一种数字电路的桥接故障诊断方法

针对目前数字电路桥接故障诊断效率低的问题,提出了一种基于微分故障模拟算法的数字电路的桥接故障诊断方法,用VHDL语言对电路模型进行了重新建模,利用单固定故障的信息来诊断桥接故障,并对ISCAS85平台下的一些电路进行了模拟,结果表明该方法简单、高效,特别适合于数字电路的故障诊断,对于提升我国数字电路可靠性具有重要的理论意义与实际推广应用价值。     

数字电路的故障检测技术

本文根据数字电路的特点,介绍了数字电路故障的特征以及故障诊断的主要任务,着重介绍和分析了检测和排除故障的基本方法,以及在检测过程中应注意的问题。     

数字电路故障诊断及维修方法研究

本文结合作者多年来在设备故障诊断及维修中的实践,认真分析了设备中数字电路故障产生的主要原因,提出了故障分析的基本思路,总结出了数字电路的常用维修方法,具有很强的针对性和实用性,对进一步提高设备故障诊断准确率和维修效率具有重大意义。     

数字电路测试的故障诊断和测试码生成

随着数字电路的广泛应用,电路的测试与故障诊断已成为设计与生产过程中重要的组成部分.本文讨论了电路的测试方法、故障模型和利用通路敏化法导出测试码等问题,需要在数字电路安装之前对元件进行逻辑功能测试,从而避免因器件功能不正常而增加测试的困难.     

数字电路自动测试系统研究

对数字电路自动测试系统的体系结构、软件硬件设计、工作原理及功能进行了研究,并通过测试实例证明了该自动测试系统具有较高的故障覆盖率、精度和可靠性,能对被测电路板进行客观评价,提高了电路板测试的自动化程度和故障诊断效率.     

有穷自动机的数字电路故障定位方法

用有穷自动机确定数字电路故障定位方法,从而可得到故障定位向量构成的语言正则性及其性质的一些实用结果     

数字电路的故障及其诊断

数字电路当前在机电产品中得到了广泛的应用,数字电路的应用极大地提高了电器的使用和制造质量,促进了产品性能的提升。加强数字电路故障的特点及检测与诊断的研究有助于提升数字电路的应用水平,提升数字电路的应用质量,拓展其应用范围。     

数字电路故障模块诊断的神经网络方法研究

对数字电路系统的测试，提出一种基于神经网络的电路故障模块诊断方法，对方法的诊断系统模型、故障特征的获取、网络结构的确定与调整、诊断的流程等进行了详细论述。由于传统的电路故障诊断方法是通过对故障字典的搜索来确定发生的故障，这对庞大的故障字典来说既复杂又费时，因此文中的方法可显著提高传统故障字典法的效率。     

模拟电路故障定位的理论和方法

本文研究模拟电路故障诊断中的定位理论和方法，电网络分扯的理论和方法，伴随网络的理论和方法，分别被应用于故障定位中，文中还给出了另一种故障定位方法，这一方法是作者所提出的故障诊断定理的直接应用，在此基础上得出了两个诊断模拟电路故障的判据。     

模拟电路故障定数的理论和方法

本文研究模拟电路的故障定数问题，这是作者提出的一个新概念，在最近２０年的故障诊断研究中，涉及到故障定位和故障定值，本文首先指出，故障定数、故障定痊和故障定值三者乃是整个故障诊断的三个主题，并给出了模拟电路故障定数的理论和方法。     

基于虚拟仪器和神经网络的电力电子电路故障诊断

电力电子电路中晶闸管开路和短路故障最为常见，为实现故障的在线自动诊断，以三相整流电路为例，利用虚拟仪器进行数据采集、分析及特征信号提取，特征信号作为神经网络的输入进行电力电子电路在线故障诊断，通过实验验证，该方法误诊率极低，达到了较为理想的效果。     

A New Method for the Detections of Multiple Faults Using Binary Decision Diagrams

With the complexity of integrated circuits is continually increasing, a local defect in circuits may cause multiple faults. The behavior of a digital circuit with a multiple fault may significantly differ from that of a single fault. A new method for the detection of multiple faults in digital circuits is presented in this paper, the method is based on binary decision diagram （BDD）. First of all, the BDDs for the normal circuit and faulty circuit are built respectively. Secondly, a test BDD is obtained by the XOR operation of the BDDs corresponds to normal circuit and faulty circuit. In the test BDD, each input assignment that leads to the leaf node labeled 1 is a test vector of multiple faults. Therefore, the test set of multiple faults is generated by searching for the type of input assignments in the test BDD. Experimental results on some digital circuits show the feasibility of the approach presented in this paper.     

软件故障诊断探讨

软件在国民经济和社会生活中发挥着重要作用。软件出现故障可能造成严重危害。但是，目前尚未明确提出软件故障诊断的概念，缺乏对软件故障诊断的系统深入研究。当前硬件系统故障诊断的研究和实践都取得了较大的进展。本文分析软件故障产生的原因和软件失效机理，介绍各种硬件系统故障诊断技术，并对软件故障诊断进行了初步的探讨。     

非线性电阻电路的单故障诊断的一种方法

提出了非线性模拟电路故障诊断的一种测前模拟法．应用伴随电路及特勒根定理导出故障诊断方程，用等电位屏蔽技术识别故障．非线性元件用其工作点参数等效线性化，可对故障电路逐级分块诊断，适用于大规模线性和非线性模拟电路．     

同步时序电路故障可测性研究

对不可测故障进行测试产生是影响时序电路测试产生效率的一个重要因素。提出了一种基于简化可控性计算的识别时序电路中不可测故障的算法，运用该算法无须搜索便于识别出时序电路中相当一部分不可测故障。针对ISCAS89电路的实验结果也验证了其有效性。     

电压增量的线性相关性及在电路测试中的应用

为了诊断模拟电路中的软故障和多故障,提出一种新的基于模拟电路节点电压增量关系方程的分析方法,并证明了各节点电压在随元件参数变化时,电压增量之间关系满足线性相关性。利用线性相关系数作为故障特征,提出新的模拟电路故障字典法。与传统方法字典法相比,新的字典法不仅能够诊断电路的单故障、多故障、硬故障和参数故障,而且能够同时适用于直流诊断和交流诊断。在交流诊断中,节点电压的取值范围从实数域扩展至复数域。     

电压增量的线性相关性及在电路测试中的应用

为了诊断模拟电路中的软故障和多故障,提出了一种新的基于模拟电路节点电压增量关系方程的分析方法,并证明了各节点电压在随元件参数变化时,电压增量之间关系满足线性相关性。利用线性相关系数作为故障特征,提出新的模拟电路故障字典法。与传统方法字典法相比,新的字典法不仅能够诊断电路的单故障、多故障、硬故障和参数故障,而且能够同时适用于直流诊断和交流诊断。在交流诊断中,节点电压的取值范围从实数域扩展至复数域。     

Soft Fault Diagnosis for Analog Circuits Based on Slope Fault Feature and BP Neural Networks

Fault diagnosis is very important for development and maintenance of safe and reliable electronic circuits and systems. This paper describes an approach of soft fault diagnosis for analog circuits based on slope fault feature and back propagation neural networks (BPNN). The reported approach uses the voltage relation function between two nodes as fault features; and for linear analog circuits, the voltage relation function is a linear function, thus the slope is invariant as fault feature. Therefore, a unified fault feature for both hard fault (open or short fault) and soft fault (parametric fault) is extracted. Unlike other NN-based diagnosis methods which utilize node voltages or frequency response as fault features, the reported BPNN is trained by the extracted feature vectors, the slope features are calculated by just simulating once for each component, and the trained BPNN can achieve all the soft faults diagnosis of the component. Experiments show that our approach is promising.