0 导言
现在，电子信息体系的复杂化、自动化和信息化程度越来越高，对可靠性、可修理性和技能保证才能的要求日趋火急。体系中每一个部件产生毛病都可能会产生链式反应，影响体系效能发挥或形成严重的经济损失。因而，电子信息体系的状况监测与毛病确诊技能早已得到国际各个发达国家相关部分的注重。电子信息体系的功用电路大部分为模仿电路，许多元件参数具有很大的离散性，即具有容差。容差的普遍存在，导致实践毛病的含糊性，加大了其毛病定位的困难系数。因而，针对该型电子信息体系的电路原理，归纳运用毛病字典和神经网络相结合的毛病确诊办法，研讨某型电子信息体系模块级毛病确诊技能，具有必定的理论含义和和重要的实用价值。一起，本文研讨的效果能够推行到其他类型的电子信息体系毛病确诊技能研讨。
1 毛病确诊流程图和电路仿真
1.1 功用模块级毛病确诊流程图
首要对某型电子信息体系需求确诊的电路进行仿真，然后将得到的数据建成毛病字典，终究，在毛病字典中找出具有典型性的毛病数据作为神经网络的输入，运用BP神经网将毛病定位在详细的元器件上。图1为模块级毛病确诊流程图。
1.2 电路仿真
某型电子信息体系中的典型电路图如2所示。
（1）晶体管的毛病模型
因为无源元器件如电阻、电容的可靠性较高，产生毛病的概率较小，因而假定电路中电阻、%&&&&&%均无毛病，只要5个晶体管呈现毛病。经过对毛病晶体管的剖析，将其的毛病体现归结为三类：内部短路、内部开路、部分击穿。考虑到以下的现实：开路的引脚不能与其他引脚短路、击穿；两个引脚开路等效于三个引脚一起开路；两个PN结短路，等效于三个引脚一起短路；将三类毛病在晶体管的三个引脚、两个PN结之间进行毛病组合后，可归结为21种毛病类型，见表1.
（2）毛病近似模型
在电路仿真的进程中，对运用最多的双极型晶体管的近似毛病模型进行研讨，运用一种根据晶体管正常模型–GP 模型为毛病近似模型。为运用软件进行毛病模仿，下面给出晶体管的毛病模型，见图3.其间毛病引脚电阻RC，RB，RE 为晶体管各引脚与电路相应节点间的串联电阻；毛病结电阻RBC，RBE，RCE.别离为并联于晶体管某两引脚之间的电阻，用于模仿晶体管PN结的短路和击穿。
正常状况下，毛病引脚电阻RC，RB，RE 阻值近似为零；毛病结电阻RBC，RBE，RCE 阻值为无穷大。仿真时，按如下办法设置电阻阻值：
（1）某引脚开路，对应的毛病引脚电阻阻值设置为无穷大，文中设置为10 000 Ω。
（2）某两引脚短路，对应的毛病结电阻阻值设置为0 Ω（此处为抱负值）。
（3）某两引脚击穿时，对应的毛病结电阻阻值设置为700 Ω（PN结击穿后电阻阻值一般在500~1 500 Ω之间）。
（4）仿真软件
仿真软件挑选的是MulTIsim，该软件操作简略、方便，最主要的是它能够直接调用所需%&&&&&%，而不用近似地画出被测电路的等效电路图，使得仿真效果愈加接近于实在值。
（5）仿真进程
图4为某型电子信息体系中的典型电路在软件MulTIsim仿真时的界面图。
2 毛病字典的树立
（1）毛病界说
现将图2电路中与晶体管相关的106种毛病（包含正常状况F0）界说列于表2中。表中V代表晶体管，s代表短路，o代表开路，d代表击穿，b代表基极，e 代表发射极，c 代表集电极。
例如V4ecsbed 就代表第4 个晶体管发射极和集电极短路，基极和发射极击穿［6］。其他毛病以此类推。
（2）测验量
本电路共有106 种状况，即1 个正常状况和105 种个毛病状况。在9个测验点上共得到106 &TImes; 9 = 954 个电压值。模仿图2进行仿真，所得的954个数据列于表3.
（3）删去不需求的测验点
由表3可见，节点1上的电压不供给任何有用的信息，所以将其删去。节点6和节点9上的电压完全相同，所以删去节点9.同一测验点，在两种毛病现象下，被测电压之差超越0.1 V，则以为这两个毛病可分离；若被测电压之差不超越0.1 V，则以为这两个毛病为不行专一阻隔的含糊毛病组合。经过剖析表中的数据，能够看到F2与F4等均为两个不能仅有阻隔的毛病。
但因为它们皆与晶体管V1有关，任一毛病可经过替换V1来扫除，因而，无需进一步阻隔的必要。相似状况，经过收拾就得到了一个规范规范的毛病字典列于表4.
3 BP 神经网络的使用
根据BP神经网络能够超卓地处理那些传统毛病确诊办法难以处理的问题，所以某型电子信息体系模块级毛病确诊体系选用毛病字典和是神经网络相结合的办法，力求精确、快速地进行功用模块级毛病确诊。
3.1 BP神经网络的毛病确诊过程
使用神经网络检测模仿电路毛病的根本过程为：
（1）树立毛病字典或毛病状况表。使用软件模仿出对应电路的正常状况所对应得各测验点的理论值，并把它建成一个毛病字典或毛病状况表。
（2）树立神经网络。把毛病字典或状况表中的数据作为神经网络的输入，依照电路毛病特征点的数目以及所优化处理得到的毛病输出类别的数目树立神经网络。
（3）神经网络的练习、学习。设定神经网络学习速度、练习办法及相关参数，对网络进行学习、练习。
（4）运用练习好的BP神经网络进行毛病阻隔。将电路的毛病字典树立在神经网络之中，网络的输入节点由电路的可测节点决议，输出节点由毛病状况的数目决议。
输出有多少个毛病状况，输出层就选用多少个神经元，每一种毛病状况对应一个相应的神经元。确诊是某种状况时对应的那个神经元被激活，输出其对应的编码。
3.2 仿真实验及效果剖析
（1）本体系选用毛病字典和神经网络相结合毛病确诊技能研讨，选用三层神经网络。经过电路的剖析，挑选7个要害点的电压作为神经网络的输入。挑选6种毛病现象作为神经网络的输出形式，因而实践的神经网络输入神经元数为7，输出神经元数为6，隐含层的单元数依照前面介绍的公式核算为9.经过剖析看到，在BP神经网络的输出端应该有6个节点，别离对应1个无毛病和5个毛病。网络的希望输出如表5所示。
将仿真数据进行归一化处理后，以实践毛病样本为网络的原始练习样本，网络输入层、隐含层和输出层节点数别离取7、9 和6，体系总差错E 《 e-15 ，对网络进行Matlab编程仿真，网络练习2 500次，得到如图5所示的仿真波形。
终究，可用仿真得到的其他数据验证神经网络的练习状况。表6为神经网络的验证数据。表7为验证数据对应的输出效果。
（2）由三层BP神经网络组成的确诊体系在进行毛病确诊时，采纳数据驱动的正向推理战略，从初始状况动身，向前推理，抵达方针状况停止。
毛病确诊推理过程如下：
①将毛病样本输入给输入层各节点，并将其作为该层神经元的输出；
②求出隐含层神经元的输出并作为输出层的输入；
③求出输出层神经元的输出；
④由阈值函数断定输出层神经元的终究输出效果。
假定用Yn 表明毛病类型，则毛病类型阈值断定函数为：
式中：Φk = 0.90 ，当某形式下神经网络的输出大于0.90，而其他值均较小时，则能够为产生了该毛病。则表7变为相应的表8.
经过表8与表5的比照，可见仿真效果与现实相符。
4 结语
本文针对某型电子信息体系的电路原理，归纳运用毛病字典和神经网络相结合的毛病确诊办法，研讨该型电子信息体系模块级毛病确诊技能，具有必定的理论含义和和重要的实用价值。一起，本文研讨的效果能够推行到其他类型的电子信息体系毛病确诊技能研讨。
