朱敏， 许爱强， 许晴， 李睿峰

(1.91576部队， 浙江 宁波 315020； 2.海军航空大学， 山东 烟台 264001；3.92228部队， 北京 100010)

0 引言

模拟电路高度集成于现代电子系统并广泛运用于自动控制、通信、供电系统等军用、民用领域。统计数据表明，占比不到20%的模拟部分却集中了整个电子系统中超过80%的故障[1]。因此，模拟电路故障诊断一直是故障诊断领域的热点问题[2]。尽管近几十年来该问题得到持续而广泛的研究，但这些研究多停留于某一环节的理论而未见整套的实际应用方案，事实上该项技术仍远未达到实际应用的水平，其主要障碍除了电路所固有的非线性、组件的冗余性、测试点不足、测量中的不确定性[3-4]外，还在于对于复杂模拟电路所存在的较大规模的高质量故障样本以及高效诊断模型的匮乏[4]。

近年来，基于数据驱动的方法引起了国内外学者的广泛关注，其研究成果主要反映在故障特征提取和分类器设计两个方面[4-6]。当前，模拟电路的故障特征主要分为两大类：第一大类为传统人工提取的特征，包括3种：一是基于电路节点的电压响应(这种方法通常考虑测试性，涉及对测试节点进行优选[5-6])；二是从时频响应曲线中抽取特征(包括峰值增益及其相应的频率和相位[7]，3 dB截止频率[8]等)；三是基于信号处理理论(除最流行的小波特征[9]外，还包括包络特征[10]、高阶统计量特征[11]等)。第二大类特征则来源于由深度神经网络从模拟信号或时频响应曲线中提取的抽象特征[12-14]。分类器方面，近……