[发明专利]基于圆模型和神经网络的模拟电路故障诊断方法

说明书

本发明公开了一种基于圆模型和神经网络的模拟电路故障诊断方法，首先对模拟电路进行模糊组分析，得到各个模糊组信息，然后通过圆模型仿真获取模拟电路中各元件在不同测试频率下不同测点的圆模型参数，构建得到特征向量，作为训练样本对所构建的神经网络进行训练，在故障诊断时根据退化数据得到各个测试频率下各个测点的圆模型参数，构成测试特征向量输入训练好的神经网络进行故障诊断。本发明通过结合圆模型参数和神经网络实现模拟电路故障诊断，可以有效提高模拟电路故障诊断率。

技术领域

本发明属于模拟电路故障诊断技术领域，更为具体地讲，涉及一种基于圆模型和神经网络的模拟电路故障诊断方法。

背景技术

随着集成电路的快速发展，为了提高产品性能、降低芯片面积和费用，需将数字和模拟元件集成在同一块芯片上。据资料报道，虽然模拟部分仅占芯片面积的5％，但其故障诊断成本却占总诊断成本的95％，模拟电路故障诊断一直是集成电路工业中的一个“瓶颈”问题。现阶段已经有一些发展的比较完善的模拟电路故障诊断理论应用到实际中了，例如：测前模拟诊断法中的故障字典法测后模拟诊断法中的元件参数辨识法和故障验证法。但这些方法仅能处理离散的参数故障和硬故障，不能完整诊断模拟元件的连续参数故障。复数域圆模型能够完整建模模拟元件的所有参数漂移故障，是一种较为实用的故障诊断模型。但是容差影响下的圆模型也具体特征值也是无穷多，采用故障字典法难以全面存贮所有故障。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于圆模型和神经网络的模拟电路故障诊断方法，获取模拟电路中各元件在不同测试频率下不同测点的圆模型参数，构成各元件对应的特征向量对神经网络进行训练，基于训练得到的神经网络实现故障诊断，以提高模拟电路故障诊断率。

为实现上述发明目的，本发明基于圆模型和神经网络的模拟电路故障诊断方法包括以下步骤：

S1：将模拟电路中元件数量记为C，根据需要设置T个测点，对C个元件进行经T个测点实现故障诊断的模糊组分析，将得到的模糊组数量记为M；

S2：根据模拟电路的实际情况设置F个测试频率，在每个测试频率下对于每个元件在每个测点分别进行N次蒙特卡洛仿真，每次仿真得到一组圆模型参数c＝1,2,…,C，n＝1,2,…,N，f＝1,2,…,F，t＝1,2,…,T，构成每个元件的N个特征向量其中每次仿真中采用以下方法获取对应的圆模型参数：

S2.1：根据本次仿真的测试频率设置输入电压的频率，将输入电压作为激励源对模拟电路进行无故障仿真，得到当前测点的无故障电压

S2.2：将元件c以外元件的参数值设置为容差范围内的值，将元件c的参数值设置为p_c1和p_c2分别进行仿真，得到当前测点的故障电压，分别记为计算得到元件c单独作用的输出电压

S2.3：如果则令圆模型参数w＝1、v＝-K、r＝0，否则求解如下方程组得到圆模型参数w、v、r：

S3：构建神经网络，其中输入层神经元数量为3FT，输出层神经元数量为M；

S4：将步骤S2得到的每个特征向量作为神经网络的输入，元件c所属的模糊组序号m作为期望输出，m＝1,2,…,M，对步骤S3构建的神经网络进行训练；

S5：模拟电路发生故障时，在模拟电路性能退化过程中，将每个测试频率的输入电压分两次输入模拟电路，测量得到各个测点下的两个故障电压结合无故障电压计算得到故障元件单独作用的输出电压采用步骤S2.3中的方法计算得到模拟电路故障时的圆模型参数；记第f个测试频率下测点t所得到的圆参数中圆心为半径为构成测试特征向量将测试特征向量X^*输入至步骤S4训练好的神经网络中，其分类结果即为故障诊断结果。