自动舵电路板故障测试系统研究

李天伟，李正友，黄 谦

（海军大连舰艇学院，辽宁 大连 116018）

0 引 言

自动舵作为船舶上最重要的航海设备之一，其发生故障时将对船舶的海上航行安全造成重大影响。目前自动舵故障电路板大部分需要返厂维修，维修周期长，维修效率低；因此，研究便携式的自动舵电路故障测试系统具有非常重要的意义，既可以由服务商携带到船上进行故障测试，也可以随船携带由船员进行故障测试。

1 测试系统需求分析

电路故障测试有自动测试和手动测试两种方法[1]。自动测试不需要使用者的干预，能够快速定位到故障元器件，但它仅能够直接判断出部分常见故障。手动测试能够定位电路板全部故障，但依赖使用者的故障测试能力和经验。在实际故障测试中，自动测试和手动测试应该结合使用。

在进行故障测试之前，电路板需要加电工作，故障测试系统需要提供交流或直流电源，以及若干模拟输出通道，作为电路板的模拟输入。自动测试时，为简化测试步骤，一般在加电状态下测试电路板上若干测试点的电压信息，由软件判断出故障位置；此时故障测试系统需要提供若干数据采集通道。手动测试时，不但要测试电压，还可能要测试电流、电阻等，为辅助测试者分析判断故障，还需要实现数字万用表、示波器、频谱分析仪、信号发生器等虚拟仪器；这需要故障测试系统提供高精度、高速度、宽电压范围的数据采集通道。

2 测试系统硬件设计

由于经常需要携带测试系统到船上进行测试，系统硬件应尽量减小，便于携带，所以测试系统硬件由笔记本电脑、多功能数据采集卡、数字万用表卡、电源、接口电路、专用接口电缆等组成[2]，其硬件结构如图1所示，实物如图2所示。

图1 测试系统结构图

图2 测试系统硬件实物图

以某型自动舵为例，其内部共有2种放大板、2种电源板、1种报警板、1种显示板、1种组合板，共计7种电路板。这些电路板既有模拟电路，也有数字电路，但都不太复杂。所有的数字电路板接口都是TTL电平，单块电路板输入输出接口数目不超过32路；单块模拟电路板需要的模拟输出通道不超过4路，数据采集通道不超过32路。仅选择1块NI USB-6259[3]多功能数据采集卡即可满足上述需求；再选择1块NIPCMCIA-4050数字万用表卡，用于精确测量电阻、电压、电流。可见系统仅采用1台笔记本电脑、1块数据采集卡及1块数字万用表卡，即可满足该自动舵全部电路板的故障测试需求。

笔记本电脑是整个故障测试系统的控制中枢，它可以根据任务需要，控制多功能数据采集卡产生被测电路板需要的模拟或数字输入信号，经接口电路板和专用接口电缆送入被测电路板，模拟电路板的各种工作状态。被测电路板的输出信号或通过探笔采集的被测电路故障特征信号，经过接口电路和数据采集卡，被送入计算机进行处理。自动测试时，将被测数据送入智能故障诊断程序，自动给出测试结果。手动测试时，计算机软件根据测试任务需要，生成不同的虚拟检测仪器（如示波器、万用表、频谱分析仪等），显示被测电路板的相关信息。接口电路除了为被测电路板提供工作所需的假负载、供电电源及模拟输入外，还为数据采集提供信号调理、过压保护等。

系统硬件采用通用性与特殊性相结合的设计思路。不同的被测电路板采用与其配套的专用接口电缆和故障测试程序，它们共同使用笔记本电脑、数据采集卡、电源、接口电路等。专用接口电缆的一端与被测电路板接口相同，另一端与接口电路板上通用接口相连。这样保证了通用性与特殊性的统一，既节约了成本、减小了硬件体积，又增强了功能，有利于二次开发。

3 测试系统软件设计

电路故障测试的目的是为了判定电路的故障原因并修复，是判断电路故障的基本工作[4]。电路故障测试系统与一般测试系统不同，需要采用更多的测试手段和提供相关辅助信息。它除了进行数据测试外，还与故障诊断理论相结合，共同构成电路故障诊断系统，这对测试系统软件部分提出了更高的要求。故障测试软件不单单是数据采集系统，除了进行数据采集、分析、显示外，还必须提供故障诊断过程中所需的其它相关信息，如电路原理图、标示实际测试位置的实物图、被测元器件的性能参数、测试点的参考值、以往同类电路板的测试经验等。体现在程序编写上，需要综合采用图形编程技术、数据库技术、数据处理技术等。现有的数据采集软件（如LabVIEW或LabWindows/CVI）都专注于数据采集，在开发综合应用程序、满足多种需求方面功能偏弱，如在数据库管理及图形界面的制作等方面与Microsoft Visual C++等软件还存在较大差距。

Measurement Studio[3]软件是National Instruments公司为在Microsoft Visual Studio开发环境下使用NI公司产品而推出的开发工具，它可以作为Microsoft Visual Studio的一个组件。在应用程序中Measurement Studio软件专注于硬件接口、数据采集及虚拟仪器软件界面部分，Visual Studio专注于图形界面、数据库操作、信号处理及故障分析判断。Measurement Studio中集成了LabVIEW中所有的虚拟仪器界面元素，它们可以作为Visual Studio中控件，与其他控件一样，非常方便地被调用和处理。Measurement Studio还可以轻松调用NI硬件产品驱动程序提供的接口函数，比LabVIEW能轻松完成更加复杂的测试任务。

3.1 自动测试

为提高故障诊断的自动化程度，自动测试方式基于神经网络方法，对多个测试点的数据进行综合分析判断，给出故障诊断的初步结果。系统采用三层BP网络。BP神经网络是一种误差反向传播学习算法的多层前馈网络，它是利用实际输出与期望输出之差对网络各层连接权由后向前逐层进行校正的一种计算方法[5-6]。网络的输入是表征电路板故障特征的向量，网络的输出是表征电路板故障模式的向量，一个故障特征向量对应一个故障模式向量，一个故障模式向量对应元件的某种故障，共同构成训练模式对[7-8]。

以该自动舵某放大板故障为例。在实际维修过程中发现该电路板经常发生的故障有：稳压管bz1～3烧坏、三极管bg1～2损坏、运算放大器ysq损坏等6个元件8种故障，加上电路板正常状态，共9种模式。在分析电路板工作原理的基础上，找到电路板上的一些重要测试点，再根据主成分分析及实际的神经网络训练结果对测试点进行选择，最终选择5个测试点作为故障特征提取点。神经网络的输入节点5个，对应电路板的5个故障特征；神经网络的输出单元5个，按表1所示分别对应电路板的8种故障和正常状态；隐层节点为7个。

获取训练数据时，将平时积累的故障元件更换到7块工作正常的电路板上，通过测试系统硬件采集相关测试点的电压数据，得到表1所示的训练样本和测试样本。将训练数据输入神经网络，得到神经网络参数，编写自动测试程序。

自动测试程序界面如图3所示。界面中上方为电路板的输出曲线，界面左下方为电路板实际输出数据，界面右下方为利用神经网络方法自动测试结果。当电路板故障时，利用该类电路板的专用测试电缆将电路板连接到故障测试系统上，打开该类电路板专用的自动测试程序，只要点击“开始测试”按钮，自动测试程序控制硬件产生该类电路板的工作环境及各种模拟输入，通过变换电路板不同的模拟输入模拟电路板的不同工作状态，分别测试电路板上相关测试点的输出曲线，测定特征参数，输入事先训练好的人工神经网络，初步判断电路板的常见故障，自动给出诊断结果。

表1 样本示例

图3 自动测试软件界面

3.2 手动测试

手动测试方式为测试者提供被测电路板的工作环境、测试电路时所需的常用虚拟测试仪器、被测电路板的相关资料等。

图4所示为手动测试软件的典型界面。界面左边是被测电路板的原理图，界面右边从上到下分别为虚拟数字万用表、虚拟示波器、虚拟频谱分析仪、被测元件型号及作用说明、被测元件在电路板上的实际位置等。使用者可以在分析电路工作原理的基础上，结合故障现象，选用相应的虚拟测试仪器对电路上的元器件或故障测试点进行故障测试分析。

图4 手动测试软件界面

3.3 故障测试实例

利用电路板测试系统进行测试时，首先进行自动测试，可能遇到如下3种情况：（1）某电路板的输出曲线如图5（a）所示，自动测试程序给出的测试结果为“电路板工作正常”。（2）某电路板输出曲线如图5（b）所示，自动测试程序给出的测试结果为“三极管bg1损坏”，更换三极管bg1后电路板恢复正常。（3）某电路板输出曲线如图5（c）所示，自动测试程序给出的结果为“非常见故障，请手动测试”。运行该类电路板手动测试程序，在分析电路板工作原理的基础上，利用虚拟测试工具对电路板进行测试，最终确定故障为电容C20故障，更换后电路板恢复正常。

4 结束语

根据自动舵维修需要，设计了自动舵电路板便携式故障测试系统，并阐述了测试系统的软硬件设计方法。在实践应用中证明，系统具有成本低、体积小、功能强的优点。采用自动测试和手动测试相结合的方法，自动测试时不需要太多的故障诊断专业知识，就能对电路板进行初步测试，可供船员使用；手动测试时能提供大量的设备随机资料和虚拟测试仪器，免去服务商或生产商上船测试时携带大量资料和仪器的困难。

图5 不同情况下电路板输出曲线

[1]杨江平.电子装备维修技术及应用[M].北京：国防工业出版社，2006：1-4.

[2]李庆伟，苏燕辰.基于LabWindows/CVI的车内气压波动信号处理[J].中国测试，2012，38（3）：87-89.

[3]National Instruments.Measurement and automation catalog[G]∥Austin：NI，2007：50-58.

[4]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，2004：39-45.

[5]许力.智能控制与智能系统[M].北京：机械工业出版社，2007：170-175.

[6]张彦斌，贺从林.基于神经网络的某装备电路单元故障诊断研究[J].测试技术学报，2010（6）：558-561.

[7]阳辉，罗琨，何怡刚.模拟电路故障诊断的小波神经网络方法[J].微电子学，2010（1）：50-53.

[8]赵鹏，王友仁，崔江，等.模拟电路免疫记忆网络故障诊断方法[J].信息与控制，2010（5）：574-579.