乔维德

（无锡开放大学 科研与质量控制处，江苏 无锡 214011）

0 引 言

由于电子技术的迅速发展，现代电子设备的集成化程度越来越高，也带动了集成电路的快速发展。数模混合电路属于集成电路的重要组成部分，数模混合电路中出现的故障直接影响集成电路的正常运行，所以广大科技工作者及学者更关注数模混合电路的故障问题。据统计，集成电路器件或设备中，数字电路占数模混合电路的八成左右，数字电路因为数字电子器件自身的稳定性，一般不易发生故障，但集成电路器件或设备中80%的故障来自模拟电路部分。针对模拟电路故障诊断，学者提出了相应的技术方案，如利用节点电压灵敏度比值法、基于改进马氏距离等传统故障诊断方法。许多学者一直关注人工智能技术在模拟电路故障诊断中的研究，先后提出将BP神经网络、小波神经网络、径向基函数（RBF）神经网络用于故障诊断的方法，并利用粒子群算法、遗传算法、果蝇算法、蚁群算法、狼群算法优化模拟电路故障诊断的神经网络模型[1-6]。以上方法在模拟电路故障的实际诊断中都取得了一定效果，但仍存在明显缺陷。BP算法、遗传算法在优化训练过程中收敛速度慢，计算量大，易陷入局部极小；粒子群算法易出现“早熟”，且在没有完全搜索前易陷入局部极值；果蝇算法前期搜索能力强、收敛速度快，但后期局部搜索能力弱；蚁群算法寻优时搜索时间较长、过程较慢，易产生停滞现象；……