摘 要： 隨著電子系統的集成度越來越高，內部結構越來越復雜，傳統的物理探針已經無法滿足測試要求。簡要介紹了IEEE1149.4標準和支持向量機理論基礎，提出了一種基于IEEE1149.4標準的模擬電路故障診斷方案。該方法利用SVM實現故障檢測，結合電路分塊方法和IEEE1149.4標準中的開關矩陣對電路分塊，實現故障定位。最后對此方法的可行性和準確性進行了仿真驗證，結果表明此方法在準確判斷電路是否存在故障的同時，也能實現故障定位，達到誤判率為零的結果。
關鍵詞： IEEE1149.4；支持向量機；故障檢測；故障定位
0 引言
目前在一個完整的電子系統中，模擬電路還不能完全被數字電路取代，而在信號處理和控制中，模擬電路又占有多數，并且大部分電子系統故障出現在模擬電路部分，所以對模擬電路的故障診斷至關重要[1]。參考文獻[2]提出了一種基于IEEE1149.4標準的混合電路故障診斷方法，實現了混合電路的互連測試和參數測試；參考文獻[3]提出的模擬電路故障診斷算法是基于特征和故障診斷器聯合優化的一種算法，提取和選擇待測模擬電路中的故障特征，結合SVM參數優化完成模擬電路故障診斷；參考文獻[4]提出的基于SVM的模擬測試生成算法，利用SVM分類特征將分類面中的信息轉化為模擬電路測試矢量，能有效地檢測出電路中有無故障。
但是以上算法都存在一定的誤判率，針對這一問題，本文提出了基于IEEE1149.4標準的模擬電路的故障診斷。利用IEEE1149.4標準的開關矩陣形成測試通道，再結合支持向量機實現故障的診斷，最后通過電路分塊的方法實現故障定位。
1 IEEE1149.4標準簡介
支持IEEE1149.4標準的器件主要由以下部分組成：數字測試訪問端口TAP（Test Access Port）、模擬測試訪問端口ATAP（Analog Test Access Port）、測試總線接口電路TBIC（Test Bus Interface Circuit）、模擬測試總線ABx（Analog Test Bus）、數字邊界掃描單元DBM（Digital Boundary Module）以及模擬邊界掃描單元ABM（Analog Boundary Module）等[5]。
測試總線接口電路TBIC的主要作用是通過控制模擬測試訪問端口（ATAP）和內部測試總線（ABx）的連接，為外部測試總線系統和器件的ABM單元提供通道，測試激勵的輸入和響應的采集可由ATAP端口獲得[1，5]。邏輯控制電路和開關矩陣共同組成了測試總線接口電路，圖1是TBIC開關矩陣的結構。
模擬邊界掃描單元ABM是IEEE1149.4標準框架的心臟[5]，具有至關重要的作用。如圖2所示為ABM的功能原理圖，其主要是6個開關組成的開關矩陣。
2 支持向量機理論基礎
SVM（Support Vector Machine）即支持向量機，由Vapnik最先提出，它是建立在統計學習理論基礎上的一種分類方法[4]。SVM的目的是找到一個滿足分類要求的分類超平面，使得該超平面不僅能保證分類精度，還能使超平面兩側的樣本與該平面的距離最大化[4]。
假設有訓練集{（x1，y1），…，（xn，yn）}，其中xi∈Rn，yi∈Y={1，-1}，i=1，…，n，若存在w∈Rn，b∈R，則超平面表達式可表示為：
S={x|<w，x>+b=0}
SVM的關鍵是尋找最優w和b使得離分類面最近的樣本與分類面距離最大。離分類面最近的樣本被稱為支持向量[6]。通過兩類支持向量的平面分別為{x|<w，x>+b=1}和{x|<w，x>+b=-1}，并且都平行于超平面，與超平面的距離為1/|w|，所以尋找最優w和b即是尋找最大間隔，于是分類問題轉化為最優化問題：
s.t. yi（wTx+b）≥1，i=1，2，…，n
用拉格朗日乘子求解上式，再結合KKT互補條件，最終化簡為：
上面討論了線性可分情況，為求解線性不可分情況，還需引入核函數K（·，·）將數據映射到高維，線性不可分問題就被轉化為線性可分問題[6]，得到：
3 基于IEEE1149.4標準的模擬電路故障診斷
故障診斷是指利用各種診斷和測試方法確定待測電路有無故障，通常分為故障檢測和故障定位兩部分。故障檢測指判斷出待測電路中有無故障，故障定位則指找出發生故障的確切位置。本文采用基于SVM的故障檢測方法來判斷電路是否存在故障，對于故障定位，采用結合IEEE1149.4標準的開關矩陣和電路分塊方法實現。該診斷方法以單一故障為基礎，暫時不涉及多故障并存的情況。
3.1 故障檢測
本文采用基于SVM模擬電路故障檢測方法，其主要思想是對采樣空間進行分類，得到能區分電路正常狀態和故障狀態的分類面和決策函數，最終判斷電路有無故障。
對待測電路（CUT）設置不同的狀態（正常狀態和故障狀態）之后，以采樣頻率FS分別進行采樣，得到大量n維的響應向量，這些n維的響應向量構成了訓練集或測試集[5]。利用SVM對采樣空間進行分類，得到超平面和決策函數，最后將待測響應x代入到決策函數中，根據f（x）的值（1或-1）來判斷此電路是否有故障。
基于SVM故障檢測的主要步驟如下：
?。?）采集訓練集：將電路分為正常狀態和故障狀態，分別提取電路特征作為訓練數據xi，將電路正常特征標記為y=+1，電路故障特征標記為y=-1。
?。?）訓練分類器：結合采集的訓練集來訓練支持向量機，獲得能將正常特征與故障特征分開的超平面以及決策函數：
?。?）檢測故障：將待測的測試特征x代入到決策函數中，根據得到的結果判斷電路中有無故障：
f（x）=1，電路正常-1，電路故障
3.2 故障定位
基于SVM的故障檢測只能判斷出待測電路有無故障，要確定故障發生位置，還需采取進一步的方法來實現。本文結合電路分塊方法和IEEE1149.4標準來實現電路分塊，分別對分割后的子電路進行故障判斷。采用IEEE1149.4標準中的開關矩陣，在設計電路時將分塊點連接至IEEE1149.4器件的ABM單元，實現測試激勵的輸入和測試響應的采集。本文采用參考文獻[7]中的基于Laplace矩陣的譜平分算法，該算法利用電路的鄰接矩陣模型對電路網絡進行分塊處理，主要步驟參照參考文獻[7]。
3.3 基于IEEE1149.4的模擬故障診斷
因為要將分塊點連接到IEEE1149.4器件的ABM單元上實現電路分塊，所以要在最開始就對電路進行分塊。文中用到的電路分塊算法每次只能將電路分成兩個子電路，所以先將電路分成2個一級子電路，再對一級子電路進行分塊，得到4個二級子電路，依此類推，直至分到最?。梢詾閱我黄骷部梢詾楹唵尉W絡）。
基于IEEE1149.4標準的故障診斷流程如圖3所示。對電路分塊后，將分塊點連接至IEEE1149.4器件的ABM單元上；然后斷開或閉合相關ABM單元上的概念開關，采集整個待測電路的響應空間，完成支持向量機的訓練，測試電路是否存在故障；在有故障的情況下，重新選擇需要斷開或閉合相關位置概念開關實現電路分塊，對子電路塊進行故障檢測，重復這一步驟直至最后一級子電路故障檢測完成。
4 仿真驗證與結果分析
本文在軟件仿真環境下驗證該診斷方法的可行性和準確性，以圖4所示的三極點濾波器為例。器件U1和器件U2均為支持IEEE1149.4的器件。點B1是整體電路的分塊點，將電路分為兩個一級子電路，左邊為子電路1，點B11是子電路1的分塊點，點B21和點B22均能作為子電路2的分塊點，所以點B21和點B22將子電路2分為三部分。將點B11連接至器件U1，將點B1、點B21和點B22都連接至器件U2上（為畫圖簡便考慮，并未在圖中畫出）。
主要測試電阻和電容的故障，暫不涉及放大器的故障，假設運算放大器是無故障的。在采集響應空間時，以元件參數容差[-5%，5%]的電路狀態為正常狀態，以大于元件參數容差（5%，10%]的電路狀態為故障狀態。分別對整體電路和子電路進行了故障檢測，結果如表1表示。
這里需要說明一點：基于SVM的故障檢測算法中的故障狀態只選取了大于元件參數容差（5%，10%]的電路狀態，對于小于元件參數容差的電路故障狀態是無法檢測的。若要檢測小于元件參數容差的電路故障狀態，需要重新選取故障狀態與正常狀態進行支持向量機的訓練。
由表1可以看出，無論是對整體電路還是子電路，基于SVM的故障檢測算法可以準確無誤地判斷出電路中是否存在故障，與參考文獻[4]相比較，電路故障誤判率為零。同時還可以得出，經電路分塊后，使用IEEE1149.4器件提供測試通道，可以實現故障的初步定位。要實現故障準確定位，需要結合電路特點，利用支持IEEE1149.4的器件對單一元件進行故障診斷，如圖5所示。
對于R1：連接A11引腳到AT1端口，A12引腳連接到VG（邏輯地），從AT1端口輸入電流測試激勵iT1，待測試激勵穩定后將AT2端口連接至A11引腳測得電壓UR1，則R1=UR1/IT1，其中UR1和IT1為有效值。子電路2的R2和R3也可以用此方法測試。
對于C1：連接A11引腳至AT1端口，A12引腳至AT2端口，從AT1端口輸入電流測試激勵iT1，待測試激勵穩定后從AT2端口測得電容兩端電壓UC1，然后斷開A12與AT2端口的連接，連接A11至AT2端口測得A11處電壓UA11，考慮到C1上電壓滯后電流的特征，求得C1的值：
子電路2部分的C2和C3的測試也可用此方法。
由此可以看出，該方法不僅能判斷電路中有無故障，也能對故障準確定位。與參考文獻[3]和參考文獻[8]相比，該方法已經得出器件的真實值，不僅可以判斷出器件真實值大于還是小于標稱值，同時還能實現無誤判。此外，本文采用IEEE1149.4標準提供測試通道，采用虛擬探針技術，實現了物理探針不能實現的測試輸入和數據采集。
5 總結
本文提出的基于IEEE1149.4標準的模擬電路故障診斷方案，是以IEEE1149.4器件提供測試通道為前提，解決了傳統物理探針無法實現測試輸入和數據采集的問題；利用SVM實現模擬電路故障檢測，并且對故障檢測實現了誤判率為零；利用分塊方法對待測電路進行分塊，并且能準確定位。本文暫時只對待測電路中單一故障的情況進行了討論，下一步將研究對多故障并存的電路實現故障診斷。
參考文獻
[1] Li Yanping， Lei Jia. Design of analog test hardware platform based on IEEE 1149.4[C]. The Ninth International Conference on Electronic Measurement & Instruments， 2009：873-876.
[2] 陳圣儉，張勝滿，周燕，等.基于IEEE 1149.4標準的混合電路測試系統設計[J].計算機測量與控制，2009，17（9）：1673-1675.
[3] 沈東.模擬電路故障診斷的仿真研究[J].計算機仿真，2012，29（10）：248-251.
[4] 龍婷，王厚軍，龍兵.基于SVM的模擬測試生成的改進算法[J].系統工程與電子技術，2011，36（6）：1425-1428.
[5] IEEE Computer Society. IEEE. std 1149.4-2011：IEEE Standard for a Mixed Signal Test Bus[S].2011.
[6] 鄧乃揚，田英杰.支持向量機：理論、算法與拓展[M].北京：科學出版社，2009.
[7] 梁因，馬齊爽，徐萍.基于圖論的潛通路分塊分析方法[J].北京航空航天大學學報，2014，40（1）：115-119.
[8] Guo Ke， Wang Sheling， Song Jiahong. Analog circuit fault diagnosis based on wavelet kernel support vector machine[C]. 2013 International Conference on Information Technology and Applications， 2013：395-399.