摘要：提出了一種新的大規模模擬電路的測試和診斷故障的方法，利用大變化靈敏度分析得到診斷電壓和電流，使用子分解技術，提出了故障節點、故障相關與故障子電路的分離算法，討論了硬件及測試節點的優化。基于一種模型技術的電路分析較傳統方法的復雜性低，對一個具體電路進行分析顯示了該方法的有效性。
關鍵詞：模型故障診斷；大變化靈敏度；分解技術
1大變化靈敏度分析(LCS)
討論一個連續時變的線性網絡，由激勵源與被測元件組成。系統方程為：
Y0V0=W(1)
式中：Y0為節點導納矩陣；V0為電壓矢量；W為節點電流源矢量。
網絡輸出是電壓矢量V0的線性組合。
假設m個元件偏離正常值，新導納陣為Y0 Yf［圖(b)］，其中電路中元件分別為R，L，C，傳感器和運算放大器，節點方程變為PYfQt，其中P和Q為連接矢量，t表示轉置，根據等效定理［7］［圖1(c)］，只要電路解是唯一的，我們可以將每個元件等效為獨立電壓源，故障元素Yf可用獨立電壓源Vd［圖1(b)］或獨立電流源［圖1(e)］Id=YfVd代替。定義它們為診斷電壓和診斷電流。利用此節點與參考節點間相連的等效獨立電流源代替與該節點相連所有元件導致故障的診斷電源［圖1(f)］，參考節點的選擇是為了測試所有可及節點(包括地節點)。
為了解出診斷電壓和診斷電流，由等效電路見圖1(c)給出以下分解：
以上分析提供了測試模擬電路所需足夠信息，應用如下：
1)建立故障字典：隨著Yf變化公式(5)代表了響應值，每個元件有其自己的曲線，與所有可能曲線比較測量值F，確定故障元件，因此利用公式(5)建立故障字典。
2)優化測試節點：公式(5)第一項是在不同測試節點的電路正常響應，而電路偏離部分為>
利用不同的dt(代表內部節點位置)計算上式，能夠看到由于一些元件值偏移導致該值很高，這些元件值可通過增益和相位參數得到。因此由dt決定的內部節點被選為測試節點，否則如果該值為0或很小e,e=1.0×10-8，則由dt確定的節點被略去，這個方法可獲得測試節點的優化。
3)產生測試頻率：根據LCS定義
利用一組測試頻率即可得到可能的故障定位。
對于大規模電路以上各式不易計算，為解決這個問題提出了模型計算法。
2模型故障診斷
圖2表示了模型故障診斷步驟流程圖。
SOE提供了代表轉移函數的一種選擇方式，替代了傳統方法中單個表達式的轉移函數，SOE的顯著特點：
(1)模型計算項由線性增長替代了傳統方法中的指數增長；
(2)計算時間減少(因為所需估計的轉移函數的數學計算量減少)；
簡單介紹模型概念，討論一個線性時變網絡F包括被測元件、理想運算放大器和四類受控源、理想的SOE要產生一系列彼此相關的連續函數。
很顯然，表達式增長數目為線性的。對于大規模電路，頻域分析的主要問題不是步驟的復雜而是估計時間，解決這個問題并使頻域分析實時完成利用插值算法和誤差預測公式減少估計時間。
模型故障診斷具體方法：
(1)故障節點：與可及節點i相連m個元件的故障可以用與參考節點相連的獨立電流源。
［圖1(f)］表示。如果Ii=0，則節點i無故障，與節點i相連的所有元件無故障。如果Ii≠0，則節點i是有故障節點至少有一個與節點i相連的元件是有故障的。
(2)故障相關：原始電路被分析為主電路和子電路，主電路與可及節點相連稱相關。如果主電路相連的兩個節點均有故障認為主電路有故障，否則無故障。
(3)故障子電路：與可及點重合的終端電路，討論不可及節點的子電路內部節點，如果至少它的終端的兩個有故障，子電路有故障，否則無故障。
詳盡解釋如下：
(1)一旦有了被測電路采用用戶定義的分解電路方法，子電路與相關電路和可及節點相連，子電路主要是用戶定義的模型塊；
(2)基于SOE的模型仿真器SCAPP直接用于仿真被測電路，診斷電壓Vd與診斷電流Id均可測；
(3)分離故障節點與故障子電路，對于每個故障子電路，運用LCS分析，這可以優化測試節點，產生測試頻率和建立故障字典；
(4)最后利用所得測試頻率的測試信號作為故障分析的輸入激勵，如果結果滿足則運算完畢，否則重新循環。
3仿真實驗
以圖3帶通濾波器為例說明測試過程。假設G2，G10，G15，G4有故障。原始電路被分解為相關電路和子電路，結果明確表示出了子電路S1，S2，S3，S4，S5，然后用模型仿真器SCAPP可以測量在每一個可及節點的故障電流，因為I2，I5，I8，I9，I12，I15不為0，故障節點為2，5，8，9，12，15。子電路S1，S2有故障，相關電路G2和G10有故障。根據LCS分析，節點5和12被選為測試節點，為定位子電路S1和S2的故障元件，利用表1的測試頻率，當輸入22kHz和21kHz正弦信號激勵時，測出輸出節點的最大偏差，這就意味著由G4和C15元件引起故障。
4結論
以上說明了基于LCS分析的SOE的運用以及應用于大規模電路測試的好處。該方法克服了大規模電路故障診斷電流敏感性和模型方法的缺點，計算量及存儲空間要求比傳統方法低得多。
返回頂部