电子信息系统模块级故障诊断技术研究

　　0 引言

　　目前，电子信息系统的复杂化、自动化和信息化程度越来越高，对可靠性、可维修性和技术保障能力的要求日趋迫切。系统中每一个部件发生故障都可能会产生链式反应，影响系统效能发挥或造成重大的经济损失。因此，电子信息系统的状态监测与故障诊断技术早已得到世界各个发达国家相关部门的重视。电子信息系统的功能电路大部分为模拟电路，许多元件参数具有很大的离散性，即具有容差。容差的普遍存在，导致实际故障的模糊性，加大了其故障定位的困难系数。因此，针对该型电子信息系统的电路原理，综合运用故障字典和神经网络相结合的故障诊断方法，研究某型电子信息系统模块级故障诊断技术，具有一定的理论意义和和重要的实用价值。同时，本文研究的成果可以推广到其他型号的电子信息系统故障诊断技术研究。

　　1 故障诊断流程图和电路仿真

　　1.1 功能模块级故障诊断流程图

　　首先对某型电子信息系统需要诊断的电路进行仿真，然后将得到的数据建成故障字典，最后，在故障字典中找出具有典型性的故障数据作为神经网络的输入，利用BP神经网将故障定位在具体的元器件上。图1为模块级故障诊断流程图。

　　1.2 电路仿真

　　某型电子信息系统中的典型电路图如2所示。

　　（1）晶体管的故障模型

　　由于无源元器件如电阻、电容的可靠性较高，发生故障的概率较小，因此假设电路中电阻、电容均无故障，只有5个晶体管出现故障。通过对故障晶体管的分析，将其的故障表现归结为三类：内部短路、内部开路、局部击穿。考虑到以下的事实：开路的引脚不能与其他引脚短路、击穿；两个引脚开路等效于三个引脚同时开路；两个PN结短路，等效于三个引脚同时短路；将三类故障在晶体管的三个引脚、两个PN结之间进行故障组合后，可归结为21种故障类型，见表1.

　　（2）故障近似模型

　　在电路仿真的过程中，对使用最多的双极型晶体管的近似故障模型进行研究，使用一种基于晶体管正常模型--GP 模型为故障近似模型。为使用软件进行故障模拟，下面给出晶体管的故障模型，见图3.其中故障引脚电阻RC，RB，RE 为晶体管各引脚与电路相应节点间的串联电阻；故障结电阻RBC，RBE，RCE.分别为并联于晶体管某两引脚之间的电阻，用于模拟晶体管PN结的短路和击穿。

　　正常情况下，故障引脚电阻RC，RB，RE 阻值近似为零；故障结电阻RBC，RBE，RCE 阻值为无穷大。仿真时，按如下方法设置电阻阻值：

　　（1）某引脚开路，对应的故障引脚电阻阻值设置为无穷大，文中设置为10 000 Ω。

　　（2）某两引脚短路，对应的故障结电阻阻值设置为0 Ω（此处为理想值）。

　　（3）某两引脚击穿时，对应的故障结电阻阻值设置为700 Ω（PN结击穿后电阻阻值一般在500~1 500 Ω之间）。

　　（4）仿真软件

　　仿真软件选择的是MulTIsim，该软件操作简单、快捷，最主要的是它可以直接调用所需元器件，而不必近似地画出被测电路的等效电路图，使得仿真结果更加接近于真实值。

　　（5）仿真过程

　　图4为某型电子信息系统中的典型电路在软件MulTIsim仿真时的界面图。

　　2 故障字典的建立

　　（1）故障定义

　　现将图2电路中与晶体管相关的106种故障（包括正常状态F0）定义列于表2中。表中V代表晶体管，s代表短路，o代表开路，d代表击穿，b代表基极，e 代表发射极，c 代表集电极。

　　例如V4ecsbed 就代表第4 个晶体管发射极和集电极短路，基极和发射极击穿［6］。其他故障以此类推。

　　（2）测试量

　　本电路共有106 种情况，即1 个正常情况和105 种个故障情况。在9个测试点上共得到106 &TImes; 9 = 954 个电压值。模拟图2进行仿真，所得的954个数据列于表3.

　　（3）删除不需要的测试点

　　由表3可见，节点1上的电压不提供任何有用的信息，所以将其删除。节点6和节点9上的电压完全相同，所以删除节点9.同一测试点，在两种故障现象下，被测电压之差超过0.1 V，则认为这两个故障可分离；若被测电压之差不超过0.1 V，则认为这两个故障为不可惟一隔离的模糊故障组合。通过分析表中的数据，可以看到F2与F4等均为两个不能唯一隔离的故障。

　　但由于它们皆与晶体管V1有关，任一故障可通过更换V1来排除，因此，无需进一步隔离的必要。类似情况，经过整理就得到了一个规范标准的故障字典列于表4.

　　3 BP 神经网络的应用

　　基于BP神经网络能够出色地解决那些传统故障诊断方法难以解决的问题，所以某型电子信息系统模块级故障诊断系统采用故障字典和是神经网络相结合的方法，力求准确、快速地进行功能模块级故障诊断。

　　3.1 BP神经网络的故障诊断步骤

　　应用神经网络检测模拟电路故障的基本步骤为：

　　（1）建立故障字典或故障状态表。应用软件模拟出对应电路的正常状态所对应得各测试点的理论值，并把它建成一个故障字典或故障状态表。

　　（2）建立神经网络。把故障字典或状态表中的数据作为神经网络的输入，按照电路故障特征点的数目以及所优化处理得到的故障输出类别的数目建立神经网络。

　　（3）神经网络的训练、学习。设定神经网络学习速度、训练方法及相关参数，对网络进行学习、训练。

　　（4）利用训练好的BP神经网络进行故障隔离。将电路的故障字典建立在神经网络之中，网络的输入节点由电路的可测节点决定，输出节点由故障状态的数目决定。

　　输出有多少个故障状态，输出层就选用多少个神经元，每一种故障状态对应一个相应的神经元。诊断是某种状态时对应的那个神经元被激活，输出其对应的编码。

　　3.2 仿真试验及结果分析

　　（1）本系统采用故障字典和神经网络相结合故障诊断技术研究，采用三层神经网络。通过电路的分析，选择7个关键点的电压作为神经网络的输入。选择6种故障现象作为神经网络的输出模式，因此实际的神经网络输入神经元数为7，输出神经元数为6，隐含层的单元数按照前面介绍的公式计算为9.通过分析看到，在BP神经网络的输出端应该有6个节点，分别对应1个无故障和5个故障。网络的期望输出如表5所示。

　　将仿真数据进行归一化处理后，以实际故障样本为网络的原始训练样本，网络输入层、隐含层和输出层节点数分别取7、9 和6，系统总误差E 《 e-15 ，对网络进行Matlab编程仿真，网络训练2 500次，得到如图5所示的仿真波形。

　　最后，可用仿真得到的其余数据验证神经网络的训练情况。表6为神经网络的验证数据。表7为验证数据对应的输出结果。

　　（2）由三层BP神经网络组成的诊断系统在进行故障诊断时，采取数据驱动的正向推理策略，从初始状态出发，向前推理，到达目标状态为止。

　　故障诊断推理步骤如下：

　　①将故障样本输入给输入层各节点，并将其作为该层神经元的输出；

　　②求出隐含层神经元的输出并作为输出层的输入；

　　③求出输出层神经元的输出；

　　④由阈值函数判定输出层神经元的最终输出结果。

　　假设用Yn 表示故障类型，则故障类型阈值判定函数为：

　　式中：Φk = 0.90 ，当某模式下神经网络的输出大于0.90，而其他值均较小时，则可认为发生了该故障。则表7变为相应的表8.

　　通过表8与表5的对比，可见仿真结果与事实相符。

　　4 结语

　　本文针对某型电子信息系统的电路原理，综合运用故障字典和神经网络相结合的故障诊断方法，研究该型电子信息系统模块级故障诊断技术，具有一定的理论意义和和重要的实用价值。同时，本文研究的成果可以推广到其他型号的电子信息系统故障诊断技术研究。