CN103076556A - 航电组件功能维护测试点选取方法 - Google Patents

航电组件功能维护测试点选取方法 Download PDF

Info

Publication number
CN103076556A
CN103076556A CN2013100259083A CN201310025908A CN103076556A CN 103076556 A CN103076556 A CN 103076556A CN 2013100259083 A CN2013100259083 A CN 2013100259083A CN 201310025908 A CN201310025908 A CN 201310025908A CN 103076556 A CN103076556 A CN 103076556A
Authority
CN
China
Prior art keywords
fault
node
test
collection
circuit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013100259083A
Other languages
English (en)
Other versions
CN103076556B (zh
Inventor
周德新
王凯
樊智勇
詹湘琳
刘岱
刘涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN 201310025908 priority Critical patent/CN103076556B/zh
Publication of CN103076556A publication Critical patent/CN103076556A/zh
Application granted granted Critical
Publication of CN103076556B publication Critical patent/CN103076556B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Test And Diagnosis Of Digital Computers (AREA)

Abstract

本发明公开了一种航电组件功能维护测试点选取方法，对模拟电路测试方法进行了分类分析，重点分析了故障字典法；在此模糊集的基础上，建立起测试点优选的数学模型；选取最优测试点，并且测试点数量尽可能少，测试点的优选策略的建立，通过数学模型和故障诊断分析方法制定测试点的优选方案，以最低的测试代价实现最高的故障检测率及故障隔离率，提出一种新的测试点优选算法，结合实际电路进行仿真，解决了传统模糊集划分和测试点选取不够优化的问题，提高了模拟电路系统故障检测和隔离的效率。

Description

航电组件功能维护测试点选取方法
技术领域
本发明涉及航空电子设备测试技术领域，特别是涉及一种航电组件功能维护测试点选取方法。
背景技术
目前模拟电路故障测试理论发展比较缓慢，原因大致有两个：一是模拟系统的集成度较低，传统的模拟电路规模也较小，因此采用人工测试和维修还可满足实际需要，且工业生产没有提出相对规模较大的数字系统测试那样的迫切要求，所以模拟电路的测试和诊断的研究缺少强大的动力。另一个原因是模拟电路的测试与诊断远比数字系统困难,因此,无论在理论上还是在方法上均尚成熟，可付诸实用的方法相对较少。主要原因有：
1、模拟电路的故障现象往往十分复杂，故障状态是无限的，故障特性是连续的，难以作简单的量化。而在数字电路中，一个门的状态一般只有两种可能，因此，故障特性是离散的，整个系统的故障状态是有限的，便于处理。
2、模拟电路的输入与输出关系比较复杂，即使是线性电路其输出响应与各个元件参量之间的关系也往往是非线性的。
3、一个实用的模拟电路中，电路规模越大，反馈回路也就越复杂。而对一个复杂反馈回路的模拟电路仿真计算，需要通过迭代计算实现，计算量大而且复杂的。
4、虽然模拟电路中非故障元件的参数标称值是已知的，但一个具体电路的实际值会在其标称值上下作随机性的变动，一般不能完全等于其标称值。
5、模拟电路中的电流是一个重要的参数，也是故障信息的重要组成部分。但是在实际测量时，除输入端口和输出端口可以比较方便地测到电流参数外，一般电路中的支路电流均不宜甚至不可测量，通常只能通过测量电压来得到。
在航电设备的故障诊断和测试中，测试点的选取是要考虑的重要因素。测试点优选的目的就是要用最少的测试点、最低的测试代价实现最高的故障检测率及故障隔离率等可测性指标。目前，测试点优选的方法主要有通过求解最小测试集来选取最优测试点。另外，还有基于参数，如信息熵、故障特征函数、敏感度因子和最大故障特征熵等建立测试点的优选策略。因此，基于机载电子设备维修和设备发生故障的实际情况，实现电路测试点的优选，还需要研究新的方法。
尽管我国在电路故障诊断方面已开展了研究并取得了很多研究成果，但国内民用飞机设计方面的落后导致了维修技术的落后，造成我国的维修设备基本依赖进口、维修能力低、国外送修率高的现状。一般的航空维修企业对于复杂的机载电子设备只能达到组件级和板卡级的测试水平，深度的元件级维修则依靠国外维修企业和相应的设备供应商，因此维修成本相对较高，维修周期很长。机载电子设备的升级换代使我国原有的维修设备丧失维修能力，行业壁垒和技术封锁使我国的自主生产能力处处受限。由于技术和生产能力的不足，业已开始的国产大飞机项目对于机载电子设备的策略是全球采购，这意味着后期的使用及维修工作仍要受制于人。为了彻底改变这种现状，必须遵循从引进吸收到自主生产的过程。对于机载电子设备的故障检测领域而言，重点在于关键技术的研究，突破点就是研究航电设备故障诊断和测试方法。
发明内容
    为了克服上述现有技术的不足，本发明的目的是：提供一种航电组件功能维护测试点选取方法，通过研究典型的现代民用机载电子设备的模拟电路故障诊断方法，对模拟电路测试方法进行分类分析，重点分析故障字典法，选择最典型最具有应用价值的直流故障字典法进行实用性研究。然后在充分研究传统直流故障字典法原理的基础上，对字典法中的关键技术展开实用性研究，在此模糊集的基础上，建立起测试点优选的数学模型。并提出一种新的测试点优选算法。在分析了传统故障字典法和改进故障字典法的优缺点之后，结合实际电路进行仿真，以期成功解决传统模糊集划分和测试点选取不够优化的问题，进而提高模拟电路系统故障检测和隔离的效率。
本发明主要解决的技术问题包括：
1.      在航电设备的故障诊断中模拟电路的测试点选取方法，选取最优测试点，并且测试点数量尽可能少。
2.      测试点的优选策略的建立，通过数学模型和故障诊断分析方法制定测试点的优选方案。
3.      以最低的测试代价实现最高的故障检测率及故障隔离率。
 本发明所采用的技术方案是：航电组件功能维护测试点选取方法，其特征在于，包括如下步骤：
步骤1、提取被测系统模拟电路在各种故障状态下的电路特征，包括测试点的支流电位向量、网络的幅频特性，然后将提取的电路特征与故障一一对应关系列成一个故障字典，在实际诊断时，只要提取被测系统模拟电路的实时特征，就可以从故障字典中查出此时对应的故障，故障字典法的理论基础是故障模式的识别；
步骤2、利用PSPICE对被测系统模拟电路中的元件进行故障仿真，得到节点电压增量和各个节点在不同电路状态下的电路响应的均值和方差，再利用Matlab程序计算出模糊相似矩阵做等价变换，得到模糊等价矩阵；
    首先设电路某测试节点的两类状态为                                                
Figure 349926DEST_PATH_IMAGE001
和
Figure 267067DEST_PATH_IMAGE002
，为待判别状态
Figure 317379DEST_PATH_IMAGE004
的观察值；状态和
Figure 891897DEST_PATH_IMAGE002
的先验概率分别为
Figure 96613DEST_PATH_IMAGE005
和
Figure 295514DEST_PATH_IMAGE006
，
Figure 902075DEST_PATH_IMAGE007
状态下和
Figure 833122DEST_PATH_IMAGE002
状态下观察值为
Figure 587452DEST_PATH_IMAGE003
的状态条件概率分别为
Figure 262147DEST_PATH_IMAGE008
和
Figure 723215DEST_PATH_IMAGE009
；其次通过利用贝叶斯概率公式推导出：
Figure 90742DEST_PATH_IMAGE010
；-------（1）
且
Figure 332368DEST_PATH_IMAGE011
和
Figure 545175DEST_PATH_IMAGE012
服从正态分布，其中：
Figure 126329DEST_PATH_IMAGE013
；
Figure 461495DEST_PATH_IMAGE014
；
同时设和
Figure 968816DEST_PATH_IMAGE016
相交于
Figure 466793DEST_PATH_IMAGE017
；
为区别两个状态的最佳门限，即当
Figure 126762DEST_PATH_IMAGE019
；
   有最小错误率
Figure 946950DEST_PATH_IMAGE020
；因此，取状态
Figure 237117DEST_PATH_IMAGE021
和状态
Figure 179666DEST_PATH_IMAGE022
间的
Figure 555283DEST_PATH_IMAGE023
为两者间的相似系数：
Figure 913584DEST_PATH_IMAGE024
；当
Figure 323836DEST_PATH_IMAGE025
时，
Figure 437286DEST_PATH_IMAGE026
；当
Figure 300200DEST_PATH_IMAGE027
，
Figure 462191DEST_PATH_IMAGE028
，另外
Figure 523688DEST_PATH_IMAGE029
；这样相似矩阵为：
Figure 745721DEST_PATH_IMAGE030
         ------------（2）
式（1）中： 
 P（e）：为平均错误率；
Figure 95931DEST_PATH_IMAGE031
和
Figure 123930DEST_PATH_IMAGE032
为电路测试节点的两类状态；
Figure 243196DEST_PATH_IMAGE003
为待判别状态的观察值；
和
Figure 774168DEST_PATH_IMAGE034
为
Figure 13520DEST_PATH_IMAGE035
状态下和
Figure 311777DEST_PATH_IMAGE036
状态下观察值为
Figure 698896DEST_PATH_IMAGE003
的状态条件概率；
Figure 6381DEST_PATH_IMAGE037
为区别两个状态的门限值；
Figure 834660DEST_PATH_IMAGE038
为最小错误率； 
Figure 631714DEST_PATH_IMAGE039
为模糊相似矩阵；
式（2）中：
Figure 178233DEST_PATH_IMAGE040
、、
Figure 300090DEST_PATH_IMAGE042
、
Figure 205729DEST_PATH_IMAGE043
、
Figure 239544DEST_PATH_IMAGE044
、
Figure 888831DEST_PATH_IMAGE045
、
Figure 754019DEST_PATH_IMAGE046
、为状态
Figure 351671DEST_PATH_IMAGE048
和状态
Figure 601387DEST_PATH_IMAGE049
之间的相似系数；
步骤3、通过模糊等价矩阵运算，得到故障特征差值的特征函数矩阵，应用“故障区分度”的概念表征被测电路的测试节点集对故障的区分能力，并对特征函数形成模糊集的集合运算进行优化；在此基础上提出新的测试节点优选方法；
    从电路中故障集
Figure 524343DEST_PATH_IMAGE050
中任意抽取两个故障
Figure 771785DEST_PATH_IMAGE051
和
Figure 842509DEST_PATH_IMAGE052
，构成一个故障对(
Figure 833599DEST_PATH_IMAGE053
，
Figure 673379DEST_PATH_IMAGE052
),设
Figure 91722DEST_PATH_IMAGE054
为
Figure 321846DEST_PATH_IMAGE055
中所有的故障生成的故障对所构成的集合，则有
Figure 178944DEST_PATH_IMAGE056
；
Figure 810913DEST_PATH_IMAGE055
中元素的个数为
Figure 462474DEST_PATH_IMAGE057
，则
Figure 433755DEST_PATH_IMAGE058
中元素的个数为：
Figure 766648DEST_PATH_IMAGE059
   -------（3）
选定一个测试节点
Figure 315441DEST_PATH_IMAGE060
，设在
Figure 341165DEST_PATH_IMAGE055
中的各种故障状态下，节点
Figure 545882DEST_PATH_IMAGE061
的电压标称值为
Figure 744782DEST_PATH_IMAGE062
；
利用故障上的特征函数为
Figure 344708DEST_PATH_IMAGE064
，对于故障集中的其它故障
Figure 36720DEST_PATH_IMAGE065
的电压标称值如果满足
Figure 711415DEST_PATH_IMAGE066
 则说明故障
Figure 234800DEST_PATH_IMAGE067
的电压标称值和故障
Figure 602328DEST_PATH_IMAGE068
的电压标称值在同一个模糊域内，即节点
Figure 516057DEST_PATH_IMAGE069
无法区分此两故障；反之若 则说明故障
Figure 637914DEST_PATH_IMAGE071
的电压标称值和故障
Figure 973080DEST_PATH_IMAGE072
的电压标称值不在同一个模糊域内，即节点可以区分此两故障；因此，利用节点能够区分的故障对数来表征节点的区分能力；
步骤4、测试点选取算法利用动态规划的思想对测试节点进行优选，不仅能够保证在故障可被隔离的前提下选择最少数量的测试节点，而目容易通过编程实现，实现故障诊断的自动化；节点优选基本算法可表述如下：
（a）根据特征函数计算被测电路的可及节点
Figure 656183DEST_PATH_IMAGE074
中每一个节点的故障区分度
Figure 154160DEST_PATH_IMAGE075
；
（b）设被测电路测试节点集为空集
Figure 597911DEST_PATH_IMAGE076
；
（c）如果
Figure 751812DEST_PATH_IMAGE077
，则转至步骤（e）故障不可隔离，结束；若测试节点集包含可及节点集，并能满足故障区分度的最大
Figure 924484DEST_PATH_IMAGE079
；其中：
Figure 867032DEST_PATH_IMAGE080
为测试节点集；
Figure 242650DEST_PATH_IMAGE081
为可及节点集；
Figure 600950DEST_PATH_IMAGE082
为包含可及节点集的测试节点集；
Figure 73520DEST_PATH_IMAGE083
为故障区分度；
Figure 859073DEST_PATH_IMAGE084
为包含可及节点集的测试节点集的最大集；
（d）
Figure 721987DEST_PATH_IMAGE085
，如果测试节点集的故障区分集等于该测试节点集的对集
Figure 946295DEST_PATH_IMAGE086
，则结束；否则，转步骤（c）；其中：
Figure 211054DEST_PATH_IMAGE087
为测试节点集
Figure 495405DEST_PATH_IMAGE088
的故障区分集；
Figure 845615DEST_PATH_IMAGE089
为故障对集；
（e）提示：故障集不可隔离，结束。
本发明的有益效果是：与现有技术相比，本方法有助于判断被测试电路是否存在故障，判断故障所在的子电路、组件或元件。尤其是对模拟电路的故障定位在电子设备的维修工作中有助于确定故障元件的参数值，最终在模拟电路生产中，就可以对故障元件参数进行修正。例如采用激光微调技术修正模拟集成电路中的元件参数，通过功能测试点优化将故障定位，这样可以帮助改进模拟电路的生产，可以找到生产中的缺陷及其所产生的原因，从而可改进工艺，提高成品合格率。总之，航电组件功能测试点技术是对航空电子的可测试性技术的补充，对航电设备故障诊断技术的完善，有利于优化航电设备的维修技术，节约维修资源，降低维修成本。
附图说明
图1、节点优选算法流程图；
图2、模拟电路测试方法分类框图；
图3、故障字典法的工作流程图；
图4、传统模糊集的划分过程图。
图5、两个状态的分布关系图。
具体实施方式
下面结合附图对本发明进一步说明。
如图1至图5所示，本发明基于模糊聚类分析数学模型和动态模糊聚类分析的划分，在此模糊集的基础上，建立起测试点优选的数学模型。
首先利用PSPICE （PSPICE是由SPICE（Simulation Program with Intergrated Circuit Emphasis）发展而来的用于微机系列的通用电路分析程序。于1972年由美国加州大学伯克利分校的计算机辅助设计小组利用FORTRAN语言开发而成，主要用于大规模集成电路的计算机辅助设计。）对模拟电路中的元件进行故障仿真得到节点电压增量，对相似矩阵做等价变换，得到模糊等价矩阵。     
然后用不同的函数值对电路故障状态作动态聚类分析，可得到新的模糊集划分，建立故障字典；然后通过矩阵运算得到故障特征差值的特征函数矩阵，应用“故障区分度”的概念表征节点集对故障的区分能力，并对模糊集的集合运算进行量化，在此基础上提出了新的测试节点优选方法。算法利用动态规划的思想对节点进行优选，不仅能够保证在故障可被隔离的前提下选择最少数量的测试节点，而目容易通过编程实现，实现故障诊断的自动化。
一、模糊集划分方法的确定
在故障诊断的实际问题中，有些诊断对象的故障类型是名确、清晰和肯定的，可以对相同的故障类型进行聚类。但是有些诊断对象的故障类型带有不同程度的模糊性，应用模糊的数学方法，寻找当前出现的故障征兆，与过去已经确诊的故障中最相似的结果进行故障聚类，就更符合客观实际。
首先确定相似系数，用最小错误率的贝叶斯决策理论来指导相似系数的确定，设电路某测试节点的两类状态为
Figure 545717DEST_PATH_IMAGE090
和
Figure 727300DEST_PATH_IMAGE091
，为待判别状态
Figure 957741DEST_PATH_IMAGE004
的观察值。状态
Figure 523852DEST_PATH_IMAGE092
和的先验概率分别为
Figure 123778DEST_PATH_IMAGE094
和
Figure 448580DEST_PATH_IMAGE095
，
Figure 490485DEST_PATH_IMAGE096
状态下和
Figure 646660DEST_PATH_IMAGE093
状态下观察值为
Figure 381398DEST_PATH_IMAGE003
的状态条件概率分别为和
Figure 101409DEST_PATH_IMAGE098
，利用贝叶斯概率公式：
Figure 49773DEST_PATH_IMAGE100
              (1.1)
得到的条件概率
Figure 17729DEST_PATH_IMAGE101
成为状态
Figure 51544DEST_PATH_IMAGE021
的后验概率。用最小错误率的贝叶斯决策理论来区分两个状态(即描述两个状态的相似程度)的方法为：如果，则
Figure 566019DEST_PATH_IMAGE004
归类于状态
Figure 654279DEST_PATH_IMAGE090
，判错的条件概率为
Figure 237707DEST_PATH_IMAGE103
；反之，如果
Figure 425106DEST_PATH_IMAGE104
，则
Figure 348062DEST_PATH_IMAGE004
归类于状态
Figure 657821DEST_PATH_IMAGE091
，判错的条件概率为
Figure 666228DEST_PATH_IMAGE105
。所谓错误率是指平均错误率，它的计算公式为：
Figure 657318DEST_PATH_IMAGE106
                    (1.2)
下面具体求出描述两个状态之间的相似系数。设状态
Figure 497098DEST_PATH_IMAGE107
和
Figure 915441DEST_PATH_IMAGE108
分别服从一元正态分布和
Figure 2663DEST_PATH_IMAGE110
，如图5，设，其中
Figure 286193DEST_PATH_IMAGE112
为区分和
Figure 602085DEST_PATH_IMAGE114
相似程度的边界。当
Figure 150878DEST_PATH_IMAGE115
时，判
Figure 176603DEST_PATH_IMAGE004
为状态
Figure 443636DEST_PATH_IMAGE116
；当
Figure 314641DEST_PATH_IMAGE117
时，判
Figure 921202DEST_PATH_IMAGE004
为状态
Figure 180145DEST_PATH_IMAGE090
。然后得出下列公式：
Figure 606579DEST_PATH_IMAGE119
           (1.3)
Figure 609170DEST_PATH_IMAGE121
           (1.4)
Figure 70238DEST_PATH_IMAGE123
       (1.5)
其中：
Figure 172186DEST_PATH_IMAGE124
，
Figure 413812DEST_PATH_IMAGE125
当
Figure 892198DEST_PATH_IMAGE126
，误判风险一样，可以不考虑状态的先验概率。这时总错误率就转化为：
Figure 207772DEST_PATH_IMAGE127
。
在图5中，设
Figure 808518DEST_PATH_IMAGE128
和相交于
Figure 491620DEST_PATH_IMAGE130
，易知
Figure 989598DEST_PATH_IMAGE131
为区别两个状态的最佳门限，即当，有最小错误率
Figure 649566DEST_PATH_IMAGE133
。所以取状态和状态间的为两者间的相似系数：
Figure 812508DEST_PATH_IMAGE135
                 (1.6)
其次，利用相似系数建立模糊相似矩阵。设电路节点
Figure 436388DEST_PATH_IMAGE136
有个状态，
Figure 694511DEST_PATH_IMAGE137
个状态的电压值为
Figure 619741DEST_PATH_IMAGE138
，分别服从于正态分布
Figure 781733DEST_PATH_IMAGE139
。根据公式(1.6)可以得到：当
Figure 46492DEST_PATH_IMAGE140
时，
Figure 330843DEST_PATH_IMAGE141
；当
Figure 415473DEST_PATH_IMAGE142
，
Figure 381155DEST_PATH_IMAGE143
，另外
Figure 500421DEST_PATH_IMAGE144
。这样矩阵为：
Figure 955673DEST_PATH_IMAGE145
             (1.7)
若
Figure 793179DEST_PATH_IMAGE146
是集合
Figure 359290DEST_PATH_IMAGE147
上的一个自反的、对称的模糊关系，则称
Figure 321343DEST_PATH_IMAGE146
是集合
Figure 885180DEST_PATH_IMAGE147
上的一个模糊相似矩阵。因此，用
Figure 6719DEST_PATH_IMAGE148
作为状态
Figure 314204DEST_PATH_IMAGE021
和状态
Figure 470379DEST_PATH_IMAGE022
间相似系数建立的矩阵就是一个模糊相似矩阵。
若
Figure 205117DEST_PATH_IMAGE149
是集合
Figure 751636DEST_PATH_IMAGE147
上的一个模糊相似关系，则
Figure 659549DEST_PATH_IMAGE149
的传递闭包
Figure 607913DEST_PATH_IMAGE150
是集合
Figure 575869DEST_PATH_IMAGE147
上的一个模糊等价关系。
二、模糊集描述函数和故障区分度
（1）模糊集的描述函数：为处理容差题，传统字典方法是将测试值划分成若干个模糊域，并用数字编号。本实施例中采用动态模糊聚类分析法划分好的模糊域，并数字编号。
在某一个被测电路故障状态下(包括正常状态)，通过电路仿真可以得到某一测试节点的电压标称值，可以将该电压所属的模糊域编号作为故障的数字代码，经动态模糊聚类分析考虑每个测试节点的数字代码就可以得到该故障对应的故障代码。本实施例中：设电路的故障集为
Figure 609684DEST_PATH_IMAGE151
，其中
Figure 258971DEST_PATH_IMAGE152
表示正常状态，其中F为被测电路的故障集；F 1 , F 2  ,….F n 为被测电路的某一故障；测试节点集为
Figure 389739DEST_PATH_IMAGE153
。其中:N 1 , N 2  ,….N m 为被测电路的测试节点；在故障
Figure 466279DEST_PATH_IMAGE154
状态下，测试节点
Figure 721811DEST_PATH_IMAGE155
的电压标称值为，被测电路节点
Figure 160062DEST_PATH_IMAGE157
的实测值为
Figure 469821DEST_PATH_IMAGE158
，则定义故障
Figure 212649DEST_PATH_IMAGE159
在测试节点
Figure 203739DEST_PATH_IMAGE160
的描述函数为:
               (2.1)
其中
Figure 461862DEST_PATH_IMAGE162
为电压标称值；
Figure 957565DEST_PATH_IMAGE163
为电压实测值；综合考虑每个测试节点就可得到故障
Figure 549084DEST_PATH_IMAGE164
的描述函数：
Figure 446633DEST_PATH_IMAGE165
           (2.2)
或
Figure 98194DEST_PATH_IMAGE166
        (2.3)
其中：
Figure 815614DEST_PATH_IMAGE167
为电压标称值；
Figure 148506DEST_PATH_IMAGE168
为电压实测值；
Figure 962879DEST_PATH_IMAGE169
为内插符号，表示取
Figure 723024DEST_PATH_IMAGE170
的下确界。式(2.3)比式(2.2)有着更普适的意义。
考虑实际被测电路，当其实得故障代码与故障集中的某一故障
Figure 927741DEST_PATH_IMAGE171
的代码一致，则对应于每个测试节点，实测电压值与该故障的标称值处于同一模糊域，当
Figure 126641DEST_PATH_IMAGE172
，由式(2.2)或(2.3)可知故障
Figure 733203DEST_PATH_IMAGE173
的描述函数取值为1，当其实得故障代码与故障集中的某一故障
Figure 726566DEST_PATH_IMAGE174
的代码不一致，或至少在一个测试节点上，实测电压值与该故障的标称值不处于同一模糊域，则故障的描述函数取值为0。
（2）故障区分度：利用测试节点的“故障区分度”来表示其对故障的区分能力。设电路的故障集为
Figure 358853DEST_PATH_IMAGE176
，从
Figure 882238DEST_PATH_IMAGE177
任意抽取两个故障
Figure 984187DEST_PATH_IMAGE173
和
Figure 163495DEST_PATH_IMAGE178
，构成一个故障对(
Figure 704198DEST_PATH_IMAGE179
，
Figure 19773DEST_PATH_IMAGE180
)。其中：F为被测电路的故障集；F 1 , F 2  ,….F n 为被测电路的某一故障；和
Figure 21544DEST_PATH_IMAGE182
为被测电路中任意两个故障；设
Figure 303621DEST_PATH_IMAGE183
为
Figure 536019DEST_PATH_IMAGE184
中所有的故障生成的故障对所构成的集合，则有
Figure 245349DEST_PATH_IMAGE185
。
Figure 133670DEST_PATH_IMAGE184
中元素的个数为
Figure 16176DEST_PATH_IMAGE186
，则
Figure 306343DEST_PATH_IMAGE187
中元素的个数为：
Figure 186574DEST_PATH_IMAGE188
                (2.4)
其中：
Figure 624509DEST_PATH_IMAGE189
为故障集合；选定一个测试节点
Figure 260107DEST_PATH_IMAGE190
，设在
Figure 467097DEST_PATH_IMAGE184
中的各种故障状态下，节点的电压标称值为
Figure 381144DEST_PATH_IMAGE192
。设某一故障
Figure 605452DEST_PATH_IMAGE193
上的特征函数为
Figure 870211DEST_PATH_IMAGE194
，对于故障集中的其它故障
Figure 888982DEST_PATH_IMAGE195
的电压标称值如果满足
Figure 239192DEST_PATH_IMAGE196
            (2.5) 
其中：为电压标称值；为电压实测值； 则说明故障
Figure 779392DEST_PATH_IMAGE199
的电压标称值和故障
Figure 413636DEST_PATH_IMAGE200
的电压标称值在同一个模糊域内，即节点无法区分此两故障；反之如果式(2.5)的取值为0，则说明故障
Figure 156781DEST_PATH_IMAGE202
的电压标称值和故障
Figure 782934DEST_PATH_IMAGE174
的电压标称值不在同一个模糊域内，即节点可以区分此两故障，利用节点能够区分的故障对数来表征节点的区分能力。
     定义1(可及节点的故障区分度)设电路的故障集为
Figure 149642DEST_PATH_IMAGE184
(包含正常状态)，故障对集为，在给定模糊集划分规则的条件下，某一可及节点能够区分的故障对数称为该节点的故障区分度，用
Figure 40554DEST_PATH_IMAGE075
表示。
    设节点
Figure 649390DEST_PATH_IMAGE205
，能够区分的故障对所构成的集合(简称故障对区分集)为
Figure 494987DEST_PATH_IMAGE206
，则
Figure 443351DEST_PATH_IMAGE207
中元素的个数即为故障区分度；
Figure 411307DEST_PATH_IMAGE208
           (2.6)
设节点不能够区分的故障对所构成的集合为
Figure 156726DEST_PATH_IMAGE210
，则可以得如下关系：
Figure 959597DEST_PATH_IMAGE211
       (2.7)
所以同样也可以用
Figure 36137DEST_PATH_IMAGE212
表征节点的区分能力。其中：
Figure 619566DEST_PATH_IMAGE075
j 为被测电路故障区分度；
Figure 72544DEST_PATH_IMAGE213
为被测电路故障区分集；
Figure 729921DEST_PATH_IMAGE214
为被测电路中不能区分的故障集；
Figure 39680DEST_PATH_IMAGE215
为故障对集；
     定义2(可及节点集的故障区分度)设为电路中
Figure 101494DEST_PATH_IMAGE217
个可及节点的集合，在给定模糊集划分规则的条件下，
Figure 878957DEST_PATH_IMAGE218
中每个可及节点故障对区分集分别为
Figure 297300DEST_PATH_IMAGE219
，则
Figure 855320DEST_PATH_IMAGE220
的故障对区分集
Figure 384521DEST_PATH_IMAGE221
，中元素的个数称为的故障区分度。
由定义2知任意可及节点集
Figure 651052DEST_PATH_IMAGE218
都满足如下关系：
Figure 46261DEST_PATH_IMAGE224
           (2.8) 
其中：为被测电路中
Figure 558462DEST_PATH_IMAGE226
个可及节点的故障区分集；
Figure 825495DEST_PATH_IMAGE227
为故障对集； 
当
Figure 962079DEST_PATH_IMAGE228
时，节点集
Figure 568640DEST_PATH_IMAGE218
能完全隔离所有的故障。所以测试节点选择的基本准则可以表述为：寻找一个测试节点集
Figure 499687DEST_PATH_IMAGE229
满足
Figure 254017DEST_PATH_IMAGE230
且最小。由于任意两个节点的故障对区分集的交集一般不为空，寻找
Figure 452097DEST_PATH_IMAGE232
的过程通常十分复杂，甚至无法实现。所以在实际故障诊断中，一般只能保证
Figure 819624DEST_PATH_IMAGE233
的前提下满足
Figure 987214DEST_PATH_IMAGE234
尽可能小。
三、节点优选算法数学模型的建立
建立测试点优选的数学模型：设有一命题：设有集合
Figure 262338DEST_PATH_IMAGE235
和，
Figure 116341DEST_PATH_IMAGE235
和的幂集为和，
Figure 69068DEST_PATH_IMAGE220
为自然数集，定义映射
Figure 957389DEST_PATH_IMAGE239
和
Figure 839895DEST_PATH_IMAGE240
：
           (1.9)
映射
Figure 72610DEST_PATH_IMAGE239
和
Figure 448228DEST_PATH_IMAGE240
之间满足如下关系：。如何寻找一个集合
Figure 279097DEST_PATH_IMAGE243
，满足
Figure 330230DEST_PATH_IMAGE244
             (1.10) 
如果设集合
Figure 255461DEST_PATH_IMAGE245
为电路的可及节点集
Figure 417452DEST_PATH_IMAGE218
，集合
Figure 416632DEST_PATH_IMAGE236
为电路的故障对集
Figure 700983DEST_PATH_IMAGE215
，则求解集合
Figure 51193DEST_PATH_IMAGE246
的过程就是测试节点优选的过程，这样就建立起了数学模型。
四、节点优选算法的设计
设计节点优选的基本算法，然后在此基础上设计优化的节点优选算法，节点优选基本算法不考虑节点故障对区分集间的交集的影响。设被测电路的故障集为
Figure 16875DEST_PATH_IMAGE184
(包含正常状态)，故障对集为，可及点集为
Figure 325813DEST_PATH_IMAGE248
，在给定模糊集划分规则的条件下，节点优选基本算法包括如下步骤：
（a）根据特征函数计算
Figure 225636DEST_PATH_IMAGE249
中每一个节点的故障区分度
Figure 729430DEST_PATH_IMAGE075
；
（b）设
Figure 968781DEST_PATH_IMAGE250
；
（c）如果
Figure 329355DEST_PATH_IMAGE251
，转步骤（e）；否则，取
Figure 654157DEST_PATH_IMAGE252
，满足；其中： 
Figure 852238DEST_PATH_IMAGE254
为测试节点集；为可及节点集；为包含可及节点集的测试节点集；
Figure 306987DEST_PATH_IMAGE083
为故障区分度；
Figure 255351DEST_PATH_IMAGE257
为包含可及节点集的测试节点集的最大集；
（d）
Figure 223307DEST_PATH_IMAGE258
，如果
Figure 257122DEST_PATH_IMAGE259
，结束；否则，转步骤（c）；其中：
Figure 968726DEST_PATH_IMAGE260
为测试节点集
Figure 771597DEST_PATH_IMAGE261
的故障区分集；
Figure 848138DEST_PATH_IMAGE089
为故障对集；
（e）提示：故障集不可隔离，结束。
节点优选基本算法简单，容易实现。但是由于没有考虑节点故障对区分集间的交集，所以该算法得到的结果一般与实际需要相差较大。优化的节点优选算法具体如下：
设有3个可及节点和
Figure 618965DEST_PATH_IMAGE263
满足
Figure 541921DEST_PATH_IMAGE264
，如果考虑节点故障区分集间的交集，根据容斥原理得：
Figure 851680DEST_PATH_IMAGE265
和
上面两式相减可得：
显然，如果
Figure 690957DEST_PATH_IMAGE269
，则
Figure 109300DEST_PATH_IMAGE270
，所以应该优先选择
Figure 401741DEST_PATH_IMAGE271
和
Figure 196522DEST_PATH_IMAGE272
，但按照基本算法会选择
Figure 828491DEST_PATH_IMAGE271
和
Figure 480053DEST_PATH_IMAGE273
。为处理这一问题需给出条件隔离度的概念。其中：
Figure 474771DEST_PATH_IMAGE274
为可及节点
Figure 869980DEST_PATH_IMAGE275
的故障区分集；
Figure 356456DEST_PATH_IMAGE276
为可及节点
Figure 382181DEST_PATH_IMAGE277
的故障区分集；为可及节点
Figure 785798DEST_PATH_IMAGE279
的故障区分集； 
定义3(可及节点的条件故障区分度)设
Figure 126780DEST_PATH_IMAGE280
为电路己确定测试节点的集合，在给定模糊集划分规则的条件下，除开
Figure 385723DEST_PATH_IMAGE281
可区分的故障对以外，节点可区分的故障对数称为
Figure 814748DEST_PATH_IMAGE220
相对于
Figure 275816DEST_PATH_IMAGE281
的条件故障区分度，简称条件故障区分度，记作
Figure 643343DEST_PATH_IMAGE283
或
Figure 619390DEST_PATH_IMAGE284
。
显然，
Figure 97775DEST_PATH_IMAGE285
，
Figure 741246DEST_PATH_IMAGE286
为空集。设除开
Figure 14096DEST_PATH_IMAGE281
可区分的故障对以外，节点
Figure 680701DEST_PATH_IMAGE220
可区分的故障对构成的集合为
Figure 759515DEST_PATH_IMAGE287
，可得
Figure 195176DEST_PATH_IMAGE288
          (3.1)
Figure 638926DEST_PATH_IMAGE289
            (3.2)
定理 1设
Figure 855144DEST_PATH_IMAGE290
为电路己确定测试节点的集合，令
，在给定模糊集划分规则的条件下，节点
Figure 27816DEST_PATH_IMAGE282
的故障区分度及其相对于
Figure 908048DEST_PATH_IMAGE293
的条件故障区分度满足如下递推关系：
Figure 283665DEST_PATH_IMAGE294
，
Figure 704283DEST_PATH_IMAGE295
，
Figure 114535DEST_PATH_IMAGE296
，
…
Figure 900089DEST_PATH_IMAGE297
。
证明：首先证明定理中的第一个式子。
因为
Figure 763002DEST_PATH_IMAGE298
，直接由定义可得，
所以
Figure 987310DEST_PATH_IMAGE300
再证明定理中的其它等式，只需证明对任意
Figure 252070DEST_PATH_IMAGE301
，下式
Figure 474104DEST_PATH_IMAGE302
            (3.3)
成立。
因为
Figure 886630DEST_PATH_IMAGE303
Figure 586733DEST_PATH_IMAGE304
Figure 705999DEST_PATH_IMAGE305
Figure 998757DEST_PATH_IMAGE307
              (3.4)
又
Figure 564867DEST_PATH_IMAGE308
Figure 538640DEST_PATH_IMAGE309
Figure 102476DEST_PATH_IMAGE310
Figure 489595DEST_PATH_IMAGE311
Figure 531501DEST_PATH_IMAGE312
Figure 687675DEST_PATH_IMAGE313
           (3.5)
由容斥原理可得
    
Figure 422413DEST_PATH_IMAGE315
  (3.6)
将式(3.4)和式(3.6)代入式(3.5)可得
Figure 968932DEST_PATH_IMAGE316
Figure 80108DEST_PATH_IMAGE317
则式(3.3)成立，定理得证。证毕。其中：
Figure 92560DEST_PATH_IMAGE320
为电路以确定节点集合；
Figure 476268DEST_PATH_IMAGE223
为故障对数集；
Figure 532999DEST_PATH_IMAGE321
为条件故障区分度；为节点可区分的故障对构成的集合； 
定理的意义在于当向测试节点集
Figure 380367DEST_PATH_IMAGE323
新增一个测试节点时，得到新的测试节点集
Figure 365640DEST_PATH_IMAGE324
，其它节点相对于
Figure 613082DEST_PATH_IMAGE325
的条件故障区分度可以由其相对于
Figure 683806DEST_PATH_IMAGE326
的条件故障区分度和新增测试节点相对于
Figure 674896DEST_PATH_IMAGE327
的条件故障区分度得到，而无需根据定义重新计算。利用动态优化策略，将测试节点优选过程分解为若干个简单的步骤，每一个步骤则是向测试节点集新增加一个当前条件故障区分度最大的可及节点，如果新的测试节点集的故障区分度等于故障对总数(即
Figure 452359DEST_PATH_IMAGE328
)，则结束；否则，根据定理对其它节点的条件故障区分度作修正，转入下一个步骤。
设被测电路的故障集为
Figure 933019DEST_PATH_IMAGE177
(包含正常状态)，故障对集为
Figure 163143DEST_PATH_IMAGE204
，可及点集为
Figure 957924DEST_PATH_IMAGE329
，在给定模糊集划分规则的条件下，节点优选优化算法流程如图1所示。
根据上述说明，结合专业知识可再现本发明。

Claims (1)

1.航电组件功能维护测试点选取方法，其特征在于，包括如下步骤：
步骤1、提取被测系统模拟电路在各种故障状态下的电路特征，包括测试点的支流电位向量、网络的幅频特性，然后将提取的电路特征与故障一一对应关系列成一个故障字典，在实际诊断时，只要提取被测系统模拟电路的实时特征，就可以从故障字典中查出此时对应的故障，故障字典法的理论基础是故障模式的识别；
步骤2、利用PSPICE对被测系统模拟电路中的元件进行故障仿真，得到节点电压增量和各个节点在不同电路状态下的电路响应的均值和方差，再利用Matlab程序计算出模糊相似矩阵做等价变换，得到模糊等价矩阵；
    首先设电路某测试节点的两类状态为                                                
Figure 476298DEST_PATH_IMAGE001
和
Figure 777966DEST_PATH_IMAGE002
，
Figure 341803DEST_PATH_IMAGE003
为待判别状态
Figure 401026DEST_PATH_IMAGE004
的观察值；状态
Figure 770827DEST_PATH_IMAGE001
和的先验概率分别为
Figure 661740DEST_PATH_IMAGE005
和
Figure 706794DEST_PATH_IMAGE006
，
Figure 614707DEST_PATH_IMAGE007
状态下和
Figure 563071DEST_PATH_IMAGE002
状态下观察值为
Figure 531027DEST_PATH_IMAGE003
的状态条件概率分别为
Figure 502526DEST_PATH_IMAGE008
和
Figure 214130DEST_PATH_IMAGE009
；其次通过利用贝叶斯概率公式推导出：
Figure 515536DEST_PATH_IMAGE010
；-------（1）
且
Figure 654393DEST_PATH_IMAGE011
和
Figure 175504DEST_PATH_IMAGE012
服从正态分布，其中：
Figure 628482DEST_PATH_IMAGE013
；；
同时设
Figure 595618DEST_PATH_IMAGE015
和
Figure 666343DEST_PATH_IMAGE016
相交于
Figure 161827DEST_PATH_IMAGE017
；
Figure 1607DEST_PATH_IMAGE018
为区别两个状态的最佳门限，即当
Figure 419950DEST_PATH_IMAGE019
；
   有最小错误率
Figure 977970DEST_PATH_IMAGE020
；因此，取状态
Figure 507172DEST_PATH_IMAGE022
和状态
Figure 139141DEST_PATH_IMAGE023
间的
Figure 56282DEST_PATH_IMAGE024
为两者间的相似系数：
Figure 272237DEST_PATH_IMAGE025
；当
Figure 605129DEST_PATH_IMAGE026
时，
Figure 419502DEST_PATH_IMAGE027
；当
Figure 179647DEST_PATH_IMAGE028
，，另外
Figure 583264DEST_PATH_IMAGE030
；这样相似矩阵为：
         ------------（2）
式（1）中： 
 P（e）：为平均错误率；
Figure 681725DEST_PATH_IMAGE032
和
Figure 436054DEST_PATH_IMAGE033
为电路测试节点的两类状态；
Figure 110749DEST_PATH_IMAGE003
为待判别状态
Figure 571817DEST_PATH_IMAGE004
的观察值；
和
Figure 180970DEST_PATH_IMAGE035
为
Figure 456094DEST_PATH_IMAGE036
状态下和状态下观察值为
Figure 870949DEST_PATH_IMAGE003
的状态条件概率；
为区别两个状态的门限值；为最小错误率； 为模糊相似矩阵；
式（2）中：
Figure 191718DEST_PATH_IMAGE041
、
Figure 80040DEST_PATH_IMAGE042
、
Figure 962545DEST_PATH_IMAGE043
、
Figure 252712DEST_PATH_IMAGE044
、
Figure 195260DEST_PATH_IMAGE045
、
Figure 570878DEST_PATH_IMAGE046
、
Figure 991495DEST_PATH_IMAGE047
、
Figure 900283DEST_PATH_IMAGE048
为状态
Figure 951415DEST_PATH_IMAGE049
和状态
Figure 814329DEST_PATH_IMAGE050
之间的相似系数；
步骤3、通过模糊等价矩阵运算，得到故障特征差值的特征函数矩阵，应用“故障区分度”的概念表征被测电路的测试节点集对故障的区分能力，并对特征函数形成模糊集的集合运算进行优化；在此基础上提出新的测试节点优选方法；
    从电路中故障集
Figure 38637DEST_PATH_IMAGE051
中任意抽取两个故障
Figure 37817DEST_PATH_IMAGE052
和
Figure 322168DEST_PATH_IMAGE053
，构成一个故障对(
Figure 170913DEST_PATH_IMAGE054
，),设
Figure 318178DEST_PATH_IMAGE055
为
Figure 507851DEST_PATH_IMAGE056
中所有的故障生成的故障对所构成的集合，则有
Figure 345357DEST_PATH_IMAGE057
；
Figure 849150DEST_PATH_IMAGE056
中元素的个数为，则
Figure 947611DEST_PATH_IMAGE059
中元素的个数为：
Figure 334730DEST_PATH_IMAGE060
   -------（3）
选定一个测试节点
Figure 642215DEST_PATH_IMAGE061
，设在
Figure 532810DEST_PATH_IMAGE056
中的各种故障状态下，节点
Figure 267548DEST_PATH_IMAGE062
的电压标称值为
Figure 876384DEST_PATH_IMAGE063
；
利用故障
Figure 987559DEST_PATH_IMAGE064
上的特征函数为
Figure 998241DEST_PATH_IMAGE065
，对于故障集中的其它故障的电压标称值如果满足
Figure 442089DEST_PATH_IMAGE067
 则说明故障
Figure 91377DEST_PATH_IMAGE068
的电压标称值和故障
Figure 894247DEST_PATH_IMAGE069
的电压标称值在同一个模糊域内，即节点
Figure 33105DEST_PATH_IMAGE070
无法区分此两故障；反之若
Figure 52751DEST_PATH_IMAGE071
 则说明故障
Figure 302467DEST_PATH_IMAGE072
的电压标称值和故障
Figure 225424DEST_PATH_IMAGE073
的电压标称值不在同一个模糊域内，即节点
Figure 535182DEST_PATH_IMAGE074
可以区分此两故障；因此，利用节点能够区分的故障对数来表征节点的区分能力；
步骤4、测试点选取算法利用动态规划的思想对测试节点进行优选，不仅能够保证在故障可被隔离的前提下选择最少数量的测试节点，而目容易通过编程实现，实现故障诊断的自动化；节点优选基本算法可表述如下：
（a）根据特征函数计算被测电路的可及节点中每一个节点的故障区分度
Figure 596996DEST_PATH_IMAGE078
；
（b）设被测电路测试节点集为空集
Figure 374459DEST_PATH_IMAGE080
；
（c）如果
Figure 855119DEST_PATH_IMAGE082
，则转至步骤（e）故障不可隔离，结束；若测试节点集包含可及节点集
Figure 583778DEST_PATH_IMAGE084
，并能满足故障区分度的最大
Figure 378559DEST_PATH_IMAGE086
；其中：
Figure 72846DEST_PATH_IMAGE088
为测试节点集；
Figure 662090DEST_PATH_IMAGE090
为可及节点集；
Figure 707406DEST_PATH_IMAGE091
为包含可及节点集的测试节点集；
Figure 40299DEST_PATH_IMAGE092
为故障区分度；为包含可及节点集的测试节点集的最大集；
（d）
Figure 113352DEST_PATH_IMAGE095
，如果测试节点集的故障区分集等于该测试节点集的对集
Figure 380385DEST_PATH_IMAGE097
，则结束；否则，转步骤（c）；其中：
Figure 516968DEST_PATH_IMAGE098
为测试节点集
Figure 920268DEST_PATH_IMAGE100
的故障区分集；
Figure 116894DEST_PATH_IMAGE101
为故障对集；
（e）提示：故障集不可隔离，结束。
CN 201310025908 2013-01-21 2013-01-21 航电组件功能维护测试点选取方法 Active CN103076556B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201310025908 CN103076556B (zh) 2013-01-21 2013-01-21 航电组件功能维护测试点选取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201310025908 CN103076556B (zh) 2013-01-21 2013-01-21 航电组件功能维护测试点选取方法

Publications (2)

Publication Number Publication Date
CN103076556A true CN103076556A (zh) 2013-05-01
CN103076556B CN103076556B (zh) 2013-10-16

Family

ID=48153149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201310025908 Active CN103076556B (zh) 2013-01-21 2013-01-21 航电组件功能维护测试点选取方法

Country Status (1)

Country Link
CN (1) CN103076556B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063593A (zh) * 2014-06-18 2014-09-24 电子科技大学 一种板级电路测试性指标计算方法
CN110471967A (zh) * 2019-07-02 2019-11-19 深圳市金泰克半导体有限公司 一种测试数据管理系统及方法
CN116736091A (zh) * 2023-08-10 2023-09-12 湖南遥光科技有限公司 电子系统测试点扩展方法及系统、故障诊断方法及系统
CN117368700A (zh) * 2023-12-07 2024-01-09 深圳市易检车服科技有限公司 无线均衡仪中电路板的自动测试系统及自动测试方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050080527A1 (en) * 2003-10-14 2005-04-14 Tao Xuefeng T. Hybrid transmission member speed determination, sensor diagnostics and fault recovery
CN101907681A (zh) * 2010-07-15 2010-12-08 南京航空航天大学 基于gsd_svdd的模拟电路动态在线故障诊断方法
EP2049961B1 (en) * 2006-08-08 2011-07-06 Siemens Industry, Inc. Devices, systems, and methods regarding a plc system fault
CN102279358A (zh) * 2011-06-20 2011-12-14 湖南大学 一种基于mcskpca的神经网络模拟电路故障诊断方法
CN102435934A (zh) * 2011-09-20 2012-05-02 北京工业大学 一种随机采样的模拟电路压缩传感测量和信号重构方法
CN102608519A (zh) * 2012-03-01 2012-07-25 西安电子科技大学 基于节点信息的电路故障诊断方法
US20120283967A1 (en) * 2009-09-25 2012-11-08 Beijing Sifang Engineering Co., Ltd. State-matrix-independent dynamic process estimation method in real-time for weakly observable measurement nodes without pmu

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050080527A1 (en) * 2003-10-14 2005-04-14 Tao Xuefeng T. Hybrid transmission member speed determination, sensor diagnostics and fault recovery
EP2049961B1 (en) * 2006-08-08 2011-07-06 Siemens Industry, Inc. Devices, systems, and methods regarding a plc system fault
US20120283967A1 (en) * 2009-09-25 2012-11-08 Beijing Sifang Engineering Co., Ltd. State-matrix-independent dynamic process estimation method in real-time for weakly observable measurement nodes without pmu
CN101907681A (zh) * 2010-07-15 2010-12-08 南京航空航天大学 基于gsd_svdd的模拟电路动态在线故障诊断方法
CN102279358A (zh) * 2011-06-20 2011-12-14 湖南大学 一种基于mcskpca的神经网络模拟电路故障诊断方法
CN102435934A (zh) * 2011-09-20 2012-05-02 北京工业大学 一种随机采样的模拟电路压缩传感测量和信号重构方法
CN102608519A (zh) * 2012-03-01 2012-07-25 西安电子科技大学 基于节点信息的电路故障诊断方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063593A (zh) * 2014-06-18 2014-09-24 电子科技大学 一种板级电路测试性指标计算方法
CN104063593B (zh) * 2014-06-18 2017-01-18 电子科技大学 一种板级电路测试性指标计算方法
CN110471967A (zh) * 2019-07-02 2019-11-19 深圳市金泰克半导体有限公司 一种测试数据管理系统及方法
CN116736091A (zh) * 2023-08-10 2023-09-12 湖南遥光科技有限公司 电子系统测试点扩展方法及系统、故障诊断方法及系统
CN117368700A (zh) * 2023-12-07 2024-01-09 深圳市易检车服科技有限公司 无线均衡仪中电路板的自动测试系统及自动测试方法
CN117368700B (zh) * 2023-12-07 2024-02-09 深圳市易检车服科技有限公司 无线均衡仪中电路板的自动测试系统及自动测试方法

Also Published As

Publication number Publication date
CN103076556B (zh) 2013-10-16

Similar Documents

Publication Publication Date Title
CN106529090B (zh) 一种航天电子类产品可靠性评估方法
CN106483449B (zh) 基于深度学习与复数特征的模拟电路故障诊断方法
CN108255649B (zh) 一种基于建模仿真协同分析的诊断策略设计方法
CN106055729B (zh) 一种基于蒙特卡洛仿真的故障树分析方法
CN104155574A (zh) 基于自适应神经模糊推理系统的配电网故障分类方法
Kumar et al. Fuzzy classifier for fault diagnosis in analog electronic circuits
CN103995237A (zh) 一种卫星电源系统在线故障诊断方法
CN103076556B (zh) 航电组件功能维护测试点选取方法
CN105572572A (zh) 基于wknn-lssvm的模拟电路故障诊断方法
CN104793124A (zh) 基于小波变换和ica特征提取的开关电路故障诊断方法
CN105786678A (zh) 一种基于相关性模型的测试性预计方法
CN109933047B (zh) 一种软硬件混合系统的联合可靠性试验剖面构造方法
CN102608519B (zh) 基于节点信息的电路故障诊断方法
CN107391370A (zh) 一种基于数据过采样和集成学习的软件缺陷数目预测方法
CN115398253A (zh) 用于模拟缺陷可检测性分析的迅速且可扩展的方法
Karaca et al. Fault grouping for fault injection based simulation of AMS circuits in the context of functional safety
CN106886620B (zh) 航天器测试资源优化配置方法
US20070180411A1 (en) Method and apparatus for comparing semiconductor-related technical systems characterized by statistical data
CN111007390A (zh) 基于代数方法的模拟电路故障诊断模型
CN108427778B (zh) 电子装备的可测试性分析方法及装置
CN105022864B (zh) 一种基于扩展依赖矩阵的系统测试点选取方法
Zhao et al. A new approach for analog circuit fault diagnosis based on extreme learning machine
CN112464848B (zh) 一种基于密度空间聚类的信息流异常数据监测方法及装置
Zhang et al. Test point selection of analog circuits based on fuzzy theory and ant colony algorithm
Guerreiro et al. Fault list compression for efficient analogue and mixed-signal production test preparation

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant