首先大规模、超大规模集成电路以及微系统芯片SOC中，引脚数远远小于内部逻辑门数，使得仅仅依靠外部引脚来观测和控制内部节点的方法越来越难以实现[3]。

其次从测试经济学的角度来看，在电路测试中必须充分考虑测试性设计技术。Michael L中提出了测试系统成本的概念[3]。通过与多种测试方案和系统测试成本的比对，被测系统采用测试性设计后，其相应的测试系统的测试成本仅占其他的测试系统测试成本的5.44% ~ 35.09%。

　　因此采用测试性设计，提高了电路的可观测性，极大地减少了对外部测试仪的依赖，有效地降低了测试成本[7,8]。

　　IEEE1149.4是IEEE组织发布的混合信信号测试总线标准。该标准利用边界扫描机制实现了对数模混合电路板中的模拟器件，如电阻和电容的参数测试，是数模混合电路板测试性设计的标准化解决方案。混合信号边界扫描结构能够用于直流测试，也可用于交流测试。测试控制电路是一个同步有限状态机，对测试电路进行总体控制，其整体结构组成如图3所示。

　　图3 混合信号电路边界扫描结构图

　　荷兰的JTAG公司研发出的JTAG-1149.4 Explorer，National Semiconductor公司于2004年研发出的STA400芯片以及2004年英国的兰开斯特大学的C. Jefferey，R. Cutajar和A. Richardson教授等把IEEE 1149.4混合信号边界扫描测试技术用于汽车安全电子控制系统在线检测和配置方面，均是数模混和边界扫描测试计数具体应用。国内国防科技大学，装甲兵工程学院，西安二零六所，广州电子部五所和桂林电子工业学院也致力于这方面的研究。

　　此外还有些特殊的测试方法和设备，如：噪声检测技术、磁场映像技术、混合信号示波器等，在实际的测试领域中也得到了一定的应用。 2.模拟及混合电路故障诊断方法故障诊断方法与测试方法是相互联系而又不同的两个层面，故障诊断是利用测试技术获取的电路状态信息后，采用某种策略以实现故障的定位或隔离。由于模拟电路测试的困难，导致数模混合电路故障诊断方法更多的是侧重于解决模拟电路故障诊断的问题，因此某些传统的数模混合电路故障诊断方法是基于模拟电路故障诊断的策略。这些方法主要有：故障字典法、参数辨识法、K故障诊断法、网络撕裂法等。近年来，随着越来越多新理论的出现，并应用于数模混合电路故障诊断中，形成了许多新型的方法，这其中较有代表性是：基于神经网络理论、模糊理论、DES理论、灵敏度分析等。 2.1 传统的数模混合电路故障诊断方法故障字典法的测后计算量很小，已有比较成熟的软件包，适用于线性电路也适用于非线性电路，能够从静态和动态对电路分析。但是测前计算量相当大，用于构建故障信息点的选择没有通用的办法，只能根据被测电路的特点和以往的经验选择，一般只能解决单故障诊断。

　　与故障字典法等测前诊断方法不同，元件参数识别法和故障验证法是在电路中仅存在有限个故障假设的前提下作诊断，可以在仅获得少量信息条件下即作出诊断。

　　元件参数识别是系统参数估计，是在取得足够的独立数据后，根据网络的结构去估计或求解网络中每个元件的参数。如果一个元件参数超出预先规定的容差范围，则认为它是一个故障元件。测后计算量较大，对非线性电路测试效果不好。

　　故障验证法则是预先猜测电路中的故障所在，然后根据所测数据去验证这种猜测是否正确。K故障诊断、故障定界法以及网络撕裂法都属于典型的故障验证法的。如何减少猜测的次数以及每次猜测所需验证的工作量是关键环节。 2.2 基于灵敏度的数模混合电路故障诊断根据灵敏度理论，输出参数故障状态与正常状态的相对变化量与电路元件参数的相对变化量有关，而且与输出参数对电路元件参数的灵敏度有关。这样只要建立输出参数相对变化量与元件参数相对变化量以及与灵敏度之间的关系，就可以把电路元件参数识别出来，这就是灵敏度故障诊断方法的思想[58]。具体做法是：

设电路输出参数，电路元件参数为，则对的灵敏度的定义为：

按照上述公式，将所有的输出参数与元件参数进行灵敏度分析，构成一个的线性方程组，利用解线性方程组的方法，可以识别出元件的参数。

　　有的学者结合K故障诊断方法，提出了基于多频灵敏度K故障诊断方法。Slamani在一阶灵敏度故障诊断方法基础上引入了二阶灵敏度故障诊断方程，使故障诊断解的误差上限降到最小，提高二阶灵敏度故障诊断方程解的精度。针对电路当中的容差特性，雷勇，陈光踽等利用灵敏度的概念，通过将故障方程进行三角不等式变化，构建故障元件参数与所有可测参数的表达式。 2.3 基于神经网络的数模混合电路故障诊断法从上世纪80年代末期起就有学者研究将人工神经网络应用到模拟电路的故障诊断中。目前为止已经提出了多种基于神经网络的模拟电路故障诊断方法, 有些方法已经能有效应用于滤波电路、模拟放大电路等非线性容差电路的故障诊断, 效果优于传统的故障字典法。近年来国内外最新的研究热点是在该方法中引入小波变换、主元分析法、专家系统、模糊逻辑和遗传算法等新方法新技术，以克服神经网络本身的许多局限性，并解决神经网络结构的确定、数据预处理和训练样本集的优选等问题。

　　目前用于模拟电路故障诊断的神经网络主要有BP神经网络和SOM神经网络两种类型。两者构建故障字典的方法步骤基本相似，但SOM网络法一般适用于交流电路，以电路响应的频域参量为状态特征，它能更有效地克服容差因素对故障定位的影响，但SOM网络法实际诊断时容易出现模糊故障集，诊断过程要比BP网络法复杂。

　　除了上述的方法外，还有基于其它一些神经网络的故障诊断法，如，ART神经网络故障诊断法，基于神经网络的网络撕裂法，基于神经网络求解非线性方程的模拟电路故障诊断方法等。 2.4 基于DES理论的数模混合故障诊断法离散事件系统(DES)理论是系统仿真的一个研究领域，该理论由于具备在各应用领域的广泛适应性而得到迅速的发展，特别是在通讯网络、运输系统、后勤保障系统、军事指挥等方面。Lin Feng对运用DES理论所研究的系统进行了深入的研究，认为此类系统应具有以下两个关键特征：1)系统的动态过程是事件(Event)驱动而不是时间驱动;2)描述系统的变量中至少有一些是离散的(Discrete)。

 2/3   首页 上一页 1 2 3 下一页 尾页