淺談模擬電路故障原因與診斷方法

論文摘要　隨著電路系統集成度的不斷增大，模擬電路中的故障成本占據集成電路總診斷成本的絕大部分，因此加強模擬電路故障診斷與排除的研究十分重要。首先分析模擬電話故障的類型與原因，隨后詳細介紹幾種故障的診斷方法。
　　
　　
　　
　　一、模擬電路故障
　　
　　電路(系統)誕失規定功能稱為故障，在模擬電路中的故障類型及原因如下：從故障性質來分有早期故障、偶然故障和損耗故障。早期故障是由設計、制造的缺陷等原因造成的、在使用初期發生的故障，早期故障率較高并隨時間而迅速下降。統計表明，數字電路的早期故障率為3～10％，模擬電路的早期故障率為1～5％，晶體管的早期故障率為0.75～2％，二極管的早期故障率為0.2～1％，電容器的早期故障率為0.1～1％。
　　偶然故障是由偶然因素造成的、在有效使用期內發生的故障，偶然故障率較低且為常數。損耗故障是由老化、磨損、損耗、疲勞等原因造成的、在使用后期發生的故障，損耗故障率較大且隨時間迅速上升。從故障發生的過程來分有軟故障、硬故障和間歇故障。軟故障又稱漸變故障，它是由元件參量隨時間和環境條件的影響緩慢變化而超出容差造成的、通過事前測試或監控可以預測的故障。硬故障又稱突變故障。它是由于元件的參量突然出現很大偏差(如開路、短路)造成的、通過事前測試或監控不能預測到的故障。根據實驗經驗統計，硬故障約占故障率的80％，繼續研究仍有實用價值。間歇故障是由老化、容差不足、接觸不良等原因造成的、僅在某些特定情況下才表現出來的故障。從同時故障數及故障間的相互關系來分有單故障、多故障、獨立故障和從屬故障。單故障指在某一時刻故障僅涉及一個參量或一個元件，常見于運行中的設備。多故障指與幾個參量或元件有關的故障，常見于剛出廠的設備。獨立故障是指不是由另一個元件故障而引起的故障。從屬故障是指由另一個元件故障引起的故障。
　　
　　二、測前橫擬法SBT
　　
　　測前模擬法又稱故障字典法FD(Fault Dictionary)或故障模擬法，其理論基礎是模式識別原理，基本步驟是在電路測試之前，用計算機模擬電路在各種故障條件下的狀態，建立故障字典；電路測試以后，根據測量信號和某種判決準則查字典。從而確定故障。選擇測試測量點是故障字典法中最重要的部分。為了在滿足隔離要求的條件下使測試點盡可能少，必須選擇具有高分辨率的測試點。在大多數情況F，字典法采用查表的形式，表中元素為d…i=l，2，…，n，j=1，2，…，m，n是假設故障的數目，m是測量特性數。
　　故障字典法的優點是一次性計算，所需測試點少，幾乎無需測后計算，因此使用靈活，特別適用于在線診斷，如在機艙、船艙使用。此法缺點是故障經驗有限，存儲容量大，大規模測試困難，目前主要用于單故障與硬故障的診斷。
　　故障字典法按建立字典所依據的特性又可分為直流法、頻域法和時域法。
　　(一)直流故障字典法。直流故障字典法是利用電路的直流響應作為故障特征、建立故障字典的方法，其優點是對硬故障的診斷簡單有效，相對比較成熟。
　　(二)頻域法。頻域法是以電路的頻域響應作為故障特征、建立故障字典的方法，其優點是理論分析比較成熟，同時硬件要求比較簡單，主要是正弦信號發生器、電壓表和頻譜分析儀。
　　(三)時域法。時域法是利用電路的時域響應作為故障特征而建立故障字典的方法。主要有偽噪聲信號法和測試信號設計法(輔助信號法)。當故障字典建立后，就可根據電路實測結果與故障字典中存儲的數據比較識別故障。[

　
　　三、測后模擬法SAT
　　
　　測后模擬法又稱為故障分析法或元件模擬法，是近年來雖活躍的研究領域，其特點是在電路測試后，根據測量信息對電路模擬，從而進行故障診斷。根據同時可診斷的故障是否受限，SAT又分為任意故障診斷(或參數識別技術)及多故障診斷(或故障證實技術)。
　　(一)任意故障診斷。此法的原理是利用網絡響應與元件參數的關系，根據響應的測量值去識別(或求解)網絡元件的數值，再根據該值是否在容差范圍之內來判定元件是否故障。所以此法稱為參數識別技術或元件值的可解性問題，理論上這種方法能查出所有元件的故障，故又稱為任意故障診斷。診斷中為了獲取充分的測試信息，需要大量地測試數據。
　　(二)多故障診斷。經驗證明，在實際應用中(高可靠電路)，任意故障的可能性很小，單故障概率最高，如果考慮一個故障出現可能導致另一相關故障，假定兩個或幾個元件同時發生的多故障也是合理的。另外對于模擬LSI(Large Scale Integration，大規模集成電路)電路加工中的微調，也是以有限參數調整為對象的。因此在1979年以后，SAT法的研究主要朝著更實用化的多故障診斷方向發展。即假定發生故障的元件是少數幾個，通過有限的測量和計算確定故障。因該法是先假定故障范圍再進行驗證，所以又稱為故障證實技術。
　　
　　四、其他方法
　　
　　(一)近似技術。近似技術著重研究在測量數有限的情況下，根據一定的判別準則，識別出最可能的故障元件，其中包括概率統計法和優化法。此法原理與故障字典法十分類似，屬于測前模擬的一類。采用最小平方準則的聯合判別法和迭代法，采用加權平方準則的L2近似法，采用范數最小準則的準逆法等。這些方法都屬于測后模擬，由于在線計算量大，運用不多。
　　(二)模糊診斷。對于復雜電路，由于元件容差、電路噪聲以及元件參量與特性之間的非線性，用傳統的電路理論難以獲得精確解和唯一解，出現了模糊現象，而這種模糊現象與隨機現象不同，不便于用統計分析方法來解決。另外，對于故障診斷來說。往往不要求精確解，只要滿足故障隔離要求即可，于是提出把復雜電路看作模糊系統，用模糊信息處理的方法進行故障診斷。模糊診斷的原理是模糊模式識別。測前，利用隸屬度函數按照不同的準則構成判別函數；測后，再利用判別函數判別所測得的特性向量對各種故障狀態的隸屬度程度。為了提高診斷效率，模糊識別應該具有自學習和修正功能，最簡單的方法是根據實際診斷的結果，以適當的方式、自動地修正隸屬度函數或判別函數，以便不斷自我完善。
　　(三)人工智能技術。近年來，隨著人工智能的發展，診斷自動化、智能化的要求逐漸變為現實。其中基于知識的專家系統(簡稱專家系統)的研究起步最早，目前在診斷中已有成功的應用。模糊理論由于具有處理不確定信息的能力，因此通常和專家系統結合，作為前處理和后處理。神經網絡技術在診斷中的應用起步較晚，但由于其強大的并行計算能力和自學習功能及聯想能力，很適合作故障分類和模式識別，因此在診斷中很受歡迎