一种基于神经网络的模拟ＰＣＢ智能测试系统技术方案

本发明专利技术公开了一种基于神经网络的模拟ＰＣＢ智能测试系统，包括主控ＰＣ机，处理器、存储器、通信电路、函数信号发生器、多路采样开关矩阵、时序电路、译码电路、Ａ／Ｄ转换器、采样保持器、差分放大器，函数信号发生器在处理器的控制下输出激励信号到被测电路的激励节点，被测电路的响应信号经多路采样电路送到处理器，再通过通信电路送到主控ＰＣ机，主控ＰＣ机对采样信号进行小波包变换消噪处理，并进行主元分析和归一化处理，得到故障特征向量；将故障特征向量，输入训练好的ＢＰ神经网络，ＢＰ神经网络的输出即为故障类型。本发明专利技术能有效地将ＰＣＢ测试故障定位到元件级，并且采用ＣＭＯＳ开关阵列简单而有效的测试方法，大大提高了系统的可扩展性。

【技术实现步骤摘要】

本专利技术涉及一种模拟PCB测试系统，特别涉及一种基于神经网络的模拟 PCB智能测试系统。技术背景随着大规模模拟集成电路的发展，模拟电路的复杂度和密集度不断增长， 任何一个部件和器件的故障都会影响全局，因此对模拟电路运行的可靠性提 出了更为严格的要求；同时在模拟电路发生故障后，要求能实时定位故障以 便检修、调试、替换。从本质上讲模拟电路故障诊断实际上相当于一个分类 问题，根据测量数据判断电路状态是属于哪个故障类。传统的分类及诊断方 法，需要进行大量计算，特别是由于容差的影响，计算相当复杂，实用性较 差。神经网络具有的较强容错能力，为容差电路硬故障和软故障的诊断提供 了一种有效的方法，并为电路故障诊断开辟一条新的途径。BP神经网络就是 电路故障诊断方法的一种较为有效的方法。但BP网络采用沿梯度下降的搜索 算法，因而对初始权向量敏感，且很容易收敛于局部极小点。
技术实现思路
为解决模拟PCB测试中所存在的上述技术问题，本专利技术提供一种基于神 经网络的模拟PCB智能测试系统，本专利技术可实时快速测试模拟PCB电路。 本专利技术解决上述技术问题的技术方案包括主控PC机，处理器、存储器、通信电路、函数信号发生器、多路采样开关矩阵、时序电路、译码电路、A/D转换器、采样保持器、差分放大器，所述函数信号发生器分别与多路采样开关矩阵、处理器相连，A/D转换器一端与处理器相连，另一端经采样保持器、差分放大器与多路采样开关矩阵相连，时序电路分别与处理器、A/D转换器、采样保持器、差分放大器相连，处理器还分别与通信电路、存储器、译码电路相连，译码电路的另一端与多路采样开关矩阵相连，主控PC机经通信电路与处理器相连，函数信号发生器在处理器的控制下输出激励信号经多路采样 开关矩阵送到被测电路的激励节点，被测电路的响应信号经多路采样开关矩阵、差分放大器、采样保持器、A/D转换器送到处理器，再通过通信电路送 到主控PC机，主控PC机对采样信号进行小波包变换消噪处理，并进行主元 分析和归一化处理，得到故障特征向量；将故障特征向量，输入训练好的BP 神经网络，BP神经网络的输出即为故障类型。上述基于BP神经网络的模拟PCB智能测试系统中，还包括采样自诊断 电路，所述采样自诊断电路分别与处理器、多路采样开关矩阵相连。上述基于BP神经网络的模拟PCB智能测试系统中，所述函数信号发生器 由处理器、驱动电路、电容网络、函数发生器、DAC阵列、放大器、缓冲器 组成，处理器、驱动电路、电容网络、函数发生器依次串接，DAC阵列串接 于处理器、函数发生器之间，函数发生器的输出经放大器送到缓冲器，缓冲 器与处理器相连。本专利技术的技术效果在于本专利技术采用函数信号发生器产生测试所需各种 激励信号，可满足适用不同测试电路的要求；采用高性能的16位DSP处理器 能够快速地实现实时数据的采集和数据的传输，这种控制系统不仅硬件平台 组建灵活、重用性好和更具有实时性，便于工程实现；本专利技术中采用基于小 波变换、主元分析和归一化策略提取故障特征向量，提高了故障的分辨率； 通过遗传算法来优化BP网络，使优化后的神经网络能够较好地克服BP网络 所固有的缺陷，从而达到全局最优；而且结合遗传BP神经网络的故障诊断方 法，能有效地使故障定位到元件级，提高故障诊断分辨率人。下面结合附图对本专利技术作进一步的说明。 附图说明图l为本专利技术的结构框图。图2为本专利技术中基于遗传BP网络进行模拟电路故障诊断的流程框图。 图3为本专利技术中函数信号发生器的结构图。具体实施方式参见图l，本专利技术包括处理器、存储器、通信电路、函数信号发生器、多 路采样开关矩阵、时序电路、译码电路、A/D转换器、采样保持器、差分放 大器，所述译码电路、时序电路、A/D转换器、采样保持器、差分放大器、 多路采样开关矩阵构成采样电路完成测试信号的采样，采样自诊断电路可对 测试采样进行自诊断，通信电路用于处理器与上位机的通信，函数信号发生 器在处理器的控制下输出激励信号经多路采样开关矩阵送到被测电路的激励 节点。本专利技术中的处理器可采用有TI公司生产的TMS320C5416DSP芯片、4mbit flash、 256k*16bitSRAM、 2500gate CPLD和一个JTAG插口 ，利用这个插口可 以通过仿真器和CCS下载程序进行实验；而采样保持器模块与AD转换模块主 要是实现模拟信号转换为数字信号，即DSP能够处理的信号；与PC上位机通 信电路实现的是与PC主控机进行数据与控制命令之间的传输。译码电路实现 的是对DSP发过来的信号进行译码选通所需要的开关；开关矩阵主要是采用64 个16选1的模拟开关实现从256个测试节点中选通4路，即实现了对被诊断的电 路施加正与负的激励信号以及采样返回的正和负的测量信号；而采样自诊断 电路主要实现了采样板的自检。这种采用CMOS开关阵列的简单而有效的测试 方法，大大提高了系统的可扩展能力，对本系统来说可以扩展应用到1024个 测试节点的情况。函数信号发生器的结构框图如图3所示，其中包括信号实现、频率控制和 幅度控制模块。信号实现模块是这个系统的核心部分，由MAXIN公司生产的 MAX038芯片构成，它受微处理机(单片机)的控制产生信号；频率控制模块主要完成频段选择、频率粗调和频率细调功能；而幅度控制模块主要是控制输 出信号的峰值幅度。本专利技术进行模拟PCB测试的原理如下函数信号发生器在处理器的控制下 输出激励信号经多路采样开关矩阵送到被测电路的激励节点，被测电路的响 应信号经多路采样开关矩阵、差分放大器、采样保持器、A/D转换器送到处理 器，再通过通信电路送到主控PC机，主控PC机再对采样信号进行处理。主控PC机基于遗传BP网络的模拟电路故障诊断系统主要由特征向量的 提取、神经网络的设计和故障诊断的实现组成。其中特征向量的提取主要由 小波包分解结合主元分析来实现。以含噪声信号的小波特征向量提取为例， 一个含噪声信号的基本模型可以表示为s(") = /( ) + o^( )， n为采样间隔， f(n)为特征信号，e(n)为噪声信号。对含噪声信号进行消噪分解，将去噪细节 系数和轮廓系数一起构成候选特征向量，再将分解后各尺度函数空间子频带 内信号能量，按尺度顺序排列成的向量即为特征向量，其具体步骤为(1) 原始信号采样序列N层正交小波分解，得到各尺度函数空间上的低频和 高频小波分解系数序列C)和J，。(2) 对高频系数进行消噪处理。(3) 求各层小波分解系数(包括低频与高频系数)序列的采样点能量。(4) 特征向量的构造当系统发生故障时，会对各频带内的采样点能量有 较大的影响，故以能量为元素可以构成特征向量F， F的构造如下考虑L类故障识别问题，设样本的k层小波分解的各频段的能量值为 五=，￡max=max(E)， ￡min=min(E)，贝U巧=2五广五max-五min "- = 0,1,2,..) Lmax则各能量值为/ = ^',玛，玛，…]根据Monte-Carlo分析的结果，设求出第/和y'类故障模式的能量特征值的 均值和方差向量分别为气;t、 乂、 ^)和 ，定义则《4 = 2 Z T ，故小波分解的层数k应满足maxX;iAI，即对某小波进行分解时，如果进一步分解使Zl厶l增大，本文档来自技高网...

【技术保护点】
一种基于神经网络的模拟ＰＣＢ智能测试系统，其特征在于：包括主控ＰＣ机，处理器、存储器、通信电路、函数信号发生器、多路采样开关矩阵、时序电路、译码电路、Ａ／Ｄ转换器、采样保持器、差分放大器，所述函数信号发生器分别与多路采样开关矩阵、处理器相连，Ａ／Ｄ转换器一端与处理器相连，另一端经采样保持器、差分放大器与多路采样开关矩阵相连，时序电路分别与处理器、Ａ／Ｄ转换器、采样保持器、差分放大器相连，处理器还分别与通信电路、存储器、译码电路相连，译码电路的另一端与多路采样开关矩阵相连，主控ＰＣ机经通信电路与处理器相连，函数信号发生器在处理器的控制下输出激励信号经多路采样开关矩阵送到被测电路的激励节点，被测电路的响应信号经多路采样开关矩阵、差分放大器、采样保持器、Ａ／Ｄ转换器送到处理器，再通过通信电路送到主控ＰＣ机，主控ＰＣ机对采样信号进行小波包变换消噪处理，并进行主元分析和归一化处理，得到故障特征向量；将故障特征向量，输入训练好的ＢＰ神经网络，ＢＰ神经网络的输出即为故障类型。

【技术特征摘要】

【专利技术属性】
技术研发人员：何怡刚，祝文姬，谢宏，刘美容，王玺，庞伟区，肖迎群，谭阳红，邓晓，
申请(专利权)人：湖南大学，
类型：发明
国别省市：43[中国|湖南]