现代模拟电路智能故障诊断方法研究与发展

3．3 基于神经网络的故障诊断方法
    神经网络具有高度的并行处理、联想记忆、自组织、自学习以及强非线性映射能力，因此在故障诊断方面具有很大的潜在优势和应用前景。具体的应用方式主要有：1)利用神经网络产生残差。这主要是利用了神经网络的系统辨识能力，通过辨识模型产生残差序列，从而进行下一步的故障检测和诊断。2)利用神经网络的模式识别能力。对于难以建立精确数学模型的复杂系统，神经网络不需要系统的数学模型，只需要训练数据就能够实现从测量空间到故障空间的映射，从而识别出系统正常模式和故障模式或者不同故障模式之间的区别。
    Spain等人将神经网络应用到小规模模拟电路的软故障诊断中，以白噪声作为测试信号源，故障模式为偏离元件正常值50％，通过神经网络来进行故障分类和故障字典自动查询，结果不仅诊断正确率高，而且由于神经网络的鲁棒性，能够识别出未经学习的软故障模式。Aminian研究了一种基于多层前向神经网络的实际电路故障诊断方法。实验结果表明了采用该方法具有较好的故障诊断鲁棒性和高达95％的故障诊断正确率。Catelani等人将RBF网络用于线性电路和非线性电路软故障诊断中，实验结果表明训练好的网络不仅对于子系统或者元器件级的故障具有较好的诊断能力，即使面对没有包含在故障字典中的新故障也能够成功诊断。随后他们又将模糊诊断方法和RBF网络诊断方法用于模拟电路的软故障诊断，结果表明在存在噪声和非故障元件容差的情况下二者的错分率都很低。
    虽然基于神经网络的故障诊断方法有很多优点，但基于其固有的内在机理，神经网络也不可避免的存在一下不足之处：1)只利用了一些明确的故障实例样本数据，未能充分利用特定领域中专家的故障诊断经验知识。2)学习样本获取存在一定困难。神经网络故障诊断是建立在大量的故障样本数据基础之上的，诊断性能受到所选样本的数量及其分布情况的限制。3)知识表达不直观，诊断行为具有"黑箱"性，诊断推理过程难以解释。4)对于复杂系统进行故障诊断时，由于需要处理的数据种类繁多，会导致网络规模过大和学习时间过长等问题，从而降低了神经网络的实用性。
3．4 基于核的模拟电路故障诊断方法
    核方法是当前机器学习领域最活跃的研究方向之一，它以统计学习理论和核技术为基础。核函数k(x，z)是计算两个数据点在非线性变换φ(·)下的映像的内积，即k(x，z)=<φ(x)，φ(z)，这里的φ：X→φ(X)为核函数k(x，z)导出的特征变换，X为输入空间，φ(X)为特征空间。k(x，z)定义为某个Hilbert空间的内积，它首先应该是对称的，其次还要满足Mercer条件。
    核方法能够实现从数据空间到特征空间的非线性变换，采用不同的核函数可以满足不同的非线性变换要求。核方法的计算量与特征空间的维数无关，核函数的引入代替了特征空间的内积计算，从而导出一个与样本数有关，与样本维数无关的优化问题，避免了维数灾难，使核算法具有更大的假设空间，提高了模式分类或者回归的能力。图4给出了核方法的实现过程涉及的几个阶段。数据通过核函数映射到特征空间构造出核矩阵，经过学习算法的处理后得到用于分类的模式函数。

    核方法通常可以分为有监督的核方法和无监督的核方法两大类。在常用的有监督的核方法中，支持向量机(Support Vector Machine)是最典型并且是研究和应用最多的一种。常用的无监督核方法有核主成分分析(Kernel Principal Component Analysis，KPCA)、核聚类(Kern el Clustering，KC)、核独立主成分分析(Kernel Independent Component Analysis，KICA)等。
    SVM理论植根于VC维和结构风险最小化的基础之上，其应用于故障诊断的最大优势在于它适合于小样本决策。人员的广泛重视，纷纷开展这方面的研究工作。Jiang等人将一种改进的支持向量机分类器用于实际模拟电路的故障诊断中，结果表明该方法较BP网络及常规SVM方法诊断精度有了一定提高。Wang等人通过最优小波包变换提取电路故障特征后，采用了3种不同的二叉树支持向量机对模拟电路故障进行诊断，其诊断精度都在90％以上。Xiao等人采用了核主成分分析方法约简模拟电路故障特征维数以获取最优故障特征，实验结果表明了方法的有效性。

4 结束语
    模拟电路的可靠性在很大程度上决定了整个电路系统的可靠性，电子电路技术和产业的快速发展对模拟电路的测试与诊断提出了更高要求。由于电路规模和复杂性的不断增长，传统方法的不尽如人意之处日益凸显，这迫使人们在不断探寻更经济更有效的方法，而现代信息信号处理技术和机器学习理论为现代模拟电路故障诊断技术的发展和应用提供了重要契机和理论支持。
    文中对模拟电路故障特点及现代基本诊断方法进行了较为全面的综述，尤其对现代模拟电路故障诊断方法进行了详细的分析与讨论。目前现代模拟电路故障诊断技术正处于飞速发展时期，虽然已经取得了大量成果，但在理论和应用方面都还存在许多有待进一步研究与解决的问题。比如对单故障诊断问题研究的较多，而对多故障诊断问题却少有涉及；对尚处于发展初期的核诊断方法，在理论和应用方面的研究都有待于进一步加强；单一诊断技术有时难以达到理想效果，因此在不大幅增加诊断系统复杂性和代价的情况下如何有效结合多种诊断方法以提高整个系统诊断性能也是一个很有价值的研究方向。