基于电流测试的混合电路故障诊断

　　摘要：在运用小波神经网络进行混合电路故障诊断的过程中，测试参数的选取至关重要。研究了一种基于电流测试的故障诊断。该方法即通过PSPICE模拟电路的静态及动态电流信息，再通过小波神经网络的结合，证明了该方法在混合电路故障诊断中的可行性，为提高混合电路的故障诊断率提供了一种新的方法。

　　关键词：小波神经网络；混合电路；电流测试；故障诊断

　　0 引言

　　随着电子技术的飞速发展和制造工艺的不断提高，使得电路的复杂程度不断增加，芯片尺寸日益减小，使得系统级芯片上集成了越来越多的混合信号电路，而不再是单单的数字电路或者模拟电路。由于数模两种电路的测试方法不同，传统的测试已经不能满足发展的需求，这给仪器设备的设计者、使用者、维护者带来了前所未有的挑战，也使得数／模混合信号电路的检测日益受到业内人士的高度重视。本文提出的基于电流测试的混合电路故障诊断正是在这样的背景下提出的。

　　1 电流测试的理论知识

　　电流测试就是指通过测量电源电流并从中有效提取电路的故障信息，最终实现对电路故障的检测与定位。包括静态电流测试技术IDDQ和动态电流测试技术IDDT。

　　电路正常工作时，静态电流非常小，但是存在缺陷的电路静态电流非常大，所以当检测到电路中的静态电流出现异常，即可判定电路出现了故障。这也正是IDDQ测试的原理。但是，CMOS电路中某些故障，如开路故障等，并不引起静态电流的异常。因此，有必要在此引进动态电流测试。本文也正是基于此考虑了静态电流和动态电流测试的结合，而并非单纯的静态电流测试。IDDT是一个短暂导通的电流，即CMOS电路状态转换过程中，PMOS晶体管和NMOS晶体管同时导通，使得在电源与地之间形成了一个导通电路，如图1所示。由于IDDT是电路在动态转换过程中电流的变化情况，因此IDDQ的大小并不影响它的结果。所以，这也避免了深亚微米电路不断增长的静态漏电流对测试的影响。本文正是研究两者的结合在混合电路故障诊断中的重要意义。

　　

　　2 小波神经网络对混合电路故障诊断

　　小波神经网络（Wavelet Neural Network）是小波分析理论与人工神经网络ANN理论相结合。目前，二者的结合有如下两种途径：

　　（1）松散型结合。即小波分析作为神经网络的前置处理手段，为神经网络提供输入特征向量。

　　（2）紧致型结合。小波和神经网络直接融合，即小波函数和尺度函数形成神经元。

　　本文采用松散型的小波与神经网络的结合。先通过PSPICE进行正常电路与故障电路建模仿真，提取静态电流IDDQ和动态电流IDDT参数，并在Matlab中运用小波分析对所得到的电流进行特征提取，并结合神经网络进行具体分析。步骤如下：

　　（1）参数的提取。在PSPICE中提取正常电路及具有桥接故障、开路故障等多种故障电路的电流信息。

　　（2）小波分析。对（1）中得到的电流信息在Matlab中进行小波分解，提取小波系数，并进一步计算RMS。

　　（3）故障定位。将小波分析与BP神经网络结合，分析判断其定位效果，具体步骤如图2所示。