曹玉苹， 邓晓刚， 田学民， 刘润华， 任旭虎， 张冬至

(中国石油大学(华东) 信息与控制工程学院， 山东 青岛 266580)

电路故障诊断技术具有重要的实用价值。在电路生产阶段，需要识别不合格电路产品；在电路应用阶段，需要识别电路中失效的元器件。文献[1]针对铁路列车运行控制与地车通信的核心设备——ZPW-2000A轨道电路，设计了一套基于模糊推理方法的电子设备故障诊断实验平台。模糊推理方法需要根据经验和知识设计模糊规则；而数据驱动方法只利用历史故障数据进行学习，应用更简便。

随着数字化水平的提高，大量过程和设备运行数据被采集和存储。数据驱动的故障诊断技术基于过程和设备的历史监控数据识别当前故障的类型，是国内外先进控制领域的研究热点[2-6]。数据驱动的故障诊断问题可以看作分类问题，人工神经网络[7-8]、支持向量机[9-10]和随机森林[11-12]等常用分类方法都可以用来识别故障类型，文献[13-15]介绍了这方面的应用。

笔者结合国家和山东省自然科学基金项目设计了数据驱动的模拟电路故障诊断实验平台。该实验平台将数据驱动的故障诊断技术应用到模拟电路的故障调试中，实现了故障类型的自动识别。该实验平台涉及电路故障模拟和数据驱动的故障诊断技术，为自动化、测控技术与仪器、电气工程及其自动化和电子信息工程等专业的学生认识电路故障、深入学习和理解人工神经网络、支持向量机和随机森林等分类算法提供了条件。……