模拟电路学习方法研究

模拟电路学习方法研究（精选10篇）

模拟电路学习方法研究 篇1

1 引言

模拟电路广泛应用于军工、通信、自动控制等各个方面。由于模拟电路故障诊断本身的复杂性, 目前已提出了很多相关的理论和算法, 但大多只停留在仿真研究阶段, 或只能实现模拟电路故障的离线检测。本文以实现在线实时诊断故障为目标, 设计出对子网级模拟电路的单故障能够进行在线诊断及离线诊断的系统, 使得神经网络理论在工业生产中的实际应用做出了初步性的探索。

2 故障特征提取和处理

2.1 基于多分辨分析的故障特征提取

一般而言, 大多数模拟电路的故障都是软故障, 这样就可以利用小波变换来提取每个频带的故障信息, 利用Mallat算法就可以实现小波分解过程, 由于软故障信号的变化幅度比较小, 所以高频率的分解可以被用来反映该部分信号后, 各层的系数可以是故障信号序列求和的绝对值, 然后扩展顺序, 作为模拟电路故障特征向量。

2.2 BP神经网络故障诊断方法

用BP网络对一般的子网络级模拟电路进行故障诊断, 其工作可以分为测前工作与测后工作两部分进行。本文使用PSPICE软件对模拟电路的每个元器件设置容差, 并多次进行蒙特卡罗分析, 以此得到的数据一部分作为神经网络的训练样本, 另一部分作为仿真阶段的测试样本。通过MATLAB仿真软件搭建神经网络, 实际诊断时, 在同样的激励条件下, 测出测试节点实际的输出值作为测试样本, 输入到已训练好的神经网络, 神经网络经过诊断后输出对应的故障状态。

(1) 训练样本和特征提取。首先, 根据该电路的结构, 选择最佳的测试节点。分析各种典型故障条件下测试节点的电压, 并提取故障特征信号, 然后对故障特征进行归一化和特征关联处理, 最终获得特征向量的故障信息。

(2) 设计和训练神经网络。在本文中, 使用的是三层BP神经网络, 如果电路元件数为k, 测试节点为m, 小波分解级为N, 输入节点的神经网络的数目为 (N+1) m, 输出节点K, 隐藏层神经元的数目是 (为0-10的整数) 。

(3) 故障诊断。电路实际测量信号经过特征提取, 然后进行信号预处理后, 输入到训练好的神经网络进行识别诊断, 就可以输出对应的故障元件编号。

3 故障诊断实例

前面介绍了BP神经网络的基本算法理论以及其诊断模拟电路故障的过程。下面将通过对两个实测电路的仿真来验证其在实际应用中的有效性。在模拟电路故障诊断中, 首先要对电路进行模拟和仿真, 本文中使用了电路通用分析软件PSPICE。经电路仿真后得到的数据还需要利用MATLAB软件构造神经网络并训练网络。利用PSPICE仿真软件设计一个模拟电路, 如图2, 按照仿真软件的语法格式编程。将各元器件的标称值设定为R1=R2=R3=R4=R5=R7=R8=R9=1KΩ, R6=3KΩ, 对每个电阻设置容差为10%, VCC=12V。节点2, 3, 4, 5作为测试节点。共设置5种电路状态:4种故障状态和一种故障状态。4种故障状态分别是R2电阻开路 (R2O) , R3电阻短路 (R3S) , R4电阻开路 (R4O) , R5电阻短路 (R5O) 。

要构建带动量项BP神经网络需要确定的的主要参数包括:网络的层数、每层的神经元个数、初始权值、目标误差、学习速率及动量因子等。这些项目的确定虽然都有一定的指导原则, 但大部分都是根据一些经验和实际情况试凑法得出, 这也是BP神经网络的最大缺陷之一。根据图2中的实测电路以及以往的仿真经验, 网络层数选择为3层, 输入层神经元个数为4, 输出层神经元个数为4, 初始权值为 (-1, 1) 之间的随机数, 目标误差为0.01, 动量因子为0.5。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96.08%。

4 结束语

本文分析了传统模拟电路故障诊断方法的不足之处以及神经网络诊断技术的优势, 详细阐述了利用增加动量项BP神经网络方法对模拟电路故障进行诊断的工作流程。首先, 选取典型的故障特征信号对神经网络进行训练, 训练完成后, 就可以用以识别响应模拟电路的故障。实验结果表明本文提出的模拟电路故障诊断方法诊断速度快、准确率高, 并有较高的故障识别能力。

摘要：本文主要研究了增加动量项BP神经网络算法, 与典型的模拟电路系统相结合, 设计出能够实现在线和离线诊断模拟电路故障的小型智能诊断系统, 实现了智能算法在实际工业生产当中应用, 实验证明, 采用理论上成熟的动量项BP神经网络算法用于故障诊断, 利用嵌入式系统应用性强、高可靠性、低功耗等特点, 并且有一定的实用价值。

关键词：动量项BP神经网络,模拟电路,故障诊断

参考文献

[1]EJ-Gamal M A.A knowledge-based approach for fault detection and isolation in analog ciecuits.International Conference on Neural Networks[J], 1997, 3 (1) :1580-1584.

[2]K.Madani.A survey of artificial neural networks based fault detection and fault diagnosis techniques[J].International Joint Conference on Neural Networks, 1999, 5 (3) :3442-3446.

[3]黄洁, 何怡刚.模拟电路故障诊断的发展现状与展望[J].微电子学, 2004, 34 (1) :21-25.

模拟电路学习方法研究 篇2

【关键词】模拟电路 故障诊断 检测方法

一、模拟电路故障的特点

模拟信号和数字信号不同,是大小随时间连续变化的信号。具体特点如下:①模拟电路的输入激励和输出响应都是连续量。模拟电路中的故障模型比较复杂,难以对其进行简单的量化。②模拟电路中的元件参数具有很大的容差,即存在允许范围内轻微的故障。这个问题普遍存在,导致故障本身变得模糊不清,以至无法检测出实际故障的物理位置。③通常实际模拟电路存在着非线性问题。几乎所有的模拟电路都具有反馈回路和非线性问题,这是增加模拟电路计算和测试困难、复杂程度的又一根本原因。④频率范围较大。模拟电路的低频和高频之间相差最高可达8个数量级。⑤模拟电路本身的结构由于客观原因导致可用于检测的节点数有限,可作为故障诊断的信息量不够充分,造成故障定位的模糊性。

二、常规模拟电路故障检测的方法

上世纪70年代以来,模拟电路的故障检测方法得到了充分的发展。主要分为测前模拟法、测后模拟法以及近似法。

1.测前模拟检测

包括故障字典法和似然法。前者是目前模拟电路故障检测手段中最具实用价值的方法。故障字典法的理论基础是模式识别原理,就是在电路测试之前,用计算机模拟电路在正常和各种故障下的状态,并记录其对应信号或特征,从而建立故障字典;在实际应用电路检测时,根据测量所得的信号或特征,在故障字典中查到与此信号或特征相对应的故障,从而确定电路故障。由于几乎所有的计算量都集中在测前,测后只需要查字典定位故障即可,为故障的排除提供了一个明了、快捷的手段,定时检测优势明显。

2.测后模拟法检测

测后模拟法分为参数识别技术和故障证实技术,是在电路测试后,根据测量信息对电路模拟,从而进行故障检测。参数识别技术可分为线性技术和非线性技术,理论基础是利用网路响应与元件参数之间的解析关系,通过响应的测量值识别或求解网络元件的参数值,根据该值是否在容差范围之内判定故障存在的可能性。

3.近似技术

在测量数量有限的情况下,根据一定的判别准则,识别出最可能的故障元件,主要包括概率统计法和优化法。前者是在测试之前,根据维修经验对大量数据进行统计分析确定元件发生故障的先验概率,测试之后,根据算出后验概率,按Bayes判别准则,后验算率最大者既最可能出现故障的元件,属测前模拟法。优化法,是采用适当的目标函数估计出最可能出现的故障元件,属测后模拟法。

三、现代模拟电路故障检测的新理论方法

微电子技术的迅速发展,电路的复杂性日益提高,集成度不断增大,在宇航、科研、军事等各方面应用的电子设备,对其可靠性的要求更加严格,传统的故障诊断方法已经不再适应技术发展的需求,科研人员和理论工作者经过长期的探索和研究,得出了下列先进的人工智能的检测方法:专家系统、神经网路、模糊理论、小波变换、等多种技术和方法。

1.专家系统

专家系统是基于产生式规则的人工智能计算机系统,首先把专家知识及其经验用规则表示出来,形成故障检测专家系统知识库,根据报警信息对知识库进行推理,检测出故障元件。这种系统还可根据实际情况进行扩充。具有便于解释、擅于定性分析、获取知识、灵活、透明及交互性等多种优势。但是由于知识获取的瓶颈问题,推理效率低。对于复杂的检测对象,速度较慢、诊断困难、实时性较差。

2.人工神经网络

人工神经网络采用物理上可以实现的器件、系统或现有的计算机来模拟人脑的结构和人类认知过程的信息处理系统。其中BP神经网络最具模式分类能力,尤其适用于故障诊断领域。BP神经网络将信息通过训练的方式储存在网络衔接的权值中,训练完成以后,就可以利用网络收敛后的节点连接权值矩阵和阈值向量,以计算网络对于检测样本参数的实际输出,根据输出值即可确定故障的类型。神经网络具有联想、记忆、类比等形象思维能力;能够适应环境的变化;并行的数值运算推理过程,效率较高;通用性强、知识容量大,便于实现知识的自动获取。但是人工神经网络的结构需要不断的试验调整;遇到新样本时,需要重新学习,调整所有的权值甚至一些网络结构;解释能力差,和专家系统比起来透明性较差。

3.模糊理论

由于元器件的容差、分线性及电路噪声的影响,故障与征兆之间的关系出现模糊现象。模糊理论是依据专家经验在故障征兆与故障原因空间之间建立模糊关系矩阵,矩阵中每个元素的大小表明它们之间的相互关系密切的程度,根据待检测对象的现场测试数据,提取特征参数向量;再将各条模糊推理规则产生的模糊关系矩阵重新组合,根据一定的判定阈值来识别故障元件。模糊理论能够得到问题的多个可能的解决方案,并依据这些方案的模糊度的高低进行优先程序度排列。但是,不得不注意的是,现今模糊理论独立完成检测模拟电路故障的理论和方法还有待完善,这种先进的理论在应用上受到了限制,有待科研人员更深入的研究。

4.小波分析故障检测方法

通过小波母函数在尺度上伸缩以及时域上的平移来分析信号。这种对模拟电路的故障检测方法不需要系统的数学模型,灵敏度高,运算量小,对输入信号的要求低,对噪声的抑制能力高。但是当检测尺度过大时会产生延迟现象。小波分析与神经网络结合检测模拟电路故障,突破了现代检测手段不实用的界限,为下一步模拟电路故障分析检测的发展开辟了新道路。

四、结语

模拟电路的检测工作虽不是什么大的工程,但是却关系着许多高端领域的发展。笔者简单分析了一些模拟电路故障检测的传统方法和現代兴起的专家系统、人工神经网路、模糊理论和小波分析法。但是这个领域的发展并不仅仅是笔者所陈述的这些,例如:遗传算法障、Agent技术,分形理论、粗糙集理论等在模拟电路的应用都是现代模拟电路检测方法的前沿手段。只不过,关于模拟电路大部分的应用仍处于实验阶段,尚未得到应用方面的广泛推广,在理论和实践方面,仍有大量的工作需要我们努力完成,在不久的将来创建完备的模拟电路故障检测体系。

参考文献:

[1]徐晓辉,潘昊.模拟电路故障诊断方法的发展[J].科技咨询导报,2007(13)

[2]于淑芳.模拟电路故障诊断方法展析[J].柳州职业技术学院学报,2005(01)

[3]卢黄丽. 模拟电路故障诊断系统的设计[J]. 电子工程师,2004(09)

[4]李斌,陈以,韩元杰. 模糊证据理论综述[J].兵工自动化,2005(03) 

模拟电路学习方法研究 篇3

目前, 集成电路将模拟、数字和混合信号电路集中于同一沉底的IC上, 从而促进了系统芯片 (So C) 的产生。这种设计方法与以前的每个芯片不同的功能不同, 只需一片芯片就可以实现多项功能。目前, 模拟电路的测试成本占电路制造成本的30%以上, 模拟测试已成为系统成本的主要部分。

模拟电路测试与数字电路测试相比具有复杂性。首先, 模拟电路规模没有界限, 电路输出激励与输入响应、元件的参数都具有连续性, 很难做出量化。从而从理论上讲, 一个模拟软件有无穷故障, 不可能明确所有故障。其次, 模拟电路中的元件参数具有容差, 即轻微的故障, 容易导致故障的模糊性, 无法确定故障的实际位置。第三, 模拟电路不存在广泛可接受的故障模型。第四, 模拟电路的测试总线比较难以实现, 测试时, 重新配置模拟电路容易改变模拟电路转移功能。

1 模拟和混合信号电路测试与故障诊断的研究背景

近年来, 模拟和混合信号电路诊断及测试方法受到科研工作者的广泛关注。1962年, R.S.Berkowits就模拟电路故障诊断方面的研究工作展开报导, 虽然该报导关于模拟和混合电路中还有很多不成熟的观点, 但是其奠定了模拟电路故障诊断及检测发展的理论基础。1979年, Navid和Willson通过实验及理论证实了线性电阻电路元件值可解的充分条件, 促进了模拟电路故障与诊断的发展。随后, 各种新的理论和方法不断涌现。目前, 国内外模拟和混合信号的故障诊断方法有传统模拟电路故障诊断方法:故障字典法、故障验证法、元件参数辨识法等;现代模拟电路故障诊断方法:基于智能计算的诊断方法。

故障字典法是收集故障中的故障响应, 将故障响应经处理后转化为对应的故障特征, 再经过编撰成为与其相对应的故障字典。利用故障字典进行电路诊断时, 根据响应的特征, 在故障字典中查的与此相对应的故障。当发生故障时, 在故障字典中查得与此故障特征相对应的特征, 执行合理的诊断方法。但是当模拟电路中的故障参数是一个连续的模拟量, 测量响应不可避免地引入误差。故障验证法首先预测电路中的故障所在, 而后验证猜测的正确性。元件参数辨识是根据网络结构估计或求解每个元件参数, 超出容差确定范围的元件认定为故障元件。

此外, 智能计算诊断方法也取得了长足进步。二十世纪七十年代, 模糊技术已经应用于模拟电子系统故障诊断;九十年代, 神经网络在模拟电路故障检测与诊断方法上广泛应用。人们依次提出了RBF网络应用于模拟电路元件级和子系统级的软故障测试分析及诊断, 以RBF和BP网络为基础实现具有容差的模拟电路故障诊断, 通过BP网络实现CMOS运算放大器的故障诊断等。

2 模拟和混合信号电路测试与诊断方法

2.1 基于小波变换的混合信号电路电流测试方法

目前, 模拟电路广泛应用于通信、消费电子领域, 其所占地位日益增重, 致使So C对混合信号功能的需求不断上升, 人们对混合信号电路的测要求日益严格。电流测试时一种已在数字电路测试中已证实的有效方法, 通过电流测试检测到的电流信号检测模拟电路中的故障。由于小波变换在频域和时域所展现的优越性, 具有的高分辨率, 适用于检测正常信号中夹带瞬态反常现象, 同时能够展示其成分。

迄今为止, 集成电路的稳态电流测试方法在工业界已成为一种被广泛认可并应用的技术, 为IC测试做出了重要贡献。此外, 小波变换的混合信号具有高的分辨率, 对点刘波采样后经傅氏变换后与正常电路参数数据对比, 发现故障, 进行检测。瞬态电流测试是稳态电流测试一种补充, 用小波变换分析瞬态电流, 分析动态电流的小波系数, 采集数据, 发现缺陷。在电流测试中, 选用合适的分析方法对电流信号分析非常重要。

2.2 So C中混合信号测试测试与诊断方法

随着电子信息技术的发展, 半导体产业逐渐实现亚微米级的加工制造, 单一集成电路芯片上就具有很大容量, 建立一个复杂的电子系统。随着集成电路 (IC) 向集成系统 (IS) 转变, 系统级芯片 (So C) 慢慢诞生。SOC系统包含诸多子模块, 例如:模拟、储存器子系统、数字逻辑等。这些具有不同测试要求的模块之间相互连接, 能够满足So C中混合信号电路的要求。如何对混合信号电路进行测试已成为模拟电路进步的关键技术, 嵌入式的混合信号可通过内自建测试、边界扫描设计以及混合信号等方法诊断。目前, 内嵌自测试、边界扫描设计和混合信号测试等混合信号测试的方法在理论上已得到论证, 逐渐应用于实际应用中。

2.3 基于模糊神经网络的模拟电路故障诊断

神经网络在故障检测时通过输入层收集故障信息, 在中间层得出针对性解决方法处理故障, 在输出层经复杂的权值调整得到故障处理的方法。模糊神经网络的模拟电路故障测试与诊断方法融合了遗传算法, 具有自学习、自组织性等特点, 对外界的信息识别能力强, 模拟人的思维模式, 解决电路中出现的故障。随着模糊神经网络的不断发展与应用, 其在模拟电路故障检测中的优势越来越明显。

参考文献

[1]魏淑华, 侯明金.SoC中混合信号测试与可测性设计研究[J].计算机研究与发展, 2010.

[2]孙永奎, 陈光福, 李辉.基于可测性分析和支持向量机的模拟电路故障诊断[J].仪器仪表学报, 2008.

[3]朱彦卿.模拟和混合信号电路测试及故障诊断方法研究[J].优秀博士生论文, 2008.

[4]孙秀斌.混合信号电路故障诊断的内建自测试 (BIST) 方法研究[J].优秀博士生论文, 2004.

[5]邢秀琴, 姚竹亭.基于人工神经网络的数字电路板故障诊断[J].机械管理开发, 2006.

[6]吴进华, 沈剑, 段育红.数模混合电路故障诊断的方法研究[J]海军航空工程学院学报, 2008.

模拟电路多元化考核经验 篇4

【关键词】模拟电路    多元化考核     作业      分数

本人所带的模拟电路课，以多元化考核为契机，充分调动了学生的学习主动性和兴趣，实现了翻转课堂。本人积累了一些经验和体会，在这里和大家一起来分享：

在课堂复习和预习中找出两组同学，让同学们自己来讲解，这样的一个好处就是，讲解的同学都是自己先弄懂知识的，同时强迫同学课下复习预习。

1.针对某一组缺少兴趣的同学，选取当堂课的某一个知识点，难度不是太高，小组一般3—5人，在下节课开始，随机抽取他们当中一个，来黑板前画图讲解，讲得好，这组同学都可以得分，讲得不好，这组同学都要扣分。这样一来，他们就有了压力，就会课后看书相互交流，也会主动和其他学得好的同学相互沟通，也就相应增强了学习兴趣，提高了教学效率。

2.对学得比较好的同学也进行分组，选取的知识点就是新课的内容，或者有一定难度的，让他们提前做好预习，然后随机地抽取他们当中的一个在课堂中讲解，根据讲解情况加分扣分。这样一来，必须通过讲解，学生才能得分，学生一方面必须要掌握这个知识点，另一方面还要知道如何讲解，这对学生是非常好的锻炼，但课时有限，只能从他们当中任意选一个讲解。

如何让同学更好地利用课余时间？一个人的成绩和他的课余时间是否充分利用有很大的关系。我们要“占领”学生的课余时间，就需要从给学生布置的作业说起。

1.布置电子作业的必要性。同学写电子作业，公式、图形需要自己操作，画图不能用word，太麻烦了，必须用专业软件，还要排版。总之，要完美地完成一项作业，对于一个新手来说，需要花费三四个小时。这样就可以让他们少玩一点游戏，同时也是为他们毕业设计以及工作需要做好相应准备。

2.如何避免学生抄作业。学生中抄袭作业现象很普遍，电子作业复制粘贴就更简单了，如何避免呢？一是针对性地对某个人布置作业，比如他老旷课，就让他在课后完成，将功折罪。二是抽选十名学生布置作业。还有一个方法是给所有人都布置作业，原创的自己说明，提前说明不允许复制，为抽查输入排版的细节以检验是否完成，如果不是，不但不加分，还要扣分。

3.善用仿真。实验课当然是必要的，由于时间、场地以及设备的限制，仿真也是必需的。仿真课虽然没有安排，但现在学生的电脑摸索能力还是比较强的，抽出时间来对关键点加以介绍，提出简易的问题，让同学课后去摸索如何仿真实现，比如三极管和场效应管在直流情况下如何取得输出为电压源一半的电压。实践效果证明，有合适的奖励政策，对于这些难易适中的问题，学生是可以解决的。

一定要利用兴趣驱动学生的主动性。无论是重点本科院校还是一般院系的学生，都感觉模拟电路很难，但是只要学生有了兴趣，难事亦易矣！

1.选取以声光为感应的器件做出相应的模拟电路，比如，一个三极管，一个咪头，几个电阻，就可以实现感知声音，驱动灯根据声音强度大小闪亮;一个LM358，几个电容电阻，就可以实现呼吸灯的效果;一个运放和光电二极管为主器件就可以以二极管闪烁的形式实现脉搏跳动的效果。这类近似于玩具的电路虽然简单，但要是把原理分析清楚，真正做出来，意义还是很不一样的。

2.学生直接互动讨论，相互促进，提高兴趣。把同学分成小组，对某个课题进行研究，上课随机抽取一位讲解分享，小组每人都得分，就是强迫同学相互交流，交流就是同学取长补短，相互促进的过程。此外，课堂一定要激发学生的兴趣，要选取某一个知识点，给予比较高的分数激励，鼓励学生发言，让课堂的气氛活跃起来。最终的效果是：大家虽然觉得模拟电路比较难，但是还很有趣，不愿意逃课，也能学到一点东西。

3.分数永远都是激励学生的一个很好的方法，一定要用好。“千金买马骨”，商鞅变法等都是激励改革创新的典型例子。我们同学经历的都是典型的填鸭式教育，在多元化考核的方式中，学生考核的就不是一张试卷了，除了基本的作业和实验以外，课堂互动，课下完成仿真，都可以加分，哪怕他用手机去仿真了一个电路的波形，哪怕他的仿真只有电路图，甚至图画错了，但是他的确是课下用心去做了，就应该加分。对于分数的计算，我有自己的经验，画两条指数曲线，加分是指数性增长，一开始增长得快，是为了激发他的兴趣，后来长得慢一点，就是引导他能更深入地思考。这种增长方式符合自然规律，比如水温升高，毕竟从90到100分本身就需要更大的努力。但是对应于某一个问题的得分，是指数下降的，为什么呢？一开始同学积极认真做好的，首先交来的就应该得高分，其他抄袭的学同得分数相对就低了，因此要让学生趁热打铁做作业。

总之，老师改变教学方式以及考核思路，会充分调动学生的兴趣，学生学得放松，老师教得轻松，双方都有所收益。

【参考文献】

[1]张瑜，蔡立娟，韩春玲.新课程理念下电工电子教学改革初探[J]. 教育与职业，2012（05）.

模拟电路学习方法研究 篇5

随着科学技术的不断进步，电子电路已经应用，据相关统计，电路故障的80%来自于模拟电路部分，即模拟电路的可靠性决定了整个系统的可靠性[1]。因此，模拟电路的故障诊断与可靠性设计的重要性不言而喻。通常的诊断方法[2,3]是从电路的输出响应曲线上提取其特征向量，当电路出现故障时，输出响应曲线与正常状态有所差异，通过分析曲线及其数据的变化来反映其故障特征，再通过上述的方法进行故障诊断。

本文采用小波神经网络实现故障的诊断，首先对研究电路进行仿真，对各种故障状态下的幅频响应曲线利用小波变换提取其特征参数集，该数据集包含了元件在无容差状态下的电路数据和有容差状态下的电路数据，然后构造BP神经网络进行故障的诊断分类。经实验证明，本文所用方法对所研究电路故障有很高的识别率。

1 小波神经网络方法

1.1 小波变换特征提取

在模拟电路的故障诊断中，通常利用小波变换对电路的输出响应曲线进行数据的预处理，提取其故障特征参数。小波变换的定义是把某一个被称为基本小波的函数做位移b后，再在不同尺度a下与待分析的信号x(t）做内积[4]，即：

式中：a为频率参数；b为时间参数。通过改变时间和频率参数，将得到不同的尺度来评估信号在不同的时间频率段的系数。这些系数表征了原始信号在这些小波函数上投影的大小。从信号分析的角度看，小波分解是将待分析信号通过两组滤波器，得到信号的高频信号和低频信号，同时，对低频信号的进一步分解，可以得到下一尺度函数上的低频信号及高频信号，且长度均为原信号长度的一半，即在滤波后进行了采样。将采样后的信息做为信号的特征参数。具体步骤为：

(1）对采样信号进行5层离散小波分解，得到从第1层到第5层，共6个小波分解系数序列（A5,D5,D4,D3,D2,D1);

(2）特征向量构成。以各层小波分解系数的绝对值最大值为元素构成特征向量，即（max(A5),max(D5),max(D4),max(D3),max(D2),max(D1));

(3）归一化处理。指通过变换处理将网络输入数据限制在[-1,1]区间内，从而避免大的动态变化。

1.2 小波神经网络故障诊断方法

小波神经网络的模拟电路故障诊断过程为：首先是诊断信息获取，利用电路输出电压响应获得故障信息；然后是故障特征提取，即采用小波变换从采用信号中提取所需的故障特征；最后是状态识别和故障诊断，即采用BP神经网络进行分类，以确定故障类型[5]。

(1）数据采集与故障特征提取。在待测电路运行于不同故障模式时，采集电路输出响应信号（如电压、电流等信号），对其离散化后，进行N层小波分解，以各层小波分解系数序列的绝对值之和为元素组成故障特征向量；

(2)BP网络结构参数[6]。根据电路故障特征向量维数和电路故障模式，确定BP网络的输入与输出层节点数目。假设对采样信号进行N层小波分解，获得N+1维的故障特征向量，即网络输入层节点数目为N+1；如果待测电路有M种故障模式，则输出层节点数目为M；隐层神经元数目[6]预选取为(N和M分别为输入/输出层数目，a=1～10），若在网络训练过程中不能满足要求，则逐个增加（或减少）隐层神经元数目。经过比较，输入层和隐层的激励函数均采用tan-sigmoid函数，输出层的激励函数采用线性函数；

(3）训练BP网络。为了让BP网络能够识别电路的故障模式，首先必须对网络进行训练。以故障特征向量为训练样本输入向量，训练样本输出向量确定方法为：设电路有M种故障模式，网络输出{y1,y2，…，yj，…，yk，…，yM}，若电路状态处于模式j，则令yj=1，其余为0，网络输出向量为（0,0，…，1，…，0，…，0），若电路状态同时处于模式j和模式k，则网络输出向量为（0,0，…，1，…，1，…，0）。因此BP网络可实现模拟电路的单、多故障诊断；

(4）诊断结果输出。把待测电路的故障特征向量输入经过训练的BP网络，得到输出结果，即可判断电路故障模式。

2 诊断实例

2.1 诊断电路

本文选择25 kHz带通滤波器做为研究对象，使用OrCAD/PSpice 10.5软件进行建模及仿真。如图1所示。在电路各个故障模式下（包含正常情况）进行50次Monte-Carfo分析，如图2所示。

2.2 用小波神经网络方法进行故障诊断

2.2.1 故障特征提取

设电阻与电容的容差允许范围分别为5%和10%。当电路元件都在其容差范围内取值时，电路处于无故障状态（即NF）。对图1电路进行灵敏度分析可知，元件R3,C2,R2,C1的参数变化对电路中心频率有较大的影响。考虑故障类型为：R3,C2,R2,C1分别偏离标称值的50%，其他元件在其容差范围内取值时获得的9种故障类型（包括无故障类型NF）分别为：NF,R3↑，R3↓，C2↑，C2↓，R2↑，R2↓，C1↑，C1↓，其中，↑与↓分别表示高于和低于元件标称值的50%。

对图1电路加激励后，提取其输出节点Out的幅频响应进行小波消噪与分解，然后提取小波系数各分量绝对值的最大值作为故障的特征。

上述故障特征主要由两部分组成：

(1）考虑元件无容差情况下的电路，对电路在各种故障状态下进行交流分析以提取电路的响应信号进行小波消噪与分解，再求取小波系数各分量绝对值的最大值，组成无容差候选样本；

(2）考虑元件有容差情况下的电路，对该电路在各种故障状态下进行Monte-Carfo分析与瞬态分析相结合，同样地，提取电路的响应信号进行小波消噪与分解，再求取小波系数各分量绝对值的最大值，组成容差电路候选样本。

将（1）和（2）所获得的候选样本采用主元分析与归一化处理后，组成神经网络样本，一部分作为训练样本用来训练神经网络，另一部分作为检验样本，用来检验已训练好的神经网络的分类性能。

2.2.2 构造BP神经网络及诊断

针对文中诊断电路，BP网络结构参数如下：

(1）输入层。神经元数目6个，即小波变换获得的故障特征向量。

(2）输出层。神经元数目9个，即电路的故障模式。

(3）隐层。神经元数目预选取13个。BP神经网络结构为6-13-9，输入层和隐含层传递函数为logsig函数，隐层和输出层传递函数为purelin函数，最小均方误差1e-8，经过4 398次训练调整后，均方误差达到0.034 2，如图3所示。

为检验经过训练的网络的故障诊断效果，用测试样本对网络进行测试，如表1所示。

3 结语

本文采用小波神经网络的模拟电路故障诊断方法，对25 kHz带通滤波器电路故障进行诊断，先通过小波分解的方法进行故障特征的提取，再用BP神经网络进行故障分类。通过测试样本对经过训练的BP神经网络进行检验，取得了较好的准确率。在下一步的研究中将利用小波变换从电源电流提取故障特征，融合[7]提取的电压故障特征向量开展模拟电路故障诊断的研究。

摘要：小波变换是一种时频分析方法,具有多分辨率特性,被誉为数学显微镜,而BP神经网络具有较好的泛化能力,很适合于判断电路状态属于哪种故障类型的分类问题。本文将二者结合起来,采用基于小波神经网络的模拟电路故障诊断方法。应用小波变换对模拟电路幅频响应的采样信号进行故障特征提取,然后利用BP神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。通过对电路进行仿真,证明该方法能够实现故障检测及定位,具有准确率高的特点。

关键词：小波变换,模拟电路故障诊断,神经网络,故障特征提取

参考文献

[1]尹玉波.小波神经网络在电子设备故障诊断中的应用[D].沈阳:东北大学,2008.

[2]杨士元.模拟系统的故障诊断与可靠性设计[M].北京:清华大学出版社,1993.

[3]祝文姬.模拟电路故障诊断的神经网络方法及其应用[D].长沙:湖南大学,2011.

[4]宋小安.模拟电路故障诊断的专家系统法与BP神经网络法研究[D].南京:河海大学,2005.

[5]谢宏,何怡刚,吴杰.基于小波-神经网络模拟电路故障诊断方法的研究[J].仪器仪表学报,2004,25(5):672-675.

[6]王鹏宇,黄智刚.模糊理论与神经网络结合对模拟电路进行分层故障诊断[J].电子测量技术,2002(1):7-9.

[7]朱大奇,于盛林.电子电路故障诊断的神经网络数据融合算法[J].东南大学学报:自然科学版,2001,31(6):87-90.

模拟电路学习方法研究 篇6

模拟电子技术是电类专业非常重要的一门专业基础课,理论性和实践性都很强。模拟电子技术实验是该课程的重要环节,通过实验,使学生能够学会基本实验设备的使用方法;能读懂基本电路图,能够根据要求合理布线,正确连接电路;能够运用理论知识分析实验现象,对实验数据进行分析和处理。

模拟电子技术专业性强,难以理解,实验操作更是有一定的难度,部分学生对实验中的仪器使用很不熟练,这也是造成实验完不成的重要原因。本文根据笔者几年的实验教学经验,就如何提高学生的实验操作能力提出自己的见解,由共射极放大电路引出了模拟电子技术的实验方法和故障排除技巧。

1共射极放大电路的测试

对于模拟信号最基本的处理是放大,而且放大电路是构成各种模拟电路的基础。

在做单管共射极放大电路时,该实验的目的是学会静态工作点的调试及测量方法,分析负载和静态工作点对放大器性能的影响;掌握放大器性能指标(电压放大倍数Av,输入电阻Ri和输出电阻Ro)的测试方法。

基本共射极放大电路实验是验证性实验,实验原理图如图一所示。该实验用到的仪器有直流稳压源、信号发生器、双踪示波器和数字万用表,另外用到NPN型晶体三极管、相应的实验电路板。实验前先用数字万用表把用到的导线、信号线等测试一下,以保证实验的顺利进行。三极管是放大电路的核心部件,因此连线的时候,以三极管为中心,三极管的b、c、e三个极逐级连接元件。接入仪器设备时,注意信号线的共地,即黑色夹子要接到电路板的地。

接好电路后先打开直流电源,在直流工作状态下,用数字万用表测试电路的静态工作点。调节滑动变阻器的阻值,用万用表检测电路某一点并得到一个合适的的电压值,也就是让电路处于合适的静态工作范围。如果静态工作点无法调试,应检查电路故障,三极管三个极是否正确、三极管是否损坏(用万用表的“”档位测量三个极间的正向压降值,对于硅二极管这个值大概是0.6-0.7左右,否则三极管已经损坏,要更换三极管)、滑动变阻器是否损坏(滑动端与固定端的阻值是否可变)、导线是否断开(在接通直流电源的情况下,用万用表测试导线两端的电压是否一致,如果电压不一致,说明导线是断开的)。

在调好直流通路的情况下,再来测试交流工作状态。将交流信号源打开(直流电源不能关闭,注意信号连接线的红黑夹子不能颠倒),用示波器的两个通道分别观察输入信号和输出信号的波形。如果输入有波形而输出没有,则检测一下输出端的信号连接线是否断的;如果输入输出都没有波形,在信号连接线连通的情况下看看是否信号发生器的输出开关没有打开(也就是输出显示“off”)。

测试放大电路的电压放大倍数,共射极放大电路是一个反相放大器,如果示波器输入、输出波形是同相,那么应该检查示波器的设置是否正确,如用模拟示波器,观察示波器屏幕“2:”后面是否有“”。如果放大倍数很小,远远小于理论值,检查放大电路发射极旁路电容是否断开。如果输出电压波形的负半周被削底(如图2(a)所示),说明出现饱和失真,此时静态工作点偏高;如果输出波形的正半周被缩顶(如图2(b)所示),说明出现了截至失真,此时静态动作点偏低,无论波形出现何种失真,都要调节滑动变阻器的阻值。

2模拟电子技术实验方法

从以上对共射极放大电路的分析可知,要做好模拟电子电路实验,我们要做到以下几点:

2.1实验预习

每次实验前必须进行预习,弄清实验原理,实验的目的、内容、设备和仪器仪表、测试数据及需观察的现象,复习与实验内容有关的理论知识,做到心中有数,减少盲目性,提高实验效率。

2.2电路连接及调试

根据实验的目的与要求,设计或选用实验电路和测试电路(板)。根据电路选择元器件,并对其好坏进行判别,了解元件使用方法结构及线路的组成和接线要求。接线前应将元件合理布置,然后按电路原理图接线,实验电路走线、布线应简洁明了,便于检查及测量。接线完成后,先不要急着通电,而是按电路原理图逐项检查各元器件的位置、极性等是否正确,直流电源大小、极性连接是否正确,系统是否共地,确定无误后,方可通电进行实验。

实验中严格遵循操作规程,改接线路、拆线或拆拔元器件一定要在断电的情况下进行,绝对不允许带电操作。如发现异常声、味或其它事故情况,应立即切断电源,并报告指导教师检查处理。

2.3观察记录实验数据

电路应先调试静态,在进行动态测试。根据要测量的数据制作表格,测量数据或观察现象要认真细致,实事求是。使用仪器仪表要符合操作规程,切勿乱调旋钮、档位,注意仪表的正确读数。认真观察和记录示波器输入波形和输出波形的相位和幅值变化情况。实验结束后,应将实验记录数据(实验原始数据)交给指导老师检查确认后,方可拆除线路。拆除线路时,先断开直流电源,再断开交流信号,然后再拆除线路。

2.4写实验报告

实验报告是实验的总结,它应用理论知识分析实验数据、波形和现象,从中得到有价值的结论。要分析实验数据,并与理论值进行比较,如在误差范围内,则说明实验正确,否则应认真分析原因重新实验。

3总结

以上所述,本文以共射极放大电路为例,简述了模拟电子技术实验方法和故障排除技巧,希望同学们对模拟电路的每个实验,结合基本理论,进一步加深理解,培养电子电路实际操作能力。

摘要：本文以单级共射放大电路为例,从仪器的使用、导线的检测到电路的连接及通电测试,最后是实验报告的撰写要求,给出了模拟电子电路实验的一般方法。

关键词：共射极放大电路,共地,静态工作点,电路调试

参考文献

[1]姜玉亭.浅谈电路实验中共地问题对实验结果的影响[J].科技信息,2009(33).

模拟电路故障诊断技术研究 篇7

1 模拟电路故障诊断方法

1962年R.S.Berkowitz[1]首先提出模拟电路故障诊断理论。1979年IEEE会刊将模拟电路故障诊断主要的方法归纳为三大类:估值法、分类法和拓扑法。1979年以后,故障诊断进入深入的发展阶段,根据对被测电路的模拟在测试之前或测试之后分为[2]:测前模拟法—SBT(Simulation Before Test)和测后模拟法———SAT(Simulation After Test)。除此之外,还有近似法和专家系统法。

1.1 测前模拟法SBT

测前模拟法的主要方法是故障字典法FD(Fault Dictionary)[3],其理论基础是模式识别原理,基本步骤是在电路测试之前,用计算机模拟电路在正常和各种故障下的状态,并记录其对应的信号或特征,从而建立故障字典;在实际电路诊断时,根据测量所得的信号或特征,在故障字典中查到与此信号或特征对应的故障,从而确定电路故障。故障字典法[4]是最具有实用价值的故障诊断方法,因为几乎所有的计算量都集中在测前,测后只需要查字典定位故障,所以能做到定时诊断。由于故障状态有限,所以主要用于单、硬故障的诊断。故障字典法按建立字典所依据的特性有直流法、频域法和时域法。直流故障字典法是利用电路的直流响应作为故障特征,建立故障字典的方法。本文介绍一种较常用的直流故障字典法:用分段线性描述所有非线性器件,引入故障开关模拟电路的硬故障,运用混合方程表格法建立电路的通用端口约束方程,通过开关的不同组合可反映电路的各种故障状态;电路通过端口约束方程与二极管变量的约束条件构成一个互补问题,可用互补主元法求解;为克服容差对故障诊断的影响,引入模糊集进行故障隔离。直流故障字典法一般仅适用于单、硬故障的诊断。

频域法是以电路的频域响应作为故障特征,建立故障字典的方法。其优点是理论分析较成熟,硬件要求较简单,主要是正弦信号发生器、电压表和频谱分析仪。频域法主要有:Bode图法、双线性变换法和稀疏矩阵法等。Bode图法的原理是:按电路的对数幅频特性来划分特征空间,以不同频率下的增益偏差作为特征向量建立故障字典;测试后,根据实际增益偏差查字典确定故障。双线性变换法的原理是:以电路的传输轨迹作为故障特征建立故障字典;测试后,根据实际测量在复平面上找出对应点,测量点明显地靠近某一轨迹,由此轨迹可以决定系统测量特性对应的元件参量偏差,从而确定故障。此方法适用于线性电路的单故障,包括硬、软故障,但不适用于故障导致零响应的情况。稀疏矩阵法的原理是:以电路的传输特性(振幅或相位)的偏差作为故障特征建立故障字典;测试后,根据实际传输特性的偏差查字典确定故障。考虑到元件的容差和测量误差,规定一门限,当特性偏差在门限值之内时认为电路正常。

时域法是利用电路的时域响应作为故障特征而建立故障字典的方法,主要方法有伪噪声信号法和测试信号设计法等。伪噪声信号法是以伪噪声信号获得的电路冲击响应的变化作为故障特征,建立故障字典的方法。测试信号设计法是将电路不同状态下测试信号的阶跃幅度和电路对辅助信号响应中跨零位置的变化作为故障特征,进行编码,从而建立故障字典的方法。

1.2 测后模拟法SAT

测后模拟法的主要方法有参数识别技术和故障证实技术,其特点是在电路测试后,根据测量信息对电路模拟,从而进行故障诊断。

参数识别技术的原理是利用网络响应与元件参数之间的解析关系,通过响应的测量值识别或求解网络元件的参数值,根据该值是否在容差范围之内来判定元件是否故障。按诊断方程是否线性,参数识别技术可分为线性技术和非线性技术。线性技术有伴随电路法等;非线性技术有转移导纳法、元件连接分割法、节点法等。

1)伴随电路法是利用特勒根定理和伴随网络概念建立故障诊断方程的方法。

2)转移导纳法是直接通过解网络转移导纳参数非线性方程组来决定网络元件值,如果元件参数值超过容差范围,就判定为故障元件。

3)元件连接分割法是把系统中的元件或组件从系统中分割出来,用元件与系统的连接关系,来描述系统特性与元件之间的关系。由元件特性和连接特性组成的CCM(Component Connection Model)方程,根据CCM方程建立故障方程。

4)节点法是从电路节点电压方程出发,通过传输函数或表格法建立故障诊断方程的方法。

故障证实技术是通过检验网络元件某一子集是否出现故障来识别故障的,从而使测试点数大大下降,其方法有K故障诊断、故障定界技术、网络分裂法等。

1)K故障诊断是通过检验某些线性方程的相容性来进行故障定位的,定位中引入补偿电源代替元件参量的变化。它有K节点故障诊断和K支路故障诊断两种。

2)故障定界技术是假定最大的故障数,并将网络元件分为两个子集S1、S2且假定S1中元件正常,利用S1中元件特性与网络特性测量值求出S2中元件值进行故障识别的。

3)网络分裂法是通过可及节点的撕裂,将网络分裂为若干个子网络,运用测试条件(STC、MTC)和逻辑分析将故障定位到子网络,然后利用内部自测条件(ISTC)将故障定位到更小的区域。

1.3 近似技术

近似技术研究在测量数有限的情况下,根据一定的判别准则,识别出最可能的故障元件,其中包括概率统计法和优化法。

1)概率统计法中常用的为逆概率法,其工作原理是:在测试之前,根据维修经验对大量数据进行统计分析确定元件发生故障的先验概率,测试之后,算出后验概率,根据Bayes判别准则,后验概率最大者即是最可能出故障的元件。此法的原理与故障字典发相似,是属于测前模拟的。

2)优化法用于软故障诊断,其思路是采用适当的目标函数估计出最可能出现故障的原件。此法是属于测后模拟的。

1.4 专家系统故障诊断方法

专家系统[5]是一个智能计算机程序系统,其大多基于产生式规则,即首先将专家知识及诊断经验用规则表示出来,形成故障诊断知识库,然后根据测试数据利用专家提供的知识和经验进行推理诊断出故障元件。专家系统包括[6]测前模拟诊断中的故障特性的收集和处理过程,以及测后模拟的故障推理收索等过程。

专家系统特点:具有丰富的经验和高水平的技术及专家水平的专门知识;能够有效地模拟故障诊断专家并完成故障诊断的过程,但在实际应用中仍存在一定缺陷,其主要缺陷为[7]:知识获取“瓶颈”问题;易出现“匹配冲突”、“组合爆炸”和“无穷递归”;知识“窄台阶”;知识维护困难;实时性差。这大大影响了故障诊断的准确性。鉴于上述困难,提出将其与具有信息处理特点神经网络和适合人类认识特征模糊理论相结合。

2 模拟电路故障诊断新方法

字典法一般只用于单故障诊断,参数辨识法和故障验证法在诊断时在线计算量大,难以实现实时诊断。而在科学技术高速发展的现代化生产中,传统的故障诊断方法已不能适应技术发展的需求,这就要求科技人员和理论工作者要进一步探索新的理论和方法,主要包括神经网络,模糊理论,小波变换等。

2.1 神经网络故障诊断方法

人工神经网络[8](Artificial Neural Network,ANN)是模拟人脑组织结构和人类认知过程的信息处理系统。神经网络作为一种自适应的模式识别技术,并不需要预先给出有关模式的经验知识和判别函数,它通过自身的学习机制自动形成所要求的决策区域。网络的特性由其拓扑结构、神经元特性、学习和训练规则所决定。它可以充分利用状态信息,对来自于不同状态的信息逐一进行训练而获得某种映射关系。而且网络可以连续学习,如果环境发生改变,这种映射关系还可以自适应地进行调整。

基于神经网络的诊断过程分为两步。首先,基于一定数量的训练样本集(通常称为“征兆—故障”数据集)对神经网络进行训练,得到期望的诊断网络;其次,根据当前诊断输入对系统进行诊断,诊断的过程即为利用神经网络进行前向计算的过程。在学习和诊断之前,通常需要对诊断原始数据和训练样本数据进行适当的处理,包括预处理和特征选择、提取等,目的是为诊断网络提供合适的诊断输入和训练样本。此外,尽管神经网络和传统的故障诊断是两种不同的诊断方法,但两者是紧密联系在一起的。

2.2 模糊理论诊断方法

模糊故障诊断方法,就是在故障征兆空间与故障原因空间之间建立模糊关系矩阵,再将模糊推理规则产生的模糊关系矩阵进行组合,根据一定的判定阀值来识别出故障元件。将模糊理论的模糊逻辑系统与ANN相结合[9],充分吸收了两者各自的优点,既能处理专家知识和经验,又能通过自学习增强系统的判断能力。目前的研究主要集中在[9]:研究模糊逻辑系统和ANN的对应关系,将模糊逻辑系统的调整和更新转化为对应的ANN学习问题以及利用模糊逻辑系统对ANN进行初始化;模糊神经网络的快速学习算法;利用模糊理论加快ANN的学习速度并应用ANN构造高性能的模糊逻辑系统。但两者发展到现在,时间相对较短,自身体系还不完善,在解决诊断问题方面还存在很多问题。

模糊理论与其它人工智能技术结合构成的诊断系统虽然可以增强处理不确定性能力,在一定程度上提高诊断的准确度,但是它不能完全消除专家系统所固有的缺点。

2.3 小波变换故障诊断方法

小波变换的基本原理[9]:通过小波母函数在尺度上的伸缩和时域上的平移来分析信号,适当选择母函数,可以使扩张函数具有较好的局部性,因此,它是一种时-频分析方法。在时-频域具有良好的局部化性质并具有多分辨分析的特性[10],适合非平稳信号的奇异性分析,如利用连续小波变换的极值可以检测信号的边沿、随机信号的突变,还可以抑制噪声;利用离散小波变换可以检测随机信号频率结构的变化。

小波变换故障诊断机理包括两个方面[11]:利用观测器信号的极值、突变等进行故障诊断以及利用观测器信号频率结构的变化进行故障诊断。小波变换不需要系统的数学模型,故障检测灵敏高,运算量小,抑制噪声的能力强,对输入信号要求低,但滤波器的时域宽度较大,检测时会产生时间延迟,且不同小波基的选取对诊断结果也有影响。

近年来,将小波变换与模糊集合论、ANN理论相结合,提出的模糊小波和小波网络的故障诊断方法。采用嵌套式结合方式,把小波变换的运算融入到ANN中去,形成小波网络。小波网络是一种连续的非线性映射,它把ANN的自学习特性和小波的局部特性结合起来,具有自适应分辨性和良好的容错性,所以适用于模拟电路故障诊断领域。

3 结束语

综上所述,本文围绕模拟电路的故障诊断方法进行了有益的探索,回顾上世纪70年代以来模拟电路故障诊断的研究成果,例如测前模拟法、测后模拟法、近似法、专家系统等,并介绍了模拟电路故障诊断新的成果,例如神经网络、模糊理论和小波变换等。

摘要：研究了模拟电路故障诊断方法。主要讨论了测前模拟法、测后模拟法、近似技术、专家系统的模拟电路故障诊断方法和神经网络、模糊理论、小波变换的模拟电路故障诊断新方法及原理。

关键词：模拟电路,故障诊断,方法

参考文献

[1]Berkowitz R S.Condition for Network-Element-Value Solvability[J].IRE Trans,Circuits Theory,1962,15(9):25-29.

[2]周玉芬,高锡俊.模拟电路故障诊断[M].北京:国防工业出版社,1989.

[3]杨士元,胡梅,王红.模拟电路软故障诊断的研究[J].微电子学与计算机,2008,25(1):1-8.

[4]赵伟.基于仿真的模拟电路故障诊断技术研究[D].中国知识网,2006.

[5]关惠玲,韩捷.设备故障诊断专家系统原理及实践[M].北京:机械工业出版社,2000.

[6]于淑芳.模拟电路故障诊断方法展析[J].柳州职业技术学院学报,2005,5(1):87-88.

[7]吴金培,肖建华.智能故障诊断与专家系统[M].北京:科学出版社,1997.

[8]Abderrahman A,Cerny E,Kaminska B.Optimization based Muhifrequency Test Generation for Analogcircuits[J].Joumal of electronic test-ing theory andapplication,1996,9(1),59-73.

[9]欧阳宏志,廖湘柏,刘华.模拟电路故障诊断方法综述[J].电子科技,2008,21(12):75-80.

[10]Zhao Z,Gu X.Fault detection based on wavelet neural network[C].Proc of 14th IFAC World Congress,Beijing,1999:145-150.

模拟电路学习方法研究 篇8

关键词：电路,反馈,判断方法

0引言

电路中的反馈应用相当广泛, 放大电路中利用负反馈来改善电路的性能, 振荡电路中正反馈是振荡的必要条件。掌握反馈组态的判断方法既是分析电路功能的基础, 也是提高电路识图能力的需要。电路反馈的判断方法一直是模拟电路的难点之一, 因为反馈电路的组态较多, 结合分立元件、集成运放的各种电路, 变化形式复杂, 需要有很扎实的电路基础知识并要综合应用这些知识进行分析判断。如果不能深刻理解各种电路的特点以及其输入与输出之间的相位关系, 就不容易正确判断正、负反馈;如果不能分辨出电路中的电容是串联在反馈线路中的隔直电容还是与反馈信号并联的旁路电容, 就较难区分反馈的是直流信号、交流信号, 亦或是交直流信号并存;如果不能从反馈信号的取样端看出反馈量取自于输出电压还是输出电流, 就很难确认是电流反馈还是电压反馈;如果不能在反馈信号的叠加端看出反馈信号与输入信号是电流叠加还是电压叠加, 就分不清是并联反馈还是串联反馈。对于职业技术学院的学生, 电子技术的应用能力是学习提高的主要内容, 基本概念必须清晰, 而没有必要对电子理论进行深入而细致的研究, 因此要求教师从学生的知识基础和认知规律出发, 探讨适合学生学习和理解的教学思路, 强调重点, 梳理脉络, 并在总结和归纳方面下工夫, 使学生对重点知识理解快, 印象深, 概念明确, 会应用这些知识来分析问题和解决问题。具体到电路反馈的判断方法, 就是通过各种电路反馈组态的分析和讨论, 提炼出简单而实用的判断步骤, 应用其能够达到快速而准确判断的效果, 从而了解电路的功能和作用。

1关于有无反馈、正负反馈、直流反馈和交流反馈的探讨

分析的思路如下:

课堂教学中, 教师描述概念的准确、简练和生动, 会给学生一个明确而深刻的第一印象;教材上的基本概念用书面语言准确叙述, 且面面俱到, 不易一下子抓住重点, 学生容易泛泛而过, 没有印象。所以提炼概念是教学的基本功, 还要把基本概念串起来, 组成内在联系的知识链, 积累起来形成知识网。比如对于什么是反馈, 可用六个字概括:输出送回输入;有无反馈:看输出端有无连线送回到输入端。一种特殊情况是三极管的发射极电阻具有反馈作用, 虽然没有明显的反馈连线, 但它是输入和输出回路的共用部分, 它把输出信号的变化送回到输入端, 影响着输入信号的变化, 因而具有反馈作用。

正负反馈的判断需要用到瞬时极性法。掌握这个方法的前提是熟悉共发射极、共集电极、共基极电路的特点, 并了解它们的输入与输出相位关系, 例如共射电路的特点是基极输入, 集电极输出, 反相;共集电路是基极输入, 发射极输出, 同相;共基电路的特点是基极通过一个电容交流接地, 发射极输入, 集电极输出, 同相。对于集成运放, 就要掌握同相端输入的信号与输出同相;反相端输入的信号与输出反相。对瞬时极性法的具体应用应先有一个整体观念, 通过先把握知识整体来理解重点部分, 会锻炼和增强学生识别重点的能力, 而能够清楚地区分知识的重要部分与琐碎部分, 是进行有效学习的必要保证。瞬时极性法的实质是假设信号通过放大环节和反馈网络的闭环系统绕一圈, 回来后与原信号的相位做比较, 看看是增强还是削弱原信号。也就是在输入端假设输入信号的极性, 通过放大器得到输出信号的极性, 再经过反馈网络判断回到放大器输入端的反馈信号的极性, 比较其与原假设信号极性的同异。此法判断的难点在于反馈信号送回输入端, 可能回到信号输入端 (如三极管的基极或集成运放ui为正的那端) , 也可能回到信号输入的另一端 (如三极管的发射极或集成运放ui为负的那端) , 如果回到信号输入端, 则反馈信号与原来假设的信号极性相同为正反馈, 相反为负反馈;若反馈回到信号输入的另一端, 则与原设极性相同时为负反馈 (因净输入信号是输入信号与反馈信号之差, 反馈若增加净输入信号反而减少) ;反之为正反馈。

交流反馈与直流反馈判断的关键点是理解电容元件的容抗与信号的频率成反比关系, 电容具有隔直流通交流的作用。电容串接在反馈回路之中时, 隔断了直流信号的反馈, 只反馈交流信号;当反馈的交流信号可以通过旁路的电容C入地时 (如图1) , 在中频研究范围内, 如果旁路电容C足够大, 可以认为电容两端的交流信号基本上等于零, 反馈电压中只有直流成分。交流负反馈改变电路的交流性能, 直流负反馈稳定静态工作点。

2电压反馈和电流反馈、串联反馈和并联反馈的探讨

判断是电压反馈还是电流反馈取决于反馈信号从输出端的取样情况。反馈信号取自于输出电压, 是电压反馈;反馈信号取自于输出电流, 是电流反馈。按照一般教材所说的方法, 将电路的输出端短路, 若反馈信号存在, 是电流反馈;若反馈信号不存在, 是电压反馈。但具体实施时学生普遍反映比较抽象, 不好掌握。采用利用反馈取样起点的位置所在来判断的方法比较实用, 即若反馈连线的取样起点位于放大管或者集成运放的输出端还未与负载连接之处, (按输出信号的流向) 称为取自负载的前端, 反馈量与输出电压成正比, 是电压反馈;若反馈连线的取样起点位于放大管或者集成运放已与负载连接之后的地方, 称为取自负载的后端, 反馈量与输出电流成正比, 是电流反馈。如图2中的左图, 反馈取自于负载的前端, 是电压反馈;图2中的右图, 反馈取自于负载的后端, 是电流反馈。这种方法从纯粹的电路结构入手, 而不牵涉判断反馈信号是否存在的问题, 学生非常容易理解。学习了这种方法后, 再按照教材中的方法, 把输出端短路, 看反馈信号是否存在, 将两种方法作对比, 可以使学生对反馈的取样问题有一个更深层次的理解。

判断是串联反馈还是并联反馈取决于反馈信号在输入端的叠加情况。反馈信号若与输入信号串联, 即反馈电压信号与输入信号电压叠加, 是串联反馈;反馈信号与输入信号并联, 即反馈信号电流与输入信号电流叠加, 是并联反馈。纯粹从反馈信号与输入信号是串联还是并联的方面来分析, 会涉及到电路串联、并联时总电压、电流与分电压、电流之间的关系, 容易弄混, 对于电路分析知识不够扎实的学生有判断方法很复杂的感觉, 如何简单而明了地判断呢?采取的办法仍是将电路原理的分析转变为电路结构的判断, 即看反馈连线的终点在输入端的叠加, 是加在信号输入的一端 (如三极管的基极或集成运放ui为正的那端) , 还是加在信号输入的另一端 (如三极管的发射极或集成运放ui为负的那端) 若反馈信号回到信号输入的那端, 如图3中的右图, 是电流量进行叠加, 属于并联反馈;若反馈信号回到信号输入的另一端, 如图3中的左图, 是电压量进行叠加, 属于串联反馈。利用这种方法只要明确反馈连线回到输入端的终点在三极管的哪个级或在集成运放的哪个端, 就能准确地判断出是串联反馈还是并联反馈。

通过举例分析, 从各种形态的反馈电路中总结出本质的东西:反馈在输出端的取样方式和回到输入端的叠加方式, 也就是反馈连线的起点和终点的位置决定了反馈的组态。取样的反馈信号在负载的前端还是后端决定了是电压反馈还是电流反馈;叠加的反馈信号回到信号输入端还是信号输入的另一端, 决定了是并联反馈还是串联反馈。

3振荡电路中正反馈判断时难点问题的探讨

振荡电路是产生信号的电路, 正确引入正反馈是振荡电路的核心。振荡电路的正反馈判断会涉及到变压器、选频网络的相位等问题, 也是学生反映的学习难点。振荡电路没有外加输入信号, 因此, 在应用瞬时极性法前先要判断电路的输入和输出端。对于分立元件的电路, 要首先确定是哪种电路组态, 其中共集电路的电压放大倍数A≤1, 而反馈取自于输出信号的全部或者部分, 即反馈系数F≤1, 故共集电路不能满足振荡的幅值平衡条件AF=1, 所以共集电路不能单独作为振荡电路。确定了电路组态, 假设断开输入端, 应用瞬时极性法判断电路是否具有正反馈。

LC振荡电路中变压器反馈式和电容、电感三点式电路的正反馈判断, 遇到的难点是当反馈取样于电感线圈的中心抽头或者两个串联电容的中间端点时, 如何确定反馈引回信号的极性?因为中间端点可以有相对于两端的两种极性, 取哪一种的关键是看它相对于地点的电位, 如图4中的电路, 是共基电路, 发射极输入, 集电极输出, 同相, 由变压器的初级耦合到变压器的次级, 中心抽头相对于下端是正, 相对于上端是负, 由于下端接地, 反馈的电压正是中心抽头到地的电压, 故相对于地而言取正极性送回到输入端为正反馈。

电路反馈的判断需要一环扣一环地进行推理和分析。常见的问题是由于反馈中基本概念较多并且涉及电路广泛, 若不及时总结和归纳, 学生学过以后容易问题成堆或者提不出问题, 感觉知识凌乱, 不能形成清晰的知识链。因此教师需要下功夫备课, 仔细考虑从哪儿开讲, 如何转折, 如何小结, 理出一条清晰的脉络, 同时要通过生动的语言、形象的比喻、有效的提问等紧紧抓住学生的心理, 使其跟随教师的思路积极思考, 形成明确的概念, 体会解决问题的方法怎样就能够归纳为循序渐进的具体步骤, 提高分析、综合和解决问题的能力。学习电路反馈判断方法的过程, 也是引导学生参与有效学习的过程, 通过概念的明确和知识的贯通, 促进学生对电子技术持续而深入的探讨, 是我们学习的目的。

参考文献

[1]薛文, 王丕兰.电子技术基础 (模拟部分) [M].北京:高等教育出版社, 2001.

[2]张树江, 王成安.模拟电子技术[M].大连理工大学出版社, 2007.

电路测试中干扰信号检测方法研究 篇9

关键词：电路测试 干扰信号 检测

中图分类号：TN912 文献标识码：A 文章编号：1674-098X（2016）02（b）-0028-02

在电路测试中，电流，电压等信号能够准确反映电路的运行情况，这些信号包含了进行电路故障诊断的重要信息，进行准确故障诊断的前提是获得没有干扰信号的测试信号[1]。但是在实际的电路测试中，测得的信号中往往包含大量的干扰信号，这些干扰信号主要来源于系统内的干扰信号和系统外的干扰信号，干扰信号的存在会对电路故障的诊断带来严重干扰，因此，如何对电路测试中干扰信号进行准确检测，已经成为当前电路测试领域中一个研究热点[2]。为了提高电路测试中干扰信号检测的准确性，提出一种基于谐波小波-支持向量机的电路测试中干扰信号测试方法。

1 利用谐波小波对检测信号进行分离

谐波小波函数的本质是一个带通滤波器，它在频域内的结构形式为盒型形式，在时域内的结构形式为复数函数的小波函数。谐波小波函数频域的表达式为：，由谐波小波函数的表达式可知，谐

波小波函数的频域有着典型的盒型结构，因此，利用该公式能够得到电路测试中在窄带内的微弱故障信号。利用Fourier方法对谐波小波函数进行逆变换，能够得到谐波小波函数的时域表达式：

。利用谐波小波函数的时域表达式能够对检测信号进行多辨析分析，从而实现检测信号中干扰信号与微弱故障信号的准确分离。

由于基于FFT快速算法，因此可以利用数学运算的方式就可以实现电路测试中干扰信号与微弱故障信号的快速分离，具有运算简单、分离精度高等特点。

2 利用支持向量机对干扰信号进行准确检测

2.1 构建谐波小波-支持向量机核函数

支持向量机（简称SVM）是一种监督式的学习方法，主要用于分类识别与回归分析。支持向量机的重要特征是逼近理论问题与学习方法相对独立。在支持向量机中，核函数是重要的构成部分，它对支持向量机的分类方面起到关键的作用，要选择合适的核函数，就必须首选考虑需要解决的问题的先验知识。在电路测试中干扰信号的检测中，核函数能够准确反映干扰信号分类识别的先验知识，对干扰信号的分类识别具有重要的优化作用。相关研究表明，支持向量机的核函数满足的条件是必须满足Mercer条件。Mercer条件又被成为平移不变核条件，它是成为支持向量机核函数的充分必要条件，即：Fourier变换为非负。利用谐波小波构建支持向量机核函数的具体方法如下所述。

设置电路测试中测试信号的小波函数为，尺度因子为，平移因子为，令，则符合Mercer条件内积核形式的谐波小波核函数的表达形式为，符合平移不变核函数的谐波小波核函数的表达形式为。上述两种核函数都可以作为用于干扰信号分类识别的支持向量机的核函数。

根据上面阐述的方法，能够构建谐波小波-支持向量机核函数，从而为干扰信号的分类检测提供了准确的依据。

2.2 电路测试中干扰信号的准确检测

在电路测试中干扰信号的检测中，若得到的干扰信号的样本集为，，，假设在m个尺度上m的个谐波小波支持向量机对干扰信号进行检测，由支持向量机的有关原理能够得到谐波小波核函数支持向量机在尺度对干扰信号的样本进行检测的数学模型，其表达形式为，而在尺度上对干扰信号样本分量进行检测的模型的表达形式为，以此类推，在尺度对干扰信号样本分量的检测模型的表达形式为，其中，分别为尺度上核函数生成的干扰信号分量特征的映射，即。最后得到的谐波小波核函数的支持向量机的检测模型为，其中。

在支持向量机中，代价函数-为不敏感函数，由于支持向量机的检测模型能够推导出干扰信号分类识别的优化问题：，该优化问题的约束条件为：

≤

≥

其中，C是惩罚因子；，，，，为松弛因子；，分别为尺度上的不敏感函数的参数。

由干扰信号分类识别的目标函数约束条件构建Lagrange函数，对该函数分别利用进行求导，并令其为零，能够得到干扰信号检测优化问题的对偶形式：，该式需要满足的约束条件为：，并且，，其中，为Lagrange乘子。

这样，就能得到个尺度上干扰信号的检测模型，其中，的计算公式为。

根据上面阐述的方法，得到的基于谐波小波核函数支持向量机的干扰信号检测的具体过程如下所述：（1）选择合适的干扰信号分解的尺度数目m；（2）求解相关系数；（3）建立支持向量检测模型；（3）获得准确的干扰信号识别分类的结果。

3 仿真实验结果分析

为了验证该文方法的有效性，利用仿真软件matlab7.4进行了仿真实验。利用传统方法进行了对比实验。在电路测试中故障信号的检测中，用幅值A=0.05，频率f=0.01 Hz，占空比的周期信号模拟电路测试中的干扰信号。相同干扰信号的情况下，得到的仿真结果为：相对于传统方法，利用该文方法得到的故障信号的信噪比平均提升了3.5 dB，早期故障检测的准确率提高了13%，达到了96.3%，实验结果表明了该文方法具有明显的优越性。

4 结语

针对传统方法存在的缺陷，提出一种基于谐波小波-支持向量机的电路测试中干扰信号测试方法。根据早期电路故障信号频率分布的特点，利用小波滤波器将检测信号在不同尺度上分解成不同的分量，实现故障信号与干扰信号的有效分离；利用支持向量机对分离出来的干扰信号进行自动分类与识别，最终实现了电路测试中干扰信号的准确检测。

参考文献

[1]赵清.数字电路中非正常跳变信号的检测方法研究[J].科技通报，2015（9）：224-227.

模拟电路学习方法研究 篇10

近年来, 我国的光伏发电产业不断发展, 并逐步进入实用阶段, 人们对光伏发电技术的研究也不断深入, 取得了众多成果。其中光伏系统常规的单峰值最大功率点跟踪 (MPPT) 控制技术已经较成熟, 如扰动观察法、导量增加法和模糊控制法等, 都已经能取得较为满意的控制效果[1,2,3]。但当遇到局部遮荫或者不同特性的光伏组件组合等情况时, 光伏阵列的输出功率会出现多峰值的现象[4,5], 可能导致常规的MPPT方法陷入局部峰值点, 而非全局最大功率点, 所以多峰值情况下的MPPT方法也备受关注。

研究人员已经在多峰值的MPPT方法上做了不少研究。M.Miyatake等人提出了Fibonacci搜索法[6,7], 当其用于多峰值的MPPT控制时, 通过变化搜索范围能准确地找到全局最优点, 但其搜索速度较慢, 不具有很大的实用性。T.Noguchi提出了短路电流脉冲法[8], 利用光伏阵列的短路电流和最大功率点输出电流的比例关系来确定最大功率点, 易于实现, 具有实用性, 但对后级电路影响大, 功率曲线扫描时间长。K.Kobayashi等人提出了两阶段控制法[9], 通过开路电压和短路电流来近似得到等效负载线, 第1阶段找到等效负载线上最大功率点的邻域, 第2阶段向最大功率点靠近, 方法简单, 控制灵活, 但需要在线测量开路电压和短路电流。其他控制算法的应用在拓扑或复杂度上也受到了很大的限制[10,11,12,13]。

本文在分析光伏阵列的多峰值特性和动态特性的基础上, 提出一种基于模拟定位电路的多峰值MPPT方法, 先利用模拟电路的高速度在很短的时间内完成最大功率点的定位, 再选择相应的控制算法迅速向最大功率点靠近和保持稳定。与传统的功率曲线扫描的方法相比, 该方法并不需要使用高速的AD转换电路, 对后级控制电路的扰动很小, 并且对整个系统的工作效率的影响也非常小。仿真和实验的研究结果表明这种方法实现简单, 稳定可靠。

1 光伏阵列的多峰值特性和动态特性

1.1 多峰值特性

光伏电池是一种能够吸收太阳光并将其转换为电能输出的半导体装置, 一般情况下单个光伏电池元的静态等效电路如图1所示。

相应的静态输出特性可以用式 (1) 表示:

其中, Iph是光生电流;Id是反向饱和电流;q是电子电荷;A是二极管品质因子;K是波尔兹曼常数;T是光伏电池的绝对温度;U是输出电压;Rs是光伏电池的串联电阻;I是输出电流;Rp是光伏电池的并联电阻[14,15]。

光伏电池的输出特性会受到温度和光照的影响, 在不同的光照强度和环境温度下, 光伏电池的输出特性是有差异的。当光伏电池通过串联和并联的方式构成光伏阵列, 若其中部分电池被云、建筑物等阴影遮挡时, 会使其光照和温度与其他部分出现不一致, 输出特性也会不一样[16], 从而导致整个光伏阵列的I-U曲线呈现多阶梯状, 如图2 (a) 所示, 其P-U曲线上也会出现多个峰值, 即有局部极值点, 如图2 (b) 所示。

1.2 动态特性

当光伏阵列的输出突然变化时, 需要考虑光伏阵列的动态输出特性, 特别是其电容效应。光伏电池简单的动态等效电路如图3所示[17]。

这种动态等效电路与一般的静态等效电路的区别就在于多了一个并联等效电容Cp, 相应地其动态输出特性可以用式 (2) 表示:

光伏阵列的动态等效电路的时间常数也可以用式 (3) 表示:

只要测量光伏阵列特性曲线所用的时间大于其时间常数, 考虑动态特性时测量得到的光伏阵列的输出特性就基本是正确的[17]。

2 模拟定位电路的设计

利用光伏电池的动态特性, 可以设计一种高速的模拟定位电路, 以基于Buck电路的光伏系统为例, 其结构如图4所示。图中, Z为线路等效阻抗。

主电路中的C1为测量辅助电容, S1和S2为测量控制开关, 它们为其中的模拟定位电路提供全范围输出扫描。电容C2及以后的部分为Buck电路。

用于最大功率点定位的模拟定位电路主要由4个部分组成, 如图5所示, 它们分别是模拟乘法电路、峰值保持电路、比较触发电路和采样保持电路。

模拟定位电路具体的工作原理如下:先将开关S2断开, 此时光伏电池与后级电路及负载脱离, Buck变换器利用电容C2中存储的能量向负载供电。同时将开关S1导通, 此时主电路的工作方式如图6 (a) 所示, 电容C1和光伏电池被短路, 电容C1放电, 光伏电池的输出电压由原来的工作电压瞬间降为零。再立即断开开关S1, 开关S2仍然为断开状态, 此时主电路的工作方式如图6 (b) 所示, 光伏电池开始向C1充电, 光伏电池的输出电压上升到开路电压值, 即光伏电池的输出被全程扫描一遍, 扫描的时间由电容C1的大小决定, 电容C1越小, 扫描的时间越短, 可以控制在数十微秒到数百微秒。在这个快速扫描过程中, 光伏电池的输出电流和电压值被采样电路送到模拟定位电路, 模拟乘法电路将相乘得到的功率值送给峰值保持电路和比较触发电路, 比较触发电路再将实时功率值与峰值保持电路保持的之前的最大功率值进行比较, 在更大功率值出现后, 峰值保持电路更新保持值, 比较触发电路则输出一个触发信号给采样保持电路, 采样保持电路就会保存相应时间的光伏电池输出电压值, 直到没有更大的功率值出现, 最终控制器可以通过AD转换电路读取全局最大功率点的电压值。当模拟定位电路工作完成, 控制器将开关S2导通, 并开始主电路的调节, 此时主电路的工作方式如图6 (c) 所示, 其中Z0为开关S2和线路中等效电阻和等效电感的和, 能起到一定的限流作用, 也可以考虑串入一个小电感。

由于每次只需要在模拟定位电路工作完成后进行一次AD转换, 获取最大功率点的光伏电池的输出电压值, 而在定位过程中不需要转换, 所以其转换频率不会高于常规MPPT的控制频率 (几赫兹到几百赫兹) , 整个系统也就不需要高速的AD转换电路了。

在只有模拟定位电路工作时, 即开关S2断开时, 光伏电池没有给负载端供电, 但每次模拟定位电路工作的时间很短, 如100μs, 加上工作的频率很低, 如100 ms工作一次, 使得最终光伏电池脱离负载的时间比例可以小到0.1% (100μs/100 ms) , 所以对整个系统的工作效率的影响会非常小。

在开关S2断开的短暂时间内, 电容C2会向负载供电, 当开关S2导通时, 被充电至光伏电池开路电压的电容C1中的部分能量会向电容C2中转移, 但由于一般电容C2会比电容C1大得多, 开关S2的导通也不会造成电容C2上电压大的波动, 即对后级电路的扰动会很小。

3 多峰值MPPT的控制方法

当模拟定位电路完成定位, 给出全局最大功率点对应的光伏电池输出电压值后, 控制器就根据定位结果来设定参考值进行MPPT的调节。

基本的一次多峰值MPPT调节过程如下:先关断开关S2, 导通开关S1, 再断开开关S1后, 等待C1充电结束, 控制器读取定位电路输出, 导通开关S2, 最后采用常规算法控制开关S3迅速调节, 使光伏电池输出为模拟定位电路输出值, 控制其稳定在最大功率点附近, 直到下一次多峰值MPPT调节。

在考虑模拟定位电路等的误差时, 认为测量得到的值在最大功率点的一个小邻域内, 可以采用传统的MPPT控制方法, 如扰动观察法, 在邻域中找到最终的最大功率点, 并维持在其附近。此时由于已经在最大功率点的附近了, 扰动观察法的扰动步长可以选择得足够小, 以减少振动及损耗。

常见的多峰值MPPT的扫描控制方式一般有2种:一种是定周期地大范围扫描;另一种是当输出功率发生较大变化时, 认为环境变化, 才进行大范围扫描。前一种适用于外界环境变化缓慢的情况, 不需要频繁动作, 但不能立即对环境的变化做出反应;后一种适用于外界环境变化较剧烈时, 可以很快对环境的变化做出反应, 但可能时常动作。考虑到模拟定位电路可以频繁地动作, 而且对后级控制电路的影响很小, 这里推荐采用第2种扫描控制方式, 只要环境发生一定变化就立即扫描。

综上所述, 可以采用如图7所示的多峰值MPPT控制方式。

当检测到前后输出功率的变化值超过一定值, 开始控制开关S1和开关S2, 进行最大功率点的定位, 接着Buck电路快速将光伏电池的输出调整到最大功率点附近, 再用常规的MPPT方法在小范围内追踪和维持最大功率输出, 并继续监测实时输出功率的变化情况。

整个多峰值MPPT的控制中, 对模拟定位电路的控制只是简单的规律动作2个开关管, 输出调节也是常规的控制算法, 因此几乎不会增加整体软件的复杂度。

4 仿真与实验分析

4.1 MATLAB仿真

在MATLAB下进行仿真, 来说明这种方法的可行性, 并进一步说明工作原理。多峰值的仿真结果如图8所示。图中, 从上至下分别为开关S1的控制信号VS1、开关S2的反向控制信号VS2、光伏电池的输出功率P、光伏电池的输出电压U和模拟定位电路的输出信号Uout。

可见, 在开关S2断开状态下, 当开关S1导通时, 光伏电池输出电压立即降到零, 开关S1再断开后, 光伏电池的输出电压逐渐升到开路电压Umax, 而模拟定位电路都能够在电容充电的过程中找到全局最大功率点Pmax, 并保留对应的光伏电池输出电压值Upmax。

4.2 实验平台试验

本文提出的方法在一个为蓄电池充电的光伏实验平台上得到验证, 其中主电路中与光伏电池直接并联的辅助测量电容C1为47μF, 在Buck电路前面的功率解耦电容C2为1 000μF。控制器采用TI公司的32位定点型DSP, 型号为TMS320F2812。所采用的光伏阵列为2块光伏电池板串联构成, 总功率为150 W, 并且2块电池板运行多年, 有着特性差异, 适合本研究。

实验时环境温度为26℃, 通过用黑布部分遮挡部分光伏电池板的光照来模拟部分遮荫, 实现其输出特性的多峰值现象。

由于模拟定位电路的工作时间很短, 需要考虑光伏电池的动态输出特性, 这里先取不同大小的测量辅助电容C1来测试实验光伏电池板实际的动态输出特性。当电容值分别取3300μF、220μF、100μF和47μF时, 在部分遮荫条件下采用录波仪DL750测量计算的实验结果如图9所示, 其中3 300μF时与静态特性基本一致。

可见在部分遮荫情况下, 不同电容负载时光伏电池的输出特性曲线形状保持一致, 只是幅值不一样, 但基本是等比例变化的, 即最大功率点对应的电压值是一样的。其中电容越大, 幅值越大, 这是因为考虑到光伏电池的输出电容时, 负载电容越大, 分流时流过的电流越大。

实验得到模拟定位电路的输出工作波形如图10所示, 曲线P为其中模拟乘法器的输出, 等效光伏电池板的输出功率, 曲线U为模拟定位电路的定位电压输出。

图10中上图显示在t1时刻模拟定位电路工作一次后, 得到全局最大功率点对应的电压值Upmax, 随后在t2时刻停止模拟定位电路, 输出等效的光伏电池开路电压Umax。由图9可知光伏电池板的开路电压约为39 V, 最大功率点对应的电压值约为13 V, 即最大输出电压的近1/3, 而图10中上半部分的实验结果得到的Upmax也确实为Umax的近1/3, 这说明定位结果是正确和可靠的。图10中下图是上图矩形框部分的放大图, 显示了模拟定位电路工作时的细节, 可以明显看到, 与仿真结果相一致, 模拟定位电路的输出在工作时会找到并保持在全局最大功率点Pmax对应的电压值Upmax处。

当全局最大功率点被找到后, Buck电路就能迅速调节光伏电池输出, 并采用小步长的扰动观察法保持稳定, 具体调节情况与主电路及其负载特性都相关。

5 结论