新聞中心

EEPW首頁(yè) > 電源與新能源 > 設(shè)計(jì)應(yīng)用 > 基于電流測(cè)試的混合電路故障診斷

基于電流測(cè)試的混合電路故障診斷

作者: 時(shí)間:2012-08-07 來(lái)源:網(wǎng)絡(luò) 收藏

摘要:在運(yùn)用小波神經(jīng)網(wǎng)絡(luò)進(jìn)行的過(guò)程中,參數(shù)的選取至關(guān)重要。研究了一種。該方法即通過(guò)PSPICE模擬的靜態(tài)及動(dòng)態(tài)信息,再通過(guò)小波神經(jīng)網(wǎng)絡(luò)的結(jié)合,證明了該方法在中的可行性,為提高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;;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(lái)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(lái)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(guò)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(kāi)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(guò)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(guò)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(zhǎng)的靜態(tài)漏電流對(duì)測(cè)試的影響。本文正是研究?jī)烧叩慕Y(jié)合在混合電路故障診斷中的重要意義。

本文引用地址:http://butianyuan.cn/article/176518.htm

b.JPG



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:
(1)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。
(2)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(guò)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:
(1)參數(shù)的提取。在PSPICE中提取正常電路及具有橋接故障、開(kāi)路故障等多種故障電路的電流信息。
(2)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。

c.JPG



3 混合電路故障診斷實(shí)例
在PSPICE中用以7404與共集電極放大電路組成的混合電路進(jìn)行故障模型的研究,其電路模型如圖3所示。通過(guò)靈敏度分析可知R1,R2,R5,C1對(duì)于電路的影響較大。在電路中設(shè)置4個(gè)橋接故障、4個(gè)開(kāi)路故障,如表1所示。雖然生產(chǎn)過(guò)程中導(dǎo)致電路缺陷各式各樣,但根據(jù)各種缺陷的失效機(jī)理,可以采用各種各樣的故障模型來(lái)等效。本文對(duì)于橋接故障,采用在橋接點(diǎn)之間連接一個(gè)電阻建立故障模型,阻值分別取10 Ω,1 kΩ和1 MΩ來(lái)對(duì)應(yīng)相對(duì)小、近似相等、相對(duì)大。而對(duì)于開(kāi)路故障,采用在開(kāi)路點(diǎn)接入10 MΩ點(diǎn)電阻來(lái)建立故障模型。

d.JPG

e.JPG


3.1 IDDQ在混合電路故障檢測(cè)中的應(yīng)用
在PSPICE中對(duì)各個(gè)故障模型進(jìn)行仿真,可以很容易得出靜態(tài)電流值。IDDQ對(duì)于混合電路的橋接故障可以很明顯地看出漏電流的區(qū)別,但是它卻檢測(cè)不出開(kāi)路故障。
3.2 IDDT在混合電路故障檢測(cè)中的應(yīng)用
對(duì)于在PSPICE中得到的正常電路及開(kāi)路故障動(dòng)態(tài)電流信息,在Matlab中進(jìn)行5層小波變換,得出小波系數(shù)。再通過(guò)均方根誤差來(lái)體現(xiàn)它們之間的差別。均方根誤差用式(1)來(lái)定義:
f.JPG
式中:Fi為開(kāi)路故障的小波系數(shù);Gi為正常電路的小波系數(shù);N為小波系數(shù)的個(gè)數(shù)。通過(guò)式(1)得出RMS的值,見(jiàn)表2。

g.JPG


所以,通過(guò)前面兩節(jié)的分析可以看出,靜態(tài)電流測(cè)試和動(dòng)態(tài)電流測(cè)試的結(jié)合可以明顯地提高混合電路的故障覆蓋率,為今后進(jìn)行混合電路故障診斷起到了一定的指導(dǎo)意義。
3.3 小波特征提取與BP神經(jīng)網(wǎng)絡(luò)的結(jié)合
(1)能量特征的提取。電路的電流信息進(jìn)行5層小波分解,得到高頻小波分解系數(shù)及低頻小波分解系數(shù)向量(d5,…,d1,a5)。其中,高頻系數(shù)的提取在Matlab中用detcoef函數(shù),而低頻系數(shù)提取足采用appcoef函數(shù)。再把各系數(shù)向量組合成能量特征向量:
F=(Ed5…Ed1,Ea5)
(2)確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)。BP神經(jīng)網(wǎng)絡(luò)輸入神經(jīng)元個(gè)數(shù)由測(cè)試節(jié)點(diǎn)決定;隱層個(gè)數(shù)可通過(guò)“試湊法”和式(2)粗略地估計(jì)。
h.JPG
式中:m,n和l分別為隱層節(jié)點(diǎn)數(shù)、輸入節(jié)點(diǎn)數(shù)、輸出節(jié)點(diǎn)數(shù);a為1~10之間不確定的數(shù)。
經(jīng)過(guò)反復(fù)試驗(yàn),本文的BP神經(jīng)網(wǎng)絡(luò)結(jié)果為6-7-4。
(3)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)。電路仿真時(shí)進(jìn)行20次Monte Carlo分析產(chǎn)生20個(gè)樣本,其中10個(gè)為訓(xùn)練樣本.另外10個(gè)測(cè)試樣本。本文總共要進(jìn)行4組訓(xùn)練。網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖4所示。從圖中可以知道,網(wǎng)絡(luò)經(jīng)過(guò)4432步訓(xùn)練達(dá)到了目標(biāo)誤差。

i.JPG


(4)對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行測(cè)試,以檢驗(yàn)已訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)。結(jié)果如表3所示,本文的小波神經(jīng)網(wǎng)絡(luò)檢測(cè)率達(dá)到了95%。

j.JPG



4 結(jié)論及展望
傳統(tǒng)的故障診斷方法如故障字典、基于靈敏度的分析法、子網(wǎng)絡(luò)撕裂法等能解決一些測(cè)試和診斷。但是,隨著混合信號(hào)電路的廣泛應(yīng)用,高可靠性對(duì)故障診斷提出了更高的要求。通過(guò)本課題,首先知道了靜態(tài)電流測(cè)試和動(dòng)態(tài)電流測(cè)試相結(jié)合,可以明顯提高混合電路的故障覆蓋率;其次,小波神經(jīng)網(wǎng)絡(luò)的結(jié)合對(duì)于故障的定位明顯優(yōu)于單一神經(jīng)網(wǎng)絡(luò)的方法。從最新的文獻(xiàn)資料中,也可以清晰地知道將兩種或多種故障診斷方法相結(jié)合已經(jīng)成為了混合電路故障診斷的一個(gè)發(fā)展趨勢(shì)。
雖然本課題提高了混合電路的故障診斷率,但是測(cè)試向量的生產(chǎn)、混合電路的統(tǒng)一建模、測(cè)試響應(yīng)的統(tǒng)一分析等對(duì)于混合電路故障診斷仍是一個(gè)嚴(yán)峻的挑戰(zhàn)。

DIY機(jī)械鍵盤相關(guān)社區(qū):機(jī)械鍵盤DIY


基爾霍夫電流相關(guān)文章:基爾霍夫電流定律




評(píng)論


相關(guān)推薦

技術(shù)專區(qū)

關(guān)閉