论文部分内容阅读
模拟电路故障诊断一直是一项富有挑战性的研究课题。客观世界信号的本质决定了模拟电路的普遍性和不可替代性。随着超深亚微米半导体技术的进展,推动了系统芯片（SOC）以及模拟和数字混合信号电路的涌现,模拟测试领域出现了许多新的理论课题,采用常规或传统的故障诊断理论和方法难以解决。以神经网络为代表的计算智能技术为模拟电路故障诊断提供了一条有效途径,目前倍受学术界的关注。本论文以现代测试技术、信号处理、信息融合和可测性分析等理论为基础,以神经网络在模拟电路故障诊断中的应用为主线,深入研究了模拟电路的故障特征提取和故障诊断方法。作者的主要工作有如下三个方面: 1.研究了模拟电路故障特征提取方法,包括: （1）从频域角度,利用直接提取频率响应曲线有效点方法实现故障特征提取,实验结果验证了神经网络适宜于模拟电路故障诊断。本文还研究一类特殊的前馈神经网络—径向基函数神经网络在模拟电路故障诊断中的应用。 （2）从时域角度,利用主元分析压缩电路阶跃响应的特征参数,从而简化了神经网络结构并提高了网络训练速度,提高了诊断效率。 （3）从联合时频分析角度,利用小波变换对动态电源电流进行故障特征提取,提出了一种小波—神经网络的模拟电路IDDT故障诊断方法。电源节点的通用性为本文研究方法的应用提供了便捷。 2.研究了低可测性电路的故障诊断方法。本文提出一种神经网络信息融合的诊断方法,利用BP神经网络建立信息融合中心,对多源数据（输出电压特征信息和电源电流特征信息）进行融合处理以减少模拟电路故障诊断的不确定性。实验证明本文的方法对低可测性电路的故障诊断非常有效。 3.研究了可测性分析的多频测试用于大规模模拟集成电路的故障诊断。伴随着微电子技术的迅猛发展,集成电路的复杂度不断增长,可利用的测试节点和可测性信息相对减少,使得大规模模拟集成电路的测试和诊断变得更加复杂。本文提出了一种基于可测性分析的多频测试方法,该方法首先对电路进行可测性分析,实现测试节点优选和模糊组确定;然后通过灵敏度计算指导测试矢量