[发明专利]一种实时电子电路的故障诊断参数识别方法

说明书

技术领域

本发明涉及一种电子电路的故障诊断方法，特别涉及一种实时电子电路的故障诊断参数识别方法。

背景技术

参数识别法是模拟电子电路故障诊断一种重要方法，一般地是通过求解电路方程从而求得元件参数，由于电路的规模庞大，特别是模数混合集成电路和超大规模模拟集成电路，可测试节点少，因而获得能求所有参数的电路方程非常困难，且这种方程一般为大规模非线性方程，往往求解费时且所求得的解不一定与实际情况吻合。

发明内容

为了解决现有电子电路故障诊断参数识别方法存在的上述技术问题，本发明提供一种实时电子电路的故障诊断参数识别方法。本发明通过多次激励，获得适当而非充分的电路方程组，采用最优化方法直接求得电路所有元件参数增量，从而完成参数识别，定位故障。

本发明解决上述的技术问题的技术方案包括以下步骤：

a.将待测电子电路所有元件参数增量用等效电源替代；

b.测试在单个电流源激励下可测节点电压对可测节点电流激励间的阻抗矩阵Z_m^m(m×m维矩阵)，可测节点电压对等效电源的混合矩阵H^m(m×n维矩阵)；

c.测量并计算待测电路与正常标称电路可测试节点电压差值，建立电路测试与诊断特征方程；

d.重复步骤a～c，获得多个电流源激励下电子电路的测试与诊断特征方程；

e.将元件参数增量与节点电压增量作为优化变量应用最优化理论将相对参数增量绝对值与相对电压增量的实部绝对值、相对电压增量的虚部绝对值之和最小定义为约束目标函数，将电路测试与诊断特征方程作为优化约束方程从而建立参数识别方程；

f.应用基于增广Lagrange乘子法神经网络求解参数识别方程，神经网络的输出即为元件参数增量，根据元件参数的容差范围完成故障识别。

本发明的技术效果在于：(1)由于Lagrange乘子λ_R、λ_I自动更新将加速神经网络状态向平衡点接近的进程，使神经网络的收敛时间缩短；(2)由于Lagrange乘子λ_R、λ_I的作用，使得含有较大罚参数K的微分方程(6)式的刚性减弱；(3)由于Lagrange乘子λ_R、λ_I的自适应控制作用，使得神经网络的初始状态设置比较自由；(4)由于Lagrange乘子λ_R、λ_I的作用及规则化参数α的引入，使得神经网络的收敛特性得到改进。本发明方法具有实时性、定位准确率高的优点，适用于现代工业快速诊断场合。

下面结合附图及实施例对本发明作进一步的说明。

附图说明

图1为本发明的计算元件参数增量的神经网络模拟框图。

图2为本发明的计算求解优化问题的跨导电容神经网络(图中标有G的表示Gilbert跨导乘法器)。

图3为本发明求解电阻电路故障诊断最小绝对值和优化问题的神经网络模拟框图。

图4为本发明图3所示神经网络的跨导实现(图中标有G的表示Gilbert跨导乘法器)。

图5为本发明应用示例晶体管放大器电路。

图6为本发明应用示例晶体管放大器等效电路。

具体实施方式

下面详细说明本发明的各步骤。