1.4.1 國外電路故障診斷的研究狀況

如前所述，數(shù)字電路診斷發(fā)展很快且相對成熟，而模擬電路的故障診斷復(fù)雜又不完善，在一定程度上影響了集成電路和電子產(chǎn)品的水平，因此它成為近幾年故障診斷的研究熱點。所以，下面主要介紹模擬電路故障診斷的發(fā)展現(xiàn)狀。

嚴格地說，所有的元件都是非線性的，模擬電路較為準確的數(shù)學模型也都是非線性的。只是非線性有強弱之分，當非線性弱到用線性近似不影響本質(zhì)時則可用線性來近似。可以說，線性是非線性的特例，是非線性的近似和簡化。因此，在介紹電路故障診斷現(xiàn)狀后，會重點介紹非線性模擬電路故障診斷的研究情況。

模擬電路故障診斷的發(fā)展進程可以從不同角度總結(jié)，下面僅從時間進程和研究思路兩個角度來介紹。從時間進程來看，其研究始于1962年，R.S. Berkowitz發(fā)表文獻研究了無源線性集總參數(shù)電路，給出了可解性的必要條件，這一時期還提出了如故障字典法和參數(shù)辨識法等多種方法。1979年IEEE Transactions on Circuits and Systems出版了模擬電路故障診斷特刊，掀起了第一波故障診斷研究的高潮，較重要的成果是學者們給出了網(wǎng)絡(luò)可解性的充分條件。20世紀80年代初，多故障診斷研究成為主流，出現(xiàn)了故障驗證診斷方法，其典型代表是K故障診斷法和失效元件定界法。此間，大規(guī)模電路的診斷問題也受到重視，節(jié)點撕裂法為大規(guī)模電路診斷提供了成功的解決方案。20世紀90年代至今，又一波研究高潮到來，靈敏度分析、頻域分析、小波變換和神經(jīng)網(wǎng)絡(luò)等人工智能理論的應(yīng)用，為故障診斷增添了新的活力。因此，也有人把模擬電路故障診斷方法分為經(jīng)典方法和智能方法兩大類。

從故障診斷的研究思路和方法來看，由于最初沿襲了網(wǎng)絡(luò)分析的思想，所以模擬電路故障診斷的研究從可解性開始，試圖通過計算求得電路的所有參數(shù)，進而確定故障元件。但是，這種方法不重視研究故障的特征，需要較多的可及節(jié)點，而且計算量大，因此實用性不強。后來，面對實用化、多故障及大規(guī)模電路的困擾，研究人員越來越重視去分析故障特征，研究思路從注重整個網(wǎng)絡(luò)的可解性轉(zhuǎn)變?yōu)樽⒅鼐植亢凸收显Ｒ环矫妫瑢τ诙喙收蠈⒃\斷分解為兩步完成：先定位故障，再故障元件求值。這樣弱化了可解性的限制，也減少了診斷所需要的可及節(jié)點數(shù)，而且實用性有所提高。另一方面，對于大規(guī)模電路采取化大為小的辦法，在可及節(jié)點處將電路撕裂，再判定診斷子電路，此方法實用性有所增強。但需要指出的是，直至20世紀80年代末，故障診斷的對象主要是不考慮容差的線性網(wǎng)絡(luò)，而實際電路中普遍存在容差，這嚴重地影響了診斷方法的實用性。Zou R.和Jiang B.L.等對容差進行了研究，分別論述了存在容差定位界和不存在定位界的診斷方法。

模擬電路測試理論和方法一直是國際電路測試研究領(lǐng)域的熱點。在眾多故障診斷方法中，目前國際上較為盛行的是人工智能故障診斷方法。由于人工智能故障診斷方法通常也適用于非線性電路，故放在非線性模擬電路部分介紹。

非線性模擬電路的故障診斷研究比線性模擬電路起步晚約20年，20世紀80年代才開始系統(tǒng)地進行研究。很多線性模擬電路的診斷方法在非線性模擬電路上并不適用，如元件模擬法。故障字典法可用于非線性電路，但存在字典容量、容差及易受噪聲影響等不足，只適用于單故障和硬故障的診斷。雖然過去的研究在故障診斷理論和方法上取得了很多成果，但還沒進入實用化階段，容差和非線性等因素使得非線性模擬電路診斷特別困難、極具挑戰(zhàn)性。因此，國際上非線性模擬電路的故障診斷研究進行得如火如荼。

與線性模擬電路研究相似，非線性模擬電路的故障診斷研究之初也從分析計算入手，首先對可診斷性開展研究。有的文獻研究中對非線性元件有所限制，要求必須能由小信號模型描述。還有的文獻對非線性直流和動態(tài)電路進行了研究，在時域內(nèi)討論了非線性電路的可診斷性，并給出了局部可診斷的充分條件。該成果具有重要意義，只是解非線性方程比較麻煩。針對非線性電路的單故障的診斷，M. Worsman等提出了大偏差靈敏度分析的診斷方法。Van Den Eijnde E.提出了非線性模擬電路的節(jié)點故障診斷法，但該方法要求有較多的可及節(jié)點，不適合可及節(jié)點較少的非線性模擬電路。對參數(shù)容差的情況，He Y.等采用L1-范數(shù)最優(yōu)化技術(shù)進行研究。針對大規(guī)模模擬電路的故障診斷，Sheldon等提出了精確符號分析方法，用符號表示取代表達式，采用新的層級DDD圖分析電路。

人工智能理論的不斷應(yīng)用給模擬電路的故障診斷開辟了新途徑，非線性泛函理論的應(yīng)用使非線性模擬電路的故障診斷效率不斷提高，也加速了其實用化進程。智能故障診斷方法將絕大多數(shù)的故障診斷問題轉(zhuǎn)化為模式識別問題，因此在進行診斷研究時，通常要重點考慮三個問題——以什么特征診斷？怎樣獲取和處理特征?如何根據(jù)特征進行診斷?在已取得的成果中學者們各有側(cè)重。

在特征選擇方面，可以選擇時域或頻域、直流或交流、瞬態(tài)和穩(wěn)態(tài)等多種特征。M. Negreiros于2003年提出了頻譜分析的測試方法。該方法的電路頻響特性曲線的獲得，需要適當?shù)募钚盘枴an Den Eijnde E.提出非線性系統(tǒng)的穩(wěn)態(tài)輸出的沃爾泰拉（Volterra）級數(shù)描述法，估計了強非線性電路的參數(shù)，但僅進行了系統(tǒng)辨識，未對非線性電路的故障診斷進行進一步研究。S. Halgas和M. Tadeusiewicz利用矢量概念和頻域靈敏度分析進行了診斷研究，解決了部分小信號非線性電路的軟故障和交流電路的多故障診斷問題。

在特征獲取和處理方面，S. Contu利用小波分析進行特征獲取，有效獲取了用于故障診斷的特征，但診斷效果改善不明顯。M. Aminian和F. Aminian同樣提出了用小波變換進行預(yù)處理，但增加了貝葉斯（Bayes）神經(jīng)網(wǎng)絡(luò)作為診斷手段，診斷效率較前者明顯改善，但網(wǎng)絡(luò)結(jié)構(gòu)仍需改進。M. Aminian和F. Aminian采用了小波預(yù)處理電路的時域響應(yīng)信號，來提取故障特征，并采用神經(jīng)網(wǎng)絡(luò)進行了電路故障診斷。對于較大規(guī)模的電路，他們還提出了逐級分塊的診斷方法，根據(jù)脈沖響應(yīng)特性來分辨電路，采用小波分析和神經(jīng)網(wǎng)絡(luò)進行故障診斷。其缺點是對測量的準確度要求較高，同時還要有較多的可及節(jié)點。M.A. EI-Gamal以神經(jīng)網(wǎng)絡(luò)映射進行診斷，提出了基于知識表達的故障檢測和定位方法，但是知識表達式難以獲取。A. Halder于2004年提出了同時優(yōu)化測試激勵信號和測試節(jié)點的方法，該方法對可及節(jié)點有一定的要求。Y. Maidon提出了利用神經(jīng)網(wǎng)絡(luò)和拉格朗日插值法進行故障診斷，有效地獲取了電路的故障特征。A. Fanni討論了傅里葉變換、小波變換和主元分析三種故障特征獲取技術(shù)。Y. He等提出了對采樣信號利用小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)消噪和特征提取的方法，但故障診斷效率有待提高。D. Grzechca提出了對階躍響應(yīng)的測試數(shù)據(jù)進行模糊預(yù)處理，但存在模糊成員函數(shù)難以確定的問題。在軟故障診斷方面，有的學者采用遺傳算法選擇支持向量機（SVM）參數(shù)，對負反饋放大電路的實驗表明分類精度有所提高。還有學者采用小波變換對采樣信號消噪處理并提取特征，采用自組織神經(jīng)網(wǎng)絡(luò)診斷故障。

在診斷方面，對于容差電路，K. Mohammadi利用徑向基函數(shù)（RBF）和誤差反傳（BP）神經(jīng)網(wǎng)絡(luò)實現(xiàn)了電路故障診斷。M. Catelani采用RBF網(wǎng)絡(luò)進行了軟故障診斷，成功確定了故障元件和子系統(tǒng)。M.A. EI-Gamal研究了多、硬故障的聚類算法和組合向量學習機神經(jīng)網(wǎng)絡(luò)的診斷方法。A. Torralba采用模糊神經(jīng)元作為神經(jīng)網(wǎng)絡(luò)隱層激勵函數(shù)進行了診斷，但神經(jīng)網(wǎng)絡(luò)學習過程較難。有的學者采用模糊神經(jīng)網(wǎng)絡(luò)進行了故障診斷，用聚類算法處理了測試數(shù)據(jù)。這些方法的不足之處是需要測試大量的數(shù)據(jù)，且對多、軟故障的診斷效果有待驗證。

綜上所述，非線性故障診斷研究雖然取得了不少成果，但是大多數(shù)診斷方法只能針對單、硬故障，對多、軟故障的診斷方法研究明顯不足，或多或少存在要求可及節(jié)點多、測量準確度高、計算復(fù)雜、計算量大、診斷準確性和效率低等問題。因此，針對非線性模擬電路的多、軟故障診斷等難點問題，以現(xiàn)代測量技術(shù)、信號處理、系統(tǒng)辨識及非線性泛函等理論為基礎(chǔ)，深入開展非線性模擬電路的故障診斷理論和關(guān)鍵技術(shù)研究具有重要意義。