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、激勵信號類型及所測量的響應(yīng)等進行分類。

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、無源電路故障診斷法、確定法、概率法、工作信號法、仿真信號法、單測試信號法、多測試信號法、單頻信號法、多頻信號法、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，是以模擬仿真和實際測試的時間先后來劃分的方法。如果是在實際的診斷測試之后才進行模擬仿真的，則稱該方法為測后模擬診斷；若對電路的仿真是在現(xiàn)場測試之前實施的，則稱為測前模擬診斷。但是，還有兩種方法介于兩者之間，既不屬于測前模擬，也不屬于測后模擬，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圖1-1。

在眾多的測前模擬診斷方法中，最重要的是概率法及故障字典法。

目前，在眾多的方法中，故障字典法是實用價值較高的診斷方法之一。該方法主要包括故障特征提取、故障字典建立和實際診斷三個步驟：首先，對處于各種故障狀態(tài)的電路提取特征；之后，建立故障和特征對應(yīng)的故障字典；實際診斷時，根據(jù)實際測得的特征查字典來確定故障。它包括直流故障字典法、時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，該方法主要針對硬、單故障進行診斷，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)計學(xué)原理進行診斷，依據(jù)測得的電路特征參數(shù)的分布計算某個元件出現(xiàn)故障的概率，進而確定最可能發(fā)生故障的元件。此方法的不足是需要的測試數(shù)據(jù)量大，且主要用在小偏差單軟故障診斷。

測后模擬診斷的典型方法有元件參數(shù)辨識法、故障驗證法和優(yōu)化法。

元件參數(shù)辨識法，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)點的足夠量的獨立測量數(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)值進行比較，根據(jù)是否超出容差范圍來判別出故障元件。元件參數(shù)辨識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)在測試后完成，所以此法的實時性差。即使對非線性方程進行線性化處理，由于中間變量和方程個數(shù)都有增加，計算量仍然較大。

故障驗證法，著眼于網(wǎng)絡(luò)的部分元件，診斷基于較少的信息進行，適應(yīng)了可及節(jié)點越來越少的情況，因此有較好的應(yīng)用前景而備受關(guān)注，取得了很多成果。故障驗證法分兩步進行：首先，對電路中故障的位置進行猜測；然后，用所測數(shù)據(jù)對猜測進行驗證。由于單故障及其組合故障數(shù)目很大，所以猜測的次數(shù)必然很多，導(dǎo)致計算量也很大。因此，猜測次數(shù)和計算量較少成為研究焦點。故障驗證法的典型方法有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)點撕裂法、功能分解法、級聯(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)量的獨立測試矢量，可及節(jié)點數(shù)至少大于故障數(shù)，而且應(yīng)該獨立。

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

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

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

專家系統(tǒng)方法大致分成兩個步驟：一是，專家系統(tǒng)知識庫的建立；二是，實際故障的診斷。即，先將專家的故障診斷知識和經(jīng)驗用規(guī)則描述，構(gòu)成知識庫；診斷時，根據(jù)此知識庫對實際測得的數(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；缺點是知識獲取和維護困難，學(xué)習(xí)及自適應(yīng)能力皆弱，且存在知識的組合爆炸和無窮遞歸等問題。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選定類型的神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)為推理單元，用以診斷出待測電路故障元件。