摘 要：隨著電子技術的快速發(fā)展，電子系統(tǒng)和儀器儀表的結構隨之也變得復雜了，同時這樣在設備運行時也會頻繁發(fā)生故障.故障診斷則成了維持整個電路的安全運行保障。文章主要介紹了現(xiàn)代模擬電路故障診斷中遇到的困難及診斷方法。

關鍵詞：現(xiàn)代模擬電路；故障診斷；方法探討

模擬電路故障，就是在模擬電路運行過程中，因為電路中器件某個參數(shù)發(fā)生變化致使電路無法正常運行。模擬故障主要分為兩類：硬故障和軟故障。硬故障是在電路運行中出現(xiàn)的開路或短路等狀態(tài)。軟故障就是指電路的某個器件的參數(shù)發(fā)生變化致使電路運行不正常的故障。

1 模擬電路故障診斷中遇到的困難有哪些

⑴模擬電路出現(xiàn)的故障情況不盡相同，而且其本身參數(shù)（輸入激勵與輸出響應及網(wǎng)絡中各元件的參數(shù)等）是連續(xù)量，造成故障模型比較繁瑣，難以量化。⑵因為參數(shù)誤差、非線性、或環(huán)境造成的干擾等多項因素，使得電路工作特性發(fā)生偏移，導致輸入與輸出關系復雜，從而使得一些故障診斷方法失去了其準確性。⑶非線性問題在模擬電路中廣泛的存在，伴隨著電路規(guī)模的線性增大，使得計算量大大增加；現(xiàn)在在電路中存在著大量的反饋回路，而這也同樣增加了計算量，也是測試變得復雜了許多。⑷現(xiàn)在的電路元器件多是被封裝的，這樣就造成可測電壓的可及節(jié)點數(shù)會很少，從而使可用作故障診斷的信息量減少，致使故障定位中的不準確程度提高，使得判斷錯誤，造成嚴重后果。上述這些困難如果只用傳統(tǒng)的數(shù)學方法描述將會很難達到診斷效果。因為人工智能技術可以很好地模擬人類處理問題的過程，并且具有學習能力，還可以積累經(jīng)驗，所以這門技術在現(xiàn)代模擬電路診斷中得到了廣泛的應用。下面將介紹以人工智能技術為基礎的一些診斷方法。

2 現(xiàn)代模擬電路故障診斷的方法

2.1 專家系統(tǒng)故障診斷方法

專家系統(tǒng)，就是指一個內部具有很多專家水平的某個領域的知識和經(jīng)驗的智能計算機程序系統(tǒng)。專家系統(tǒng)可以依據(jù)某個領域中人類專家提供的知識和經(jīng)驗進行推理、演算、判斷來模擬人類專家處理問題的過程，從而解決某些需要專家決定的復雜問題。通過觀察到的數(shù)據(jù)來判斷出現(xiàn)故障的原因就是診斷專家系統(tǒng)的任務。其基本的工作原理是：先把專家知識機器診斷經(jīng)驗用規(guī)則表示出來，形成故障診斷專家系統(tǒng)的知識庫，再根據(jù)報警信息對知識庫進行推理，診斷出故障元件。

在模擬電路故障診斷中主要是應用基于產(chǎn)生式規(guī)則的專家系統(tǒng)，其得到廣泛應用的原因主要是由故障診斷和基于產(chǎn)生式規(guī)則的專家系統(tǒng)的特點所決定的。使用這種診斷方法的特點是：可以將故障與征兆之間的關系易于用直觀的，模塊化的規(guī)則表示出來，并且這種專家系統(tǒng)允許增加、刪除或修改一些規(guī)則，來確保診斷系統(tǒng)的實時性和有效性，還可以在一定程度上解決不確定性的問題和給出符合人類語言習慣的結論并具有相應的解釋能力等。

盡管專家系統(tǒng)能有效的模擬故障診斷專家并完成故障診斷的過程，不過在實際應用過程中仍存在一些缺陷，主要是知識獲取的瓶頸問題以及你能有效解決故障診斷中許多不確定因素，這些問題就影響了故障診斷的準確性。除此之外，專家系統(tǒng)在自適應能力、學習能力和實時性方面也存在著不同程度的局限。其解決方案是將其與具有信息處理特點的神經(jīng)網(wǎng)絡和適合人類認識特征模糊理論相結合。

2.2 神經(jīng)網(wǎng)絡故障診斷方法

人工神經(jīng)網(wǎng)絡（ANN）是模擬人腦組織結構和人類認知過程的信息處理系統(tǒng)，具有并行分布處理、自適應、聯(lián)想記憶等優(yōu)點。ANN技術解決故障診斷問題的主要步驟為：根據(jù)診斷問題組織學習樣本，根據(jù)問題和樣本構造神經(jīng)網(wǎng)絡，選擇合適的學習算法和參數(shù)。利用ANN的學習、聯(lián)想記憶、分布式并行信息處理功能，可以解決診斷系統(tǒng)中不確定知識表示、獲取、和并行推理等問題。在上一方法中提到神經(jīng)網(wǎng)絡可以彌補專家系統(tǒng)的一部分缺陷，但是ANN技術仍有不足之處。由于其自身不夠完備，學習速度慢、訓練時間長等原因，影響了它的實用化。為了可以將其更好的應用在模擬電路故障診斷中，許多學者把ANN與遺傳算法、專家系統(tǒng)及故障字典法等相結合，較好地解決了智能中小規(guī)模模擬電路故障診斷難題。若是想解決大規(guī)模的模擬電路故障診斷問題，還需學者們進行深一步的研究。

2.3 模糊故障診斷方法

模糊故障診斷方法是依據(jù)專家經(jīng)驗在故障征兆空間與故障原因空間建立模糊關系矩陣，再講個條模糊推理規(guī)則產(chǎn)生的模糊關系矩陣進行組合，根據(jù)一定的判斷閾值來識別故障元件。其優(yōu)點是：模糊理論可適應不確定性的問題；模糊知識庫使用語言變量來表述專家的經(jīng)驗，更接近人的表達習慣；模糊理論能夠得到問題的多個可能的解決方案，并根據(jù)這些方案模糊度的高低進行優(yōu)先程度排序等。由于隸屬度的獲取，復雜系統(tǒng)模糊模型的建立、辨識，語言規(guī)則的獲取、遺忘、修改等理論和方法還不夠完善，所以這種方法的應用就受到了很大的限制。若是將其與專家系統(tǒng)、ANN等相結合，則可有效地解決這些困難。除了上述這些診斷方法外，還有小波變換故障診斷方法、多傳感器信息融合故障診斷方法、基于Agent技術的故障診斷方法等。

人工智能技術在今后的工程中具有廣泛的應用前景，這種技術的應用將會使得模擬電路故障診斷的方法得到進一步發(fā)展，是診斷方法更加趨于完善，使其適用性更加廣泛，為實現(xiàn)復雜大規(guī)模模擬電路的故障診斷提供更有效且更實用的方法，其將會成為今后模擬電路故障診斷的主發(fā)展方向。

[參考文獻]

[1]張少剛，齊世平，等.現(xiàn)代模擬電路故障診斷新方法[J].信息與電子工程.2006，4（6）：476-480.

[2]辛秀華，楊宣訪，卜樂平.現(xiàn)代模擬電路故障診斷方法發(fā)展綜述[J].航空計算技術.2004，34（4）：131-135.

[3]張志遠.模擬電路故障的診斷及測試技術[J].消費電子.2013（10）：29.