现代模拟电路智能故障诊断方法研究与发展

    区分元件参数值偏离其容差范围所引起的故障类型原则是：实际元件参数值是否大于其标称值的10倍或者小于其标称值的0．1倍。电路元件值的变化引起故障类型的变化示意图如图2所示。从图中可以看到，当元件参数在之内时，认为是软故障，在此之外则认为发生了硬故障，其中为元件的标称值，为元件的容差范围。

    如果按照电路中同时发生故障元件的个数来划分，还可以分为单故障(Single Fault)和多故障(Multiple Fauhs)两种情况。通常单故障发生的概率在80％左右，发生多故障的概率较低。从故障在电路中随时间的表现形式来看，可分为持久故障(短路、开路等)和间歇故障(接触不良等)。
 

2 模拟电路故障诊断特点
    同数字电路的故障诊断方法相比，模拟电路故障诊断的发展速度相对较慢，至今仍然没有一个被广泛认可的测试诊断理论和方法。模拟电路的故障诊断之所以比数字电路的故障诊断要困难是由如下几个特点决定的：
    1)模拟电路的输入、输出信号在时域和电压幅度上具有连续性，以及元件参数的连续性使得故障诊断模型比较复杂，难以简单量化。
    2)实际模拟电路中的元件参数都具有很大的离散性，即具有容差。容差的存在导致了故障的模糊性，因而有时无法唯一确定故障位置，使得诊断结果的准确性难以保证，这是故障诊断的最大困难之一。
    3)模拟电路中广泛存在非线性和反馈回路。模拟电路中往往含有非线性元件，而且即使在线性电路中也存在众多的非线性问题，这使得诊断的复杂性和信息处理量急剧增加。
    4)模拟电路中可测电压节点有限，导致供诊断用的故障信息量不充分，造成故障定位的不唯一性和模糊性，或者根本不可诊断。
    5)模拟电路对环境变化较敏感，其输出响应不仅易受制造工艺所引起的元件参数偏差的影响，而且易受热噪声、电磁干扰等外界环境因素的影响。
    鉴于上述原因，我们不可能将相对成熟的数字电路故障诊断方法直接移植到模拟电路系统中区解决问题，必须根据模拟电路自身的特点去探索新的行之有效的诊断理论和方法。

3 模拟电路现代故障诊断方法
    模拟电路故障诊断滥觞于上个世纪60年代美国的军事工业系统。1985年Bandler和Salama对模拟电路故障诊断理论进行了系统阐述，并且根据对电路的仿真是在测试前还是在测试后通常可将诊断方法分为两大类：即测前仿真诊断(Simulation Before Test Approach，SBT)和测后仿真诊断(Simulation After Test Approach，SAT)，同时他们还提及了逼近法和人工智能方法等。
    传统的模拟电路故障诊断方法以故障字典法、参数识别法、故障验证法、逼近法等为代表。由于电路规模和复杂性的不断增长，传统诊断方法愈来愈不能满足实际电路诊断的需求，如诊断所需计算量太大，由于元件容差问题造成诊断结果模糊等。随着专家系统、模糊理论、神经网络、机器学习、模式识别、小波分析等技术的深入研究和应用，它们为解决模拟电路故障诊断中所存在的各种难题提供了有益思路和有效工具，因此基于人工智能和现代信息信号处理的诊断方法已经成为当前模拟电路故障诊断领域的主流方法。
3．1 基于专家系统的故障诊断方法
    专家系统(Expert System，ES)是一种基于知识的计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。它根据专家提供的知识和经验，采用人工智能中的知识表示和知识推理技术来模拟人类专家的决策过程，以便解决那些需要领域专家才能够处理的复杂问题。故障诊断专家系统结构框图如图3所示，它通常包括人机接口、知识库、综合数据库、推理机和解释器等几个部分。

    知识库用于存放故障诊断规则，反映各种故障的因果关系；知识获取机构可以使人类专家通过人机接口直接建立和修改故障诊断规则或修改、补充、完善整个故障诊断系统；推理机实施对整个问题的求解推理过程的控制，它根据综合数据库中的当前信息，将知识库中的规则拿来匹配，然后利用适当的控制算法推断出结论；综合数据库中存放人为提取的一些过程特征数据或某些故障现象的描述以及诊断过程记录等信息；解释程序是在用户需要时对整个故障诊断过程做出合理的解释。知识库和推理机是专家系统的核心，传统专家系统中，专家经验知识(对被诊断系统所观察到的症状与可能故障之间的关系)通常以确定性的IF-THEN规则表示。
    目前较为实用的专家系统有：基于规则的专家系统、基于案例的专家系统、基于框架的专家系统、基于模糊逻辑的专家系统、基于模型的专家系统等。基于专家系统的故障诊断方法能够利用专家丰富的领域知识、经验，无需对系统进行数学建模并且诊断结果易于理解，因此在很多领域得到了广泛应用。但是专家系统也存在着一些固有的不足之处：1)知识获取和表达比较困难，这成为专家系统的"瓶颈"问题；
2)缺乏自我学习和记忆的能力，诊断的效率和准确性方面无法保证。这是因为专家系统无法记忆以前处理过的故障，所以当再一次出现同样的故障时其不得不浪费大量的时间进行重复的劳动，导致诊断效率降低。专家系统没有记忆功能，无法记忆本身的错误，因此注定今后会犯同样的错误。
    专家系统诊断的准确程度依赖于知识库中领域专家经验的丰富程度和知识水平的高低，因此当遇到一些边缘性的问题就会出现"窄台阶效应"。3)推理能力弱，具有脆弱性。专家系统的本质特征是基于规则的推理思维，因此当规则较多时，系统推理速度慢、效率低，容易出现"匹配冲突"、"组合爆炸"以及"无穷递归"等问题。
3．2 基于模糊逻辑的诊断方法
    故障诊断是通过研究故障与征兆之闻的关系来判断系统状态，由于语言表达、信息不完全等带来的模糊属性常常出现在对故障征兆的描述中，故障与征兆之间的关系很难用精确的数学模型来表示，导致某些故障状态也是模糊的。模糊逻辑提供了表达和处理模糊逻辑概念的机制，模糊逻辑的引入可以克服由于复杂系统本身的不确定性和噪声等带来的影响，因此在进行复杂系统故障诊断时显示出一定的优越性。模糊故障诊断方法是利用模糊数学中的隶属度函数和模糊关系矩阵来解决故障与征兆之间的不确定关系。其实质是引入了隶属度函数的概念，把传统的0和1的二值逻辑转移到[0，1]区间上的连续值逻辑上来。
    Bilski等人提出了一种基于模糊逻辑的决策树模拟系统自动故障诊断方法，该方法能够在存在噪声的情况下检测和定位多种故障。文中给出了该方法的一般体系结构，并且介绍了降噪、特征提取和故障检测的处理过程。随后作者通过3种物理特性不同的系统对该方法进行了测试和验证，结果证明了该方法的优越性。Carelani等人提出了一个基于频域故障字典的模糊自动诊断系统，并通过两个模拟电路单软故障的例子分析了所提方法的性能。Pous等人提出了一个以故障字典信息作为隶属函数输入变量，而隶属度函数形状由元件参数值分布决定的模糊诊断系统，该方法同故障字典相比性能有了极大提高。
    模糊变量表示可读性强，模糊逻辑推理严谨，类似于人类的思维过程，易于理解。但对于复杂电路系统进行故障诊断时存在隶属原则的选择、隶属度函数的确定和模糊关系矩阵的构造等技术难点。隶属度函数的确定不但需要丰富的经验知识而且需要花费较长的时间，模糊关系矩阵R的构造需要以大量现场实际运行数据为基础，其精度的高低主要取决于观测数据的准确性及丰富程度。