模拟电路智能故障诊断技术的现状分析

张永生

摘要：模拟电路智能故障诊断技术一直发展比较缓慢。文章从模拟电路智能故障诊断技术的现状分析入手，具体探讨了现代模拟电路故障诊断的理论方法。

关键词：模拟电路；智能故障诊断；神经网络

中图分类号：TN710文献标识码：A文章编号：1009-2374（2012）04-0118-02

上世纪70年代开始，模拟电路故障诊断理论第一次被提出来，如今已发展成为一门系统的学科。但是，虽然模拟电路的使用时间已经有一段历史，其模拟电路故障诊断技术却发展一直比较缓慢。以下笔者就从模拟电路智能故障的特点入手，对模拟电路智能故障诊断技术的发展现状进行详细探讨。

一、模拟电路智能故障的特点分析

现将模拟电路故障的特点分析如下：

（一）模拟电路信号与数字信号的区别

模擬电路信号与数字信号有很大的不同：前者信号的大小是随时间连续变化的量，包含的物理量属于连续函数，其故障模式及模型难以用简单的量化来描述。

（二）模拟电路元器件的特性

由于模拟电路中的元器件参数本身存在容差，导致了导致功能性故障的故障物理位置难以确定，存在较大的模糊性（“容差”的实质就是元器件本身存在的轻微故障）。

（三）模拟电路中存在的问题

在模拟电路中，存在反馈电路和非线性问题，增加了计算和测试的复杂性。

（四）模拟电路的使用范围

模拟电路的频率范围比较宽，这就决定了其使用设备的差异性。有时，即使测量同一个信号，但是在不同的频段上所使用的设备都会出现很大的差距，决定了其设备较大差异性的特点。

（五）模拟电路的故障问题

由于现在电路中，可测试的节点数一般都比较少（电路通常是封装或者多层的缘故），导致判断故障信息的数量不够多、信息不够充分，加大了故障判断的难度。

二、模拟电路故障诊断技术现状分析

近几年，电子技术得到了飞速发展，随着电子技术的飞速发展，电子技术运用而成，并随着集成度的不断增大，电路的复杂程度日益提高。

一般而言，故障辨识、故障检测及故障隔离是电路故障诊断的主要内容。由于诊断原理的多样性，导致了电路故障诊断方法也存在多样性。

本文根据故障诊断的角度出发，对现行电路故障诊断的方法进行了分类。以下就现代模拟电路故障诊断的方法进行具体探讨。

（一）专家系统故障诊断分析

专家系统在人工智能技术中，属于应用比较广泛和活跃的故障诊断技术之一。专家系统故障诊断的工作过程可以描述为以下几个步骤：首先，应该具备故障诊断专家系统的知识库，这个知识库的内容主要是将相关诊断经验与技术，使用一定的规则组合起来而形成，以备以后程序使用；然后，当出现故障时故障诊断系统将由报警系统得到相关信息，应用知识库对其进行推理，由此得出出现的故障的原因。

以上诊断过程可以理解为：专家系统故障诊断技术是模拟行业专家进行诊断及决策的过程，主要可以解决一些比较复杂的故障问题。

但是，由于这些技术存在一定的缺陷，在一定程度上限制了其推广使用。

（二）人工神经网络技术分析

人工智能技术的另一个重要分支是人工神经网络技术。

在故障诊断中，它的主要优势在于：其特别适合处理那些具有复杂非线性关系的、无法用显性公式表示的情况，并能够有力解决非线性、反馈回路和容差等引起的问题，上述这些情况都是传统模式识别方法难以解决的。

人工神经网络由于其独特的优势，越来越受到人们的广泛重视。

人工神经网络的优点主要体现在以下几个方面：（1）它以利用网络的拓扑结构和权值分布实现非线性的映射，以分布的方式存储信息；（2）它可以实现非线性信息变化问题，这个主要是通过全局并行处理来实现的信息变化。其可以有效的解决故障诊断中故障知识获取这个“瓶颈”问题，以及“组合爆炸”等问题；（3）人工神经网络技术还具有联想记忆、并行分布处理以及自适应性强等特点。

以上的这些优点为智能故障诊断的研究开辟了一条新途径。基于以上的分析，将神经网络与专家系统相结合，使其相互补充，各自扬长避短，是故障诊断领域的一个热点话题。

（三）神经网络专家系统

从逻辑方面来讲，神经网络专家系统和传统专家系统是完全不同的。神经网络专家系统是一类新的知识表达体系，神经网络专家系统中的信息处理是由大量简单处理元件之间进行相互作用，从而进行信息处理的，属于低层数值模型。神经网络专家系统可以将数值运算和逻辑推理结合，并利用相关的信息处理功能来解决诊断系统中的相关问题。

在这种技术中，通过学习将专家知识存储在网络中，由此进行不精确的故障诊断，可以较好的完成相关推理过程。

（四）小波分析方法

小波分析法时一种时-频分析方法。它的主要原理通过以下阐述：

小波变换及小波函数的多样性。

小波是函数空间中满足下述条件的一个函数或者信号：

式中：表示非零实数全体，是傅里叶变换，为小波母函数。

对于实数对（a，b），参数a为非零实数，函数

称为由小波母函数生成的依赖于参数对（a，b）的连续小波函数，简称小波。其中：a称为伸缩因子：b称为平移因子。

对信号f（x）的连续小波变换则定义为：

其逆变换（回复信号或重构信号）为：

信号f（x）的离散小波变换定义为：

其逆变换（恢复信一号或重构信号）为：

其中：C是一个与信号无关的常数。

由上述原理可知，小波函数具有多样性。

（五）神经网络小波分析方法

将神经网络与小波分析相结合的方法主要有两个：

1．以辅助式结合的形式组合。在这种结合中，一般是利用小波分析技术对相应的信号进行预先处理，然后，利用神经网络技术进行学习与判别。

2．以嵌套式结合的方式进行组合。这种结合中，主要是把小波分析方法融入到神经网络中，形成新的神经网络结构，即神经网络一小波分析或小波网络。这种新的网络方法具有明显的优势：具有自适应分辨功能和很好的容错性。

由上面分析可以得出，这种新的故障诊断鉴别方法是故障诊断领域的一个新方法，它不仅可以拓宽小波分析方法与神经网络技术的应用领域，而且为故障诊断技术开辟了新道路，使得故障诊断技术得到了进一步的发展。

三、结语

由于现代科技的飞速发展，模拟电路故障诊断系统将会变得越来越复杂，如何保证模拟电路系统可以运行的更加可靠是一个值得深入探讨的问题。模拟电路出现故障后，如能及时将相应的故障诊断清楚，并保证及时维修更换，无疑可以提高生产效率，提高成品的合格率，进而推动模拟电路系统向更好的方向

发展。

参考文献

[1]朱大奇．电子设备故障诊断原理与实践[M]．北京电子工业出版社，2004．

[2]杨士元，童诗白．模拟系统的故障诊断与可靠性设计

[M]．北京：清华大学出版社，2001．

（责任编辑：刘 艳）