基于量子技术的模拟电路故障诊断研究

模拟集成电路的规模化、系统化发展和封装设计，使诊断可使用的测试数据非常有限，模拟 VLSI 电路故障诊断正遭遇特征信息缺乏的瓶颈。因此，本项目探索性地通过获取反映电路中复杂内在关系的潜在信息，分析其故障传播特性，在此基础上寻求模拟 VLSI 电路的有效诊断方法。 .本课题重点研究模拟电路多元化状态信息检测、故障特征提取和智能诊断技术：采用以量子技术为主的多元信号联合检测方法以获得全方位的电路状态信息，响应可行域的量子优化求解及概率分布建模、基于量子计算的故障样本处理和/故障特征提取方法、故障信息的数据层融合，以获得有效的模拟电路故障特征信息；以及以量子神经网络为主的信息融合故障识别方法与识别技术解决模拟 VLSI 电路在具容差、非线性情况下的故障诊断问题。

模拟集成电路的规模化、系统化发展和封装设计，加上模拟电路故障诊断问题本身的复杂性，模拟电路故障诊断遭遇特征信息缺乏的瓶颈。本项目研究了模拟电路多元化状态信息检测、故障特征提取和智能诊断技术：采用以量子技术为主的多元信号联合检测方法，响应可行域的量子优化求解及概率分布建模、基于量子计算的故障特征提取方法、故障信息的数据层融合，以获得有效的模拟电路故障特征；以量子神经网络为主的信息融合故障识别方法与识别技术，解决模拟 VLSI 电路在具容差、非线性情况下的故障诊断问题。.项目以模拟电路多故障和软故障诊断为研究对象，针对电路具容差、软故障等特点，提出了基于量子遗传算法的模拟电路测试节点优选方法；以瞬态激励为基础，基于量子遗传算法，提出了新的激励选择方法；基于元器件故障的先验信息和蒙特卡罗分析，采用多模式高概率量子搜索算法，全局搜索最佳解，求得了容差电路响应的均值、方差、概率分布；针对相似故障，对电路容差进行分析和处理，采用S变换对电路进行故障特征提取，使故障模式之间的模糊性最小；分析了非线性电路的屏蔽原理，提出了基于量子遗传算法的非线性电路屏蔽方法，只需少数几次测试就能将模非线性元件依次屏蔽，简单易行；在故障辨识方面，在分析模拟电路故障诊断的模糊集划分方法的基础上，用概率和统计分析方法，判断模糊域边界的模糊域划分方法，提出了基于量子粒子群算法的大规模非线性电路屏蔽方法；基于遗传小波神经网络的非线性动态自治网络故障诊断方法；提出了用统一空间特征的模拟电路遗传神经网络诊断方法；针对相似故障，用S变换对电路进行故障特征提取，将量子计算和神经网络相结合，提出了相似故障的量子神经网络方法； 同时，提出了基于S变换与核fisher的故障诊断方法，用Ｓ变换进行时频分析, 选取最佳故障特征量，最后进行核fisher判别分析，完成故障识别和定位,提高诊断的准确性和稳健性。.除了完成以上项目研究计划的工作外，项目组还将所提诊断方法应用于电力系统故障诊断与重构，电力电子电路和电力系统馈线故障定位等实际电路系统的诊断中，在一定程度上解决了一些工程上的相关难题。至今，项目组在模拟电路多元化状态信息检测、故障特征提取和智能诊断技术等方面已取得原创性的理论成果，申请1项发明专利，1项软件著作权、在国际国内重要学术期刊以及国际会议上发表学术论文31篇，其中SCI收录7篇、EI收录17篇，培养研究9名。