CN101819252A - 一种模拟电路故障诊断方法 - Google Patents

Abstract

本发明公开了一种模拟电路故障诊断方法，包括以下步骤：通过计算或仿真得到模拟电路中各潜在故障元件发生渐变的参数故障时，输出参数发生相应变化的动态故障模型函数并存储，构建故障模型字典；监控模拟电路输出参数，采集并记录下输出参数的变化过程，得到一系列的离散数据，将这系列的离散数据与故障模型字典中的各故障模拟函数作对比，如果与某一潜在故障元件故障模型函数一致，该潜在故障元件发生了故障参数故障。本发明提出的动态建模方法由于较好的解决了故障模型投影重叠问题，所以能较好应用于含容差电路的参数故障诊断问题，除此之外这种动态建模方法还有诸如：可以使用故障模型字典方法进行故障诊断，简单易用；实现故障的在线诊断等优点。

Description

一种模拟电路故障诊断方法

技术领域

本发明涉及一种故障诊断方法，具体来讲，涉及一种通过建立故障模型来对模拟电路故障进行诊断的方法。

背景技术

对于模拟电路故障诊断问题，故障建模是一项重要内容，是研究的热点也是难点问题。在现有技术中，模拟电路故障诊断过程中，故障模型有以下几种：

(1)、开路和短路故障模型

数字电路故障模型发展较早也较为成熟，采用较多的故障模型是固定1型和固定0型故障，因此，模拟电路故障建模领域一开始也借鉴了这一思想，采用的是开路和短路故障模型，这类故障模型也被称为结构故障模型。开路和短路故障模型建模简单，但开路和短路都属于硬故障，这种方式不能对模拟电路中常见的参数故障，即软故障进行建模，其应用范围受到局限。

(2)、故障分段模型

故障分段模型能处理线性电路发生参数故障的情况，但是该模型只能模拟元件参数在某一区间发生变化的情况。众所周知，模拟元件发生参数故障时，其参数值是在0到无穷大之间变化的，所以该建模方法同样有较大局限性。

(3)、参数故障模型

参数故障模型，又称灵敏度方法故障模型使得参数故障能在电路无容差时被检测，但它对元件容差问题处理不够理想，且故障诊断效果不佳：故障隔离率不高，不能很好地定位出故障的元件。

(4)、系统函数模型

系统函数模型理论上能诊断网络中的软故障。但由于需要写出系统函数以进行故障诊断，所以其缺点是需要测点较多，对于复杂电路不易写出传输函数，且元件容差可能覆盖故障信号。

(5)、信号模型

信号模型是对电路按功能进行分块，然后通过灵敏度分析获得并画出测试量与电路元件的双向依赖图，以选择测试点和测试激励。该模型有利于对电路进行测试性分析，但是我们最终目的还是要对故障进行诊断，定位出故障的元件，而该模型不能提供详细的故障诊断结果，只能进行故障检测，并且检测灵敏度随电路的复杂程度增高而降低。

上述故障检测和诊断中常用测量参数是输出电压V_o，它由输入电压V_i、各元件(或模块)参数x_j和电路函数f确定：

V_o＝V_i×f(x₁，x₂，…，x_n)    (1)

由于实际模拟电路中元件参数的连续性，可能存在多个元件分别发生不同参数故障时得到的输出电压是相同的。

在公式(1)中，如果j、k两个不同的元件发生参数故障，但其导致的输出电压是相同的，即V_o1＝V_i×f(x₁，…x_j′…x_n)＝V_o2＝V_i×f(x₁，…x_k′…x_n)，此时我们称j、k元件测参数故障是不可区分的。如图1所示的比例放大电路，输出电压V_out为被测量，V_in是输入电压，则：

$V_{\mathrm{out}}=-\frac{R_2}{R_1}{V}_{\mathrm{in}}---\left(2\right)$

考虑最简单的电阻R₁和R₂参数故障，现有的建模方法均无法完全将电阻R₁和R₂的参数故障分开。比如电阻R₁减小50％和电阻R₂增加100％时的输出电压是一样的，用传统方法就不可区分这两种故障。

发明内容

本发明的目的在于克服现有技术的不足，提供一种能区分不同元件参数故障的模拟电路故障诊断方法。

为实现上述目的，本发明的模拟电路故障诊断方法，包括以下步骤：

(1)、构建故障模型字典

通过计算或仿真得到模拟电路中各潜在故障元件发生渐变的参数故障时，输出参数发生相应变化的动态故障模型函数并存储，构建故障模型字典；

(2)、故障诊断

监控模拟电路输出参数，采集并记录下输出参数的变化过程，得到一系列的离散数据，将这系列的离散数据与故障模型字典中的各故障模拟函数作对比，如果与某一潜在故障元件故障模型函数一致，则判定模拟电路中，该潜在故障元件发生了故障。

本发明的发明目的是这样实现的：

在模拟电路中，由于元件参数的连续性，不同元件发生不同参数故障导致输出参数相同的情况在理论上有无穷多，这就是故障特征的投影重叠效应。现有技术的模拟电路故障诊断方法只考虑某一时刻输出参数而不考虑时间轴，当这些故障导致输出参数的变化投影到纵轴上，则两条曲线是重叠的，从而导致故障诊断的模糊性，从而无法区分不同元件参数故障。究其原因，现有技术的建模方法都是静态的，即在某一时间点上的模型：在故障发生后，对输出参数如电压静态值的建模，这是与模拟电路元件参数和输出参数的连续性特性是不相适应的，本发明为解决这一问题，提出了一种新的动态建模方法。

在模拟电路中，当元件发生参数故障时，即元件渐变失效，其参数值不再是固定值，而是时间的函数。此时，输出参数，如输出信号的幅度或者频率等测试量也是时间的函数。同一类型的元件为同一失效类型，即失效函数相同，但是它们在模拟电路中的功能不同，反映在输出参数，如幅度、频率等的时间曲线上也是不同的。由于同时考虑了时间因素，所以这种动态模型就可以克服传统故障模型的投影重叠效应。如当j号元件发生渐变故障，用x_j(t)表示，模拟电路输出参数值为时间的函数，以输出电压为例，则有：

V_o1(t)＝V_i×f(x₁，…，x_j(t)，…，x_n)    (3)

同样当同类型的k号元件发生渐变故障时，输出电压为

V_o2(t)＝V_i×f(x₁，…，x_k(t)，…，x_n)    (4)

由于j、k两个元件在电路中所处的位置不同，除非这j、k两个元件在电路中的功能相同，它们分别发生渐变故障时的V_o1(t)和V_o2(t)的时间曲线往往不会重合，即：V_o1(t)＝V_i×f(x₁，…，x_j(t)，…，x_n)≠V_o2(t)＝V_i×f(x₁，…，x_k(t)，…，x_n)。通过测量和比较输出信号的电压时间曲线就能诊断出是哪个元件发生故障，能区分不同元件参数故障。在本发明中，故障模型是时间的函数，所以，在本发明中定义为动态模型。

附图说明

图1是比例放大器的电原理图；

图2是图1所示比例放大器电阻R₁、R₂的动态故障模型曲线；

图3是图1所示比例放大器电阻R₁，在电阻R₂无容差、含容差时的动态斜率故障模型曲线；

图4是巴特沃斯低通滤波器电原理图；

图5是图4所示巴特沃斯低通滤波器中电阻R₁、R₂和电容C₁的动态故障模型曲线。

图6是电阻R₁发生失效得到输出电压变化曲线及斜率特征曲线；

图7是记录得到的故障特征曲线与电阻R₁的动态故障模型曲线进行对比的示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当采用已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例1

图1是比例放大器的电原理图

如图1所示，在本实施例中，模拟电路以比例放大电路为例，假定电阻R₁在某时刻开始发生参数漂移，即发生参数故障，其失效过程为时间函数，阻值用R₁(t)表示。此时输出电压亦为时间的函数

$V_{\mathrm{out}}\left(t\right)=-\frac{R_2}{R_1\left(t\right)}{V}_{\mathrm{in}}---\left(5\right)$

当电阻R₁不变，电阻R₂发生参数故障时

$V_{\mathrm{out}}\left(t\right)=-\frac{R_2\left(t\right)}{R_1}{V}_{\mathrm{in}}---\left(6\right)$

由于电阻R₁和R₂都是同一类型电阻元件，所以参数失效函数相同。为讨论简单起见，假定它们的失效函数都是时间的一次函数：

R₁(t)＝R₁₀(1+αt)    (7)

R₂(t)＝R₂₀(1+αt)    (8)

其中α为失效速率，R₁₀和R₂₀分别为电阻R₁和R₂的初始阻值。

将(7)代入(5)中有

$V_{\mathrm{out}}\left(t\right)=-\frac{R_{20}{V}_{\mathrm{in}}}{R_{10}(1+\mathrm{\αt})}---\left(9\right)$

将(8)代入(6)中有

$V_o\left(t\right)-\frac{R_{20}(1+\mathrm{\αt})}{R_{10}}{V}_i---\left(10\right)$

根据(9)、(10)两式故障模型函数，不难得到如图2所示的两条动态故障模型曲线。由该曲线可清晰地区分元件，即电阻R₁和R₂参数故障。

实施例2

如实施例1所述，通过比较输出参数值的时间曲线就能区分不同元件的参数故障。但实际电路中，由于其它无故障元件可能含有容差，这将会影响输出信号的参数值大小，如幅度大小，导致输出参数的时间曲线与理论值发生偏差，从而故障无法区分。

在本实施例中，假定含有容差的无故障元件的参数在某一时间段内是一固定值或者近似为一固定值，只有故障元件的参数是时间的函数，所以输出信号的幅度虽然受容差影响，但是其变化率或变化趋势只由故障元件的失效函数和其在电路中的位置确定，而不受无故障元件的容差值影响。由此就能区分故障元件。

由(1)式可得到无容差电路中j号元件发生参数故障时的输出电压变化率为

$\frac{{\∂V}_o\left(t\right)}{\∂t}=V_i\×\frac{\∂f\left(X\right)}{\∂x_j}\frac{{\∂x}_j\left(t\right)}{\∂t}---\left(11\right)$

由(1)式可得到电路含容差时的输出电压表达式为：

V_oΔ＝V_i×f(x₁+Δx₁，x₂+Δx₂…，x_n+Δx_n)    (12)

由(12)式可得到含容差电路中j号元件发生参数故障时的输出电压变化率为：

$\frac{{\mathrm{\ΔV}}_{\mathrm{o\Δ}}\left(t\right)}{\∂t}=V_i\×\frac{\∂f(X+\mathrm{\ΔX})}{{\∂x}_j}\frac{\∂(x_j\left(t\right)+\mathrm{\Δ}{x}_j)}{\∂t}=V_i\×\frac{\∂f(X+\mathrm{\ΔX})}{\∂x_j}\frac{\∂x_j\left(t\right)}{\∂t}---\left(13\right)$

比较式(11)和式(13)，

$\frac{{\∂V}_o\left(t\right)}{\∂t}/\frac{{\∂V}_{\mathrm{o\Δ}}}{\∂t}=\frac{V_i\×\frac{\∂f\left(X\right)}{{\∂x}_j}\frac{{\∂x}_j\left(t\right)}{\∂t}}{V_i\×\frac{\∂f(X+\mathrm{\ΔX})}{{\∂x}_j}\frac{{\∂x}_j\left(t\right)}{\∂t}}=\frac{\frac{\∂f\left(X\right)}{{\∂x}_j}}{\frac{\∂f(X+\mathrm{\ΔX})}{{\∂x}_j}}---\left(14\right)$

如前所述，ΔX在一定时间内可以近似为一个定值，所以

是一个固定值。可见无故障元件的容差只是将输出信号的“时间-斜率”曲线的幅度压缩或者拉伸，而其形状或变化趋势保持不变。

图3是图1所示比例放大器电阻R₁，在电阻R₂无容差、含容差时的动态斜率故障模型曲线。

如图3所示的动态斜率故障模型曲线就是分别考虑图1电路中R₂无容差和含有+50欧容差情况下R₁发生渐变故障时的输出参数斜率变化过程。只要将图3中a图中的上面一条曲线

压缩，即乘以1/1.025就能与下面一条曲线

曲线重合，重合后的曲线见图3中b图，从而能在其它无故障元件存在容差情况下准确找到故障元件。

图4是巴特沃斯低通滤波器电原理图

如图4所示，在本实施例中，模拟电路以巴特沃斯低通滤波器为例，说明无故障元件含有容差时的故障诊断，为便于说明，这里例子只考虑发生参数增大的渐变故障。

(1)、建立故障模型字典

输入信号V_i为幅度为1伏、频率为1千赫兹的正弦信号。假定电阻R₁的失效函数为R₁(t)＝R₁₀(1+0.05t)，实际应用中，元件的失效函数可由加速试验获得。为了得到电阻R₁在此滤波电路中的动态故障模型，令t分别取遍0～20，即考虑参数值增加100％的渐变故障，电阻R₁得到相应的21个离散值，在电阻R₁逐次取这21个值时分别对电路进行仿真，记录输出电压值V_o，根据输出电压值V_o绘出的曲线就是R₁的动态故障模型曲线，如图5(a)中最下面一条曲线所示。同样可以得到R₂和C₁的动态故障模型曲线，这些动态故障模型曲线构成故障模型字典。

在本实施例中，对模拟电路巴特沃斯低通滤波器元件参数的修改、执行仿真和读取仿真结果都是用工具软件Matlab控制完成的，无需人工参与。通过图5(a)的电压数据就能得到图5(b)所示的动态斜率故障模型，即图5(b)中的斜率曲线就是图5(a)中对应曲线的斜率值。图5(b)即为一个由R₁、R₂和C₁的故障特征构成的一个简单故障模型字典。

(2)、故障诊断

以诊断电阻R₁发生参数故障为例进行说明。考虑到实际电路元件存在一定容差，假定容差范围为10％，用工具软件Matlab随机产生图4中各无故障元件的参数值R₂＝9.5k，R₃＝2.6k，R₄＝10.6k，C₁＝0.95u，C₂＝0.82n。同样根据电阻R₁的失效函数注入故障，采样点同样为21个，得到21个点的离散数据，根据这一系列离散数据，绘制出输出电压变化曲线，如图6(a)所示。根据图6(a)不难得到如图6(b)所示的斜率特征曲线，即故障特征曲线。将如图6(b)的曲线与图5(b)中的曲线对比。对比的方法是，首先对齐时间起点，然后将故障特征曲线在故障模型字典图中上下移动，找到形状最接近的由故障模拟函数绘制的故障模型曲线即完成故障诊断，如有多条故障模型曲线与故障特征曲线形状相同，则距离最近的一条为诊断结果，对应的元件为故障元件。曲线的上下移动通过乘以常数完成，曲线间的比对通过采样点之间距离求平方和获得，这种常用的数学方法不在这里赘述。从图7不难看出故障特征曲线与电阻R₁的故障模型曲线最为接近，显然故障元件为R₁，诊断正确。可见该方法能清楚的区分R₁、R₂和C₁故障，而R₁和R₂是传统方法不能区分的。事实上，如果只通过测量输出电压有效值的方法来进行故障诊断，其它的故障建模方法均不能区分R₁、R₂、R₃、R₄、C₁和C₂故障，本发明的动态建模方法能很好的解决该问题。

在具体实施过程中，对于容易写出系统函数的模拟电路，可以通过计算得到如(3)式的j号元件的动态故障模型函数，存贮于字典中。对于较为复杂的电路，就可以通过仿真得到形如图2或图3的动态故障模型曲线，将曲线拟合成函数的形式存贮于字典中。其中，仿真方法为：对被测电路施加与工作信号相同的激励信号，然后根据元件失效函数分明按照参数增大和减小两个方向注入故障，在输出参数端记录输出波形，最后将所有潜在故障的特征波形拟合成函数的形式放入故障模型字典中。仿真工具可用Pspice等仿真工具实现，由于仿真量较大，手工修改元件参数和记录数据不可行，所以需要用C语言或者matlab修改电路参数、控制Pspice仿真和读取结果等过程，实现自动化仿真。

参数故障，即软故障诊断问题和容差问题一直是制约模拟电路故障诊断的瓶颈问题，本发明提出的动态建模方法由于较好的解决了故障模型投影重叠问题，所以能较好应用于含容差电路的参数故障诊断问题，并为今后的研究和应用提供了新的思路。除此之外这种动态建模方法还有诸如：可以使用故障模型字典方法进行故障诊断，简单易用；实现故障的在线诊断等优点。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种模拟电路故障诊断方法，其特诊在于，包括以下步骤：

(1)、构建故障模型字典

通过计算或仿真得到模拟电路中各潜在故障元件发生渐变的参数故障时，输出参数发生相应变化的动态故障模型函数并存储，构建故障模型字典；

(2)、故障诊断

监控模拟电路输出参数，采集并记录下输出参数的变化过程，得到一系列的离散数据，将这系列的离散数据与故障模型字典中的各故障模拟函数作对比，如果与某一潜在故障元件故障模型函数一致，则判定模拟电路中，该潜在故障元件发生了故障。

2.根据权利要求1所述的模拟电路故障诊断方法，其特征在于，所述的模拟电路中无故障元件含有容差；

步骤(1)中所述的输出参数发生相应变化的动态故障模型函数为输出参数变化率的动态斜率故障模型函数；

步骤(2)中所述的输出参数的变化为输出参数的斜率变化。

3.根据权利要求1所述的模拟电路故障诊断方法，其特征在于，步骤(2)中所述的对比为：

根据离散数据绘制故障特征曲线，首先对齐时间起点，然后将故障特征曲线在故障模型字典图中上下移动，找到形状最接近的由故障模拟函数绘制的故障模型曲线即完成故障诊断，如有多条故障模型曲线与故障特征曲线形状相同，则距离最近的一条为诊断结果，对应的元件为故障元件。

Images