基于Pspice的混合信號電路故障檢測*

張燦兵 潘 強 郁衛(wèi)星

(海軍工程大學電子工程學院1) 武漢 430033)(91656部隊2) 寧波 315718)

1 引言

隨著科學技術(shù)的飛速發(fā)展和制造工藝的不斷提高,電路系統(tǒng)的復雜程度日益提高,為了降低成本,芯片設(shè)計人員往往把模擬電路和數(shù)字電路集成到一個芯片上。這就產(chǎn)生了數(shù)?；旌闲盘栯娐凡⒌玫搅藦V泛應(yīng)用,據(jù)統(tǒng)計,當前超過60%的集成電路芯片內(nèi)包含有數(shù)模混合信號電路,并且隨著集成電路技術(shù)的進步,數(shù)?；旌想娐匪嫉谋壤€將進一步擴大[1]。數(shù)?；旌闲盘栯娐返目焖侔l(fā)展,使得數(shù)模混合信號電路的檢測日益受到業(yè)內(nèi)人士的重視。

目前混合電路測試面臨的問題:1)模擬故障的定義;2)模擬和數(shù)字混合器件中,模擬電路的選擇;3)測試激勵生成。由于電路中各點電流是相通的,電流測試就無需區(qū)分數(shù)字電路和模擬電路。為此,本文采用電流信息作為被測信號,用神經(jīng)網(wǎng)絡(luò)和故障字典相結(jié)合的方法對混合信號電路進行故障檢測。

2 數(shù)?；旌闲盘栯娐返姆抡?/h2>

利用PSPICE9.2.1建立數(shù)?；旌闲盘栯娐?以7404反相器組成的混合信號電路進行故障檢測如圖1所示,對電路進行建模仿真[2]。通過對電路進行瞬態(tài)分析和靈敏度分析,發(fā)現(xiàn)電源v1、v2和負載r3處的電流信息對電路中元器件的變化比較敏感,因此可以作為該電路故障檢測的參數(shù)。

圖1 混合信號電路圖

在元器件容差均為10%的狀態(tài)下,對電路進行1000次蒙特卡洛分析和最壞分析,r3處的電流幅度分布圖可以發(fā)現(xiàn)檢測點r3處的電流幅度都在10%以內(nèi)變化(如圖2所示)且波形不發(fā)生變化;而當r3的阻值變化為20%的情況下,其電流幅度變化較大(如圖3所示),由此我們可以用r3處的電流幅度信息為檢測參數(shù)來建立故障字典。同樣可以發(fā)現(xiàn)v1和v2處電流幅度信息也可以作為檢測參數(shù)來建立故障字典。為了準確地檢測混合信號電路的故障,可以采用v1、v2、r3處的電流幅度的最大值作為參數(shù)進行故障檢測,共3個檢測參數(shù)。

3 故障字典的建立

檢測參數(shù)的獲取,利用Pspice 9.2對電路進行建模仿真,觀察電源和負載端電流信息;提取特征參數(shù);利用BP網(wǎng)絡(luò)來建立正常狀態(tài)下的故障字典,以判斷電路的狀態(tài)。

1)數(shù)據(jù)采集與特征參數(shù)的提取[3～4]。在各元器件的容差均為10%的狀態(tài)下,對被測電路進行充分仿真并結(jié)合蒙特卡洛、靈敏度和最壞分析對電路進行分析,然后采集電源和負載端電流信息作為故障檢測參數(shù)。

2)BP網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)[5]。根據(jù)電路特征參數(shù)的維數(shù),確定BP網(wǎng)絡(luò)的輸入與隱層節(jié)點數(shù)目。假特征參數(shù)的維數(shù)是N,則輸入層節(jié)點數(shù)目為N;電路檢測狀態(tài)只有兩種即正常狀態(tài)和故障狀態(tài),故輸出層節(jié)點數(shù)目為1;隱層節(jié)點數(shù)目按公式 N+1+a(N為輸入層節(jié)點數(shù)目,a=1～10)進行選取,若在網(wǎng)絡(luò)訓練過程中不滿足要求,則逐個增加(或減少)隱層節(jié)點數(shù)目。經(jīng)過分析,隱層和輸出層的激勵函數(shù)分別采用非線性的正切-S型(tan-sigmoid)函數(shù)和非線性的對數(shù)-S型(log-sigmoid)函數(shù)。

3)故障字典的建立。為了讓BP網(wǎng)絡(luò)識別電路的狀態(tài),首先必須對BP網(wǎng)絡(luò)進行訓練,即建立故障字典。以特征參數(shù)為訓練樣本輸入向量,訓練樣本輸出標準為:假設(shè)電路特征參數(shù)的維數(shù)為N,只有當N個維數(shù)均滿足正常狀態(tài)的條件,電路才處于正常狀態(tài),網(wǎng)絡(luò)輸出“1”;任意1個維數(shù)不滿足正常狀態(tài)下的條件就判定電路有故障,網(wǎng)絡(luò)輸出“0”。本文主要進行混合信號電路的故障檢測,利用大量訓練樣本對網(wǎng)絡(luò)進行訓練,建立故障字典,達到所期望的誤差目標。

4)檢測結(jié)果。把待測電路的特征參數(shù)輸入到訓練過的BP網(wǎng)絡(luò)(即故障字典),得到輸出結(jié)果,從而判斷電路的狀態(tài)。

4 故障檢測結(jié)果

由以上分析可知該電路所需的BP網(wǎng)絡(luò)的結(jié)構(gòu)為:輸入層神經(jīng)元數(shù)目為3個,即特征參數(shù)的維數(shù);輸出層神經(jīng)元數(shù)目為1個,即電路的狀態(tài)只有兩個(正常和故障);隱層神經(jīng)元數(shù)目為3～12個。

運用MATLAB7.1對BP網(wǎng)絡(luò)進行設(shè)計、訓練、測試,得到的 BP網(wǎng)絡(luò)結(jié)構(gòu)3—12—1[6]。網(wǎng)絡(luò)的具體參數(shù)如下:隱層和輸出層分別選用非線性函數(shù)tansig和 logsig,訓練函數(shù)用彈性梯度下降法(trainrp),學習速率為 0.01,最大訓練次數(shù)為10000,訓練精度為0.009,權(quán)值變化增加量為1.2,權(quán)值變化減小量為0.5,初始權(quán)值變化為0.07,權(quán)值變化最大值為50。經(jīng)過多次訓練、測試得到訓練、測試結(jié)果圖如圖4所示。

其中圖中十字表示期望目標,實線表示訓練結(jié)果,虛線表示測試結(jié)果。

圖4 訓練、測試結(jié)果圖

訓練向量共252組,其中前28組向量期望輸出為“1”表示電路正常,其余期望輸出均為“0”;測試向量共226組,其中只有在13～15、31～43處共17組測試向量所表示的電路是正常的,即期望輸出為“1”,其余期望輸出均為“0”。利用 MAT LAB 7．1圖表里的工具函數(shù)可以找出訓練結(jié)果只有前三組數(shù)據(jù)沒有達到期望輸出結(jié)果,即訓練的正確率為98.8%;測試結(jié)果為“1”(判斷準則為:大于 0.5默認為“1”,反之為“0”)的數(shù)據(jù)是:15～17,33～42組,與測試向量相比發(fā)現(xiàn)測試向量的漏檢數(shù)據(jù)為5組,虛檢為2組,誤檢率3.1%,由此可知利用改進的BP網(wǎng)絡(luò)建立的故障字典能夠很好地實現(xiàn)混合信號電路的故障檢測。

5 結(jié)語

本文以7404反相器組成的混合信號電路為實例,利用Pspice9.2對該電路進行了建模、仿真、分析,以其電流信息為測試參數(shù)來建立故障字典,運用matlab 7.1對該方法進行了訓練、檢驗、計算。檢測結(jié)果證明該方法不僅能檢測出電路中阻容元件故障還能檢測出三極管、反相器、電源的故障,具有很高的故障覆蓋率和故障檢測率(96.9%)。

[1]汪涌.基于DES理論的數(shù)?；旌想娐饭收显\斷技術(shù)研究[D].合肥:合肥工業(yè)大學,2008

[2]王輔春.電子電路 CAD與ORCAD教程[M].北京:機械工業(yè)出版社,2005

[3]M.R.A shouri.Fault detection of analog circuits using neural networks and Monte-Carlo analysis[C]//Proc.44thMidwest Symposium,2001,2:14～17

[4]Kyung Ki Kim,Yong-Bin Kim,Minsu Choi,et al.Accurate Macro-modeling for Leakage Current for IDDQ Test.Instrumentation and Measurement Technology Conference-IM TC 2007 Warsaw,Poland,2007,5:1～3

[5]王承,陳光褕,謝永樂.小波-神經(jīng)網(wǎng)絡(luò)在模擬電路故障診斷中的應(yīng)用[J].系統(tǒng)仿真學報,2005,17(8):1936～1938

[6]董長虹.MAT LAB神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M].北京:國防工業(yè)出版社,2007