摘要：在運用小波神經網絡進行混合電路故障診斷的過程中，測試參數的選取至關重要。研究了一種基于電流測試的故障診斷。該方法即通過PSPICE模擬電路的靜態及動態電流信息，再通過小波神經網絡的結合，證明了該方法在混合電路故障診斷中的可行性，為提高混合電路的故障診斷率提供了一種新的方法。

　　關鍵詞：小波神經網絡；混合電路；電流測試；故障診斷

　　0 引言

　　隨著電子技術的飛速發展和制造工藝的不斷提高，使得電路的復雜程度不斷增加，芯片尺寸日益減小，使得系統級芯片上集成了越來越多的混合信號電路，而不再是單單的數字電路或者模擬電路。由于數模兩種電路的測試方法不同，傳統的測試已經不能滿足發展的需求，這給儀器設備的設計者、使用者、維護者帶來了前所未有的挑戰，也使得數／模混合信號電路的檢測日益受到業內人士的高度重視。本文提出的基于電流測試的混合電路故障診斷正是在這樣的背景下提出的。

　　1 電流測試的理論知識

　　電流測試就是指通過測量電源電流并從中有效提取電路的故障信息，最終實現對電路故障的檢測與定位。包括靜態電流測試技術IDDQ和動態電流測試技術IDDT。

　　電路正常工作時，靜態電流非常小，但是存在缺陷的電路靜態電流非常大，所以當檢測到電路中的靜態電流出現異常，即可判定電路出現了故障。這也正是IDDQ測試的原理。但是，CMOS電路中某些故障，如開路故障等，并不引起靜態電流的異常。因此，有必要在此引進動態電流測試。本文也正是基于此考慮了靜態電流和動態電流測試的結合，而并非單純的靜態電流測試。IDDT是一個短暫導通的電流，即CMOS電路狀態轉換過程中，PMOS晶體管和NMOS晶體管同時導通，使得在電源與地之間形成了一個導通電路，如圖1所示。由于IDDT是電路在動態轉換過程中電流的變化情況，因此IDDQ的大小并不影響它的結果。所以，這也避免了深亞微米電路不斷增長的靜態漏電流對測試的影響。本文正是研究兩者的結合在混合電路故障診斷中的重要意義。

　　2 小波神經網絡對混合電路故障診斷

　　小波神經網絡（Wavelet Neural Network）是小波分析理論與人工神經網絡ANN理論相結合。目前，二者的結合有如下兩種途徑：

　　（1）松散型結合。即小波分析作為神經網絡的前置處理手段，為神經網絡提供輸入特征向量。

　　（2）緊致型結合。小波和神經網絡直接融合，即小波函數和尺度函數形成神經元。

　　本文采用松散型的小波與神經網絡的結合。先通過PSPICE進行正常電路與故障電路建模仿真，提取靜態電流IDDQ和動態電流IDDT參數，并在Matlab中運用小波分析對所得到的電流進行特征提取，并結合神經網絡進行具體分析。步驟如下：

　　（1）參數的提取。在PSPICE中提取正常電路及具有橋接故障、開路故障等多種故障電路的電流信息。

　　（2）小波分析。對（1）中得到的電流信息在Matlab中進行小波分解，提取小波系數，并進一步計算RMS。

　　（3）故障定位。將小波分析與BP神經網絡結合，分析判斷其定位效果，具體步驟如圖2所示。