[发明专利]基于HMM的模拟集成电路早期软故障诊断方法及系统

说明书

技术领域

本发明涉及模拟集成电路早期软故障诊断技术领域，特别涉及一种基于HMM(Hidden Markov Mode，隐马尔科夫模型)的模拟集成电路早期软故障诊断方法及系统。

背景技术

基于模式分类的模拟电路软故障(电路元件的参数的变化量超出其容差范围)诊断方法常常，假定发生软故障的元件的参数变化量为一固定值(典型值为元件标称值的±50％)。当故障元件变化其标称值正好在±50％左右时，此类诊断方法通常具有良好的诊断精度。但是，实际诊断中，故障元件的参数变化值常常是未知的，变化值正好为±50％的概率非常小，限制了以上诊断方法的使用范围。同时，对于一些高精度的模拟电路，如滤波器电路(Filtered Analog Circuits，FAC)，当电路的某些关键元件的参数值变化达到其名义参数的20％时(电路处于早期软故障状态)，电路很可能就已经无法正常工作了。

模拟电路工作现场环境应力和电气应力在一定时期内相对稳定，模拟电路故障元件参数的变化过程也相对稳定，同时，非故障元件参数在其容差范围内的随机变化，使得CUT(Circuit Under Test，待测电路)的元件参数变化在一定时期内表现为动态的不可直接测量的随机过程，同时，元件参数的变化带来CUT节点电压等信息的同步变化，节点电压信息表现为可直接测量得到的随机过程，包含了CUT的元件参数信息。隐马尔科夫模型是一种双重的随机过程，其中一个随机过程是不能直接观测的隐藏随机过程(通常称为状态过程)，而另一个随机过程是可观测可测量的随机过程(通常称为观测过程)，可用来描述CUT故障的动态变化过程。借鉴隐马尔科夫模型在语音识别领域和机械设备状态监测领域的成功应用，文献1(邓勇.非线性模拟电路故障诊断的Volterra模型及特征提取研究[D].成都：电子科技大学，2012)采用隐马尔科夫模型对模拟电路的软故障状态进行动态建模，从一定程度上实现对模拟电路早期单软故障的诊断。本发明针对文献1中诊断方法的不足，提出一种模拟电路早期单软故障的改进隐马尔科夫诊断模型，从而实现了模拟电路早期单软故障的尽早诊断。

发明内容

【要解决的技术问题】

本发明的目的是提供一种基于HMM的模拟集成电路早期软故障诊断方法及系统，以解决现有技术中的诊断模型诊断精度不高的问题。

【技术方案】

本发明是通过以下技术方案实现的。

本发明首先涉及一种基于HMM的模拟集成电路早期软故障诊断方法，包括步骤：

A、将待测电路的故障元件参数的变化范围划分为多个连续的变化范围，在相同的激励信号下，对故障元件参数的每个变化范围进行电路仿真，选择不同的故障模式完成待测电路的电路仿真，得到各个故障模式下的待测电路的输出信号；

B、初始化隐马尔科夫模型的隐藏状态集S、状态初始概率π、状态转移矩阵A，所述隐藏状态集S中的各个元素与故障元件参数的各个连续的变化范围一一对应；

C、根据隐藏状态集S的仿真输出信号生成观测序列O；

D、训练隐马尔科夫模型得到与待测电路故障模式对应的隐马尔科夫估计模型，计算各个隐马尔科夫估计模型在观测序列O下的后验概率，选择后验概率最大的隐马尔科夫估计模型

E、对观测序列O进行解码，得到对应的故障模式下的最优状态序列X，从最优状态序列X提取诊断结果。

作为一种优选的实施方式，所述步骤A具体将待测电路的故障元件参数的变化范围[σ_i,6σ_i]划分为五个连续的变化范围：[σ_i,6σ_i]、[2σ_i,3σ_i]、[3σ_i,4σ_i]、[4σ_i,5σ_i]、[5σ_i,6σ_i]，其中σ_i为故障元件的容差。

作为另一种优选的实施方式，所述观测序列的生成方法为：从隐藏状态集S的状态s_j的仿真输出信号中随机取出R/i个向量，组成子观测序列O^j,其中i≤5，j＝1,2,…,i，组合各个状态下的子观测序列得到观测序列O＝{O¹,O²,…,Oⁱ}，其中R为观测序列的长度。

作为另一种优选的实施方式，所述步骤A具体采用蒙特卡洛方法对故障元件参数的每个变化范围进行电路仿真。