模擬電路的故障原因與診斷方法研究

丁自輝

摘 要：當前，模擬電路在各行各業中有著廣泛的運用，但模擬電路系統要求具備高度的可靠性、經濟性，要求在使用過程中不斷強化模擬電路故障的診斷，以提升系統運行的穩定性。本文基于分析模擬電路系統中故障發生的原因，結合傳統故障診斷方式以探究模擬電路故障診斷的方法及發展趨勢。

關鍵詞：模擬電路；故障診斷；人工智能

模擬電路在各行各業的運用越來越廣泛，其故障原因與診斷方法是一個值得探究的問題，電路故障時有出現，了解其產生原因，掌握行之有效的診斷方法，才能有的放矢，高效地解決問題。

1 模擬電路故障產生原因及特點

1.1 模擬電路故障產生原因

模擬電路在運行中如果發生偏離元件標稱值的現象，則可以認定為模擬電路出現了異常現象即存在故障問題。根據現有文獻資料以及實踐環節中的經驗總結，導致模擬電路發生故障的原因主要在于設計環節、生產環節、使用環節。例如，部分元器件因設計不合理，導致運行中與其他部件之間不兼容，又如在生產過程中封裝不到位，勢必會影響到后期的使用。就目前而言，電路故障有多種不同的分類形式，通常是按照元件參數值偏離其標稱值的程度劃分為軟故障（Soft Faults）和硬故障（Hard Faults）兩類。軟故障是指元件的參數隨著時間或者環境條件的影響而偏離至不能允許的程度，從而導致了系統性能的異常或惡化。一般而言，元件發生軟故障不會改變電路的網絡拓撲結構，即不會影響到電路的整體運行，但是硬故障則會直接威脅到電路運行，從而影響設備在工作中的使用壽命。如果電路系統中發生硬故障，則意味著某個元件的參數發生了巨變，拓撲結構發生了變化，整體性能可能陷入到癱瘓的狀態。對于電路系統的運行而言，硬故障是最為致命的，容易引發極大值的開路現象或極小值的短路問題。因此，在模擬電路的使用過程中要重點關注硬件的維護，避免發生硬故障現象以致整個系統癱瘓。

1.2 模擬電路故障診斷特點

當前，不論是對于數字電路還是模擬電路的故障診斷方法的研究，均經歷了漫長的探索與完善的歷程，直至今日對于模擬電路故障的診斷依然沒有取得有效進展。雖然診斷方法較多，但并沒有一個診斷方法能得到大眾的認可。具體而言，導致模擬電路故障診斷的難度在于以下幾點：

（1）信號輸送的連續性

信號的輸入與輸出在時域上與電壓幅度上的連續性是模擬電路的特性之一，雖然具有一定的優勢，但卻增加了故障診斷的難度，難以通過簡單量化的方式去鎖定故障部位。

（2）實際電路元件參數的離散性

模擬電路區別于實際電路的重要一點在于后者的元件參數具有一定程度上的離散性，存在一定的容差從而影響到了故障診斷的難度，導致在診斷過程中存在模糊性，難以確定電路發生故障的準確位置。

（3）模擬電路的非線性問題

由于模擬電路中包含了大量的非線性和反饋回路，致使在故障診斷中不得不面對諸多非線性的問題，直接增加了故障診斷的難度系數。

（4）可供測量的電壓節點少

模擬電路中可供測量的電壓節點相對較少，也由此決定了測量的選擇面較少，可供于判斷故障相關信息的同理較少，導致故障診斷的難度較大，存在模糊性。

（5）周圍環境的影響與干擾

模擬電路受環境的影響較大，在輸出響應過程中極易受到現場環境的影響，而受制作技術與工藝的影響不大。例如，周圍環境的噪音、電磁波等均是極大的干擾因素。

綜合以上分析，在模擬電路故障分析中因受到其自身特性的影響，尚不足以直接將成熟的數字電路故障診斷的方法嫁接到模擬電路的故障診斷中。為達到解決故障分析與維護問題的目的，需要進行針對化處理。

2 模擬電路現代故障診斷方法

2.1 基于專家系統的故障診斷方法

專家系統（Expert System，ES）是一種基于知識的計算機程序系統，其內部含有大量的某個領域專家水平的知識與經驗，能夠利用人類專家的知識和解決問題的方法來處理該領域問題。它根據專家提供的知識和經驗，通過人工智能的知識表示和知識推理技術以實現模擬人工專家進行故障診斷分析的過程，達到解決問題的目的，尤其對于部分必須要依靠技術與經驗兼備的專家才能解決的故障具有重要作用。故障診斷專家系統在運用過程中由知識庫、人機接口、推理機等諸多要件組成，其中知識庫是最為重要的組成部分之一，在一定程度上直接影響到了故障診斷的結果。專家系統顧名思義就是需要融合行業專家的知識與經驗，將之納入到知識庫中以備實際檢測過程中加以運用，達到診斷故障的目的。如果知識庫中專家經驗不足，則在使用過程中會出現推理能力不足的現象，發生窄臺階效應，難以達到故障診斷的目標。同時，如果在使用過程中制定的規則偏多，則會增加推理的難度，故障診斷的效率也就相應的下降，甚至出現匹配沖突等問題，影響到最終的診斷效果。

2.2 基于神經網絡的故障診斷方法

由于神經網絡具有聯想記憶、并且處理、強非線性映射等能力，使之在模擬電路故障診斷中具有較大的優勢，同時也提升了其在電路故障診斷市場中的發展潛力，就其應用方式而言，主要如下：其一，通過神經網絡的辨識能力制定辨識模型進而產生殘差序列，根據序列分布逐步確定故障所在；其二，通過神經網絡的模式識別能力以解決更為復雜的電路系統，尤其是不能通過數字模型檢測故障的電路即可通過神經網絡對故障空間進行映射，以判斷出故障的問題所在。

2.3 基于模糊邏輯的診斷方法

模糊故障診斷方法是利用模糊數學中的隸屬度函數和模糊關系矩陣來解決故障與征兆之間的不確定關系。其實質是引入了隸屬度函數的概念，把傳統的0和1的二值邏輯轉移到【0，1】區間上的連續值邏輯上來。因此，通過引入模糊邏輯機制可緩解故障征兆描述信息不全或不恰當所致的診斷困難，減少模糊性的干擾，提升診斷的準確性，在未來發展中具有廣闊的運用前景。

模擬電路的故障原因紛繁復雜，診斷方法多種多樣，要找到良好的解決方案，必須具體問題具體分析，有針對性地探求方法，最終達到破解故障的目的。

參考文獻

[1]許俊.基于頻率特性的模擬電路故障分析[J].電子世界，2013，（10）：50.

[2]蔣雄，鄧佳.模擬電路故障分析及診斷方法[J].價值工程，2014，（21）：58-59.

（作者單位：湖南省湘西自治州七六0二臺）