電子電路的故障分析

孫玖明+董超

摘 要：本文從兩個方面概述電子電路的故障，包括對電子電路故障開展檢測和分析的必要性以及自動化故障診斷技術在電子電路故障分析中的應用。重點探討了電子電路故障分析理論以及應用，包括基于人工神經網絡的基本理論和故障診斷應用、小波神經網絡、量子神經網絡等方面。以期為相關的理論研究和具體的實踐工作提供一定的借鑒。

關鍵詞：電子電路；故障

隨著電子工業以及電子電路系統集成技術的發展，電子電路的復雜性也隨之提升。因此，在對相關的電子電路設備進行維護和保養的過程中，需要花費更多的時間、精力以及資金。開展電子電路故障分析，能夠對工業生產以及國民生活的方方面面產生重要的積極意義。在這個背景下，研究電子電路的故障分析的諸多問題，具有重要的現實意義和價值。

一、電子電路的故障概述

（一）對電子電路故障開展檢測和分析的必要性

隨著當今電力電子技術的廣泛運用，各類高性能的電子電路設備和相關產品逐漸涌現，促進對于設備維護性要求的提升。當電子電路設備出現故障卻沒有得到及時的診斷和恢復時，一系列嚴重的后果會由此引發，輕則發生停機故障，重則威脅設備操作和檢修人員的生命安全，帶來嚴重的經濟損失。因為電子電路設備在工程系統中發揮著重要的作用，充當電源以及控制器等核心角色，尤其是對于航空航天設備這種對于電子電路設備要求較高的應用領域來說，必須定期進行電子電路的自動化測試和診斷，開展必要的修復工作。除此之外，當電路發生故障時，人工診斷技術的劣勢逐漸顯現出來，比如即時性弱、診斷精度低等。在對電子電路的故障進行檢修、調試和替換的過程中無法發揮出獨特的優勢。在這個背景下，自動診斷技術應運而生，能夠很好地彌補人工診斷技術的不足。所以，針對先進的自動故障診斷技術進行深入的研究和應用，已經引起了世界范圍內的關注。

（二）自動化故障診斷技術在電子電路故障分析中的應用

對于電子電路中電路元件較多的情況，比如在某些新型靜止無功發生裝置中，存在數十個晶閘管，如果采用人工診斷方法，又費時又費力。自動化故障診斷技術的發展能夠實現人力物力的大幅度節省。對于對電子電路設備可靠性以及容錯的要求較高的應用領域來說，電子電路需要具備自測試、自診斷以及自我修復的功能。以上種種需求需要技術人員進行電子電路工作狀態的動態在線監視，進行電子電路狀態的實時測試和診斷。當某部分的電路發生故障時，自動診斷技術能夠實現在不對電路中其他部分的運作造成不利影響的基礎上，進行故障的隔離定位以及修復，并且在以上流程結束后繼續投入使用。與此同時，在進行在線故障診斷時，對故障所在的部位以及性質進行快速分析能夠實現電子電路運行停機時間的有效縮短。在有利樂觀情況下，還有望進行容錯電力電子系統的建立，實現系統可靠性的提升。

二、電子電路故障分析理論以及應用

（一）基于人工神經網絡的基本理論和故障診斷應用

人工神經網絡在電子電路故障分析中的應用主要遵循以下的流程。首先，在電子電路基本信息的基礎上進行常見故障類型的分析。其次，將這些常見的故障類型以神經網絡的目標的形式進行樣本輸出。再次，根據以上常見的故障類型，進行電路相應故障信號的提取，并且對以上提取的信號進行相關的預處理，成為神經網絡標準的輸入樣本。最后，以網絡的拓撲結構為基礎，通過神經網絡進行存儲電路故障信號以及故障類型之間映射關系的學習和存儲。并且利用相關的學習規則，對樣本開展訓練，實現神經網絡相應網絡參數值的獲取，最終將結果傳送到執行機構以及顯示設備。在整個過程中，故障特征的提取以及預處理、神經網絡的設計是其中的兩個重要環節。

在對故障特征進行提取的過程中，對于故障電路狀態信號的分析和處理以及預處理是主要的內容。技術人員需要對獲取的電子電路故障的測試數據進行分類和壓縮，這個過程需要遵循一定的規則。在對故障特征以及電路不同故障狀態下的統一故障特征進行提取的時候，因為這個特征與故障狀態不存在相關關系，所以能夠實現故障特征提取流程的簡化以及計算量的減少，大幅提升故障診斷速度。這個流程中蘊含的基本步驟如下：首先，對故障電路進行激勵。其次，采取合適的方法對電路的相應響應信號進行測量。最后，預處理特征信號，實現從測量空間到特征空間的轉化。

（二）基于小波神經網絡的基本理論和故障診斷應用

從目前的電子電路故障分析實踐來看，對于線性系統的狀態監測以及故障診斷而言，已經有了很多較為科學合理的方法。但是，對于非線性電子電路系統故障分析來說，相關狀態監控的方法較為有限，仍然需要進一步探索。隨著人工神經網絡系統故障分析技術的發展，小波神經網絡技術也應運而生，能夠發揮對任意函數以及信號的有效逼近功能，實現非線性電子電路故障診斷以及實時監控有效性的提升。但是，雖然小波神經網絡存在故障診斷率高等眾多優勢，但是在外界噪聲提升的環境下，小波神經網絡故障分析系統的誤診斷率也會隨著提升。這對于某些要求較為苛刻的應用領域來說，適用性不高。

（三）基于量子神經網絡的基本理論和故障診斷應用

雖然人工神經網絡技術已經得到了長足的發展，但是當故障模式之間存在著交叉數據的模式識別問題時，人工神經網絡的優勢就無法充分發揮出來，誤診斷率較高。在這個背景下，將相關神經網絡的知識與量子計算理論相結合，具有十分開闊的發展前景。

量子神經網絡是量子計算與經典神經網絡相結合的產物。在神經網絡的結構中融合量子計算理論，并且在訓練過程中盡可能滲透這個理論。或者，在進行神經網絡拓撲結構以及訓練算法的設計時，直接進行量子理論中某些原理以及概念的借用。以上兩種策略能夠實現特征向量以及故障類型之間對應關系的精確反映，提升故障診斷效率和正確率，降低誤診率。

三、總結

從我國目前的電子電路的故障分析實踐來看，相關理論的應用情況得到了一定的提升，但是在非線性電路以及容差電路的故障診斷方面仍存在一定的缺陷，需要相關技術人員做出更為深入的探討和研究。

參考文獻：

[1]楊錚.關于電子電路的故障研究[J].民營科技，2014，（11）：52.

[2]王耀軍，王鵬云.電子電路故障檢測技術研究[J].電子測試，2010（2）：80-83.

[3]韓超洋，郭陽，周嘉璐等.淺析電子電路故障檢測技術[J].中國電子商務，2013，（9）：221.