李杰

（西安轨道交通公司，陕西西安 710016）

引言

当前，以模拟电子为关键技术的电路已经被应用在越来越多的场景中。其中，电路故障诊断技术一直是保证电路安全、高质量运转的重要基础。随着应用场景的复杂化，电路故障诊断技术不仅需要具有对复杂电路的分析能力，还要保证其在不同应用场景下的通用性。机器学习是一种基于数据驱动的人工智能统计方法，可以在经验总结的基础上对电路故障进行诊断分析。正是这种不依赖于系统、不依赖于模型的优势，使得机器学习方法有效地推动了电路故障诊断技术的进一步应用与发展。

为了把握当前机器学习方法在电路故障诊断中的研究水平，本文首先介绍电路故障诊断技术的分类和原理；其次阐述四种机器学习方法——支持向量机、人工神经网络、模糊分类和隐马尔科夫模型；最后对机器学习方法在常用模拟电路和电力设备中的故障诊断应用实例进行评析。

1 电路故障诊断技术

据统计，电子设备中大部分电路由数字和模拟电路混合组成，但是约80%的故障发生在模拟部分。数字电路故障诊断比模拟电路更容易，因为数字电路的测试规程很明确，且故障种类很有限，不外乎是短路故障、开路故障和卡滞故障等。而在模拟电路中，由于元件的非线性和容限性、故障模型低效性和模糊性、节点的不可访问性和测量的不确定性等特性的制约，使得故障诊断变得非常困难。……