模擬電路測試診斷技術(shù)在過去幾十年取得了巨大發(fā)展,但是由于模擬電路的性能對電路變量和激勵的變化更加敏感,以及缺乏適當(dāng)?shù)墓收夏Ｐ�、元件參�?shù)連續(xù)可變、存在元件容差和非線性等因素,模擬電路故障診斷理論和技術(shù)的發(fā)展仍然滯后于數(shù)字電路,因此在數(shù)�；旌闲盘栂到y(tǒng)設(shè)計制造等領(lǐng)域,模擬電路部分占用了很大比例的系統(tǒng)測試開發(fā)成本,模擬電路的故障診斷技術(shù)是近年來極富挑戰(zhàn)性的研究熱點和難點之一。本文以模擬電路故障診斷方法為研究主線,基于相量分析方法,結(jié)合多頻電壓靈敏度分析、小波分析及支持向量機等理論和技術(shù),研究了模擬電路的故障建模、故障特征提取及多故障優(yōu)化診斷策略,取得了一些具有一定應(yīng)用價值的創(chuàng)新成果,對模擬電路故障診斷技術(shù)發(fā)展進行了有益探討。1.通過研究復(fù)數(shù)域相量分析方法及模擬電路斜率故障模型,分析了模擬電路相量圓故障模型,完善了相量圓故障模型的理論推導(dǎo),給出了基于相量圓故障模型建立故障字典所需參數(shù)的準(zhǔn)確數(shù)學(xué)描述,達到了基于少量故障樣本仿真數(shù)據(jù)擬合完整故障模型的效果,極大降低了模擬電路的故障建模復(fù)雜度,實現(xiàn)了模擬電路各元件軟故障和硬故障的有效故障覆蓋。2.針對相量圓故障模型應(yīng)用于模擬電路診斷時存在的模糊組問題,從理論角度分析了模糊組的形成因素;結(jié)合系統(tǒng)冗余設(shè)計思想和基于旁路的可測性設(shè)計方法,面向相量圓故障模型提出了基于冗余元件旁路的可測性設(shè)計方法,有效解決了模擬電路故障診斷中的模糊組辨識問題,簡化了故障診斷測試步驟,提高了測試診斷的故障隔離率。3.為了克服元件容差和測量誤差對故障診斷效果的影響,分析了相量圓故障模型和斜率故障模型之間的內(nèi)在聯(lián)系,研究并提出了多維復(fù)數(shù)相量空間的模擬電路故障建模方法,通過有效增加故障模型中各元件故障軌跡之間的空間距離,進一步改善了故障隔離率等可測性指標(biāo)。還初步探討了基于多維向量空間建立模擬電路多故障模型的方法,為模擬電路多故障建模和診斷提供了新的思路。4.以數(shù)理統(tǒng)計和主成分分析方法為理論基礎(chǔ),研究了總體正態(tài)分布的馬氏距離計算方法,給出了基于信息熵和主成分方差貢獻率的馬氏距離加權(quán)算法,在此基礎(chǔ)上結(jié)合相量分析方法,以測點響應(yīng)信號的實部和虛部作為單獨的樣本數(shù)據(jù),改進了模擬電路故障特征提取策略,實現(xiàn)了模擬電路硬故障和軟故障的特征提取,并取得了較為良好的效果。5.為了解決模擬電路多故障診斷問題,研究了多頻激勵的模擬電路故障診斷策略。首先研究了不同頻率激勵信號依次作用于電路時,測點電壓實部和虛部變化量與元件參數(shù)變化量之間的靈敏度關(guān)系,給出了基于單測點多頻電壓靈敏度建立故障字典的方法。其次研究了周期脈沖信號激勵下,基于小波包分解方法提取模擬電路故障特征的方法;提出了基于混合雜草算法優(yōu)化支持向量機核心參數(shù)的方法,結(jié)合小波包分解技術(shù)實現(xiàn)了模擬電路多故障診斷,取得了良好的故障診斷準(zhǔn)確率。
【學(xué)位單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2015
【中圖分類】：TN710
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 故障診斷發(fā)展歷程與現(xiàn)狀
        1.2.1 故障診斷發(fā)展回顧
        1.2.2 國外故障診斷研究現(xiàn)狀
        1.2.3 國內(nèi)故障診斷研究現(xiàn)狀
    1.3 故障診斷研究的發(fā)展趨勢
    1.4 論文研究內(nèi)容與結(jié)構(gòu)安排
        1.4.1 論文研究思路與主要內(nèi)容
        1.4.2 論文結(jié)構(gòu)安排
第二章 基于相量法的模擬電路故障建模
    2.1 相量分析與可測性指標(biāo)
        2.1.1 相量法基礎(chǔ)
        2.1.2 可測性指標(biāo)參數(shù)
            2.1.2.1 故障覆蓋與故障檢測率
            2.1.2.2 故障隔離率
            2.1.2.3 模糊組與模糊度
    2.2 基于相量法的斜率故障模型
        2.2.1 模擬線性電阻電路的斜率故障模型
        2.2.2 復(fù)數(shù)域斜率故障模型
        2.2.3 復(fù)數(shù)斜率故障模型實例
    2.3 模擬電路的相量圓故障模型
        2.3.1 單一激勵的相量圓故障模型
            2.3.1.1 電阻元件失效的相量圓故障模型
            2.3.1.2 動態(tài)元件失效的相量圓故障模型
        2.3.2 多激勵的相量圓故障模型
            2.3.2.1 多激勵的電壓相量圓模型
            2.3.2.2 多激勵的電流相量圓模型
        2.3.3 基于相量法的建模流程與復(fù)雜度分析
    2.4 相量圓模型實例
        2.4.1 巴特沃斯濾波器相量圓模型
            2.4.1.1 巴特沃斯濾波器故障模型仿真
            2.4.1.2 故障覆蓋與模糊組
        2.4.2 Tow-Thomas雙二階濾波器基準(zhǔn)電路
            2.4.2.1 相量圓模型仿真
            2.4.2.2 相量圓模型的特殊軌跡分析
            2.4.2.3 相量圓模型擬合與模糊組
        2.4.3 元件容差與故障診斷
            2.4.3.1 容差條件下的相量圓模型
            2.4.3.2 基于相量圓半徑比對的故障診斷方法
            2.4.3.3 故障診斷實例
    2.5 本章小結(jié)
第三章 基于相量圓模型的可測性設(shè)計方法
    3.1 基于相量圓模型的BYPASSING設(shè)計
        3.1.1 Bypassing與可測性設(shè)計
            3.1.1.1 單個電容支路的Bypassing
            3.1.1.2 RC串聯(lián)支路的Bypassing
            3.1.1.3 RC并聯(lián)支路的Bypassing
            3.1.1.4 電路單元的Bypassing設(shè)計
        3.1.2 基于Bypassing的模糊組識別
            3.1.2.1 基于相量法的Bypassing規(guī)則描述
            3.1.2.2 基于相量法建模與診斷流程的完善
            3.1.2.3 基于Bypassing的模糊組識別實例
    3.2 基于冗余設(shè)計和BYPASSING的可測性設(shè)計
        3.2.1 元件參數(shù)靈敏度與模糊組
        3.2.2 基于無源衰減器的特例
            3.2.2.1 基于相量圓模型的故障診斷
            3.2.2.2 診斷結(jié)論沖突的理論分析
        3.2.3 基于冗余設(shè)計的DFT
            3.2.3.1 冗余設(shè)計技術(shù)及其改進
            3.2.3.2 基于冗余設(shè)計的DFT
            3.2.3.3 冗余元件參數(shù)選擇
    3.3 DFT實例驗證與對比分析
        3.3.1 Tow-Thomas基準(zhǔn)電路的DFT
        3.3.2 Leapfrog基準(zhǔn)電路的DFT
        3.3.3 DFT算法對比分析
    3.4 本章小結(jié)
第四章 多維相量空間的故障建模方法研究
    4.1 相量圓故障模型與斜率故障模型的相關(guān)性
        4.1.1 基于電壓增量的相量圓故障模型
            4.1.1.1 電阻元件失效的電壓增量相量圓故障模型
            4.1.1.2 動態(tài)元件失效的電壓增量相量圓故障模型
            4.1.1.3 電壓增量相量圓故障模型的特性
        4.1.2 電壓增量相量圓模型與斜率模型的關(guān)系
    4.2 面向三維復(fù)數(shù)相量空間的故障建模方法
        4.2.1 模擬電路 3D故障模型
        4.2.2 3D建模實例
        4.2.3 3D建模算法仿真與對比分析
    4.3 相量空間的多故障建模方法
    4.4 本章小結(jié)
第五章 基于馬氏距離的故障特征提取方法
    5.1 樣本統(tǒng)計分析與距離判別分析
        5.1.1 故障特征提取技術(shù)概述
        5.1.2 基于樣本距離的判別分析法
            5.1.2.1 歐氏距離
            5.1.2.2 馬氏距離
            5.1.2.3 歐氏距離與馬氏距離的關(guān)聯(lián)
    5.2 基于馬氏距離的模擬電路故障特征提取
        5.2.1 總體正態(tài)分布的馬氏距離
            5.2.1.1 正態(tài)同協(xié)方差矩陣的馬氏距離
            5.2.1.2 正態(tài)協(xié)方差矩陣不等的馬氏距離
        5.2.2 加權(quán)馬氏距離
            5.2.2.1 基于信息熵的加權(quán)馬氏距離
            5.2.2.2 基于主成分方差貢獻率的加權(quán)馬氏距離
            5.2.2.3 算法流程與復(fù)雜度分析
    5.3 基于馬氏距離的故障特征提取實例
        5.3.1 軟故障特征提取實例
        5.3.2 硬故障特征提取實例
    5.4 本章小結(jié)
第六章 模擬電路多故障診斷策略的研究
    6.1 多測點電壓靈敏度診斷策略
        6.1.1 電路靈敏度分析
        6.1.2 多測點電壓靈敏度故障字典
    6.2 多頻電壓靈敏度診斷策略
        6.2.1 多測點電壓靈敏度故障字典法
        6.2.2 診斷方法改進與電路仿真
    6.3 基于脈沖激勵的診斷策略
        6.3.1 傅里葉級數(shù)與小波特征提取
        6.3.2 基于HIWO優(yōu)化的SVM
            6.3.2.1 支持向量機及核函數(shù)
            6.3.2.2 雜草優(yōu)化算法
            6.3.2.3 基于混沌的雜草種群初始化
            6.3.2.4 HIWO-SVM故障診斷方法
        6.3.3 實例驗證與對比分析
    6.4 本章小結(jié)
第七章 結(jié)束語
    7.1 論文工作總結(jié)
    7.2 研究展望
致謝
參考文獻
攻博期間取得的研究成果


本文編號：2835546