模拟电路测试激励优化：基于故障可诊性和遗传算法

"这篇论文提出了一种基于故障可诊性和遗传算法的模拟电路测试激励优化方法，通过十倍频程AC Sweep分析确定测试信号频率范围，利用电路幅频响应计算故障特征数据的离散度，并以多频测试信号敏感度因子为目标函数，应用遗传算法优化频率参数。这种方法在双带通滤波电路的仿真验证中表现出降低故障响应特征模糊性，提高故障诊断率的效果。" 论文探讨的核心知识点包括： 1. **模拟电路测试激励**：在模拟电路的故障诊断中，测试激励的选择至关重要，因为它直接影响到故障诊断的准确性和效率。传统的测试激励方法可能无法满足精确识别复杂电路故障的需求。 2. **故障可诊性**：这是评估电路在出现故障时能否被有效检测到的能力。在文中，通过分析电路的幅频响应来评估其故障可诊性，这有助于确定哪些故障是可检测的，以及如何设计测试激励以增强这种可诊性。 3. **十倍频程AC Sweep分析**：这是一种用于确定正弦测试信号频率范围的技术。通过在不同频率下扫瞄电路，可以找出对故障响应最敏感的频率范围，这对于优化测试激励至关重要。 4. **遗传算法**：遗传算法是一种全局优化方法，它模拟自然选择和遗传过程来寻找最优解。在本研究中，遗传算法用于优化测试信号的频率参数，以最大化故障特征数据的类内类间离散度和敏感度因子。 5. **故障特征数据的离散度计算**：通过分析电路在不同频点的电压有效值，计算出故障特征数据的离散度，这有助于区分不同的故障模式，减少诊断的不确定性。 6. **多频测试信号敏感度因子**：这是衡量测试信号对电路故障敏感程度的指标。优化这一因子可以提高测试激励对故障的识别能力。 7. **仿真验证**：为了证明所提出方法的有效性，论文中采用双带通滤波电路进行仿真，结果显示优化后的测试激励能够显著提高故障诊断率，降低故障响应特征的模糊性。 8. **实际应用背景**：研究受到航空科学基金等多个项目的资助，表明其对于电子系统故障诊断，特别是机载设备健康预测等领域具有实际应用价值。 9. **研究团队**：研究团队由多位研究人员组成，包括博士研究生、教授和讲师，他们的专业领域涵盖了电子系统故障诊断、电力电子电路、模拟电路故障诊断与测试等。 论文提出的优化方法结合了故障可诊性理论和遗传算法的优势，旨在解决模拟电路测试激励选择的问题，提高故障诊断的准确性和效率，对于模拟电路故障检测技术的发展具有重要的理论和实践意义。