孙玖明+董超

摘 要：本文从两个方面概述电子电路的故障，包括对电子电路故障开展检测和分析的必要性以及自动化故障诊断技术在电子电路故障分析中的应用。重点探讨了电子电路故障分析理论以及应用，包括基于人工神经网络的基本理论和故障诊断应用、小波神经网络、量子神经网络等方面。以期为相关的理论研究和具体的实践工作提供一定的借鉴。

关键词：电子电路；故障

随着电子工业以及电子电路系统集成技术的发展，电子电路的复杂性也随之提升。因此，在对相关的电子电路设备进行维护和保养的过程中，需要花费更多的时间、精力以及资金。开展电子电路故障分析，能够对工业生产以及国民生活的方方面面产生重要的积极意义。在这个背景下，研究电子电路的故障分析的诸多问题，具有重要的现实意义和价值。

一、电子电路的故障概述

（一）对电子电路故障开展检测和分析的必要性

随着当今电力电子技术的广泛运用，各类高性能的电子电路设备和相关产品逐渐涌现，促进对于设备维护性要求的提升。当电子电路设备出现故障却没有得到及时的诊断和恢复时，一系列严重的后果会由此引发，轻则发生停机故障，重则威胁设备操作和检修人员的生命安全，带来严重的经济损失。因为电子电路设备在工程系统中发挥着重要的作用，充当电源以及控制器等核心角色，尤其是对于航空航天设备这种对于电子电路设备要求较高的应用领域来说，必须定期进行电子电路的自动化测试和诊断，开展必要的修复工作。除此之外，当电路发生故障时，人工诊断技术的劣势逐渐显现出来，比如即时性弱、诊断精度低等。在对电子电路的故障进行检修、调试和替换的过程中无法发挥出独特的优势。在这个背景下，自动诊断技术应运而生，能够很好地弥补人工诊断技术的不足。所以，针对先进的自动故障诊断技术进行深入的研究和应用，已经引起了世界范围内的关注。

（二）自动化故障诊断技术在电子电路故障分析中的应用

对于电子电路中电路元件较多的情况，比如在某些新型静止无功发生装置中，存在数十个晶闸管，如果采用人工诊断方法，又费时又费力。自动化故障诊断技术的发展能够实现人力物力的大幅度节省。对于对电子电路设备可靠性以及容错的要求较高的应用领域来说，电子电路需要具备自测试、自诊断以及自我修复的功能。以上种种需求需要技术人员进行电子电路工作状态的动态在线监视，进行电子电路状态的实时测试和诊断。当某部分的电路发生故障时，自动诊断技术能够实现在不对电路中其他部分的运作造成不利影响的基础上，进行故障的隔离定位以及修复，并且在以上流程结束后继续投入使用。与此同时，在进行在线故障诊断时，对故障所在的部位以及性质进行快速分析能够实现电子电路运行停机时间的有效缩短。在有利乐观情况下，还有望进行容错电力电子系统的建立，实现系统可靠性的提升。

二、电子电路故障分析理论以及应用

（一）基于人工神经网络的基本理论和故障诊断应用

人工神经网络在电子电路故障分析中的应用主要遵循以下的流程。首先，在电子电路基本信息的基础上进行常见故障类型的分析。其次，将这些常见的故障类型以神经网络的目标的形式进行样本输出。再次，根据以上常见的故障类型，进行电路相应故障信号的提取，并且对以上提取的信号进行相关的预处理，成为神经网络标准的输入样本。最后，以网络的拓扑结构为基础，通过神经网络进行存储电路故障信号以及故障类型之间映射关系的学习和存储。并且利用相关的学习规则，对样本开展训练，实现神经网络相应网络参数值的获取，最终将结果传送到执行机构以及显示设备。在整个过程中，故障特征的提取以及预处理、神经网络的设计是其中的两个重要环节。

在对故障特征进行提取的过程中，对于故障电路状态信号的分析和处理以及预处理是主要的内容。技术人员需要对获取的电子电路故障的测试数据进行分类和压缩，这个过程需要遵循一定的规则。在对故障特征以及电路不同故障状态下的统一故障特征进行提取的时候，因为这个特征与故障状态不存在相关关系，所以能够实现故障特征提取流程的简化以及计算量的减少，大幅提升故障诊断速度。这个流程中蕴含的基本步骤如下：首先，对故障电路进行激励。其次，采取合适的方法对电路的相应响应信号进行测量。最后，预处理特征信号，实现从测量空间到特征空间的转化。

（二）基于小波神经网络的基本理论和故障诊断应用

从目前的电子电路故障分析实践来看，对于线性系统的状态监测以及故障诊断而言，已经有了很多较为科学合理的方法。但是，对于非线性电子电路系统故障分析来说，相关状态监控的方法较为有限，仍然需要进一步探索。随着人工神经网络系统故障分析技术的发展，小波神经网络技术也应运而生，能够发挥对任意函数以及信号的有效逼近功能，实现非线性电子电路故障诊断以及实时监控有效性的提升。但是，虽然小波神经网络存在故障诊断率高等众多优势，但是在外界噪声提升的环境下，小波神经网络故障分析系统的误诊断率也会随着提升。这对于某些要求较为苛刻的应用领域来说，适用性不高。

（三）基于量子神经网络的基本理论和故障诊断应用

虽然人工神经网络技术已经得到了长足的发展，但是当故障模式之间存在着交叉数据的模式识别问题时，人工神经网络的优势就无法充分发挥出来，误诊断率较高。在这个背景下，将相关神经网络的知识与量子计算理论相结合，具有十分开阔的发展前景。

量子神经网络是量子计算与经典神经网络相结合的产物。在神经网络的结构中融合量子计算理论，并且在训练过程中尽可能渗透这个理论。或者，在进行神经网络拓扑结构以及训练算法的设计时，直接进行量子理论中某些原理以及概念的借用。以上两种策略能够实现特征向量以及故障类型之间对应关系的精确反映，提升故障诊断效率和正确率，降低误诊率。

三、总结

从我国目前的电子电路的故障分析实践来看，相关理论的应用情况得到了一定的提升，但是在非线性电路以及容差电路的故障诊断方面仍存在一定的缺陷，需要相关技术人员做出更为深入的探讨和研究。

参考文献：

[1]杨铮.关于电子电路的故障研究[J].民营科技，2014，（11）：52.

[2]王耀军，王鹏云.电子电路故障检测技术研究[J].电子测试，2010（2）：80-83.

[3]韩超洋，郭阳，周嘉璐等.浅析电子电路故障检测技术[J].中国电子商务，2013，（9）：221.