电路板维修测试与诊断

　在实际应用中，大多数电路是模数混合系统，既有模拟信号，又有数字信号。模、数混合系统是板极电路诊断中的难点。

　　根据板极电路的类型可将故障诊断分为两类：数字系统的故障诊断和模拟系统故障诊断。数字系统故障诊断的基本思想是在输入端加载激励信号，在输出端得到响应，根据激励和响应的组合关系以及电路的拓扑关系确定故障点。其关键是测试向量的生成，即在输入端加载什么样的激励信号，才能使电路内部的故障点反应出来。模拟系统由于自身的特点，使得其故障诊断比数字系统更复杂。模拟信号量是连续的，任何一个元件的参数超过其容差时就属故障，因此模拟电路的故障状态是无限的。

　　一、板极电路故障诊断技术的发展

　　自从60年代美国开始系统地开展故障诊断技术的研究以来，这一技术在世界各国正越来越受到重视。随着系统可靠性、维修性理论和技术的发展，故障诊断已发展成为一门边缘学科，它涉及系统论、控制论、信息论、检测与估计理论、计算机科学等多方面的内容。

　　早期的数字系统故障诊断主要用于功能测试。Eldred在1959年提出了第一篇关于组合电路的测试报告，开始了数字系统故障诊断的研究。D.B.Armstrong根据Eldred的基本思想，在1966年提出了一维通路敏化的方法，其主要思路是对多级门电路寻找一条从故障点到可及输出端的敏化通路，使在可及端可以观察到故障信号。1967年Schneidr用例子指出单通路敏化法并不能找出所有的故障。同年Roth提出了多通路敏化法的D算法，从理论上解决了组合逻辑电路的测试问题。由于D算法也存在某些不足，Goel提出了PODEM算法，Fujiwara提出一种面向扇出的测试生成算法-FAN算法。此外，Seller等提出的布尔差分法和Thayse提出的布尔微分法，使通路敏化的理论得到了系统化。随着系统和电路规模的增大，Archambeau等提出的伪穷举法，为穷举法用以解决大型组合电路的测试开拓了新的途径。另外，我国学者魏道政提出的主通路敏化法，梁业伟提出的全通路图法等等，也均有其各自的优点。

　　模拟系统的测试与诊断自60年代开始以来，进展一直比较缓慢。最早发表这方面文章的是S.D.Bedrosiam。它变成活跃的领域即是在70年代，P.DUhamet和F.C.Rault总结了这一时期的研究成果。模拟电路的测试与诊断发展缓慢，其原因主要有：一是模拟系统的集成度较低，规模较小，采用人工测试和修理可以满足实际需要;另一个原因是模拟电路的测试与诊断远比数字系统困难，无论理论上还是测试方法上均未完全成熟，可付诸使用的还比较少。

　　二、数字系统故障诊断技术

　　目前，获取数字系统测试集的方法主要有非确定性测试生成和确定性测试生成。非确定性生成算法是指人工测试生成，即由测试人员根据对被测系统功能的了解，并结合实际测试经验，产生检测被测系统故障的测试集，也包括随机测试生成，即用软件方法产生伪随机数，通过故障仿真对伪随机码进行筛选，以产生故障覆盖率较高的测试集。确定性测试生成是采用测试生成算法自动推导数字电路的测试矢量。D算法和布尔差分法是广泛使用的确定性算法，它们经过多年的使用和改进，已被分别发展为九值算法和主通路敏化法。

　　布尔差分法通过处理电路方程来生成测试。对多固定型故障，可采用Messon等人提出的多阶布尔差分法来求解。至于用更高阶布尔差分来法来对更多重故障进行测试，可由二阶布尔差分推广得出。布尔差分法结构严谨，有很高的理论研究价值。但是将其用于大型电路时，占用内存空间较大，速度较慢。主通路敏化法从布尔差分法发展而来，吸收了布尔差分法和D算法的优点，计算速度较快，适合于以功能块为基本单元的组合电路和时序电路。

　　其它测试方法大多以D算法和布尔差分法为基础发展而来。PODEM算法以D算法为基础，将D算法和求解NP问题常用的界限法相结合，减少回溯次数，避免了许多盲目的测试。

　　FAN算法是在PODEM算法基础上产生的，FAN算法将PODEM算法的沿单路径反向跟踪，扩展为多路径反向跟踪，缩短了回溯之间的处理时间，其速度比PODEM算法快。

　　三、模拟电路故障诊断技术

　　模拟电路故障诊断技术依据电路仿真是在实际测试前还是后，可分为测前模拟诊断和测后模拟诊断，模拟诊断的主要计算工作集中在对电路作仿真上。如以人工智能新理论的出现为界线，也可分为经典常规的诊断方法与现代模拟电路故障诊断两类方法。

　　经典常规方法主要包括：故障字典法、元件参数辨识法和故障验证法。元件参数辨识法和故障验证法属于测后模拟诊断法。元件参数辨识法要求提供较多的诊断有用信息，总的计算量非常大。故障验证法是在获取“不完整”的有限故障信息基础上作诊断，实施比较方便，根据预测故障的范围，故障验证法可分为K故障诊断法，故障界定位法和网络撕裂法等。测前模拟诊断的典型方法是故障字典法，它是目前模拟电路故障诊断中最具有实用价值的方法。根据激励源的性质和所取故障特征的差异，故障字典法可分为直流故障字典(特征是测试端的直流电压或电流向量)和交流(频域)故障字典(特征是测试端的频域响应)。

　　神经网络故障字典法把模拟电路的故障诊断看成是一个分类问题，利用神经网络的分类功能来诊断故障。在测前把神经网络训练成一部故障字典，字典的信息蕴含在网络的连接权值，只要输入电路的测量特征，就可以从其输出查出故障。目前神经网络故障字典法中用到的神经网络主要有SOM(Self-organizing Feature Map)和BP两种神经网络。SOM网络适用于交流电路，能更有效的克服容差因素对故障定位的影响。一般同时采用两种不同类型神经网络相级联建立故障诊断字典。

　　智能计算在神经网络故障字典法中有着很好的应用前景：如采用遗传算法对BP神经网络的结构(隐层结点数)和具体参数进行优选，避免靠经验确定这些参数的弊端，保证得到用于故障诊断的最优神经网络;将小波分解和主元分析等方法应用于数据预处理技术和训练样本集的筛选过程中，可改善训练速度和诊断精度。模糊集理论与神经网络相结合而形成的模糊神经网络，充分吸收各自的优点，更加符合实际电路模型，可提高故障诊断的对判几率。

　　专家系统在模拟电路故障诊断中的典型应用是基于产生规则的系统，其基本的工作原理是：首先把专家知识及其诊断经验用规则表示出来，形成故障诊断专家的知识库，进而根据报警信息对知识库进行推理，诊断出故障元件。其主要问题是知识的获取的瓶颈问题、知识难以维护以及不能有效解决故障诊断中许多不确定因素等。一般应用中，均将其与本身具有信息处理特点的神经网络相结合使用。