摘要：在運(yùn)用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行混合電路故障診斷的過程中，測(cè)試參數(shù)的選取至關(guān)重要。研究了一種基于電流測(cè)試的故障診斷。該方法即通過PSPICE模擬電路的靜態(tài)及動(dòng)態(tài)電流信息，再通過小波神經(jīng)網(wǎng)絡(luò)的結(jié)合，證明了該方法在混合電路故障診斷中的可行性，為提高混合電路的故障診斷率提供了一種新的方法。

　　關(guān)鍵詞：小波神經(jīng)網(wǎng)絡(luò)；混合電路；電流測(cè)試；故障診斷

　　0 引言

　　隨著電子技術(shù)的飛速發(fā)展和制造工藝的不斷提高，使得電路的復(fù)雜程度不斷增加，芯片尺寸日益減小，使得系統(tǒng)級(jí)芯片上集成了越來越多的混合信號(hào)電路，而不再是單單的數(shù)字電路或者模擬電路。由于數(shù)模兩種電路的測(cè)試方法不同，傳統(tǒng)的測(cè)試已經(jīng)不能滿足發(fā)展的需求，這給儀器設(shè)備的設(shè)計(jì)者、使用者、維護(hù)者帶來了前所未有的挑戰(zhàn)，也使得數(shù)／?；旌闲盘?hào)電路的檢測(cè)日益受到業(yè)內(nèi)人士的高度重視。本文提出的基于電流測(cè)試的混合電路故障診斷正是在這樣的背景下提出的。

　　1 電流測(cè)試的理論知識(shí)

　　電流測(cè)試就是指通過測(cè)量電源電流并從中有效提取電路的故障信息，最終實(shí)現(xiàn)對(duì)電路故障的檢測(cè)與定位。包括靜態(tài)電流測(cè)試技術(shù)IDDQ和動(dòng)態(tài)電流測(cè)試技術(shù)IDDT。

　　電路正常工作時(shí)，靜態(tài)電流非常小，但是存在缺陷的電路靜態(tài)電流非常大，所以當(dāng)檢測(cè)到電路中的靜態(tài)電流出現(xiàn)異常，即可判定電路出現(xiàn)了故障。這也正是IDDQ測(cè)試的原理。但是，CMOS電路中某些故障，如開路故障等，并不引起靜態(tài)電流的異常。因此，有必要在此引進(jìn)動(dòng)態(tài)電流測(cè)試。本文也正是基于此考慮了靜態(tài)電流和動(dòng)態(tài)電流測(cè)試的結(jié)合，而并非單純的靜態(tài)電流測(cè)試。IDDT是一個(gè)短暫導(dǎo)通的電流，即CMOS電路狀態(tài)轉(zhuǎn)換過程中，PMOS晶體管和NMOS晶體管同時(shí)導(dǎo)通，使得在電源與地之間形成了一個(gè)導(dǎo)通電路，如圖1所示。由于IDDT是電路在動(dòng)態(tài)轉(zhuǎn)換過程中電流的變化情況，因此IDDQ的大小并不影響它的結(jié)果。所以，這也避免了深亞微米電路不斷增長的靜態(tài)漏電流對(duì)測(cè)試的影響。本文正是研究兩者的結(jié)合在混合電路故障診斷中的重要意義。

　　2 小波神經(jīng)網(wǎng)絡(luò)對(duì)混合電路故障診斷

　　小波神經(jīng)網(wǎng)絡(luò)（Wavelet Neural Network）是小波分析理論與人工神經(jīng)網(wǎng)絡(luò)ANN理論相結(jié)合。目前，二者的結(jié)合有如下兩種途徑：

　?。?）松散型結(jié)合。即小波分析作為神經(jīng)網(wǎng)絡(luò)的前置處理手段，為神經(jīng)網(wǎng)絡(luò)提供輸入特征向量。

　?。?）緊致型結(jié)合。小波和神經(jīng)網(wǎng)絡(luò)直接融合，即小波函數(shù)和尺度函數(shù)形成神經(jīng)元。

　　本文采用松散型的小波與神經(jīng)網(wǎng)絡(luò)的結(jié)合。先通過PSPICE進(jìn)行正常電路與故障電路建模仿真，提取靜態(tài)電流IDDQ和動(dòng)態(tài)電流IDDT參數(shù)，并在Matlab中運(yùn)用小波分析對(duì)所得到的電流進(jìn)行特征提取，并結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行具體分析。步驟如下：

　?。?）參數(shù)的提取。在PSPICE中提取正常電路及具有橋接故障、開路故障等多種故障電路的電流信息。

　?。?）小波分析。對(duì)（1）中得到的電流信息在Matlab中進(jìn)行小波分解，提取小波系數(shù)，并進(jìn)一步計(jì)算RMS。

　　（3）故障定位。將小波分析與BP神經(jīng)網(wǎng)絡(luò)結(jié)合，分析判斷其定位效果，具體步驟如圖2所示。