1.3.3 模擬電路的故障診斷方法

從1962年至今，學(xué)者們從不同的視角著手研究模擬電路的故障診斷，提出了各具特色的故障診斷理論和方法。這些方法可從不同的角度進(jìn)行分類，如按故障診斷的環(huán)境、診斷的目的、模擬形式、電路性質(zhì)、所用的數(shù)學(xué)方法、激勵(lì)信號(hào)類型及所測(cè)量的響應(yīng)等進(jìn)行分類。

基于上述分類方法，有在線診斷法、離線診斷法、故障檢測(cè)法、故障定位法、故障定值法、故障模擬法、元件模擬法、線性電路故障診斷法、非線性電路故障診斷法、動(dòng)態(tài)電路故障診斷法、電阻電路故障診斷法、有源電路故障診斷法、無(wú)源電路故障診斷法、確定法、概率法、工作信號(hào)法、仿真信號(hào)法、單測(cè)試信號(hào)法、多測(cè)試信號(hào)法、單頻信號(hào)法、多頻信號(hào)法、直流法、交流法、暫態(tài)法、穩(wěn)態(tài)法、電流法和電壓法等故障診斷方法。

目前，在各種分類方法中最流行的，是以模擬仿真和實(shí)際測(cè)試的時(shí)間先后來(lái)劃分的方法。如果是在實(shí)際的診斷測(cè)試之后才進(jìn)行模擬仿真的，則稱該方法為測(cè)后模擬診斷；若對(duì)電路的仿真是在現(xiàn)場(chǎng)測(cè)試之前實(shí)施的，則稱為測(cè)前模擬診斷。但是，還有兩種方法介于兩者之間，既不屬于測(cè)前模擬，也不屬于測(cè)后模擬，它們就是人工智能法和逼近法。各種典型的模擬電路故障診斷方法見(jiàn)圖1-1。

在眾多的測(cè)前模擬診斷方法中，最重要的是概率法及故障字典法。

目前，在眾多的方法中，故障字典法是實(shí)用價(jià)值較高的診斷方法之一。該方法主要包括故障特征提取、故障字典建立和實(shí)際診斷三個(gè)步驟：首先，對(duì)處于各種故障狀態(tài)的電路提取特征；之后，建立故障和特征對(duì)應(yīng)的故障字典；實(shí)際診斷時(shí)，根據(jù)實(shí)際測(cè)得的特征查字典來(lái)確定故障。它包括直流故障字典法、時(shí)域故障字典法和頻域故障字典法。

故障字典法既適用于線性模擬電路，也適用于非線性模擬電路。但是，該方法主要針對(duì)硬、單故障進(jìn)行診斷，這主要是受到了容差、噪聲及字典容量有限的影響，而且，建立較大容量故障字典的工作量很大。

概率法用統(tǒng)計(jì)學(xué)原理進(jìn)行診斷，依據(jù)測(cè)得的電路特征參數(shù)的分布計(jì)算某個(gè)元件出現(xiàn)故障的概率，進(jìn)而確定最可能發(fā)生故障的元件。此方法的不足是需要的測(cè)試數(shù)據(jù)量大，且主要用在小偏差單軟故障診斷。

測(cè)后模擬診斷的典型方法有元件參數(shù)辨識(shí)法、故障驗(yàn)證法和優(yōu)化法。

元件參數(shù)辨識(shí)法，著眼于網(wǎng)絡(luò)及所有元件。它首先建立電路參數(shù)的方程，再帶入被診斷電路可及節(jié)點(diǎn)的足夠量的獨(dú)立測(cè)量數(shù)據(jù)，求解得到待診斷電路的所有參數(shù)，將得到的這些參數(shù)與標(biāo)準(zhǔn)參數(shù)值進(jìn)行比較，根據(jù)是否超出容差范圍來(lái)判別出故障元件。元件參數(shù)辨識(shí)法要求提供較多的診斷有用信息。它包括導(dǎo)納參數(shù)法、多頻測(cè)量法、伴隨網(wǎng)絡(luò)法、入出參數(shù)法及廣義-△變換法。通常情況下，電路網(wǎng)絡(luò)的方程大多為非線性的，而且包含的元件比較多，解方程往往比較困難。由于解方程等處理環(huán)節(jié)在測(cè)試后完成，所以此法的實(shí)時(shí)性差。即使對(duì)非線性方程進(jìn)行線性化處理，由于中間變量和方程個(gè)數(shù)都有增加，計(jì)算量仍然較大。

故障驗(yàn)證法，著眼于網(wǎng)絡(luò)的部分元件，診斷基于較少的信息進(jìn)行，適應(yīng)了可及節(jié)點(diǎn)越來(lái)越少的情況，因此有較好的應(yīng)用前景而備受關(guān)注，取得了很多成果。故障驗(yàn)證法分兩步進(jìn)行：首先，對(duì)電路中故障的位置進(jìn)行猜測(cè)；然后，用所測(cè)數(shù)據(jù)對(duì)猜測(cè)進(jìn)行驗(yàn)證。由于單故障及其組合故障數(shù)目很大，所以猜測(cè)的次數(shù)必然很多，導(dǎo)致計(jì)算量也很大。因此，猜測(cè)次數(shù)和計(jì)算量較少成為研究焦點(diǎn)。故障驗(yàn)證法的典型方法有K故障法、故障定界法、類故障診斷法及網(wǎng)絡(luò)撕裂法等。其中，K故障診斷法又包括元件定值法、支路診斷法、節(jié)點(diǎn)診斷法和割集診斷法等；網(wǎng)絡(luò)撕裂法又包括支路撕裂法、節(jié)點(diǎn)撕裂法、功能分解法、級(jí)聯(lián)分解法和劃分等效法等。為了避免出現(xiàn)誤診斷或不能診斷出情況，被測(cè)電路網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)應(yīng)滿足一定的約束條件，且應(yīng)有足夠數(shù)量的獨(dú)立測(cè)試矢量，可及節(jié)點(diǎn)數(shù)至少大于故障數(shù)，而且應(yīng)該獨(dú)立。

優(yōu)化法，顧名思義是采用各種優(yōu)化方法對(duì)最可能發(fā)生故障的元件進(jìn)行估計(jì)。其中，目標(biāo)函數(shù)的選定是關(guān)鍵。此法的缺點(diǎn)是計(jì)算量大，優(yōu)點(diǎn)是可以診斷多故障和軟故障。

逼近法，介于測(cè)前模擬診斷與測(cè)后模擬診斷之間。逼近法采用一定的估計(jì)技術(shù)，估計(jì)出最可能發(fā)生故障的元件。它是一種近似技術(shù)，一般需要較少的測(cè)量數(shù)據(jù)，此方法包含了分屬于測(cè)前和測(cè)后模擬的診斷方法，即概率法和優(yōu)化法。

人工智能法，就是以計(jì)算機(jī)模擬人類專家對(duì)待診斷系統(tǒng)進(jìn)行故障診斷，在診斷中根據(jù)各種感知信息和專家經(jīng)驗(yàn)進(jìn)行推理，且便于推廣應(yīng)用于不同的診斷對(duì)象。人工智能法既不屬于測(cè)前模擬，也不屬于測(cè)后模擬，它的故障特征的獲得和提取屬于測(cè)前模擬范疇，而故障的推理和搜索過(guò)程屬于測(cè)后模擬范疇，如神經(jīng)網(wǎng)絡(luò)方法和專家系統(tǒng)方法。

專家系統(tǒng)方法大致分成兩個(gè)步驟：一是，專家系統(tǒng)知識(shí)庫(kù)的建立；二是，實(shí)際故障的診斷。即，先將專家的故障診斷知識(shí)和經(jīng)驗(yàn)用規(guī)則描述，構(gòu)成知識(shí)庫(kù)；診斷時(shí)，根據(jù)此知識(shí)庫(kù)對(duì)實(shí)際測(cè)得的數(shù)據(jù)推理判斷，確定發(fā)生故障的元件。此法的優(yōu)點(diǎn)是效率高，并且為網(wǎng)絡(luò)理論診斷困難的電路提供了有效方法；缺點(diǎn)是知識(shí)獲取和維護(hù)困難，學(xué)習(xí)及自適應(yīng)能力皆弱，且存在知識(shí)的組合爆炸和無(wú)窮遞歸等問(wèn)題。神經(jīng)網(wǎng)絡(luò)的診斷方法則是以電路在各種故障狀態(tài)的某種特征參數(shù)為訓(xùn)練樣本，按照一定的精度要求對(duì)選定類型的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)為推理單元，用以診斷出待測(cè)電路故障元件。