[发明专利]一种模拟电路模块故障诊断方法

说明书

一种模拟电路模块故障诊断方法，本发明涉及模拟电路模块故障诊断方法。本发明为了解决实际模拟电路模块故障诊断过程中缺少故障样本导致电路模块故障诊断准确率低的问题。本发明包括：一：将模拟电路进行功能模块划分；二：通过仿真实验，对电路输入脉冲信号，获得划分后的各模块正常状态的各节点检测率，以及其中任一模块处于故障状态下的各节点检测率；三：对实际的电路各模块进行故障检测；四：根据检测率对各模块的检测结果配置可信度，可信度作为证据m₁；五：将脉冲信号更换为扫频信号，重复执行步骤二至四得到证据m₂，将m₁和m₂通过D‑S证据理论进行融合后，完成故障模块的定位。本发明用于模拟电路模块故障诊断领域。

技术领域

本发明涉及模拟电路模块故障诊断方法。

背景技术

由于模拟电路在长期工作的过程中，内部的元器件或多或少都存在着一定程度的退化现象，对环境因素比较敏感，也会导致参数加速漂移。致使电路的性能一点点出现恶化，直至完全丧失功能，最后可能会产生某些无法挽回的后果。因此在元器件退化时要进行及时有效的检测，维护。美国NASA的Chetan S.Kulkarni的研究团队证明了元件的退化现象会致使电路响应出现渐变性故障，通过对电源模块中的电容和MOSFET元件进行深入的理论分析和退化实验研究，确认元件的退化现象会导致模拟电路具有故障参数连续的特点。因此相应的故障状态有无穷多个；同时由于模拟元器件的容差性；模拟电路普遍的非线性等，这造成了模拟电路的故障诊断更加困难。

因此近几十年来，国内外的专家在模拟电路故障诊断方面做了大量深入的研究，发表了大量的研究文献，提出了很多结合模式识别领域的方法。大部分的诊断方法都是通过对故障样本数据进行标记训练，建立一个分类器对故障进行诊断。当然也还有一些聚类方法是在无标明类别的前提下，试图发现数据之间的内部特征构造分类器，可是此类算法一般需要指定聚类的个数，在实际上聚类个数一般不可知，会导致诊断的结果并不准确。

无论哪种方法都需要足够的正类和负类样本支撑分类器，才能决定诊断的决策边界。然而现实过程中由于样本的非均衡性，会导致许多的电子系统、设备无法掌握全部的故障样本，一方面由于设备故障率低，无法获取很多有用信息，另一方面许多设备的造价昂贵，比如火箭，卫星，难以为了获得故障样本而制造故障。这样就会由于数据不均衡，引起分类面严重偏离，难以保证分类的准确性。所以只能通过对目标类样本进行学习，建立一个故障检测模型。

目前国内外很多文献研究了使用单分类方法做故障检测，尤其以支持向量数据描述(Support Vector Data Description，SVDD)较为常用，并取得了不错的效果。但是单分类只采用一类样本，无法准确找到参数偏移的元件，对故障做出定位，而实际上由于电路的集成化，即使找到故障的元器件，对某一基本元器件单独更换难度也较大。因此可以考虑将电路故障定位到一部分元件上，不需要具体找到故障元件，只需保证这部分元件涵盖故障元件即可，这里将涵盖故障元件的部分元件集合称为故障模块，以迅速对故障模块进行维护，避免整个电路失效。也就是说，通过单分类法实现模块故障定位即可帮助提升模拟电路的可靠性，开展此项工作对解决目前故障样本获取较难，故障诊断覆盖不足的问题有重大现实意义。

发明内容

本发明的目的是为了解决实际模拟电路模块故障诊断过程中，缺少故障样本导致电路模块故障诊断准确率低的问题，而提出一种模拟电路模块故障诊断方法。

一种模拟电路模块故障诊断方法包括以下步骤：

步骤一：将模拟电路进行功能模块划分，电路模块化后，选择模块的输出节点作为测试节点；电路划分完成后，得到按照上下级排序的N个电路模块，选择各自模块的输出节点作为测试节点，对应N个测试节点；

步骤二：建立模块故障检测仿真模型，通过仿真实验，对电路输入脉冲信号，通过模块故障检测仿真模型获得划分后的各模块正常状态的各节点检测率，以及其中任一模块处于故障状态下的各节点检测率；