基于测试数据的模拟电路早期故障诊断方法研究.pdf

中文摘要 摘 要 电子技术及其相关制造业的发展日新月异，电子系统的规模越发庞大，结构 也愈加复杂。模拟电路在电子系统中有着无可取代的地位，伴随着电子系统的广 泛应用，针对模拟电路的故障诊断研究也一直备受国内外学者的关注，然而当前 多数模拟电路故障诊断方法主要针对模拟电路硬故障或者故障程度较大的软故障 有较好的效果，对模拟电路早期故障诊断的研究还比较少。模拟电路随着使用时 间的增长，其电路元件不可避免地出现一定程度的退化，此时模拟电路的性能也 会受到影响但并未完全失效，这种故障状态称作模拟电路早期故障。如果任凭模 拟电路早期故障发展，那么最终必然会导致电子系统的完全失效，因此本文以模 拟电路早期故障诊断为研究主题，重点研究模拟电路早期故障的特征提取和故障 模式分类方法。论文的主要研究工作如下： 从模拟电路早期故障的机理研究出发，明确了模拟电路早期故障的定义。分 析了模拟电路早期故障产生的原因，明确了电路元件的退化是模拟电路发生早期 故障的主要原因，并阐述了几种常用电路元件的退化规律。对模拟电路灵敏度和 故障传播特性进行了研究，作为后文模拟电路早期故障诊断方法研究的准备。 针对模拟电路早期故障特征不明显的特点，提出一种基于改进的经验小波变 换（IEWT ）和监督局部线性嵌入（SLLE）算法的模拟电路早期故障特征提取方法。 以电路测试点信号的 IEWT 分量信号的能量熵和峭度组成初始特征向量，再利用 SLLE 算法对特征向量进行约简，得到每种模拟电路早期故障模式的特征向量序 列，解决了模拟电路不同早期故障模式特征混叠的问题。 针对模拟电路早期故障定位问题，提出一种结合人工鱼群算法（AFSA ）优化 隐马尔科夫模型（HMM ）的模拟电路早期故障模式分类方法。训练多个独立的 HMM 作为模拟电路早期故障的模式分类器，并针对传统 HMM 训练算法的缺陷， 利用 AFSA 算法优化 HMM 的模型参数，实现了模拟电路早期故障定位，并通过 仿真电路实验证明了该方法的有效性。 为了验证本文方法的有效性和优越性，利用实际模拟电路，通过调节变阻器 阻值或者替换不同容值的电容来模拟不同的早期故障模式，将本文提出的基于 IEWT-SLLE 和 AFSA-HMM 的模拟电路早期故障诊断方法应用于实际模拟电路早 期故障诊断实验中，证明了本文提出的方法的有效性，并通过对比实验分析，进 一步说明本文提出的方法的优越性。 关键词：模拟电路，特征提取，早期故障诊断，经验小波变换，隐马尔科夫模型 I 英文摘要 Abstract With the rapid development of electronic technology, the electronic system is becoming larger and more complex in structure. Analog circuit plays an irreplaceable role in the electronic system. With the wide application of the electronic system, the research on fault diagnosis of analog circuit has been paid much attention by scholars at home and abroad. However, most of the current fault diagnosis methods for analog circuits are mainly aimed at hard faults or severe soft faults, and there is little research on incipient fault diagnosis of analog c