模拟电路故障诊断方法设计及虚拟维修过程

张自宾，孔凡胜，王竹林

（军械工程学院 导弹工程系，河北 石家庄 050003）

装备的电路装置比较复杂，电路各级之间联系密不可分，而且对于装备的实际应用以及性能实现有着决定性的作用，内部电路结构功能是否完善直接决定了装备是否能够正常投入使用，因而，对于装备内部电路故障的诊断及维修显得尤为重要。

模拟电路故障诊断主要应用神经网络技术或支持向量机法[1]，尤其在现阶段，电路故障诊断技术还不是很成熟，综合比较两种方法，支持向量机法在多方面都具有更为实用的优点，所以本文章采用支持向量机法。

虚拟维修现阶段主要是对机械类进行维修仿真，由于电路装置构造复杂，各级电路器件之间联系相比机械零件更加重要，影响更大，所以增加了电路虚拟维修的难度。采用Petri网的维修拆卸序列规划可以提高电路装置的维修效率。

1 模拟电路故障诊断方法

模拟电路产生故障的原因主要是因为电路中发生开路、短路、元器件偏移，从而引起电路功能的不完善，无法实现系统预期达到的目标。

目前主要应用的故障诊断方法大体有神经网络故障诊断方法和基于支持向量机的电路故障诊断方法。

神经网络诊断方法虽然得到了广泛的研究应用，但由于其自身具有局限性：

1）对样本要求比较高，需要足够多的故障数据样本；2）模型比较固定，推广能力差。

支持向量机具有严格的理论基础，较好的解决了小样本、非线性、高维数、局部及小点的实际问题，具有应用统计理论为基础，结构风险最小化；克服神经网络法中局部极值问题以及需要大量故障数据样本的优点，应用核函数技术巧妙解决“维数灾难”。

2 电路故障诊断设计

2.1 系统设计

电路故障诊断系统设计流程大体为：激励信号输入到被检测电路，通过进行输出信号的故障提取，通过典型样本的对照，进而查找出故障发生的来源。

激励信号[2]是整个故障检测诊断的先驱，只有通过激励信号的输入才能使整个模拟电路系统进行仿真工作，进而通过采集输出信号，通过A/D转换器，将信号转变成数字信号，进而和典型样本进行对比对照，从而达到故障诊断的作用。

激励信号采用正弦信号与正弦波精密全波检波分别作为输入信号，通过被检测电路得到待检验信号，模/数转换器进行转变，进而对比典型样本分析是否出现故障，最后根据支持向量机法得出故障诊断结果。

图1 电路故障诊断系统模型Fig.1 Circuit model of the fault diagnosis system

2.2 信号源

正弦波精密全波检波是以正弦波为信号基础，通过信号控制电路进行检波作用，进而得到输出信号Vo=|Vin|，由于被测电路设备构造精密，元器件采用高性能，所以全波检测采用高输入阻抗类型，可以有效地保护电路。

图2 高输入阻抗精密全波检波电路图Fig.2 A high input impedance precision full-wave detection circuit diagram

输出 V o=|V in|=|A sin（wt+β）|（R1=R2=R3=R4）.

2.3 A/D转换器

被检测电路输出的待检验信号需经过A/D转换器进行模数转变，才能得到需要的数据，本文采用并行式高速A/D转换器，并行式A/D转换器是目前转换速度最快、转换原理最直观的A/D转换技术，主要用于瞬间信号采集、快速波形记录与存储、视频信号采集及高速数字通讯技术领域。

图3 并行式高速A/D转换器原理图Fig.3 Principle diagram of the parallel type high speed A/D converter

2.4 故障分析

根据模拟电路[3-5]的特点，其响应特征是电路规范参数中的重要组成部分，响应从不同的角度反应了电路的工作状态，也必然包含电路内部元器件在适当激励信号下，故障模式也会通过响应信号表现出来，通过信号采集以及A/D转换器对数据的处理，对照典型故障样本集，获取被测电路故障样本集，对被检测结果进行编号：非故障类别为L=1，故障类别为L=-1。

2.5 故障提取

故障数据特征提取是整个诊断系统的关键步骤，通过模数转换器转变的被检测信号，对比典型故障样本，就会发现被测电路故障的类型，位置等信息，一般来说，原始数据包含了冗余信息或者各故障类之间的特征区别不明显，对于故障诊断来说，需要经过适当的运算变换来有效地提取电路故障特征。

数据预处理的方法是进行尺度变换，归一化或者标准化，目的是将数据样本按统一标准映射到同一个范围[0，1]或[-1，1]内。 将数据变换到[a，b]范围内的公式为：

式中xi表示样本数据，xmin表示样本集中最小的样本，xmax表示样本集中最大的样本。

2.6 故障诊断

选择出了故障数据样本，对支持向量机诊断模拟电路故障非常重要，被测电路故障诊断模型的输入输出序列对应于支持向量机的输入输出序列，一般来说，输出序列代表故障诊断系统要实现的功能目标，其选择相对简单，支持向量机的输入量选择原则一是选择对输出结果影响较大且容易提取到的故障特征数据；二是各故障特征数据之间互不相关或相关性很小。

3 虚拟维修设计

相比机械装备的虚拟维修，电路的虚拟维修显得更加复杂，主要表现在器件之间的联系结构复杂、紧密，而且器件的维修拆卸可谓是牵一发而动全身，所以在诊断出电路故障具体问题后，虚拟维修过程一定要依据器件之间的逻辑关系就行器件的拆卸维修，维修活动之间的逻辑关系可以是顺序关系，也可以是并行、选择或循环关系等。器件之间的逻辑关系直接影响到维修过程是否正常进行。这样可以清晰的进行维修过程，不会出错或者出现无用的过程。

对于复杂的电路结构，应用 Petri网原理[6]的完整数学描述和复杂的建模功能，设计构造能够进行虚拟维修的方法。

图4 电路元件简要约束图Fig.4 Circuit component constraint graph briefly

图4为简单的Petri网示例，一些元件之间存在着约束关系，要想维修拆卸元件 F，必须先解除元件 A，B，C，D，E对其的约束。

图5 Petri网拆卸过程模型Fig.5 Disassembly process model Petri net

维修电路设备由元部件组成，解除约束，进行元部件拆卸。图5中白色圆环表示无约束状态零件，黑色圆环为约束状态零件，t表示拆卸操作。

在 Petri网中引入约束状态 P（pi）（i=1，2，…，m）表示元件pi的约束状态，引入变迁状态T（ti）表示元件是够被拆卸完毕，这样可以防止元件拆卸重复[7]。

Petri网定义：PN（P，T，F，S，W，R，M0）。 其中 N=（P，T，F）是拆卸Petri网的有向网。

1）P={p1，p2， …，pm}，表示拆卸 Petri网的拆卸 Petri网库所集合，m（m>0）为零件的个数，pi表示第i种元件或者部件；

2）T={t1，t2， …，tn}是变迁的有限集合，n（n>0）为变迁的个数，ti表示无约束状态的第i种元件，满足1≤i≤m，库所和变迁是Petri网中两类不同的元素，所以P∩T=Ø，P∪T≠Ø表示网中至少有一个元素；

3）F∈（P×T）∪（T×P）表示拆卸 Petri网中的流关系，是库所与变迁之间的有向弧，正向弧F表示元部件之间的约束关系，反向弧F-表示解除元部件之间的约束方向；

4）S={S（p1），S（p2），S（p3），…}是针对不同时刻单个元部件的约束状态，S （pi）=1表示元件处于无约束状态，S （pi）=0表示元件处于被约束状态；

5）W是大于1的整数，是从变迁到库所的权函数，本文表示再一次拆卸维修操作中拆卸下来的同种零件或组件的个数；

6）R={R（t1），R（t2），R（t3），…}表示已经发生过的变迁，表示已经维修拆卸完毕；

7）M0：N0={0，1}定义了 Petri网的初始标识，本文中表示设备在维修拆卸之前所有元件的被约束状态，M0标识为向量形式，即 M0={a1，a2， …，ai，…，am}T。

应用Petri网[8-9]原理进行设备电路元件的维修拆卸，可有效地减少因维修对象不明确而造成拆卸重复，拆卸错误以及因维修拆卸导致相关元部件无法正常工作或维修不顺利。所以，应用此方法可使复杂的导弹电路维修进行的有条不紊，导弹的正常工作打下基础。

4 结束语

本文主要阐述了模拟导弹电路的故障诊断方法和虚拟维修过程设计，导弹电路设备复杂，应用支持向量机法进行故障诊断，Petri网原理进行虚拟拆卸维修，良好的完成本文章的设计目标任务，但是部分电路元部件构造精密，应用此方法无法进行诊断维修，所以需要更深一步的进行科研探索。

[1]孙永奎.基于支持向量机的模拟电路故障诊断方法研究[D].成都：电子科技大学，2009.

[2]周严.测控系统电子技术[M].北京：科学出版社，2007.

[3]谢建华，马剑.导弹装备电路级虚拟维修模型设计[J].计算机科学，2010，7（7A）：206-207，256.XIE Jian-hua，MA Jian.Design of missile circuit model of the virtual maintenance[J].Computer Science，2010，7（7A）：206-207，256.

[4]杨彦明，吴为团，威甫峰.虚拟仿真实验系统的建模方法研究[J].海军航空工程学院学报，2006，21（2）：281-284.YANG Yan-ming，WU Wei-tuan，WEI Fu-feng.The modeling method of virtual simulation system research[J].Journal of Naval Aeronautical EngineeringInstitute，2006，21（2）：281-284.

[5]贺少华，吴新跃.桌面式虚拟维修训练系统的研究与应用[J].计算机工程，2008，34（17）：276-278.HE Shao-hua，WU Xin-yue.The research and application of desktop virtual maintenance training system[J].Computer Engineering，2008，34（17）：276-278.

[6]黄东坡，曹继平，宋建社，等.基于Petri网的虚拟维修过程建模[J].兵工自动化，2011（1）：41-43，65.HUANG Dong-po，CAO Ji-ping，SONG Jian-she，et al.Virtual maintenance process modeling based on Petri net[J].These Automation，2011（1）：41-43，65.

[7]李晓俊.虚拟维修拆卸过程规划与仿真[D].武汉：华中科技大学，2011.

[8]石竹，李开成.基于赋时着色Petri网的RBC控车实时性能分析[J].现代电子技术，2012（3）：170-173.SHI Zhu，LI Kai-cheng.Real-time performance analysis of train controlling of RBC system for CTCS-3 based on timedcolored-Petri-nets[J].Modern Electronics Technique，2012（3）：170-173.

[9]惠晓龙，郜振鑫.一种基于Petri网的多目标无死锁蚁群调度算法[J].电子科技，2014（5）：179-181.HUI Xiao-long，GAO Zhen-xin.Optimization scheduling algorithm with petri nets[J].Electronic Science and Technology，2014（5）：179-181.