摘要：电子系统包括数字和模拟电路两个部分，数字电路的故障诊断目前已比较成熟并投入使用。模拟电路集成度较低，同数字电路相比，模拟电路故障诊断的发展速度相对较慢。本文主要是对模拟电路的故障进行了阐述。
关键词：模拟电路，故障，诊断
随着现代科技水平的不断提高，电子设备在家用、通信、测量、自动控制、运输、科研等领域得到广泛的运用。同时，半导体、集成电路技术的发展使得电路系统的规模急速加大。这样，在满足需求的同时，设备发生故障的可能性与复杂性也在相应增加，尤其在自动化工厂、通信以及航空、航天等领域，一旦设备出现故障而不及时维修排除，可能会造成的损失是难以估量的。模拟电路广泛应用于军工、通讯、自动控制、测量仪表、家用电器等各个方面。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，对模拟电路运行可靠性的要求更为严格。在模拟电路发生故障后，要求能及时将故障诊断出来，以便检修、调试和替换。
1.模拟电路故障的概述
1.1故障产生的原因
模拟电路产生故障的原因主要来自设计、制造和使用三方面。一部分故障是由于设计不当而引起的，另一些故障是由于制造工艺的缺陷而造成的，还有一些故障则是在长期的使用过程中由于元器件磨损、老化、疲劳等原因造成的。
1.2故障特征
电路发生故障时，其特征与正常状态时相比有所变化，引入故障特征的概念是为了表示这种变化。故障特征可以有各种不同的表现形式，比如可以是电路在不同时间间隔或不同频率下的输入输出信号；也可以是电路节点上或电路的外部连接点上的交流或直流电压；还可以是线性电路的传递函数或其他相关函数。此外，还有电路的红外特征，即以电路元器件发生故障前后表面温度的变化作为特征量。
1.3故障类型
模拟电路的故障类型从元件的角度包括两大类。硬故障：指元件的开路或短路失效故障；软故障：指元件参数值超出元件容许的容差范围，一般它们均未使设备完全失效，例如，由于元件的老化、变质或使用环境的变化等造成的元件参数变化。严格的说，网络中元件产生硬故障已经改变了网络的拓扑结构，但在模拟电路故障诊断中仍将它们看作是元件(支路)的故障，电路中发生硬故障，经常导致系统严重失效，甚至完全瘫痪，而发生软故障一般仅引起系统性能的异化或者恶化，因为对硬故障的监测与诊断比软故障要容易些，可诊断软故障的方法一般也可以诊断硬故障，因为硬故障可以看作是软故障的一个特例。
2.现代模拟电路故障诊断理论和方法
目前，常见的人工智能技术主要包括专家系统、神经网络、小波变换等。
2.1专家系统故障诊断方法
专家系统在模拟电路故障诊断中的典型应用是基于产生式规则的系统，其基本工作原理是：首先把专家知识及诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，诊断出故障元件。模拟电路故障与征兆之间的关系易于用直观的、模块化的规则表示出来；基于产生式规则的专家系统允许增加、删除或修改一些规则，以确保诊断系统的实时性和有效性；能够在一定程度上解决不确定性问题；给出符合人类语言习惯的结论并具有相应的解释能力等。虽然专家系统能够有效的模拟故障诊断专家完成故障诊断的过程，但在实际应用中仍存在一定缺陷，其主要问题是知识获取的瓶颈问题、知识难以维护，知识推理的“组合爆炸”和“无穷递归”问题以及不能有效解决故障诊断中许多不确定因素，这些问题大大影响了故障诊断的准确性。
2.2神经网络故障诊断方法
神经网络侧重于信息的自组织、自学习能力。它就是采用物理上可以实现的器件、系统或现有的计算机来模拟人脑的结构和功能的人工系统。它是一个广泛连接的巨型系统，能分布式存储信息，具有并行处理功能和自学习、自组织和自适应功能。神经网络技术特别适合处理那些故障诊断中无法用显性公式表示的、具有复杂非线性关系的情况，能够出色解决那些传统模式识别方法难以圆满解决的由于非线性、反馈回路和容差等引起的问题；它以分布的方式存储信息，利用网络的拓扑结构和权值分布实现非线性的映射，利用全局并行处理实现从输入空间到输出空间的非线性信息变换，有效解决了复杂系统故障诊断中存在的故障知识获取的“瓶颈”、知识推理的“组合爆炸”等问题。
2.3小波变换故障诊断方法
小波分析在时域和频域同时具有良好的局部化性质，可以对高频成分采用逐渐精细的时域或空间域取代步长，从而可以聚集到对象的任意细节。当把小波与神经网络结合起来，即形成小波神经网络或小波网络。它是在小波分析研究基础上提出的一种前馈网络。