DSP平台下的电路故障检测算法的分析研究

DSP平台下的电路故障检测算法的分析研究摘要：为了克服传统电路故障诊断平台应用和普及的不便，根据dsp的特殊软硬件结构特点，分析研究了故障字典法和神经网络方法等不同电路故障检测方法，并拓展了新的频域分析方法，对于电路故障检测设备的实用化提供了新的思路。

关键词：故障检测 dsp 故障字典频域分析神经网络
0 引言
随着电子技术和工艺的不断发展，电路设计和生产的规模不断的扩大，集成化程度不断提高，而作为生产过程中必不可少的检测环节，电路的可及节点大幅度减少，检测的复杂性和成本变得更加难以与电路的发展相匹配。

如何在电路故障发生进行检测，及潜在故障的发现对于电路的维护和保障电路质量有着重要的实际意义。

在大部分工厂生产环境中，电路检测仍然采用人工检测的方法，qc （quality controller，品质控制员）的素质和耐心决定着产品的合格率，严重制约了生产效率和质量，随着技术的发展涌现出了ats （automation test system，自动检测系统），电路故障ats系统对于提高电路检测的正确率和效率，降低生产成本有着重要的作用[1]。

电路故障诊断已经有了较好的发展，具有了一些较为成熟的理论和算法，但是纵观这些方法，大多数计算量都偏大，计算复杂性使得其在实际应用时会受到制约[2]。

目前在嵌入式领域相关的应用研究已有，包括arm，fpga等平台上的应用和研究。

但是随着复
杂故障诊断理论的发展，检测算法在嵌入式系统上的实现也愈加困难。

dsp（digital signal processing，数字信号处理器）具有特殊的硬件结构和软件指令设计[3]，使得其在数据处理，算法实现上具有独特优势，特别是采用数字信号处理相关方法，如频域分析对模拟电路信号的判断。

根据dsp平台的特点，从可实现角度出发对不同的电路故障诊断算法进行了分析和研究。

1 故障字典法
故障字典法是电路故障诊断算法中较为早用的一种检测方法，是上个世纪末，电路故障测前模拟检测方法的研究成果的代表。

该方法实现简单，诊断条件宽松，没有太多使用条件限制，是一种简单有效，应用广泛的方法，也是电路故障诊断中最具有使用价值的一种方法。

该方法通常需要在检测之前对电路各种故障状态进行仿真，提取出不同故障状态发生时，对应的电路的特征。

电路的特征是通过设定多个检测点，测量测试点的电信号特征，通过测试点的电压电流或者其他信息的变化来反映电路的故障。

将仿真的结果，即不同故障对应的不同测试点的值及变化特征列入表格，组成字典。

电路的可测性则必须保证每个故障对应的特征需要能够进行区分。

在进行电路实际故障检测时，只需要将测试点的电信号特征提取，然后查找字典，与已测故障特征进行比较，如有相符则测试结果为故障，且故障为对应的故障结果，相反则为无故障。

可见该方法简单易行，实现方便，关键是要找到不同故障的特征，这就需要大量的仿真实验研究，同时针对不同的电路，其故障特征必然会发生较大的变化，那么故障字典也必须进行重新设定。

同时该方法难以解决有容差或较大容差电路的故障诊断，受到电路拓扑条件的限制一般只能解决单故障的诊断。

现在电路规模越来越大，对于大规模电路，建立故障字典的工作量较大，测试计算复杂，实际使用受到了限制，特别是针对实时性要求较高的诊断时，该方法难以适用。

由此可知，故障字典法对于小电路故障的诊断仍然具有良好的优势，实现方便，简单易行，对于小产品的生产检测适用。

2 频域分析方法
频域分析是以输入信号的频率为变量，在频率域研究系统的结构参数与性能的关系，揭示了信号内在的频率特性以及信号时间特性与其频率特性之间的密切关系，从而导出了信号的频谱、带宽以及滤波、调制和频分复用等重要概念。

1822年傅里叶提出傅里叶级数奠定了频域分析的理论基础，20世纪在电子领域得到了广泛的适用。

元器件的性质和频率有很大的关系，采用频域分析的方法可以更好的理解系统的结构和性能，对于电路故障诊断提供了一个新的思路。

频域分析方法现在已经得到了业内的重视并得到了很好的发展，已有分析方法众多，而使用最广，最为经典的就是ft（傅里叶变换）。

然而傅里叶变换的定义如下：
f（ω）=■f（t）e-jω tdt （1）
可见，频谱密度的计算是指数运算，成分运算和积分运算组成的，这对于数字设备来说都不好实现，所以引进了离散傅里叶变换，dft：
x（k）=■x（n）e■=■x（n）w■■（2）
这里的频谱和时间信号都是离散的数字的，所以适合于数字设备的使用。

然而dft的计算复杂性是n的平方项，随着n的增加计算量会大量增加，给实际应用带来了麻烦。

因此利用旋转因子的周期性和对称性，1965年cooley-turky 提出了新的快速离散傅里叶变换方法fft，其乘法运算量为n/2log2n，得到较大改善。

目前fft 及其改进算法已经在工程上得到了广泛的应用。

dsp在fft算法实现上具有良好的优势，其特殊的哈弗结构，流水线操作，乘法器结构，蝶形运算的实现更加的快捷和方便，因此使用dsp进行频谱分析是最好的选择。

该方法适用于电路规模较大，频率信息丰富，电路性能功能分析要求较高的电路故障诊断。

另外该方法单独运行难以将电路的各种故障都得以较好的区分，需要和其他方法配合实现。

3 人工神经网络方法
随着人工智能技术的发展，模糊理论，人工神经网络，专家系统，小波分析等方法得到了很大的发展，在各个领域都得到了广泛的重视和研究。

对于故障诊断技术领域，也都有涉及，然而在实际使用中，发现部分算法的复杂性较高，实现困难，而人工神经网络
的部分模型则可以很好的实现，因此我们就此进行讨论。

人工神经网络具有良好的非线性映射能力，并且具有自组织自学习，联想存储和寻求最优解的能力。

1943年心理学家
w.s.mcculloch和数理逻辑学家w.pitts建立了最早的神经网络模型，随着相关研究的深入，现有神经网络模型很多，在电路故障诊断中我们是需要其实现故障特征的提取和区分，最为经典的神经网络就是bp神经网络（back propagation）。

利用bp神经网络的分类功能可以很好的实现故障定位。

bp神经网络的计算涉及正向运算和反向传播两部分，其中正向运算输入层xi到隐藏层zk：zk=f（■vki×xi），k=0，1，…，q （3）
其中vki为隐藏层权值。

f（）为传递函数。

隐藏层zk到输出层yj：
yj=f（■wjk×zk），j=0，1，…，m （4）
其中wjk为隐藏层权值。

f（）为传递函数。

由此可知该网络在使用时只涉及累乘加和传递函数运算，累乘加运算是dsp的核心运算部件，能够在单位周期内实现一次mac运算。

而传递函数，我们可以在输出层采用线性函数，隐藏层采用下列传递函数：f（x）=■（5）
该传递函数是给线性函数，其计算精度和速度成为bp神经网络计算的关键。

我们可以采用快速近似的方法进行计算[4]。

神经网络方法能够很好的解决容差效应对故障诊断的影响，对容差电路的硬故障与元件参数偏移较小的软故障均可进行检测与定位，且对电
路可及节点及交流测试频率的数目要求较低。

4 总结
根据不同电路故障诊断的需要和dsp的特点，讨论了在dsp系统下实现电路故障诊断的不同方法。

对于小规模电路可以采用简单易行的故障字典法进行诊断，而对于较大规模电路，则故障字典的设定将会变得非常复杂，测试点需求高，所以可以采用神经网络的方法，另外利用dsp在数字信号处理及频域分析的优势，加入频域分析方法，可以增强电路故障诊断的能力，减少测试点的数量。

参考文献：
[1]黄洁，何怡刚.模拟电路故障诊断的发展现状与展望[j].微电子学，2004，（34）1：21-25.
[2]李伟.复杂系统的智能故障诊断技术现状及其发展趋势[j].计算机仿真，2004，21（10）：4-7.
[3]张雄伟，曹铁勇，陈亮.dsp芯片的原理与开发应用[m].北京：电子工业出版社，2009.
[4]吴凌燕，蔡岗.非线性运算在dsp上的编程实现[j].南阳理工学院学报，2010，7.
基金项目：赣南师范学院自然科学研究。

青年基金课题：基于dsp的电路故障检测平台研究[09kyz14]。

蔡岗（1983-），男，硕士，讲师，主要研究方向：信息技术与嵌入式系统。