基于GPIB/VXI/IEEE1394總線的板級電路功能測試和故障診斷自動化測試系統(tǒng)

隨著現(xiàn)代科學技術的發(fā)展，測試技術對電子裝備發(fā)展的支撐作用越來越突出，測試保障裝備建設已受到前所未有的重視。為保證實際應用時集成度越來越高的電子設備能有效、可靠的工作，得出較精確的數(shù)據(jù)，就需要一種高效率的測試設備來滿足不同電子設備的性能測試和故障診斷。因此，構建了由GPIB、VXI、IEEE1394三總線構成的用于飯極電路的功能測試和故障診斷的多總線自動化測試系統(tǒng)。該系統(tǒng)具有通用性、易操作等優(yōu)點，降低了測試成本，在提高故障診斷效率的同時使電路的自動測試更加簡便。并采用基于遺傳算法的支持向量機做分類器，對系統(tǒng)測試得到的數(shù)據(jù)樣本進行診斷，提高了故障診斷的正確性。

1 多總線自動化測試系統(tǒng)

該多總線自動化測試系統(tǒng)主要有測試機箱、主控計算機及數(shù)?；旌辖涌谶m配器三大部分組成，其中測試機箱包括了程控電源與VXI總線機箱兩部分，整體系統(tǒng)結構如圖1所示。

測試機箱的核心部分——VXI總線機箱。VXI總線技術經(jīng)多年的發(fā)展已實現(xiàn)標準化、模塊化和系統(tǒng)化，具有標準開放、數(shù)據(jù)喬吐能力強、可靠性高、定時和同步準確以及模塊可重復利用等優(yōu)點。VXI總線機箱由雙通道50 MHz任意波形發(fā)生器、6．5位數(shù)字多用表、2通道示波器、64通道時序數(shù)字I／O、4通道A／D、4通道D／A、32通道繼電器開關、8×32矩陣開關等模塊化儀器構成。VXI模塊化儀器體積小，節(jié)約空間，方便運輸。VXI的這些性能優(yōu)點有力的保障了測試與診斷過程的高正確率與高運行速率。主控計算機通過具有高速傳輸優(yōu)勢的1394總線與VXI總線機箱內的零槽控制器進行通信、用于整個自動測試系統(tǒng)的全局監(jiān)控。

測試人員通過主控計算機，可有效的控制測試機箱，進而完成測試。主控計算機的主要構成部分有人機接口用戶界面、數(shù)字信號發(fā)生模塊、測試儀器模塊、數(shù)據(jù)處理模塊、故障字典數(shù)據(jù)庫、功能檢測流程、故障診斷流程及其他控制模塊。各功能模塊的有機結合可幫組測試人員有效的完成測試工作。

主控計算機經(jīng)GPIB總線與程控電源相連，程控電源包含了雙路直流程控源和一路交流程控源。GPIB總線技術的應用已比較成熟，大量的測試儀器都帶有GPIB接口。通過GPIB接口，可以將若干臺基本儀器和計算機儀器搭成積木式的測試系統(tǒng)，在計算機的控制下完成復雜的測量。該測試系統(tǒng)采用的是并行的連接方式，使計算機可同時控制3路程控電源，滿足電路測試中的各種電壓需求。
數(shù)?；旌辖涌谶m配器與測試機箱相連，測試機箱給適配器提供相應的電源信號與測試激勵信號。適配器通過適配板與被測板相互通信，并將測試所得的數(shù)據(jù)反饋給測試機箱，由測試機箱將數(shù)據(jù)上傳至主控計算機。在測試進行過程中可用數(shù)?；旌辖涌谶m配器配套的數(shù)字探筆和模擬探筆對被測板的重要中間點進行測試，結構如圖2所示。這樣的結構設計更方便測試的執(zhí)行。

適配器與被測板中間加入的適配板能有效的保護被測板，防止測試過程中由于人為操作的失誤或是測試程序錯誤及測試儀器故障引起的瞬時電壓或電流過大，而導致的被測板損壞或對測試人員的危害。同時適配板可對被測板測試所需的電源信號與測試激勵信號進行相應的穩(wěn)壓與濾波等輔助操作，提高了測試信號的質量與測試數(shù)據(jù)的可靠性，進而提高了故障診斷的正確性。

2 基于遺傳算法的支持向量機分類器

支持向量機(SVM)就是先通過用內積函數(shù)定義的非線性變換將輸入空間變換到一個高維空間，再在這個空間中求最優(yōu)分類面。它的主要思想就是建立一個超平面作為決策面，該決策面不但能夠將所有訓練樣本正確分類，而且使訓練樣本中離分類面最近的點到分類面的距離最大。

遺傳算法(GA)是一種借鑒生物界自然選擇和自然遺傳機制而形成的全局尋優(yōu)算法。先產(chǎn)生初始種群，通過選擇、交叉和變異操作，產(chǎn)生一群更適合環(huán)境的個體，經(jīng)過一代又一代的進化，使種群最后收斂到一群最適合環(huán)境的個體，求得問題的最優(yōu)解。

把遺傳算法應用于SVM的基本方法如下：

1)輸入樣本數(shù)據(jù)集，分配好訓練樣本與診斷樣本，并將樣本數(shù)據(jù)歸一化。

2)參數(shù)初始化。即初始化一些基本參數(shù)，有GA算法中的最大進化代數(shù)、種群最大數(shù)量、交叉與變異概率及SVM中的懲罰參數(shù)C與核函數(shù)中參數(shù)的變化范圍、交叉驗證的次數(shù)。

3)對要優(yōu)化的參數(shù)C與進行二進制編碼，并按其分布均勻抽取一些個體組成一個初始種群。均勻抽取而成的初始種群比隨機抽取的可獲得的信息量更大，對算法更有優(yōu)勢。

4)將SVM的故障分類正確率設定為個體適應度，分類正確率越高則個體適應度越大。按照個體適應值的大小，從種群中選出適應值較大的個體進入下一代。

5)進行交叉和變異操作，形成新一代的種群。

6)當平均適應度值變化持續(xù)小于某一常數(shù)并超過一定代數(shù)時，得到具有最大適應的個體作為最優(yōu)解輸出，并將得到的最優(yōu)解譯碼行得到優(yōu)化的參數(shù)。否則反復執(zhí)行3～5步。

7)把前一步得到的優(yōu)化參數(shù)作為SVM分類器主要參數(shù)C與的采用值，進行樣本訓練與故障分類。
融合了遺傳算法的SVM既保留了SVM算法的優(yōu)勢，又并入了遺傳算法的優(yōu)點。從分布均勻的多個點構成的群體開始搜索，在尋求最優(yōu)解的過程中只需由目標函數(shù)值轉換得到的適應值，而不需其它輔助信息，使算法更加簡單且不易陷入局部最優(yōu)解的困境中。并避開了原SVM算法中參數(shù)C選值困難的劣勢，提高了分類器的分類正確率。