PSPICE在模拟电路故障诊断中的应用

摘要：提出了运用PSPICE对模拟电路进行仿真，再通过神经网络方法对模拟电路进行诊断的一种新方法.介绍了PSPICE在模拟电路仿真中的基本运用，并给出了仿真实例，实验证明该方法能较好的实现单软故障在模拟电路中的诊断。

关键词：PSPICE BP算法 MATLAB

中图分类号：TN710 文献标识码：A 文章编号：1007-9416（2013）08-0048-02

客观世界信号的本质决定了模拟电路的普遍性和不可替代性。模拟电路由于故障模型复杂、元件参数的容差、非线性、噪声以及大规模集成化等现象使电路故障信息表现为多特征、高噪声、非线性的数据集，且受到特征信号观测手段、征兆提取方法、状态识别技术、诊断知识完备程度以及诊断经济性的制约，使得原始的设计方法无论是从效率上还是从设计精度上已经无法适应当前电子工业的要求，所以采用模拟软件来完成电路的模拟仿真已经势在必行。

1 Pspice软件介绍

1.1 Pspice软件简介

Pspice即Personal-Spice。Spice是Simulation Program with IC Emphasis的缩写。它是较早出现的EDA（Electronic Design Automatic）软件之一，它是Microsim公司1984年推出的基于SPICE程序的个人计算机版本。在电路仿真方面，它的功能最为强大，在国内得到了普遍使用。Pspice可以帮助人们运行和分析电路设计，帮助人们发现电路的设计是否合理，是否需要变更，最终得到一个合理化的电路设计。Pspice发展至今，随着软件的不断升级，其功能也不断扩充[1]。

1.2 Pspice的组成

该软件包主要包括Schematics、PSpice、Probe、Stmed（Stimulus Editor）、Parts、PSpice Optimizer等。

（1）Schematics是一个电路模拟器。它可以直接绘制电路原理图，自动生成电路描述文件，或打开已有的文件，修改电路原理图；可以对元件进行修改和编辑；可以调用电路分析程序进行分析，并可调用图形后处理程序（Probe）观察分析结果。即它是集PSpice、Probe、Stmed和PSpice Optimizer于一体，是一个功能强大的集成环境。

（2）PSpice是一个数据处理器。它可以对在Schematics中所绘制的电路进行模拟分析，运算出结果并自动生成输出文件和数据文件。

（3）Probe是图形后处理器，相当于一个示波器。它可以将在PSpice运算的结果在屏幕或打印设备上显示出来。模拟结果还可以接受由基本参量组成的任意表达式。

（4）Stmed（stimulus editor）是产生信号源的工具。它在设定各种激励信号时非常方便直观，而且容易查对。

（5）Parts是对器件建模的工具。它可以半自动地将来自厂家的器件数据信息或用户自定义的器件数据转换为Pspice中所用的模拟数据，并提供它们之间的关系曲线及相互作用，确定元件的精确度。

（6）Pspice Optimizer是优化设置工具。它可根据用户指定的参数、性能指标和全局函数，对电路进行优化设计[3]。

2 MATLAB介绍

MATLAB是美国Math Works公司开发的计算机仿真软件，涵盖通信、航天、力学、力、自动控制、神经网络等领域，具有强大的数据处理能力，已经成为集数值运算、符号运算、数据可视化、图形界面设计、程序设计、仿真的多种功能于一体的集成软件[4]。

2.1 神经网络

神经细胞是构筑神经系统和人脑的基本单元，它既具有结构和功能的动态特性，又具有时间和空间的动态特性，其简单有序的编排构成了完美复杂的大脑。人工神经网络就是通过对人脑的基本单元——神经细胞的建模和连接，来探索模拟人脑神经系统功能的模型，其任务是构造具有学习、联想、记忆和模式识别等智能信息处理功能的人工系统。

2.2 BP算法

BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，以此误差信号即作为修正各单元权值的依据。

3 实验仿真

3.1 原理图分析

本文所选原理图为低通滤波器，包括一个反相比例运算电路和三个积分运算电路。其中R5，R6，R14及运放构成反相比例运算电路，

R13，C6及运放构成的积分运算电路，；R7，R8，R9，C4，C5及运放构成改进型反馈反相二阶低通滤波器，传递函数为

3.2 电路图绘制

在Pspice10.5上绘制原理图如1所示。图中有可测电压节点13个，如图上所标V1-V13。为了进行交流分析，输入信号采用SOURCE符号库中的正弦信号，并将其参数设置为1Vac，0Vdc。

3.3 灵敏度分析

灵敏度分析作为pspice中的模拟功能之一，它是计算电路元器件参数的变化引起电路输出变量的变化。主要包括直流灵敏度分析和交流小信号灵敏度分析，前者是指电路直流分析时，计算出指定的输出变量对电路中所有元器件参数和晶体管的所有模型参数单独变化的灵敏度值，包括绝对灵敏度值和相对灵敏度值；后者是指固定频率范围内每个频率点上计算电路输出变量对电路全部元器件参数的灵敏度值[7]。本文采用的直流灵敏度分析。

由于元件具有容差，进行诊断的时候需要考虑这个因素，设定电阻的容差为10%，电容的容差为10%，在待测电路电源的选择上，选取幅值为1V的交流激励信号，对输出响应进行输出的采样，采用haar小波对采样信号进行5层小波分解，在这之前通过灵敏度分析，其部分结果如图2所示。

设置分析参数：首先进行交流分析，起始频率为10Hz，结束频率为200kHz，仿真后，在交流分析结果输出时，可在显示模拟分析结果的Probe窗口中，选择菜单Trace/Evaluate Measurement子命令，来确定电路特性参数即低通滤波器的截止频率。如图2则表示此滤波器的截止频率为24.03kHz，与上述原理计算结果相符。

最后调用sensitivity工具进行灵敏度分析，结果如图4所示。

3.4 故障字典建立

因此考虑单故障：C350%，C450%，C550%，硬故障R1短路，R5开路，R7、R8、R12分别都是短路和开路，加上正常状态共12种故障模式，故障模式采用常见的“n-1”表示法，即0正常，1故障。

3.5 蒙特卡洛分析

蒙特卡洛分析（MC）属于pspice容差分析中的一种方法，它是一种统计分析方法，在给定的电路中元器件参数容差的情况下，计算电路输出变量的均值和标准偏差。换句话说，实际组装电路的电特性不可能与标称值模拟的结果完全相同，而呈现出一定的分散性，为了模拟实际生产中因元器件值的分散性所引起的电路特性分散性，Pspice提供了蒙特卡洛分析功能。

为构造训练和测试样本集，对电路每种故障状态进行100次蒙特卡洛分析，电路正常情况下的采样信号曲线如图4所示。

设置分析参数：pspice中有专门的为蒙特卡洛分析的元器件符号库BREAKOUT。在做MC分析之前，将被测电路中的元器件换成BREAKOUT库中对应的符号，并将其模型上添加容差DEV=10%即可。

3.6 故障诊断

首先将各故障模式下的信号分解，将各层小波分解序列的能量值归一化后作为神经网络的输入，同时可以确定神经网络的结构，由于是5层小波分解，所以输入层神经元数目为6，故障模式有12种，所以输出层神经元数目为4，此处选用三层BP神经网络。传递函数为线性的purelin，隐层神经元为25个，传递函数为双曲S型tansig，经过反复调整，神经网络采用LM算法的训练方法，目标误差为0.01，网络经过589次训练调整后达到了期望的均方误差，对训练好的神经网络进行单软故障性能测试。总测试样本的平均正确诊断率达95%。

4 结语

本文通过Pspice模拟仿真软件对电路在故障诊断前进行性能分析，可以在很大程度上缩短电路的分析和验证时间，减少在试验过程中大量的材料消耗，提高试验过程的安全系数。本文通过一个案例，具体阐述了Pspice仿真技术在模拟电路中的实际测量方法，并结合神经网络最终达到了诊断的目的。仿真实验表明该方法能够有效地解决了单软故障诊断问题。

参考文献

[1]吴建强.Pspice 仿真实践[M].哈尔滨工业大学出版社，2001.

[2]童梅.电路的计算机辅助分析—Pspice和MATLAB [M].机械工业出版社，2008.

[3]张志涌.精通 matlab 6[M].北京航空航天大学出版，2003.

[4]KAMIN E D.A simple procedure for punning back propagation trained neural networks[J].IEEE Transaction on Neural Network，1990，1：239-242.

[5]李明亮.基于神经网络的模拟电路故障诊断方法研究.[D].北京：中国地质大学，2007.

[6]贾新章等OrCAD/PSpice 9实用教程[M].西安电子科技大学出版社，2007.