面向模拟电路可测性与故障诊断的矩阵模型方法研究

作     者：黄顺梅 

作者单位：桂林电子科技大学 

学位级别：硕士

导师姓名：谈恩民

授予年度：2022年

学科分类：080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

主      题：模拟电路 故障诊断 可测度 矩阵模型 主特征值 最大奇异值 最优可测元器件集 

摘      要：随着电路规模的增大,反馈回路数量的增多,且结构高度复杂化,电路的可测性分析和故障诊断的难度大大增加。若利用传统的迭代法求解反馈问题,会导致运算量过大;而兴起的人工智能算法,受到电路元器件参数的影响,不能很好地提高模拟电路故障诊断率,且部分算法计算量过大,导致诊断时间过长。为了解决模拟电路中测试元器件的选择和故障诊断率较低的问题,本文利用电路的传递函数,对可能出现故障的元器件参数的故障诊断方程组系数进行求偏导,将求偏导后的数据建立可测性矩阵,化简可测性矩阵,找出可测性矩阵的线性相关列,得出该电路的可测度和模糊组。选取部分可测元器件,然后采用基于代数的方法,利用矩阵原理,将被测电路（Circuit Under Test,CUT）的输出电压时序构成响应矩阵。不同参数发生变化便会得到不同的响应矩阵,不同的矩阵对应的矩阵特性也有所不同,所以本文利用矩阵的主特征值和最大奇异值来反映参数变化,实现故障诊断和故障定位,从而找出各电路的一组最优可测元器件集。所研究的CUT有Sallen-Key、CTSV、TowThomas和四运放双二次电路,当CUT结构较复杂时,输出电压响应矩阵的数据量有所增大,由此便可知矩阵的阶数会影响故障诊断的效果;当电路中存在二阶规范模糊组时,该电路不完全可测。本文创新点和研究成果如下:本文研究工作的创新点一是通过改进的可测性矩阵方法来对CUT进行可测性分析。通过化简可测性矩阵求得其秩,进而得到电路的可测度、模糊组、肯定可测元器件等。创新点二是将电路可测性分析的结果与矩阵式测试优化方法相结合,作用于CUT的故障诊断过程中。选取部分可测元器件,结合矩阵原理,利用矩阵的主特征值和最大奇异值,分别对其进行曲线拟合,从而实现故障诊断和故障定位,本文方法获得较高的诊断率和较小的最大识别误差。由Sallen-Key电路的故障诊断结果可知,先对电路进行可测性分析后,选取部分可测元器件,对其元器件的主特征值和最大奇异值进行二次曲线拟合时,三阶输出电压响应矩阵情况下的诊断率仅有93%,而四阶矩阵情况下的诊断率高达99%。说明矩阵阶数的增加,会使得诊断率有较大幅度的提高,且两种情况下的最大识别误差都远小于1%。相比文献中同个CUT,本文方法的诊断率有所提高,最大识别误差都有大幅度的减小,在此方法下CTSV电路的诊断率也达到99%。说明选用矩阵的主特征值和最大奇异值可以对选定的可测元器件实现故障的精确定位,且本文方法可以在不需要训练样本的情况下,获得较高的诊断率,最后可以确定这两个电路中的一组相对最优可测元器件集。为验证本文方法的广泛适用性,对两个较为复杂的电路:Tow-Thomas电路和四运放双二次电路进行可测性分析和故障诊断,故障诊断率都在98.75%以上,其中四运放双二次电路的故障诊断率高达100%。相比文献中同种矩阵模型诊断方法,本文方法的诊断率提高了0.62个百分点,说明先对电路进行可测性分析有利于提高故障诊断率。