多種分類器進行融合的過程之中,模糊測度會對融合函數(shù)的形成產(chǎn)生影響,因此,應該選擇適合的模糊測度值,提高數(shù)據(jù)融合的分類性能。對于診斷系統(tǒng)來說,模糊密度值是對模擬電路進行故障診斷的重要依據(jù),因此應該通過模糊診斷器的使用,對單獨的遺傳神經(jīng)網(wǎng)絡進行檢驗,提高故障識別的準確性。

4結語

本文綜合了模糊技術、遺傳算法和神經(jīng)網(wǎng)絡技術,在各種測試信息的基礎之上取得診斷電路受到各種故障損害的可能性,在對每一種神經(jīng)網(wǎng)絡的輸出信息的重要性進行考慮,在進行決策融合的過程之中使用模糊積分融合的方式,并對診斷方式的魯棒性、快速性和準確性進行了驗證。

參考文獻

[1] 劉汝杰,袁保宗,庸曉芳.用遺傳算法實現(xiàn)模糊測度賦值的一種多分類器融合算法[J]．電子學報,2002,30(1):145～147.

[2] 何平,楊保華,王牟本.利模糊數(shù)據(jù)融合技術在系統(tǒng)故障診斷中的應用[J]．電機與控制學報,2004,30(1):51～55．

[3] 清泉,楊奇遜,揚以涵．基于故障測度概念與證據(jù)理論的配電網(wǎng)單相接地故障多判據(jù)融合[J]．中國電機工程學報,2003,23(12):7～11．

[4] 旋惠昌．基于MsF技術的汽輪發(fā)電機狀態(tài)估計[J]．中國電機工程學報,2002,22(11):49,152．