模拟电路主要是指处理时间和幅度连续的信号，属于模拟电路，诊断模拟电路故障的方法本质上是解决模拟电路故障的实用技术，具有更为突出的意义。故障检测主要是判断用于产品检测的电路是否有缺陷。故障识别是在电路已被检测为故障的前提下，通过检查现有故障的总数来发现和识别故障的操作。当前，电子电路广泛应用于人们生产生活的各个方面，并在控制和通信领域取得了显著的发展成果。为保证电子电路运行的稳定性，有必要加强对模拟和数字电路故障诊断的研究和分析，降低电子电路发生故障的可能性，保障电子电路的运行效率[1]。
1、模拟电路故障诊断特点
模拟电路故障诊断是利用在模拟电路中可访问节点处测量的信息，以确定故障部件的位置和参数值。首先，模拟电路信号的大小随时间变化。由于内部物理量是一个连续函数，很难用简单的方法来判断模拟误差。其次，模拟电路元件的特性模拟电路的元件参数容差大，功能障碍故障的物理位置难以确定，具有模糊的特性。还有就是模拟电路存在非线性和反馈电路的问题，使得模拟电路的测试和计算变得困难。再者，模拟电路本身存在严重的故障问题，可测试的节点数量较少，无法完成电路故障信息的判断。加之电路信息不足，难以判断电路错误信息。最后，在测量同一信号时，不同设备频段所使用的设备之间存在一定的差距，这直接决定了设备的性能。
2、模拟电路故障诊断的常规方法
2.1整机故障分析
完整的电子设备通常是机械、电气和磁性设备的组合，使用过程中出现的错误各不相同。全机械故障分析是对整个电子设备可能出现的故障进行分析和判断，然后对电子设备的故障进行综合评估，指导下一次故障调试。电子电路故障诊断通常从故障分析和判断开始，这一步是根据故障现象进行的。因此，对故障现象的识别程度直接影响整个电路的诊断质量。识别故障现象的过程通常称为全机故障分析，也称为直接检查，是全面排除故障的基础[2]。例如，如果录音机出现故障，应询问用户是什么原因导致了故障。其次，进行外部检查，包括确保外壳、旋钮、按钮和其他配件是否完整。检查外部传输开关、门舱盖、杆状天线等通常有助于确定和确认故障程度。有时，目视检查可以识别特定的缺陷，例如焊接部件、引线撞击、电阻燃烧、电池老化、保险丝熔断和其他缺陷。一般来说，缺陷是相互独立和相互关联的。例如，传动部件的缺陷表现为皮带速度慢、电声性能高、音质差和声音沉闷。电路故障会产生噪音，机械故障也会产生噪音。这些都是扬声器发出的，应该更详细地分析。
2.2测前模拟诊断
测前模拟诊断包括故障字典法和似然法。其中，故障字典法涉及生成元件误差和电压、电流等信号对应的表格，所以在对故障电路进行测试后，可以根据测得的相应数值，在上表中找出对应的故障元件。预测试模拟由于实际工作量和主动能力的限制，主动故障诊断仅用于硬故障诊断，即使是小的软故障也被视为硬故障。由于模拟电路中元件的误差参数往往是连续量，因此可以避免因测量响应数据而导致的误差。最困难的是每个组件都有一定的容错性，所以即使采用主动方法进行硬故障诊断，其有效性也不如数字系统中的主动方法[2]。一般情况下，现有方法只能解决单个故障诊断，因为多个故障的组合数量太多，在实际使用中几乎不可能诊断出多个故障。
2.3测后模拟诊断
常用的测后模拟诊断方法主要有元件参数识别方法和故障验证法。部件参数识别方法需要更多的信息进行诊断，即对系统参数的估计。在获得足够多的独立数据后，就是根据网络的结构来估计或求解网络各个元素的参数。只有解析了网络所有组件的参数后，才能确定网络中故障组件的数量，以及哪些是存在故障的。由于一般网络中包含大量组件，因此表征这些组件的方程中存在许多未知因素。找到这些未知数所需的方程数量也非常多，而且由于这些方程大多是非线性的，求解这些方程是一项艰巨的任务，这通常需要使用大型计算机来完成[3]。故障验证方法是在电路中故障假设的数量有限的前提下进行诊断，只获取少量的诊断信息就可以进行诊断更少的测试端口和更少的测试。缺陷验证方法是一种通过获取“不完整”的有限缺陷信息来进行诊断的方法，因其更便于实施且具有良好的实用前景而受到众多学者的关注。
3、模拟电路故障诊断新方法
3.1专家系统诊断
专家系统诊断主要收集与故障问题相关的数据和信息，并将这些故障信息与实际情况相结合，客观地进行分析和判断，精度高，可行性强。专家诊断系统模拟故障检测，对现有故障进行故障排除和修复，积累专业知识和工作经验，建立更全面的数据库，结合故障问题的特点，通过比较和故障排除，明确故障的征兆。以更合理、更有效的方式采取补救措施来解决现有的故障。
3.2神经网络诊断
神经网络故障诊断技术其优势主要表现在以下几个方面。首先，它可以快速处理不可用的显式公式。由于反馈回路、非现象和容差，表达性和复杂的非代表性关系增强了神经网络缺陷的分辨率。上述缺陷无法通过传统的故障模式来识别和解决。神经网络障碍的优势已经被越来越多的人意识到，这项技术得到了积极推广和使用。其次，实现了权重分布和拓扑结构的非线性映射，利用分布形式完成信息存储。在实际应用过程中，将专家系统和神经网络系统相结合，保证了两者的互补性。以上优势的应用，为神经网络障碍诊断技术的发展开创了新的方向[3]。
3.3模糊诊断技术
近几年来，模糊故障诊断技术得到了广泛的应用，其优势不断被证明并应用于不确定性故障。模糊理论在解决一个故障问题时可以获得多种解决方案和预防措施，可以通过对齐计划的模糊性和优先级来完成故障解决。那么，模糊缺陷诊断技术在具有一定优势的同时，直接关系到获得隶属度，构建复杂系统的模糊模型，以及在实际应用过程中对语言规则的识别、修改和不完整学习。系统的合理有效应用产生了很大的局限性。模糊故障诊断技术主要用于复杂电路。在执行错误诊断时，它受非线性、元件容差和电路噪声的影响很大。使用传统电路理论解决错误问题使得准确排除错误变得困难，故障排除是模棱两可的。在实际应用过程中，模糊缺陷诊断方法主要基于专家的经验，通过建立缺陷症状空间和缺陷原因空间之间的模糊关系矩阵来实现。也就是需要结合一个阈值，进行识别和确定元件故障。因此，模糊无序诊断技术在实际应用过程中应与人工神经网络和专家系统理论有机结合，以提高故障解决效果。为解决网络环境下分布式计算机问题提供了渠道，增强了信息监控、故障诊断搜索和推理能力，显示了优良的故障诊断效果。
3.4神经网络分类器技术
神经网络分类器具有非线性映射的特点，在信息存储、分类和并行处理方面的应用非常广泛，还可以利用其独特的自组织和自学习功能。故障特征参数分类，常用于大规模模拟电路的故障诊断。神经网络分类器由于其良好的映射特性和学习算法是目前使用最多的分类器，但所有技术的实现都有相对的局限性。由于训练收敛速度低，限制了网络的全局优化。这些缺点在诊断具有高故障功能维度的大型模拟电路时尤为明显。因此，在实际使用中，可以采用小波神经网络误差分类器来改善这些缺点。小波神经网络的工作原理是利用小波分析技术，形成一个比较完整的神经网络模型，用非线性小波函数替换网络中的可达节点。输入系统并使用相应的阈值完成扩展系数和变换系数的相互代换，通过函数本身的线性叠加函数完成信号的表示。与现有的BP网络相比，小波函数具有多分辨率的优点，可以快速确定子网络中隐藏节点的数量并准确解决问题。容错是通过时间的完美融合实现的。频率本地特性和自学习功能，完成大规模模拟电路故障诊断，对故障信息进行详细全面的分析。
3.5 BP网络改进算法
BP网络算法由于其良好的泛化能力和全局逼近能力，常用于诊断大规模模拟电路故障。然而，在以容忍度诊断电路故障时，学习收敛慢、隐藏节点数量不详的缺点逐渐暴露出来，这些缺点影响了BP网络算法的实际应用。为了提高实际应用，可以通过调整局部适应学习率和增加运动量来提高覆盖率。现有BP网络算法增加动量后，权重修正的考虑范围变得更加全面，误差对坡度和地表变化趋势的影响影响判断结果。在优化之前，大模拟电路错误的诊断可能会降到局部最小值，诊断可能不完整。优化后的小变化特征可以适当忽略，借助它们可以分析其权重的变化。通过反向传播的方法来确定权重调整公式的新权重值。可以看出，通过增加BP网络算法的动量，可以超越局部最小值，有效提高收敛性，也有效提高迭代收敛速度[4]。
局部学习率自适应调整是改进学习率改进算法的常用方法，但也存在无法优化调整值的缺点，影响网络收敛速度。因而，通过调整学习率对局部学习率进行自适应调整，可以有效改善这些缺点，减少检查权重修正值是否正确的误差函数。可以看出，可以不断调整学习率，直到学习过程结束，因为学习率过大，网络不能保证稳定的学习功能，学习率过小又会降低诊断效率的稳定性。
4、结语
加强智能故障诊断技术的内容，可以提高系统的故障诊断功能，降低系统的开发和运行成本，促进故障诊断系统资源的共享。人工智能诊断方法广泛应用于工程电子电路的智能故障诊断，保证了故障诊断技术的完善性和适用性。规模化电子电路故障排除提供了一种有效实用的诊断方法，是模拟电路故障排除的一个新的发展方向。加强实用性研究将有助于充分利用其原有性能，这是模拟电路故障诊断技术创新和发展的前提和基础。
参考文献：
[1]赵建松.模拟电路故障的诊断及检测技术[J].产业与科技论坛,2017,16(03):59-60.
[2]韩伟,刘志男,黄文浩,闫凯.模拟电路故障诊断[J].中国科技信息,2019(01):34-35.
[3]段文群,何统洲,石义杰.大规模模拟电路故障诊断方法研究[J].电子测试,2020(05):72-73.
[4]彭丽君.模拟电路性能减弱问题检测与诊断策略探讨[J].科学技术创新,2020(27):187-188.
[5]谢涛,李珩.一种新颖的模拟电路故障诊断方法[J].怀化学院学报,2017,36(11):47-51.
