模拟电路故障诊断的现状与发展研究

穆 鹏

(陕西邮电职业技术学院，陕西 咸阳 712000)

电子技术发展至今，已取得了不少喜人的成果，集成电路广泛应用在日常生活当中，不断推动着社会的进步，不断推动着医疗领域、国防军事领域、工业生产领域等众多领域的发展。与此同时，电子电路的规模更大，其系统的复杂性更是不言而喻，由此进一步加深了对电子电路系统的维修、调试的困难程度。与日益成熟的数字系统的检测和诊断技术相比，模拟电路由于其与之相比较低的集成度，且模拟电路信号的连续性特点导致故障诊断模型不易进行简易的量化，构成模拟电路的各个元器件具有较大容差性、极易受到外界环境的影响，模拟电路多层次、高封装度的特点会减少有效的故障诊断的检测点[1]，这一系列的原因都影响了模拟电路故障诊断的发展速度和进程。传统的人工检测方法早已无法应对现代电子电路系统更高水平的要求，而自动测试系统为电子电路系统的检测、故障诊断、调试和更换提供了更好、更高效的途径。

一、现代模拟电路故障诊断的方法

人工智能具有并行处理和整体作用的特点，更特别的在于其具备高效率的组织性和自学习能力，使得人工智能诊断技术成为现代模拟电路故障诊断技术研究的主流方向，也在大量的实际系统的检验、运用中获得了验证和成功，其技术主要是包含了专家理论、神经网络ANN、模糊理论、小波分析等。(1)专家理论的基本原理在于：知识采集，即收集专家在模拟电路故障诊断上的专业知识并将其整理成具有一定规则的形式，构建模拟电路故障诊断的知识库和数据库。但由于知识理解、信息不匹配等因素，极易导致效率抵下的问题。(2)与将侧重点放置在从理论上模拟人脑的模糊性的模糊理论不同，人工神经网络(ANN)则偏重于信息的自组织、自学习的能力。简言之，神经网络是选用物理上可成功实现的一系列设备、系统等对人脑结构、功能进行最大程度模拟的人工系统。神经网络技术的诞生，为模拟电路故障诊断提供了一种新颖的方式，在面对复杂系统的故障诊断(例如非显性公式表示、非线性关系等情况)上，神经网络更是首选方案，也是操作可行并高效的方法。模糊理论的优点在于其对一些较为模糊的信息具备超强的处理能力，将神经网络技术结合模糊理论技术，可使得故障诊断系统兼具两者的优点，既具备逻辑推理能力，又具备自学习优化能力，优劣互补、软硬件结合，由此便能大大提高系统性能，以及满足高水平诊断需求。(3)连续小波变换[2]是利用在尺度伸缩小波母函数以及时域平移小波母函数的方式对信号进行相关分析，是一种时域和频域结合的分析方式。选择好合适的小波母函数，可以在不同频带对信号分析，将隐含的信号频率进行频率分解并使得各个分解信号在不同子空间里表示其能量的变化，最后对比正常的信号表征形式，诊断出电路故障的相关信息[3]。

二、模拟电路故障诊断的发展研究

模拟电路故障诊断的研究开始于20世纪70年代，电子设备的日益复杂，对其关键器件的保养和维修也面临着前所未有的迫切需求，但实际的维护方式耗时耗力，且结果不尽如人意，因此相关科技人员越来越集中在对新的、更符合实际需求的测试理论和检测方式的探索上，由此模拟电路故障诊断得到了进一步的发展。1979年P.Duhamel和J.C.Rault提出了应用于电路故障检测和诊断的估计法和拓扑法等方法，通过近十年的发展，于1979，奠定了模拟电路故障诊断的理论基础；20世纪80年代，对于模拟电路故障诊断的研究步入了迅猛发展阶段，研究人员更是在总结前人的经验和基础知识理论上，使得模拟电路故障诊断的研究朝着更实用化的方向发展；20世纪90年代，随着人工神经网络等智能信息处理的发展，人工智能技术的研究开始成为主流研究方向，也因此促进了模拟电路故障诊断的进一步发展[4]。故障诊断技术发展至今，越来越多是多种技术紧密结合，例如“模糊神经网络技术”，就源于神经网络和模糊理论的结合，这种结合的新型技术，吸收的两种技术各自的优点，也能弥补两者的不足之处，将神经网络的自学习转至模糊理论的模糊逻辑系统的逻辑、推理当中，促进了知识的学习和利用。小波分析和神经网络的结合则是另一种形式，小波分析首先预处理信号，在此基础上，利用神经网络进行学习和诊断；或是小波分析和神经网络进行嵌套结合[5]。

三、结语

模拟电路故障诊断在实际的电子电路系统中是必不可少的一环，在近些年也有了飞速的发展和突破。本文着重介绍了现代模拟电路故障诊断的主要技术，并简要回顾了模拟电路故障诊断的发展历程和发展研究趋势。科技的发展，大规模电路的普及，提出新的理论研究要求、结合实际应用需求，这些都需要进行大量的研究工作，也对当今的模拟电路故障诊断技术而言既是新的挑战，也是朝着自动化、智能化的前沿发展的机遇。