【文章內(nèi)容簡(jiǎn)介】 特征提取方法，給出了基于小波極大模的多重分形奇異譜計(jì)算方法，并提取了與多重分形奇異譜有關(guān)的 6個(gè)參數(shù)為故障特征。 有限測(cè)試節(jié)點(diǎn)的響應(yīng)不足以表征模擬電路每個(gè)元件的狀態(tài)，研究了模擬電路潛在故障可診斷元件集的選擇方法。首先討論了基于電路拓?fù)浣Y(jié)構(gòu)的可測(cè)性分析，通過(guò)可測(cè)矩陣的 相關(guān)性獲得了可測(cè)組和模糊組，從而把電路潛在的故障元件進(jìn)行分組，實(shí)現(xiàn)了可診斷元件集的選擇。其次給出了傳遞函數(shù)零極點(diǎn)與元件參數(shù)的變化關(guān)系，提出了基于零極點(diǎn)靈敏度分析的可診斷元件集確定方法，由極點(diǎn)模糊組和零點(diǎn)模糊組的關(guān)系確定可診斷元件集。最后通過(guò)研究被測(cè)電路可及節(jié)點(diǎn)輸出響應(yīng)的模糊聚類，提出了基于模糊聚類的可診斷元件集確定方法，采用聚類有效性指標(biāo)來(lái)確定可診斷元件集。 在理論分析的基礎(chǔ)上，以模 /數(shù)信號(hào)測(cè)試的標(biāo)準(zhǔn)電路和文獻(xiàn)中廣泛研究的電路為實(shí)驗(yàn)對(duì)象，采用 仿真了被測(cè)電路各種狀態(tài)，獲得了響應(yīng)數(shù)據(jù)，在 中建立了基于支持向量機(jī)的模擬電路故障診斷模型，對(duì)被測(cè)電路的硬故障、軟故障和多故障進(jìn)行了診斷仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出方法的可行性和結(jié)論的正確性，與廣泛研究的基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法相比，本文所提的基于支持向量機(jī)的模擬電路故障診斷方法具有結(jié)構(gòu)簡(jiǎn)單，診斷準(zhǔn)確率更優(yōu)的特點(diǎn)，解決了神經(jīng)網(wǎng)絡(luò)的局部最優(yōu)值、模型結(jié)構(gòu)難以選擇和小樣本等問(wèn)題。 模擬電路故障診斷理論和方法研究目前仍然是國(guó)際電路測(cè)試領(lǐng)域中極具挑戰(zhàn)性的前沿和熱點(diǎn)研究課題。半導(dǎo)體技術(shù)和工藝的飛速發(fā)展促進(jìn)了模擬集成電路、模/數(shù)混合信號(hào) 電路的廣泛應(yīng)用。為了有效縮短電子產(chǎn)品的上市時(shí)間和提高電子設(shè)備的可靠性，對(duì)模擬電路測(cè)試和故障診斷提出了更高、更新的要求。由于模擬電路響應(yīng)的連續(xù)性、非線性性和元件參數(shù)的容差性等固有的特點(diǎn)以及故障的多樣性、復(fù)雜性，常規(guī)或者傳統(tǒng)故障診斷理論和方法對(duì)模擬電路進(jìn)行故障診斷難以在實(shí)際工程中達(dá)到預(yù)期的效果。因此研究高效、適應(yīng)模擬電路發(fā)展需求的故障診斷理論和方法顯得尤為重要。近年來(lái)快速發(fā)展的基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)(SupportVectorMachine， SVM)為模擬電路故障診斷提供了一種有效的解決方法，是目前國(guó)內(nèi)外 研究的熱點(diǎn)。本文以現(xiàn)代測(cè)試技術(shù)、信號(hào)處理、系統(tǒng)辨識(shí)和可測(cè)性分析等理論和技術(shù)為基礎(chǔ)，深入研究了基于支持向量機(jī)的模擬電路故障診斷方法，完成的主要工作如下： 根據(jù)模擬電路故障的特點(diǎn)，結(jié)合支持向量機(jī)在解決小樣本、非線性和高維模式識(shí)別問(wèn)題中所具有結(jié)構(gòu)簡(jiǎn)單、全局最優(yōu)、泛化能力強(qiáng)等特點(diǎn)，提出了基于支持向量機(jī)的模擬電路故障診斷方法，并構(gòu)建了基于支持向量的模擬電路故障診斷系統(tǒng)，建立了被測(cè)電路故障診斷的支持向量機(jī)模型，對(duì)支持向量機(jī)故障診斷模型性能的影響因數(shù) 核函數(shù)及其核參數(shù)、懲罰參數(shù)、多分類支持向量機(jī)不同組合方法進(jìn)行了研究 。 在時(shí)域和頻域中給出了基于響應(yīng)曲線波形有效點(diǎn)的模擬電路故障特征提取方法。為減少故障特征數(shù)據(jù)維數(shù)，提出了基于最大相關(guān)、最小冗余原則 (CriteriaofMaxRelevanceandMinRedundancy， MRMR)和支持向量機(jī)的故障特征選擇方法，建立了電路最優(yōu)故障特征的選擇機(jī)制，有效地解決了支持向量機(jī)故障診斷模型的復(fù)雜性。 考慮到模擬電路的故障響應(yīng)包含了非平穩(wěn)或時(shí)變信息，研究了基于小波變換的模擬電路故障特征提取方法，定義了電路特征測(cè)度為電路故障特征與正常特征之差的均方根值，提出了基于電路特征 測(cè)度的最優(yōu)母小波選擇原則，實(shí)現(xiàn)了自適應(yīng)小波變換的模擬電路故障特征提取。 由于模擬電路工作狀態(tài)的時(shí)變性和實(shí)際測(cè)得信號(hào)的不規(guī)則性，測(cè)得的信號(hào)在一定的尺度范圍內(nèi)具有分形特征，提出了基于多重分形分析的模擬電路故障特征提取方法，給出了基于小波極大模的多重分形奇異譜計(jì)算方法，并提取了與多重分形奇異譜有關(guān)的 6個(gè)參數(shù)為故障特征。 有限測(cè)試節(jié)點(diǎn)的響應(yīng)不足以表征模擬電路每個(gè)元件的狀態(tài)，研究了模擬電路潛在故障可診斷元件集的選擇方法。首先討論了基于電路拓?fù)浣Y(jié)構(gòu)的可測(cè)性分析，通過(guò)可測(cè)矩陣的相關(guān)性獲得了可測(cè)組和模糊組，從而把電 路潛在的故障元件進(jìn)行分組，實(shí)現(xiàn)了可診斷元件集的選擇。其次給出了傳遞函數(shù)零極點(diǎn)與元件參數(shù)的變化關(guān)系，提出了基于零極點(diǎn)靈敏度分析的可診斷元件集確定方法，由極點(diǎn)模糊組和零點(diǎn)模糊組的關(guān)系確定可診斷元件集。最后通過(guò)研究被測(cè)電路可及節(jié)點(diǎn)輸出響應(yīng)的模糊聚類，提出了基于模糊聚類的可診斷元件集確定方法，采用聚類有效性指標(biāo)來(lái)確定可診斷元件集。 在理論分析的基礎(chǔ)上，以模 /數(shù)信號(hào)測(cè)試的標(biāo)準(zhǔn)電路和文獻(xiàn)中廣泛研究的電路為實(shí)驗(yàn)對(duì)象，采用 仿真了被測(cè)電路各種狀態(tài)，獲得了響應(yīng)數(shù)據(jù)，在 中建立了基于支持向量 機(jī)的模擬電路故障診斷模型，對(duì)被測(cè)電路的硬故障、軟故障和多故障進(jìn)行了診斷仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出方法的可行性和結(jié)論的正確性，與廣泛研究的基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法相比，本文所提的基于支持向量機(jī)的模擬電路故障診斷方法具有結(jié)構(gòu)簡(jiǎn)單，診斷準(zhǔn)確率更優(yōu)的特點(diǎn)，解決了神經(jīng)網(wǎng)絡(luò)的局部最優(yōu)值、模型結(jié)構(gòu)難以選擇和小樣本等問(wèn)題。 模擬電路故障診斷理論和方法研究目前仍然是國(guó)際電路測(cè)試領(lǐng)域中極具挑戰(zhàn)性的前沿和熱點(diǎn)研究課題。半導(dǎo)體技術(shù)和工藝的飛速發(fā)展促進(jìn)了模擬集成電路、模/數(shù)混合信號(hào)電路的廣泛應(yīng)用。為了有效縮短電子產(chǎn)品 的上市時(shí)間和提高電子設(shè)備的可靠性，對(duì)模擬電路測(cè)試和故障診斷提出了更高、更新的要求。由于模擬電路響應(yīng)的連續(xù)性、非線性性和元件參數(shù)的容差性等固有的特點(diǎn)以及故障的多樣性、復(fù)雜性，常規(guī)或者傳統(tǒng)故障診斷理論和方法對(duì)模擬電路進(jìn)行故障診斷難以在實(shí)際工程中達(dá)到預(yù)期的效果。因此研究高效、適應(yīng)模擬電路發(fā)展需求的故障診斷理論和方法顯得尤為重要。近年來(lái)快速發(fā)展的基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)(SupportVectorMachine， SVM)為模擬電路故障診斷提供了一種有效的解決方法，是目前國(guó)內(nèi)外研究的熱點(diǎn)。本文以現(xiàn)代測(cè)試技術(shù)、信號(hào) 處理、系統(tǒng)辨識(shí)和可測(cè)性分析等理論和技術(shù)為基礎(chǔ)，深入研究了基于支持向量機(jī)的模擬電路故障診斷方法，完成的主要工作如下： 根據(jù)模擬電路故障的特點(diǎn)，結(jié)合支持向量機(jī)在解決小樣本、非線性和高維模式識(shí)別問(wèn)題中所具有結(jié)構(gòu)簡(jiǎn)單、全局最優(yōu)、泛化能力強(qiáng)等特點(diǎn)，提出了基于支持向量機(jī)的模擬電路故障診斷方法，并構(gòu)建了基于支持向量的模擬電路故障診斷系統(tǒng)，建立了被測(cè)電路故障診斷的支持向量機(jī)模型，對(duì)支持向量機(jī)故障診斷模型性能的影響因數(shù) 核函數(shù)及其核參數(shù)、懲罰參數(shù)、多分類支持向量機(jī)不同組合方法進(jìn)行了研究。 在時(shí)域和頻域中給出了基于響應(yīng) 曲線波形有效點(diǎn)的模擬電路故障特征提取方法。為減少故障特征數(shù)據(jù)維數(shù)，提出了基于最大相關(guān)、最小冗余原則 (CriteriaofMaxRelevanceandMinRedundancy， MRMR)和支持向量機(jī)的故障特征選擇方法，建立了電路最優(yōu)故障特征的選擇機(jī)制，有效地解決了支持向量機(jī)故障診斷模型的復(fù)雜性。 考慮到模擬電路的故障響應(yīng)包含了非平穩(wěn)或時(shí)變信息，研究了基于小波變換的模擬電路故障特征提取方法，定義了電路特征測(cè)度為電路故障特征與正常特征之差的均方根值，提出了基于電路特征測(cè)度的最優(yōu)母小波選擇原則，實(shí)現(xiàn)了自適 應(yīng)小波變換的模擬電路故障特征提取。 由于模擬電路工作狀態(tài)的時(shí)變性和實(shí)際測(cè)得信號(hào)的不規(guī)則性，測(cè)得的信號(hào)在一定的尺度范圍內(nèi)具有分形特征，提出了基于多重分形分析的模擬電路故障特征提取方法，給出了基于小波極大模的多重分形奇異譜計(jì)算方法，并提取了與多重分形奇異譜有關(guān)的 6個(gè)參數(shù)為故障特征。 有限測(cè)試節(jié)點(diǎn)的響應(yīng)不足以表征模擬電路每個(gè)元件的狀態(tài)，研究了模擬電路潛在故障可診斷元件集的選擇方法。首先討論了基于電路拓?fù)浣Y(jié)構(gòu)的可測(cè)性分析，通過(guò)可測(cè)矩陣的相關(guān)性獲得了可測(cè)組和模糊組，從而把電路潛在的故障元件進(jìn)行分組，實(shí)現(xiàn)了可診 斷元件集的選擇。其次給出了傳遞函數(shù)零極點(diǎn)與元件參數(shù)的變化關(guān)系，提出了基于零極點(diǎn)靈敏度分析的可診斷元件集確定方法，由極點(diǎn)模糊組和零點(diǎn)模糊組的關(guān)系確定可診斷元件集。最后通過(guò)研究被測(cè)電路可及節(jié)點(diǎn)輸出響應(yīng)的模糊聚類，提出了基于模糊聚類的可診斷元件集確定方法，采用聚類有效性指標(biāo)來(lái)確定可診斷元件集。 在理論分析的基礎(chǔ)上，以模 /數(shù)信號(hào)測(cè)試的標(biāo)準(zhǔn)電路和文獻(xiàn)中廣泛研究的電路為實(shí)驗(yàn)對(duì)象，采用 仿真了被測(cè)電路各種狀態(tài)，獲得了響應(yīng)數(shù)據(jù)，在 中建立了基于支持向量機(jī)的模擬電路故障診斷模型，對(duì)被測(cè)電路 的硬故障、軟故障和多故障進(jìn)行了診斷仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出方法的可行性和結(jié)論的正確性，與廣泛研究的基于神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷方法相比，本文所提的基于支持向量機(jī)的模擬電路故障診斷方法具有結(jié)構(gòu)簡(jiǎn)單，診斷準(zhǔn)確率更優(yōu)的特