王占選，陳嘉恒，王 晴

(1.北京航天測控技術(shù)有限公司，北京 100041； 2.西安電子科技大學(xué) 電子工程學(xué)院，西安 710071)

0 引言

電路板被廣泛應(yīng)用于日常生活、工作的各個(gè)領(lǐng)域，隨著使用時(shí)間的日益增長，元器件的可靠性逐漸降低，再加上某些不可預(yù)知因素的影響，使得電路板的故障發(fā)生在所難免。為了保障電路板正常工作，減少電路維修診斷所耗費(fèi)的大量時(shí)間成本和人力成本，提高電路發(fā)生故障的測試診斷效率，對電路板級測試診斷方法的研究顯得尤為重要[1]。

伴隨著計(jì)算機(jī)技術(shù)和EDA技術(shù)的快速發(fā)展，應(yīng)用于電路故障診斷的理論研究越來越多[2]，當(dāng)前，與電路故障診斷相結(jié)合的理論研究有如下幾種：1)神經(jīng)網(wǎng)絡(luò)[2]是基于認(rèn)知科學(xué)和神經(jīng)生物學(xué)在信號處理領(lǐng)域的認(rèn)知成果，具有很強(qiáng)的非線性擬合能力和自適應(yīng)能力，應(yīng)用于故障診斷的信號處理過程接近于人類的思維方式；2)免疫算法[4]是模仿生物免疫系統(tǒng)而發(fā)展起來的智能隨機(jī)優(yōu)化算法，應(yīng)用于故障診斷具有檢測與學(xué)習(xí)的動(dòng)態(tài)調(diào)整能力，提高診斷測試效率[5]；3)支持向量機(jī)[6]是一種應(yīng)用于故障分類識別的機(jī)器學(xué)習(xí)方法，與最小二乘小波相結(jié)合應(yīng)用于模擬電路故障診斷可有效提高診斷的準(zhǔn)確性[7]。

本文提出了一種基于仿真的故障診斷測試方法，通過pspice對電路板進(jìn)行建模和仿真，利用小波分析方法提取電路板仿真結(jié)果的數(shù)據(jù)特征，并根據(jù)數(shù)據(jù)特征做測試節(jié)點(diǎn)優(yōu)化，采用概念格診斷推理方法構(gòu)造電路板故障診斷形式背景，生成故障診斷規(guī)則，最終通過診斷規(guī)則對已有故障數(shù)據(jù)做診斷推理，驗(yàn)證測試方法的可行性。

1 測試方法

基于仿真的電路板級故障診斷測試方法流程圖如圖1所示，建模與仿真單元用于完成被測電路板的功能與故障模型建立、仿真原理圖繪制、故障注入、仿真原理圖編譯、功能仿真及故障仿真等，用于生成電路中各個(gè)測試節(jié)點(diǎn)的波形數(shù)據(jù)，為板級故障診斷提供訓(xùn)練數(shù)據(jù)來源；特征提取單元通過小波分析的方法，提取測試節(jié)點(diǎn)波形數(shù)據(jù)的典型特征，如小波系數(shù)能量特征、小波系數(shù)極值特征以及小波系數(shù)熵特征等，通過這些特征數(shù)據(jù)用于后續(xù)解析故障模式與測試節(jié)點(diǎn)之間的關(guān)系抽象和總結(jié)歸納；測試節(jié)點(diǎn)優(yōu)化用于刪除大量特征數(shù)據(jù)的冗余數(shù)據(jù)，提高測試診斷效率；利用測試節(jié)點(diǎn)優(yōu)化以后的特征數(shù)據(jù)以及故障模式信息，構(gòu)造用于故障診斷的形式背景和概念格，包括條件屬性概念格和決策屬性概念格；診斷規(guī)則提取單元用于將上一步構(gòu)造的診斷形式背景和條件屬性概念格通過可辨識屬性矩陣的定義計(jì)算得到故障診斷的決策辨識函數(shù)，進(jìn)一步利用布爾運(yùn)算的分配率和吸收率將其轉(zhuǎn)換成最小吸取范式，獲取約簡以后的條件屬性概念格，通過比對約簡后的概念格和決策屬性概念格，獲取故障診斷規(guī)則；故障推理與驗(yàn)證單元利用診斷規(guī)則對仿真數(shù)據(jù)做推理診斷，驗(yàn)證方法的可行性。

圖1 電路板級故障診斷測試方法流程圖

2 建模與仿真

2.1 建模

1)功能模型建模：比起人工分析，通過EDA工具進(jìn)行電路仿真具有時(shí)間耗費(fèi)少、精度高且可靠性強(qiáng)等優(yōu)點(diǎn)，可以大大縮短開發(fā)周期、降低設(shè)計(jì)成本，而且還可以隨時(shí)根據(jù)項(xiàng)目需求對電路進(jìn)行優(yōu)化和改進(jìn)。但這些優(yōu)點(diǎn)大大依賴于元器件模型，只有保證模型的準(zhǔn)確可靠，才能充分發(fā)揮電路仿真技術(shù)的巨大優(yōu)勢。元器件廠家提供的標(biāo)準(zhǔn)模型雖然簡單實(shí)用，但不具備自行建立模型的靈活性，比如修改模型參數(shù)、設(shè)置模型故障模式等。為了適應(yīng)電路故障診斷的需要，首先要建立元器件的功能模型，進(jìn)一步總結(jié)元器件的故障模式，建立能夠正確反映故障模式的故障模型，便于通過仿真快速、準(zhǔn)確定位電路故障，節(jié)省時(shí)間，提高效率。

元器件建模流程圖如圖2所示。

圖2 元器件建模流程圖

2)故障模型建模：首先應(yīng)根據(jù)上節(jié)介紹建立功能模型，在此基礎(chǔ)上分析元器件的失效模式，并在此基礎(chǔ)上分析失效模式與模型參數(shù)的對應(yīng)關(guān)系，并建立故障模型。模型建立完成后還需搭建仿真電路進(jìn)行驗(yàn)證，分析故障仿真結(jié)果的好壞元器件故障模型建模流程圖如圖3所示。

圖3 元器件故障模型建模流程圖

2.2 仿真

元器件的功能模型和故障模型建立完成后，采用spice3f5仿真引擎搭建被測對象實(shí)際功能電路，進(jìn)行被測電路的功能和故障仿真，獲取仿真數(shù)據(jù)。

電路故障仿真工作流程如下：

1)準(zhǔn)備階段：打開軟件，啟動(dòng)“電路仿真內(nèi)核看護(hù)進(jìn)程”，載入“仿真引擎”，默認(rèn)打開電路原理圖編輯窗口。

2)檢查階段：檢查構(gòu)建原理圖的模型文件是否包含有效元素，如發(fā)現(xiàn)問題及時(shí)報(bào)警，提示錯(cuò)誤修改。

3)原理圖編輯：通過建立的元器件功能模型和故障模型，根據(jù)被測電路板實(shí)際拓?fù)潢P(guān)系，繪制用于仿真的被測電路原理圖。

4)原理圖編譯：原理圖編譯之前自動(dòng)進(jìn)行原理圖校驗(yàn)，發(fā)現(xiàn)問題及時(shí)告警。通過校驗(yàn)的原理圖按照“原理圖編譯變換規(guī)則”進(jìn)行解析，獲取電路原理圖網(wǎng)表文件，可供后續(xù)仿真模塊使用。

5)功能仿真：獲取電路仿真原理圖網(wǎng)表文件以后，需要設(shè)置仿真類型和仿真參數(shù)，仿真類型包括直流工作點(diǎn)、瞬態(tài)分析、零極點(diǎn)掃描、周期穩(wěn)態(tài)掃描等，仿真參數(shù)包括仿真時(shí)間長短、時(shí)間間隔、電壓電流精度、仿真迭代次數(shù)等。同時(shí)，還需要設(shè)置仿真所需功能模型和故障模型的存放路徑以及仿真輸出數(shù)據(jù)的存放格式等信息。所有設(shè)置完成后便可進(jìn)行功能仿真，并按照設(shè)定好的格式獲得仿真結(jié)果。

6)故障管理：用于按照指定的方式進(jìn)行仿真原理圖的故障注入功能，用來模擬電路出現(xiàn)指定故障時(shí)的情況，故障注入包括原理圖測試節(jié)點(diǎn)的故障注入以及元器件類型和元器件位號的故障注入。

7)故障仿真：按照步驟6)注入的故障模型，對電路原理圖做故障仿真，獲取電路原理圖中各個(gè)測試節(jié)點(diǎn)的仿真數(shù)據(jù)。

8)數(shù)據(jù)處理：仿真引擎將按照仿真參數(shù)設(shè)定傳回仿真之后的結(jié)果數(shù)據(jù)，包括各個(gè)測試節(jié)點(diǎn)的采樣數(shù)據(jù)和仿真設(shè)定的各種參數(shù)。

圖4 電路仿真流程

3 特征提取與測試節(jié)點(diǎn)優(yōu)化

3.1 仿真數(shù)據(jù)特征提取

電路仿真結(jié)束后得到的是每個(gè)測試點(diǎn)的響應(yīng)波形數(shù)據(jù)，只根據(jù)波形數(shù)據(jù)無法直接用于故障診斷，需通過一定處理獲取該波形數(shù)據(jù)的特征表示，比如周期方波信號的幅度、高值、低值、頻率、占空比等典型特征，或者經(jīng)信號頻域分解后特定頻率分量對應(yīng)的非典型特征。電路板級的故障信號大多是非平穩(wěn)信號，通常利用小波分解的方式進(jìn)行處理。通過小波分解的方式提取信號特征有如下兩個(gè)重點(diǎn)研究內(nèi)容，分別是小波基函數(shù)如何選擇和小波分解層數(shù)如何確定。

1)小波基函數(shù)的選擇：

小波基函數(shù)不像標(biāo)準(zhǔn)傅里葉變換，具有多樣性和不唯一性。通過不同的小波處理，獲得的信號特征也截然不同。對于一個(gè)特定的信號來說，首先應(yīng)該求解這個(gè)信號的目標(biāo)函數(shù)，根據(jù)目標(biāo)函數(shù)求解最優(yōu)最小基函數(shù)。

2)小波分解層數(shù)的確定：

由于仿真結(jié)束后獲得的波形數(shù)據(jù)特征差別很大，對應(yīng)的小波分解層數(shù)的確定沒有固定的理論依據(jù)，通過小波分析想要達(dá)到的目標(biāo)也不一樣。小波分解層數(shù)如何確定的一個(gè)重要參數(shù)是信噪比，如果信號的質(zhì)量好，噪聲低，出于提高計(jì)算效率的考慮，同時(shí)又能夠保證信號特征的足夠表達(dá)，小波分解層數(shù)不需過大。反之，如果信號的信噪比偏小，為了能夠獲取更準(zhǔn)確的特征信息，則需適度加大分解層數(shù)。此外，影響分解層數(shù)的另一個(gè)重要參數(shù)是采樣頻率，采樣頻率越大分解層數(shù)也應(yīng)該越大，反之較小。在滿足故障診斷所需特征信息的情況下，應(yīng)該盡量減小分解層數(shù)，提高計(jì)算效率。

仿真波形數(shù)據(jù)經(jīng)過小波分解以后得到的仍然是離散數(shù)據(jù)，依舊不能夠直接用于故障診斷，還需要通過特征向量提取獲取離散數(shù)據(jù)的有用信息。特征向量應(yīng)是該離散數(shù)據(jù)的典型標(biāo)識，用于最大限度的與其他信號做區(qū)分。

離散波形數(shù)據(jù)的特征向量提取主要包括能量分布特征提取、熵特征提取以及極值特征提取。能量特征代表離散波形數(shù)據(jù)的典型特征，比如波形數(shù)據(jù)的幅度、高值、低值、頻率等，小波的高頻分解系數(shù)主要用于表征信號的奇異信息，小波的低頻分解系數(shù)主要用于表征信號的輪廓信息。分別計(jì)算小波不同分解系數(shù)對應(yīng)的能量特征，并將其組合成離散波形數(shù)據(jù)的特征向量。信息熵用于描述隨機(jī)的穩(wěn)定程度，信息熵越小代表信號所包含的信息量越大，相反，信息熵越小則達(dá)標(biāo)信號包含的信息量越小，信號越平穩(wěn)。信號的熵特征提取不是直接處理測試點(diǎn)波形數(shù)據(jù)的信號序列，而是求解不同的小波分解層數(shù)或者是不同頻段的小波系數(shù)所包含特征的概率信息。極值特征是指離散波形數(shù)據(jù)經(jīng)過小波分解后，不同頻率的小波系數(shù)的幅值，對故障信號來說，奇異信號主要包含于高頻系數(shù)中，極值特征提取主要用于表征奇異信號的有用信息。

3.2 測試節(jié)點(diǎn)優(yōu)化

測試節(jié)點(diǎn)優(yōu)化是指刪除盡可能多的冗余測試點(diǎn)，同時(shí)保證足夠多的故障狀態(tài)隔離。對于隔離電路狀態(tài)信息量來說，不同的測試節(jié)點(diǎn)所起的作用不同。有的節(jié)點(diǎn)隔離的狀態(tài)少，有的節(jié)點(diǎn)隔離的狀態(tài)多，有的對隔離故障沒作用。測試節(jié)點(diǎn)優(yōu)化有利于減少數(shù)據(jù)分析計(jì)算量，加快實(shí)時(shí)診斷過程[8]。

電路中的測試節(jié)點(diǎn)優(yōu)化主要集中在基于整數(shù)編碼表的策略和標(biāo)準(zhǔn)[9]。整數(shù)編碼法實(shí)現(xiàn)測試節(jié)點(diǎn)優(yōu)化有兩個(gè)步驟：1)每次選取故障隔離能力強(qiáng)的測試點(diǎn)加入到最優(yōu)測試集中；2)找到這些最優(yōu)測試點(diǎn)能隔離哪些故障，并將這些故障加入到可隔離故障集中，直到完成故障的全集，算法結(jié)束。

選取故障隔離能力強(qiáng)的測試點(diǎn)的算法處理流程：

1)選定一個(gè)參考標(biāo)準(zhǔn)，用于衡量每次迭代過程中的測試點(diǎn)是否最優(yōu)：對故障判決能力的強(qiáng)弱是評價(jià)測試點(diǎn)是否最優(yōu)的主要依據(jù)，最優(yōu)測試點(diǎn)應(yīng)該能夠更好的判斷是否故障，并且可以隔離出盡可能多的故障。測試點(diǎn)對故障判決能力的強(qiáng)弱可以用敏感度因子表征，敏感度因子越大，則代表測試點(diǎn)對故障越敏感，根據(jù)敏感度因子的大小將測試點(diǎn)排序，得到一個(gè)有序的測試點(diǎn)集合，集合中越靠前的測試點(diǎn)敏感度因子越大，對故障的判決能力也就越強(qiáng)。

2)由得到的通過敏感度因子大小排序的測試點(diǎn)集合計(jì)算出每個(gè)測試點(diǎn)所能隔離出的故障，根據(jù)已經(jīng)訓(xùn)練的測試點(diǎn)對應(yīng)的特征值集合獲得故障診斷知識模型。然后對每個(gè)測試點(diǎn)對應(yīng)的所有故障模式進(jìn)行分類，獲得該測試點(diǎn)對應(yīng)的故障模式的測試集。如果分類沒有問題則代表該測試點(diǎn)能夠隔離出對應(yīng)的故障。按照順序輸入每個(gè)測試點(diǎn)對應(yīng)的故障模式的測試集，得到有序測試點(diǎn)集合所能隔離出的故障集合。

3)通過步驟2和步驟3得到的有序測試點(diǎn)集合以及所能隔離出的故障集合，刪除敏感度因子很小的測試點(diǎn)以及該測試點(diǎn)所能隔離的故障集合，依次化簡得到最優(yōu)測試集，算法結(jié)束。

4 概念格與故障推理

概念格也稱形式概念分析[10]，是建立在數(shù)學(xué)基礎(chǔ)上的一種從形勢背景進(jìn)行數(shù)據(jù)分析和規(guī)則提取的工具，用于對數(shù)據(jù)集中的概念結(jié)構(gòu)進(jìn)行識別、排序、顯示，被廣泛用于信息科學(xué)領(lǐng)域。概念格是形式概念分析理論的基礎(chǔ)，是對象和屬性的集合，包含概念的外延和內(nèi)涵，外延是指所有對象的集合，內(nèi)涵是指對象所共有的屬性的集合?；诟拍罡竦脑\斷規(guī)則提取相比傳統(tǒng)的診斷規(guī)則提取算法效率要高，而且可以從多維空間中進(jìn)行數(shù)據(jù)分析，在數(shù)據(jù)分析方面是一個(gè)效率很大的工具，可以對屬性的多維度、多層次關(guān)系進(jìn)行清晰描述。

仿真數(shù)據(jù)經(jīng)過特征提取、測試節(jié)點(diǎn)優(yōu)化以后的故障特征數(shù)據(jù)，將故障模式以及相關(guān)測試節(jié)點(diǎn)數(shù)據(jù)特征經(jīng)過抽象匯總后建立電路板故障診斷形式背景，基于屬性的增量式生成算法構(gòu)造概念格，并對生成的概念格做數(shù)據(jù)解析生成診斷知識。最終通過生成的診斷知識對原理圖故障仿真數(shù)據(jù)做推理驗(yàn)證。

5 測試結(jié)果與分析

對某雷達(dá)定時(shí)器板進(jìn)行建模仿真分析，獲取共計(jì)10 962個(gè)故障仿真數(shù)據(jù)(如圖5所示)，包括單次功能仿真的522個(gè)測試節(jié)點(diǎn)數(shù)據(jù)以及分別注入20個(gè)單節(jié)點(diǎn)故障的522個(gè)測試節(jié)點(diǎn)數(shù)據(jù)。利用小波分析，提取測試節(jié)點(diǎn)波形的數(shù)據(jù)特征(如圖6所示)，由于測試節(jié)點(diǎn)含有大量與故障推理定位無關(guān)的冗余信息，通過節(jié)點(diǎn)優(yōu)化刪除冗余節(jié)點(diǎn)(如圖7所示)。構(gòu)造形式背景，行對應(yīng)不同的故障模式，列對應(yīng)采樣節(jié)點(diǎn)數(shù)據(jù)特征與該故障模式是否相關(guān)的關(guān)系屬性(如圖8所示)。解析概念格，生成故障診斷規(guī)則，利用故障診斷規(guī)則對診斷數(shù)據(jù)進(jìn)行推理診斷，能夠準(zhǔn)確定位到名稱為“F2+MODEL…”故障(如圖9所示)，驗(yàn)證了通過概念格進(jìn)行故障推理的正確性。

圖5 故障仿真數(shù)據(jù)

圖6 仿真數(shù)據(jù)特征提取

圖7 測試節(jié)點(diǎn)優(yōu)化

圖8 概念格形式背景

圖9 利用概念格對仿真數(shù)據(jù)做推理診斷

6 結(jié)論

本文提出了基于仿真的電路板級故障診斷測試方法。該方法利用建模和仿真獲取被測電路板各個(gè)測試節(jié)點(diǎn)的波形數(shù)據(jù)，通過小波分析的方法獲取波形數(shù)據(jù)的特征信息，并進(jìn)行測試節(jié)點(diǎn)優(yōu)化，構(gòu)造形式背景和概念格，通過解析概念格獲取診斷規(guī)則，并對被測電路仿真數(shù)據(jù)做診斷推理，驗(yàn)證了測試方法的可行性。