摘  要： 隨著電子系統(tǒng)的集成度越來越高，內(nèi)部結(jié)構(gòu)越來越復(fù)雜，傳統(tǒng)的物理探針已經(jīng)無法滿足測試要求。簡要介紹了IEEE1149.4標(biāo)準(zhǔn)和支持向量機理論基礎(chǔ)，提出了一種基于IEEE1149.4標(biāo)準(zhǔn)的模擬電路故障診斷方案。該方法利用SVM實現(xiàn)故障檢測，結(jié)合電路分塊方法和IEEE1149.4標(biāo)準(zhǔn)中的開關(guān)矩陣對電路分塊，實現(xiàn)故障定位。最后對此方法的可行性和準(zhǔn)確性進行了仿真驗證，結(jié)果表明此方法在準(zhǔn)確判斷電路是否存在故障的同時，也能實現(xiàn)故障定位，達到誤判率為零的結(jié)果。

　　關(guān)鍵詞： IEEE1149.4；支持向量機；故障檢測；故障定位

0 引言

　　目前在一個完整的電子系統(tǒng)中，模擬電路還不能完全被數(shù)字電路取代，而在信號處理和控制中，模擬電路又占有多數(shù)，并且大部分電子系統(tǒng)故障出現(xiàn)在模擬電路部分，所以對模擬電路的故障診斷至關(guān)重要[1]。參考文獻[2]提出了一種基于IEEE1149.4標(biāo)準(zhǔn)的混合電路故障診斷方法，實現(xiàn)了混合電路的互連測試和參數(shù)測試；參考文獻[3]提出的模擬電路故障診斷算法是基于特征和故障診斷器聯(lián)合優(yōu)化的一種算法，提取和選擇待測模擬電路中的故障特征，結(jié)合SVM參數(shù)優(yōu)化完成模擬電路故障診斷；參考文獻[4]提出的基于SVM的模擬測試生成算法，利用SVM分類特征將分類面中的信息轉(zhuǎn)化為模擬電路測試矢量，能有效地檢測出電路中有無故障。

　　但是以上算法都存在一定的誤判率，針對這一問題，本文提出了基于IEEE1149.4標(biāo)準(zhǔn)的模擬電路的故障診斷。利用IEEE1149.4標(biāo)準(zhǔn)的開關(guān)矩陣形成測試通道，再結(jié)合支持向量機實現(xiàn)故障的診斷，最后通過電路分塊的方法實現(xiàn)故障定位。

1 IEEE1149.4標(biāo)準(zhǔn)簡介

　　支持IEEE1149.4標(biāo)準(zhǔn)的器件主要由以下部分組成：數(shù)字測試訪問端口TAP（Test Access Port）、模擬測試訪問端口ATAP（Analog Test Access Port）、測試總線接口電路TBIC（Test Bus Interface Circuit）、模擬測試總線ABx（Analog Test Bus）、數(shù)字邊界掃描單元DBM（Digital Boundary Module）以及模擬邊界掃描單元ABM（Analog Boundary Module）等[5]。

　　測試總線接口電路TBIC的主要作用是通過控制模擬測試訪問端口（ATAP）和內(nèi)部測試總線（ABx）的連接，為外部測試總線系統(tǒng)和器件的ABM單元提供通道，測試激勵的輸入和響應(yīng)的采集可由ATAP端口獲得[1，5]。邏輯控制電路和開關(guān)矩陣共同組成了測試總線接口電路，圖1是TBIC開關(guān)矩陣的結(jié)構(gòu)。

　　模擬邊界掃描單元ABM是IEEE1149.4標(biāo)準(zhǔn)框架的心臟[5]，具有至關(guān)重要的作用。如圖2所示為ABM的功能原理圖，其主要是6個開關(guān)組成的開關(guān)矩陣。

2 支持向量機理論基礎(chǔ)

　　SVM（Support Vector Machine）即支持向量機，由Vapnik最先提出，它是建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上的一種分類方法[4]。SVM的目的是找到一個滿足分類要求的分類超平面，使得該超平面不僅能保證分類精度，還能使超平面兩側(cè)的樣本與該平面的距離最大化[4]。

　　假設(shè)有訓(xùn)練集{（x1，y1），…，（xn，yn）}，其中xi∈Rn，yi∈Y={1，-1}，i=1，…，n，若存在w∈Rn，b∈R，則超平面表達式可表示為：

　　S={x|<w，x>+b=0}

　　SVM的關(guān)鍵是尋找最優(yōu)w和b使得離分類面最近的樣本與分類面距離最大。離分類面最近的樣本被稱為支持向量[6]。通過兩類支持向量的平面分別為{x|<w，x>+b=1}和{x|<w，x>+b=-1}，并且都平行于超平面，與超平面的距離為1/|w|，所以尋找最優(yōu)w和b即是尋找最大間隔，于是分類問題轉(zhuǎn)化為最優(yōu)化問題：

　　s.t. yi（wTx+b）≥1，i=1，2，…，n

　　用拉格朗日乘子求解上式，再結(jié)合KKT互補條件，最終化簡為：

　　上面討論了線性可分情況，為求解線性不可分情況，還需引入核函數(shù)K（·，·）將數(shù)據(jù)映射到高維，線性不可分問題就被轉(zhuǎn)化為線性可分問題[6]，得到：

3 基于IEEE1149.4標(biāo)準(zhǔn)的模擬電路故障診斷

　　故障診斷是指利用各種診斷和測試方法確定待測電路有無故障，通常分為故障檢測和故障定位兩部分。故障檢測指判斷出待測電路中有無故障，故障定位則指找出發(fā)生故障的確切位置。本文采用基于SVM的故障檢測方法來判斷電路是否存在故障，對于故障定位，采用結(jié)合IEEE1149.4標(biāo)準(zhǔn)的開關(guān)矩陣和電路分塊方法實現(xiàn)。該診斷方法以單一故障為基礎(chǔ)，暫時不涉及多故障并存的情況。

　　3.1 故障檢測

　　本文采用基于SVM模擬電路故障檢測方法，其主要思想是對采樣空間進行分類，得到能區(qū)分電路正常狀態(tài)和故障狀態(tài)的分類面和決策函數(shù)，最終判斷電路有無故障。

　　對待測電路（CUT）設(shè)置不同的狀態(tài)（正常狀態(tài)和故障狀態(tài)）之后，以采樣頻率FS分別進行采樣，得到大量n維的響應(yīng)向量，這些n維的響應(yīng)向量構(gòu)成了訓(xùn)練集或測試集[5]。利用SVM對采樣空間進行分類，得到超平面和決策函數(shù)，最后將待測響應(yīng)x代入到?jīng)Q策函數(shù)中，根據(jù)f（x）的值（1或-1）來判斷此電路是否有故障。

　　基于SVM故障檢測的主要步驟如下：

　　（1）采集訓(xùn)練集：將電路分為正常狀態(tài)和故障狀態(tài)，分別提取電路特征作為訓(xùn)練數(shù)據(jù)xi，將電路正常特征標(biāo)記為y=+1，電路故障特征標(biāo)記為y=-1。

　?。?）訓(xùn)練分類器：結(jié)合采集的訓(xùn)練集來訓(xùn)練支持向量機，獲得能將正常特征與故障特征分開的超平面以及決策函數(shù)：

　?。?）檢測故障：將待測的測試特征x代入到?jīng)Q策函數(shù)中，根據(jù)得到的結(jié)果判斷電路中有無故障：

　　f（x）=1，電路正常-1，電路故障

　　3.2 故障定位

　　基于SVM的故障檢測只能判斷出待測電路有無故障，要確定故障發(fā)生位置，還需采取進一步的方法來實現(xiàn)。本文結(jié)合電路分塊方法和IEEE1149.4標(biāo)準(zhǔn)來實現(xiàn)電路分塊，分別對分割后的子電路進行故障判斷。采用IEEE1149.4標(biāo)準(zhǔn)中的開關(guān)矩陣，在設(shè)計電路時將分塊點連接至IEEE1149.4器件的ABM單元，實現(xiàn)測試激勵的輸入和測試響應(yīng)的采集。本文采用參考文獻[7]中的基于Laplace矩陣的譜平分算法，該算法利用電路的鄰接矩陣模型對電路網(wǎng)絡(luò)進行分塊處理，主要步驟參照參考文獻[7]。

　　3.3 基于IEEE1149.4的模擬故障診斷

　　因為要將分塊點連接到IEEE1149.4器件的ABM單元上實現(xiàn)電路分塊，所以要在最開始就對電路進行分塊。文中用到的電路分塊算法每次只能將電路分成兩個子電路，所以先將電路分成2個一級子電路，再對一級子電路進行分塊，得到4個二級子電路，依此類推，直至分到最?。梢詾閱我黄骷部梢詾楹唵尉W(wǎng)絡(luò)）。

　　基于IEEE1149.4標(biāo)準(zhǔn)的故障診斷流程如圖3所示。對電路分塊后，將分塊點連接至IEEE1149.4器件的ABM單元上；然后斷開或閉合相關(guān)ABM單元上的概念開關(guān)，采集整個待測電路的響應(yīng)空間，完成支持向量機的訓(xùn)練，測試電路是否存在故障；在有故障的情況下，重新選擇需要斷開或閉合相關(guān)位置概念開關(guān)實現(xiàn)電路分塊，對子電路塊進行故障檢測，重復(fù)這一步驟直至最后一級子電路故障檢測完成。

4 仿真驗證與結(jié)果分析

　　本文在軟件仿真環(huán)境下驗證該診斷方法的可行性和準(zhǔn)確性，以圖4所示的三極點濾波器為例。器件U1和器件U2均為支持IEEE1149.4的器件。點B1是整體電路的分塊點，將電路分為兩個一級子電路，左邊為子電路1，點B11是子電路1的分塊點，點B21和點B22均能作為子電路2的分塊點，所以點B21和點B22將子電路2分為三部分。將點B11連接至器件U1，將點B1、點B21和點B22都連接至器件U2上（為畫圖簡便考慮，并未在圖中畫出）。

　　主要測試電阻和電容的故障，暫不涉及放大器的故障，假設(shè)運算放大器是無故障的。在采集響應(yīng)空間時，以元件參數(shù)容差[-5%，5%]的電路狀態(tài)為正常狀態(tài)，以大于元件參數(shù)容差（5%，10%]的電路狀態(tài)為故障狀態(tài)。分別對整體電路和子電路進行了故障檢測，結(jié)果如表1表示。

　　這里需要說明一點：基于SVM的故障檢測算法中的故障狀態(tài)只選取了大于元件參數(shù)容差（5%，10%]的電路狀態(tài)，對于小于元件參數(shù)容差的電路故障狀態(tài)是無法檢測的。若要檢測小于元件參數(shù)容差的電路故障狀態(tài)，需要重新選取故障狀態(tài)與正常狀態(tài)進行支持向量機的訓(xùn)練。

　　由表1可以看出，無論是對整體電路還是子電路，基于SVM的故障檢測算法可以準(zhǔn)確無誤地判斷出電路中是否存在故障，與參考文獻[4]相比較，電路故障誤判率為零。同時還可以得出，經(jīng)電路分塊后，使用IEEE1149.4器件提供測試通道，可以實現(xiàn)故障的初步定位。要實現(xiàn)故障準(zhǔn)確定位，需要結(jié)合電路特點，利用支持IEEE1149.4的器件對單一元件進行故障診斷，如圖5所示。

　　對于R1：連接A11引腳到AT1端口，A12引腳連接到VG（邏輯地），從AT1端口輸入電流測試激勵iT1，待測試激勵穩(wěn)定后將AT2端口連接至A11引腳測得電壓UR1，則R1=UR1/IT1，其中UR1和IT1為有效值。子電路2的R2和R3也可以用此方法測試。

　　對于C1：連接A11引腳至AT1端口，A12引腳至AT2端口，從AT1端口輸入電流測試激勵iT1，待測試激勵穩(wěn)定后從AT2端口測得電容兩端電壓UC1，然后斷開A12與AT2端口的連接，連接A11至AT2端口測得A11處電壓UA11，考慮到C1上電壓滯后電流的特征，求得C1的值：

　　子電路2部分的C2和C3的測試也可用此方法。

　　由此可以看出，該方法不僅能判斷電路中有無故障，也能對故障準(zhǔn)確定位。與參考文獻[3]和參考文獻[8]相比，該方法已經(jīng)得出器件的真實值，不僅可以判斷出器件真實值大于還是小于標(biāo)稱值，同時還能實現(xiàn)無誤判。此外，本文采用IEEE1149.4標(biāo)準(zhǔn)提供測試通道，采用虛擬探針技術(shù)，實現(xiàn)了物理探針不能實現(xiàn)的測試輸入和數(shù)據(jù)采集。

5 總結(jié)

　　本文提出的基于IEEE1149.4標(biāo)準(zhǔn)的模擬電路故障診斷方案，是以IEEE1149.4器件提供測試通道為前提，解決了傳統(tǒng)物理探針無法實現(xiàn)測試輸入和數(shù)據(jù)采集的問題；利用SVM實現(xiàn)模擬電路故障檢測，并且對故障檢測實現(xiàn)了誤判率為零；利用分塊方法對待測電路進行分塊，并且能準(zhǔn)確定位。本文暫時只對待測電路中單一故障的情況進行了討論，下一步將研究對多故障并存的電路實現(xiàn)故障診斷。

參考文獻

　　[1] Li Yanping， Lei Jia. Design of analog test hardware platform based on IEEE 1149.4[C]. The Ninth International Conference on Electronic Measurement & Instruments， 2009：873-876.

　　[2] 陳圣儉，張勝滿，周燕，等.基于IEEE 1149.4標(biāo)準(zhǔn)的混合電路測試系統(tǒng)設(shè)計[J].計算機測量與控制，2009，17（9）：1673-1675.

　　[3] 沈東.模擬電路故障診斷的仿真研究[J].計算機仿真，2012，29（10）：248-251.

　　[4] 龍婷，王厚軍，龍兵.基于SVM的模擬測試生成的改進算法[J].系統(tǒng)工程與電子技術(shù)，2011，36（6）：1425-1428.

　　[5] IEEE Computer Society. IEEE. std 1149.4-2011：IEEE Standard for a Mixed Signal Test Bus[S].2011.

　　[6] 鄧乃揚，田英杰.支持向量機：理論、算法與拓展[M].北京：科學(xué)出版社，2009.

　　[7] 梁因，馬齊爽，徐萍.基于圖論的潛通路分塊分析方法[J].北京航空航天大學(xué)學(xué)報，2014，40（1）：115-119.

　　[8] Guo Ke， Wang Sheling， Song Jiahong. Analog circuit fault diagnosis based on wavelet kernel support vector machine[C]. 2013 International Conference on Information Technology and Applications， 2013：395-399.