基于機器學習的模擬電路故障診斷研究.pdf

1、連續(xù)性、非線性、容差性一直是模擬電路故障診斷工作中難以解決的問題，制約著模擬電路故障診斷技術的發(fā)展?，F(xiàn)有電路故障診斷技術遠不能與電路的發(fā)展速度相匹配，導致模擬電路的測試、維修成本一直居高不下。而模擬電路也是電路系統(tǒng)中故障率較高的部分，通常占80％以上。在大多數(shù)芯片中，模擬電路占芯片電路的10％左右，但后期維護成本卻占整個芯片運行成本的90％以上。所以，研究模擬電路故障診斷技術，具有十分重要的價值?；谀壳把芯楷F(xiàn)狀，本文重點完成了以下工作

2、:
　　(1)首先分析模擬電路故障診斷的發(fā)展現(xiàn)狀，綜合分析了機器學習算法中的BP神經網絡和支持向量機兩種算法。從選定測試電路開始，對故障集的選擇、Monte Carlo仿真和機器學習算法應用等方面進行了探討，詳細地闡述了每個環(huán)節(jié)的工作過程。為了更進一步對比兩種算法在模擬電路故障診斷中的效果，介紹了模型評估的幾個標準。利用BP神經網絡算法建立了故障數(shù)據(jù)的診斷模型，在Active Filte電路上進行仿真實驗。
　　(2)結合實

3、際仿真，提出了一套完整有效的機器學習在模擬電路故障診斷中的診斷效果評價標準。該標準包含反饋率、準確率等評價指標。分別對機器學習算法中的BP神經網絡算法和支持向量機算法進行模擬電路故障診斷性能評估，評估結果顯示，該評價標準比較全面、有效，為機器學習在其他領域的上的應用提供了新的思路。
　　(3)通過對診斷效果的分析比較得出，BP神經網絡處理非線性問題表現(xiàn)出非常好的效果，對于診斷模擬電路內部故障這種具有十分繁瑣的內部系統(tǒng)的難題，BP神