基于伪随机和故障特征预处理技术的开关电流电路故障诊断研究

The switched current circuit fault diagnosis problem in the complex modulus of mixed signal system is a technical bottleneck which restrict the production and development of IC industry. However, there are less studies of switched current circuit fault diagnosis at home and abroad, which are lack of deep theoretical research and effective diagnostic methods. In the previous work the concept of fault feature pretreatment is applied to switched current circuit fault diagnosis for the first time, but its technology is still at exploring stage. The goal of this project is to solve the difficult problems in the pseudo random and fault feature pretreatment technology. The new ideas and new methods of switched current circuit fault diagnosis are proposed. Based on the multi-disciplinary and comprehensive research, using statistical analysis, theoretical simulation and actual test and other methods, when pseudo-random sequence with a reasonable choice length is inputted to the circuit under test, the error identification of the minimum percentage is obtained in the fault feature of boundary division; track trends of the fault features along with its parameter value changes of the electrical network components are found; a switched current circuit fault diagnosis system is achieved based the combination of pseudo-random technology and fault feature pretreatment technology; and more efficient fault feature extraction algorithm is explored. Therefore, the project will improve the efficiency of the switched current circuit fault diagnosis, reduce the misdiagnosis rate to make up for the deficiencies of the existing diagnostic methods, to further expand its diagnostic thought and improve the fault diagnosis theory.

复杂模数混合信号系统中的开关电流电路故障诊断问题是制约集成电路工业生产和发展的技术难题。然而，国内外对该方面的研究较少，尚缺乏深度的理论研究和有效的诊断方法。我们的前期研究首次将故障特征预处理概念引入到开关电流电路故障诊断中，但其技术尚处在探索阶段。本项目以解决伪随机和故障特征预处理技术中的难点问题为目标，提出开关电流电路故障诊断的新思路和新方法。项目在多学科交叉与综合的基础上，采用统计学分析、理论仿真和实测试验等方法，以伪随机序列激励被测电路，合理选择伪随机序列长度，获得最小百分比的误识别的故障特征边界划分；寻找故障特征随着电网络中的元器件参数值变化的故障特征轨迹变化趋势；将伪随机技术与故障特征预处理技术相结合实现开关电流电路的故障诊断，并研究更高效的故障特征提取算法。本项目将提高开关电流电路故障诊断效率，减少误判率，弥补现有诊断方法的不足，进一步拓宽其诊断思路和完善其故障诊断理论。

本项目以解决复杂模数混合信号系统中的开关电流电路故障诊断问题为目标，采用统计学分析、理论仿真和实测试验等方法，将伪随机技术与故障特征预处理技术相结合实现开关电流电路的故障诊断，并研究独立成分分析技术、故障特征提取算法、小波变换技术和开关电流滤波器设计等问题。项目达到了预期目标，提出了开关电流电路故障诊断的新思路和新方法。主要研究成果如下：.1、为解决故障类别较多的大规模集成开关电流电路的测试与诊断问题，提出了一种集成开关电流电路的故障模式测试方法，并获得该项发明专利授权。.2、针对开关电流电路的故障诊断和定位问题，为进一步提高故障准确率，提出了基于信息熵和Haar小波变换的开关电流电路故障诊断新方法。该方法采用伪随机信号激励经蒙特卡罗分析、Haar小波正交滤波器分解和信息熵及模糊集的计算来实现故障特征的提取，以减少信号的冗余。最后构建故障字典，完成各故障模式的故障分类。.3、提出了采用小波变换和独立成分分析（ICA）作为预处理器来进行特征提取的神经网络开关电流电路故障诊断方法。该方法对采集到的故障响应信号进行Haar小波正交滤波器分解，获得低频近似信息和高频细节信息。利用独立成分分析方法进行ICA故障特征提取，最后将所得到的最优故障特征输入到BP神经网络中进行故障分类。.4、将粒子群优化算法（PSO，即Particle Swarm Optimization）引入到支持向量机（SVM） 参数的选取中，提出了一种基于PSO-SVM 模型的开关电流电路故障分类新方法。该方法有效解决了信息熵的模糊集重叠引起的分类问题，获取的特征对分类器具有较强的鲁棒性。.5、提出了时频域混合共极点逼近的开关电流电路 Morlet 复小波变换方法。将 Morlet 复小波构成部件高斯包络进行分解,设计了高斯包络时域逼近优化模型。简化了 Morlet 复小波函数的拉普拉斯变换,实现了实部和虚部的共极点有理逼近。基于双线性变换积分器设计了一种开关电流复二阶节基本电路,综合了 Morlet 复小波变换基本电路，通过调节基本电路的开关时钟频率可实现其它不同尺度的小波变换功功能。.6、研究了集成开关电流滤波器电路的设计方法，设计了开关电流五阶高斯小波滤波器电路和电流模式五阶Marr小波滤波器电路。