[發明專利]一種電子電路測試與故障診斷參數識別優化方法

無效

• 申請號: 200710303465.4
• 申請日: 2007-12-29
• 公開（公告）號: CN101216530A
• 公開（公告）日: 2008-07-09
• 發明（設計）人: 何怡剛;劉美容;李慶國;劉慧
• 申請（專利權）人: 湖南大學
• 主分類號: G01R31/316
• 分類號: G01R31/316;G01R31/02;G06N3/06
• 代理公司: 長沙市融智專利事務所
• 代理人: 顏昌偉

技術領域

本發明涉及一種電子電路測試與故障診斷參數識別優化方法。

背景技術

模擬電子電路測試與故障診斷近三十年的研究，一直是基于傳統的VonNeumann串行數字計算機，雖然取得了不少的成果，但一直沒有富有成效的可付諸廣泛使用的診斷理論和方法。隨著微電子技術的發展，尤其是模數混合集成電路和超大規模模擬集成電路的發展，特別是芯片系統(SOC)的發展對模擬電子電路測試和診斷提出了急迫的需求，現代工業也往往要求診斷在實時完成。模擬電子電路的診斷優化方法中，最小絕對值范數估計法是比較靈敏和有效的，但在線計算量大，難以滿足現代工業實時性要求，因此減少最小絕對值范數估計法的在線計算量是急需解決的問題。

人工神經網絡是在現代生物學研究人腦組織所取得成果基礎上提出的，它是由大量簡單的處理單元相互聯接構成的工程計算模型，部分的模擬了人腦的結構和功能。其中連續反饋數據網絡以其大規模并行分布處理、連續時間動力學行為等特點而在實時計算方面顯現特別的優勢。在實時應用方面，雖則模擬電子神經網絡的規模與問題的規模相關，但網絡的收斂時間與問題的規模無關。隨著VLSI等技術的發展，模擬電子神經網絡將成為解決實時問題的一條有效途徑。

發明內容

為了解決現有模擬電子電路的故障診斷優化方法在線計算量大，不能滿足現代工業實時性要求的技術問題，本發明提供一種電子電路測試與故障診斷參數識別優化方法，本發明可快速求得電子元件的參數以判斷該元件是否失效以及電路的好壞。

本發明解決上述的技術問題的技術方案包括以下步驟：

測試單個電源激勵下電子電路各可及節點電壓；

將測量的節點電壓與正常情況下節點電壓進行比較計算節點電壓差值；

將電子元件參數變化量用等效電源表示，建立電路特征方程；

應用最優化理論結合電路特征方程建立最小絕對值范數約束優化問題；

利用普通罰函數方法融合精確罰函數方法將最小絕對值范數約束優化問題轉化為無約束優化問題進行求解，神經網絡的解就是用等效電流源或電壓源表示的電子元件參數變化量，根據電子元件參數容差確定元件是否發生故障。

一種電子電路測試與故障診斷參數識別優化方法，包括以下步驟：

測試單個電源激勵下電子電路各可及節點電壓；

將測量的節點電壓與正常情況下節點電壓進行比較計算節點電壓差值；

將電子元件參數變化量用等效電源表示，建立電路特征方程；

應用最優化理論結合電路特征方程建立最小絕對值范數約束優化問題；

利用Lagrange乘子法將最小絕對值范數約束優化問題轉化為無約束優化問題進行求解，神經網絡的解就是用等效電流源或電壓源表示的電子元件參數變化量，根據電子元件參數容差確定元件是否發生故障。

本發明的技術效果在于：本發明避免了普通罰函數法中為求得最優解罰參數K_i需為無窮大導致Hesse矩陣病態從而影響懲罰的效率甚至導致計算失敗以及較大的罰參數模擬電子電路實現困難等缺點；本發明避免了精確罰函數法中由于使用了非光滑的罰函數在模擬電子神經網絡中可能引起寄生振蕩和較慢的收斂速度等缺點，可快速求得電子元件的參數，并借以判斷該元件是否失效以及電路的好壞。本發明采用Lagrange乘子λ_i做為優化過程中自適應控制參數，對于使E最小的e^*存在一個相應的λ^*，因而神經網絡的收斂速度較快，可快速求得電子元件的參數，并借以判斷該元件是否失效以及電路的好壞。

下面結合附圖及具體實施例對本發明作進一步的說明。

附圖說明

圖1為本發明的計算等效電源的基于罰函數法的跨導神經網絡。

圖2為本發明的計算等效電源的基于Lagrange法的跨導神經網絡。

圖3為本發明的跨導符號函數變換器。

圖4為本發明應用示例電路。

具體實施方式

本發明將待測電子電路所有元件參數增量用等效電源替代，在可測試節點用單個電流源對電路激勵，測試獲得可測節點電壓對可測節點電流激勵間的阻抗矩陣Z_m^m(m×m維矩陣)，可測節點電壓對等效電源的混合矩陣H^m(m×n維矩陣)，依據阻抗矩陣Z_m^m和混合矩陣H^m建立有關節點電壓增量與等效電源變量間關系的電路特征(矩陣)方程：