王榮海

(綿陽職業(yè)技術(shù)學(xué)院，四川綿陽，621000)

1 電路測試生成、特征獲取與故障診斷方法機(jī)理概述

1.1 電路測試生成

電路故障診斷功能性測試主要針對被測試系統(tǒng)生成的測試向量，從而檢驗(yàn)功能測試標(biāo)準(zhǔn)的準(zhǔn)確性。功能性測試把整個(gè)系統(tǒng)看作黑盒，并僅關(guān)注其輸入與輸出而無需了解其內(nèi)部工作機(jī)制，依據(jù)輸出端口響應(yīng)判別功能指標(biāo)和系統(tǒng)存在的障礙點(diǎn)。功能性測試不適合超級規(guī)模混成的電路系統(tǒng)，所產(chǎn)生的測試數(shù)據(jù)往往超過裝備的接收能力。

1.2 電路故障診斷特征獲取方法

電路尤其是大規(guī)模集成電路中的故障數(shù)據(jù)多為非線性并帶有很強(qiáng)的噪聲干擾。常用的特征獲取[1]方法將現(xiàn)有的特征向量與障礙數(shù)據(jù)相對應(yīng)，并將現(xiàn)有數(shù)據(jù)特征往高維域映射，并在高維域中選取最具重要的障礙數(shù)據(jù)，去除無用數(shù)據(jù)點(diǎn)。

1.2.1 主成分方法下的特征獲取策略

主成分方法是一類有效的多維信息獲取方法，即把幾個(gè)相關(guān)參量轉(zhuǎn)換為無關(guān)聯(lián)并各自獨(dú)立的主成分參量，并利用線性組合保存初始數(shù)據(jù)。主成分方法可利用降維方法削減特征維數(shù)，再根據(jù)線性關(guān)聯(lián)算法完成數(shù)據(jù)轉(zhuǎn)換，從而實(shí)現(xiàn)簡約數(shù)據(jù)各自獨(dú)立的目標(biāo)，削減障礙分類操作量，提升障礙識別幾率。

1.2.2 獨(dú)立特征獲取方法

獨(dú)立特征獲取方法即把數(shù)據(jù)和噪聲分離，數(shù)據(jù)和噪聲往往在頻率上存在交叉。而獨(dú)立特征獲取方法假定初始數(shù)據(jù)為線性混合的，并利用混合數(shù)據(jù)的線性組合復(fù)原初始源數(shù)據(jù)，并完成縮放。

1.3 故障診斷機(jī)理概述

1.3.1 故障診斷模型

理想的故障診斷模型主要指能夠精準(zhǔn)獲取復(fù)雜電路故障特征數(shù)據(jù)的模型。常見的測試模型包含SSL[2]與Stuckat故障診斷模型，此類模型往往包含大多數(shù)電路物理中的問題。工業(yè)級別往往利用SSL度量測試生成的效率，而SSL并不能保障覆蓋全部的功能障礙模型，從而對工業(yè)領(lǐng)域產(chǎn)生影響。這點(diǎn)也是本文的研究重點(diǎn)。

1.3.2 功能級數(shù)據(jù)

伴隨電路故障診斷行業(yè)的發(fā)展，電路研究工作人員利用程序語言對電路系統(tǒng)的功能級別完成描述，從而直接獲得所需求的電路模型。該設(shè)計(jì)方案能夠最大限度地提升電路設(shè)計(jì)人員的工作效率，并構(gòu)建準(zhǔn)確的故障診斷模型，從而帶動(dòng)電路測試生成行業(yè)的發(fā)展。

1.3.3 測試集合最小化

完備的測試集合主要指檢測所包括的全部測試數(shù)據(jù)，但采用的測試方法獲取的數(shù)據(jù)集合常不能完全覆蓋所有的故障，而是無限接近于100%。為簡約測試進(jìn)程，應(yīng)不斷簡約測試數(shù)據(jù)集，以滿足最小數(shù)據(jù)實(shí)現(xiàn)最優(yōu)的障礙覆蓋率。

2 模糊免疫方法機(jī)理

2.1 免疫方法機(jī)理概述

2.1.1 免疫方法仿生原理

免疫系統(tǒng)[3]作為人體內(nèi)部功能最為復(fù)雜的部分，該系統(tǒng)存在很好的多樣性，記憶性，分布性，學(xué)習(xí)性與自適應(yīng)性。而從數(shù)據(jù)處理的角度來說，存在數(shù)據(jù)的分布化存儲、連接與辨識的處理能力，并為科研工作者提供深層的數(shù)據(jù)處理模型。

2.1.2 免疫方法類別

免疫方法可基本劃分為兩種，其一為在初次應(yīng)答階段完成學(xué)習(xí)，即免疫模型在首次完成新抗原的辨識時(shí)，由于免疫模型首次辨識新的抗原。其二為免疫模型自身存在免疫記憶，若生命體和抗原反復(fù)相遇，則系統(tǒng)能夠提升應(yīng)答速率。

2.1.3 免疫方法應(yīng)答機(jī)制

免疫方法應(yīng)答主要利用抗體學(xué)習(xí)抗原而實(shí)現(xiàn)的，當(dāng)病原體入侵免疫體系時(shí)，首先實(shí)現(xiàn)克隆選擇，并選取親和力較高的抗體完成進(jìn)化。細(xì)胞克隆能夠讓親和力較高的抗體依據(jù)親和力結(jié)果完成克隆并復(fù)制。

2.2 模糊免疫方法機(jī)理

2.2.1 模糊免疫方法機(jī)理概述

模糊免疫方法指把模糊數(shù)學(xué)推理過程帶入到上文所述的人工免疫方法后優(yōu)化而得。整個(gè)過程屬于隨機(jī)搜索尋優(yōu)的方法，利用抗體群，細(xì)胞克隆與演變，親和力突變，免疫方法獲取，成員搜索與抗體群模糊推理過程，保證算法在局部最優(yōu)點(diǎn)達(dá)到收斂。

2.2.2 模糊免疫方法常規(guī)步驟和優(yōu)勢

模糊免疫方法是在仿生學(xué)的基礎(chǔ)上拓展而來的。模糊免疫方法可分為三步：1.生成多樣性；2.構(gòu)建自體耐受環(huán)節(jié)；3.形成記憶非自構(gòu)建體。模糊免疫方法作為群體搜索策略，更重視各個(gè)單體中的數(shù)據(jù)轉(zhuǎn)換。此外，免疫方法可同時(shí)搜索多個(gè)點(diǎn)，獲取參數(shù)編碼組，搜索進(jìn)程中采用的目標(biāo)函數(shù)為提前設(shè)計(jì)的自適應(yīng)函數(shù)。

3 模糊免疫算法的電路故障診斷和實(shí)驗(yàn)研究3.1 故障診斷中的電路分析

通常情況下，對模擬電路完成故障診斷時(shí)，需要設(shè)置一組能夠反應(yīng)電路狀態(tài)的特征參量，并利用電壓和電流等參數(shù)進(jìn)行推算。若電路出現(xiàn)故障時(shí)，電路中各個(gè)節(jié)點(diǎn)的電壓和電流參量往往發(fā)生改變，而電路中各個(gè)參數(shù)能滿足正態(tài)分布。因而，若集成電路受到容差影響并產(chǎn)生故障，其故障特征參量往往位于以無容差參數(shù)為核心的空間域內(nèi)。若對整個(gè)電路完成靈敏度解析，則需要科學(xué)設(shè)定測算節(jié)點(diǎn)，并將電壓變化結(jié)果形成特征參量，從而保障故障參量在空間域中的分布。

3.2 電路模糊免疫方法故障診斷的matlab實(shí)現(xiàn)流程

采用matlab軟件對電路故障診斷的模糊免疫方法編碼主要分為六個(gè)步驟。即1.設(shè)定抗體數(shù)目，編碼長度，抗體數(shù)目，測試樣本與進(jìn)化數(shù)目完成編碼；2.隨機(jī)獲取初始抗體群組；3.測算抗體群組中各個(gè)抗體間的親和程度；4.在抗體群組中得到最具親和力的抗體，并完成克隆；5.判斷迭代是否終止的標(biāo)準(zhǔn)，并利用親和力程度高的抗體用作分類裝置，測試各個(gè)樣本的模糊隸屬程度。

3.3 模糊免疫算法的電路故障診斷模型構(gòu)建

采用蒙特卡羅算法對整個(gè)電路中涉及到的各個(gè)參量完成仿真，并由此生成10組樣本，綜合各類故障樣本得到50個(gè)初始抗原群體，完成模糊免疫算法系統(tǒng)的訓(xùn)練與分類學(xué)習(xí)。通過模糊免疫算法的訓(xùn)練與學(xué)習(xí)獲取故障相應(yīng)的最優(yōu)抗體，并結(jié)合五個(gè)故障特征向量搭建測試樣本，結(jié)合直流激勵(lì)完成電路仿真。

3.4 模糊免疫算法的電路故障診斷實(shí)驗(yàn)研究

為驗(yàn)證本文模糊免疫算法的實(shí)際故障診斷能力，本文采用仿真實(shí)驗(yàn)進(jìn)行分析。如圖1給出的電路模型，測算節(jié)點(diǎn)為K1,K2,K3,K4,K5,K6,K7，將各個(gè)電阻標(biāo)稱量設(shè)定為10K，容差區(qū)間在5%內(nèi)。在開斷路間設(shè)定五類故障，故障T1為R1短路；T2為R3斷路；T3為R5斷路；T4為R6斷路，R11短路；T5為R5短路，R8短路。

圖1 模糊免疫算法電路故障診斷模型

應(yīng)用模糊免疫算法隨機(jī)得到抗體群組的學(xué)習(xí)抗原，并在20代進(jìn)化之后獲取最優(yōu)抗體，其抗體親和力狀態(tài)，如表1給出。

表1 模糊免疫算法電路故障診斷抗體親和力對比