CN101201386A - 一种模拟集成电路参数型故障的定位方法 - Google Patents
一种模拟集成电路参数型故障的定位方法 Download PDFInfo
- Publication number
- CN101201386A CN101201386A CNA200710050969XA CN200710050969A CN101201386A CN 101201386 A CN101201386 A CN 101201386A CN A200710050969X A CNA200710050969X A CN A200710050969XA CN 200710050969 A CN200710050969 A CN 200710050969A CN 101201386 A CN101201386 A CN 101201386A
- Authority
- CN
- China
- Prior art keywords
- fault
- sequence
- subband
- obtains
- function sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Tests Of Electronic Circuits (AREA)
Abstract
本发明公开了一种模拟集成电路参数型故障的定位方法。本发明对被测模拟集成电路响应进行子带滤波后,计算故障子带滤波序列在故障分辨率最高的子带中,与对应无故障子带序列的相干函数序列,对相干函数序列进行相关分析,得到相干函数序列的自相关函数序列,以所述相干函数序列的自相关函数序列的定积分值作为故障的数字特征,实现故障定位。与现有技术相比,本发明能实现模拟集成电路参数型故障定位,满足高故障诊断精度、高故障分辨率和高故障覆盖率,能够实现多参数型故障定位,且通过差异明显的数字化故障特征,易于实现故障诊断自动化。
Description
技术领域
本发明属于集成电路故障诊断领域,特别涉及一种模拟集成电路参数型故障的定位方法。
背景技术
模拟集成电路可由于各种原因造成元件参数偏离(漂移)其标称值,参数偏离可引起电路性能下降,如果参数偏离超出容差范围,便成为模拟集成电路的参数型故障,这时电路的拓扑结构虽未改变,但会造成电路性能严重下降甚至失效。
目前,国内外在模拟集成电路参数型故障诊断方面的相关研究十分活跃。典型的故障诊断方法有基于电路传输函数系数的参数型故障检测方法,基于子带滤波的测试方法。前者是从正常电路的数学描述和电路元件的容差规范出发,预先确定出电路传输函数系数的“容差盒(tolerance box)”,随后利用实测的电路输入、输出信息,借助***辩识的方法提取被测电路的传输函数,如果提取的传输函数中的一个或多个系数落到其“容差盒”之外,便可宣告电路中存在故障;但是这种方法只能检测出电路中是否存在参数型故障,而不能实现故障定位,也不易实现测试自动化。后者是将电路的故障效应置入特定的子带中观察,可显著提高故障的分辨率,对检测参数型故障比较有效;但是在检测出电路有故障后,若需进一步区分出故障由哪一个元件参数引起,这种方法就存在局限。
其他的模拟集成电路参数型故障诊断方法主要有:基于测试节点优选的方法,基于多频灵敏度分析的K故障诊断方法,短路导纳参数法,最小二乘小波支持向量机方法,基于聚类预处理和支持向量机的方法,基于kemel特征提取器的方法,新故障字典方法,基于计算最大Lyapunov指数的方法,模块级软故障特征提取方法,改进故障类重叠方法,模糊软故障字典法,基于联合时频分析的方法,基于特征空间映射的方法,基于统计理论加速测试的方法,基于供电电流小波分析的方法,基于全局灵敏度计算的方法,等等。这些方法对于模拟集成电路的故障定位,特别是对于多参数型故障定位的效率不高,且存在不易实现诊断自动化的缺陷。
发明内容
本发明的目的就是针对现有技术的不足,提供一种既能实现模拟集成电路参数型故障定位,满足高故障诊断精度、高故障分辨率和高故障覆盖率,又能实现故障诊断自动化的模拟集成电路参数型故障定位方法。
为实现上述目的,本发明的技术方案如下:
一种模拟集成电路参数型故障的定位方法,其步骤如下:
(1)激励源作用于被测无故障的模拟集成电路,为被测无故障模拟集成电路提供测试激励信号;被测无故障模拟集成电路的响应经模数转换,成为无故障数字信号;对所述无故障数字信号进行子带滤波,得到无故障子带序列。
(2)激励源作用于已知故障的模拟集成电路,为已知故障的模拟集成电路提供测试激励信号;已知故障的模拟集成电路的响应经模数转换,成为故障数字信号;对所述故障数字信号进行子带滤波,得到故障子带序列。
(3)对步骤(2)中得到的故障子带序列和步骤(1)中得到的无故障子带序列进行相关分析,计算每一个子带中的故障子带序列和无故障子带序列的相关系数,选取相关系数最小的子带进行随后的故障诊断,即在该子带中故障分辨率最高;也可选取其他具有高故障分辨率的子带进行故障诊断,如相关系数第2小的子带等。
(4)计算在由步骤(3)确定的相关系数最小的子带中,无故障子带序列与故障子带序列在频域中的相干函数序列。
(5)将时域中的相关分析方法引入频域,对步骤(4)中计算出的相干函数序列进行相关分析,得到相干函数序列的自相关函数序列。
(6)以步骤(5)中得到的相干函数序列的自相关函数序列的定积分值,作为步骤(2)中的模拟集成电路的已知故障的数字特征。
(7)激励源作用于未知故障的被测模拟集成电路,为被测模拟集成电路提供测试激励信号。
(8)所述被测模拟集成电路的实测响应经模数转换,成为数字信号。
(9)对所述数字信号进行子带滤波,得到子带滤波序列,选取由步骤(3)确定的相关系数最小的子带进行故障诊断计算。
(10)在所述进行故障诊断的子带中,计算步骤(9)中得到的子带滤波序列和步骤(1)中得到的对应无故障子带序列的相关系数。
(11)在所述进行故障诊断的子带中,计算步骤(9)中得到的子带滤波序列和步骤(1)中得到的对应无故障子带序列在频域中的相干函数序列。
(12)将时域中的相关分析方法引入频域,对步骤(11)中计算出的相干函数序列进行相关分析,得到相干函数序列的自相关函数序列。
(13)以步骤(12)中得到的相干函数序列的自相关函数序列的定积分值,作为被测模拟集成电路的未知故障的数字特征。
(14)将步骤(13)中得到的未知故障的数字特征,与步骤(6)中得到的已知故障的数字特征进行对比,完成故障定位。
(15)故障定位时,可以参考步骤(10)中得到的相关系数,以得到准确定位。
其中,步骤(1)中得到的无故障子带序列是通过理论计算或实测得到的。步骤(2)中得到的故障子带序列是通过理论计算或实测得到的。所述测试激励信号为正弦波信号。为了提高故障分辨率,本发明对某一故障下测试响应的观察通过子带滤波进行,可以利用小波滤波器组进行子带滤波。所述小波滤波器组可以是金字塔结构的Haar小波滤波器组,通过2通道滤波器组级联,实现8子带滤波。
本发明基于现代数字信号处理技术,将时域中的相关分析方法应用到频域中的相干函数序列,通过获得频域相干函数序列的自相关函数序列,不仅可以提取出模拟集成电路参数型故障的数字特征,而且可以对多参数型故障实现定位,进而提高参数型故障的覆盖率。所述频域中的相干函数序列可以用频域中的无故障信号频谱与故障信号频谱的互相关函数序列代替,以互相关函数序列的自相关函数序列的定积分值,实现对模拟集成电路参数型故障的定位。所述频域中的相干函数序列也可以用频域中的无故障信号功率谱与故障信号功率谱的互相关函数序列代替,以互相关函数序列的自相关函数序列的定积分值,实现对模拟集成电路参数型故障的定位。
其中,频域中的相干函数序列和时域中的相关分析方法分别表示如下:
由维纳-辛钦公式,对平稳信号x(n)的自相关函数序列rx(m)施加以下运算,就成为功率谱Px(f),
对两平稳序列x(n)、y(n)的互相关函数序列rxy(m)施加以下运算,可得到互功率谱Pxy(f),
计算频域中的相干函数序列即:
相干函数序列Cxy(f)取值在0-1之间,它反映了两序列功率谱之间相关的关系。
对因果能量序列x[n]和y[n],x[n]的自相关函数序列rxx[l],x[n]和y[n]的互相关函数序列rxy[l],x[n]和y[n]的相关系数ρXY分别为:
相关系数ρXY表征了两序列之间的关联程度,其绝对值在0和1之间。当ρXY=0时,序列x[n]和y[n]不相关;ρXY=1时,序列x[n]和y[n]完全相同。除此外,ρXY取值越接近1,说明序列x[n]和y[n]的关联性越强;ρXY取值越接近0,说明序列x[n]和y[n]的相关性越弱。本发明用相关系数来定量描述某一故障下的输出和正常输出间的差异。
与现有技术相比,本发明的有益效果是:借助现代数字信号处理理论,能实现模拟集成电路参数型故障定位,满足高故障诊断精度、高故障分辨率和高故障覆盖率,能够实现多参数型故障定位,且通过差异明显的数字化故障特征,易于实现故障诊断自动化。
附图说明
图1是模拟集成电路参数型故障定位方法的工作流程图。
图2是8通道的金字塔型小波分解结构图。
图3是状态变量滤波器的电路图。
图4是实施例1中第8子带无故障子带序列分别与R故障子带序列、C故障子带序列在频域中的相干函数序列图。
图5是图4中相干函数序列的自相关函数序列图。
图6是图5中R故障相干函数序列的自相关函数序列的积分曲线图。
图7是图5中C故障相干函数序列的自相关函数序列的积分曲线图。
图8是跳蛙滤波器的电路图。
其中:
图3中,R1~R7分别表示7个电阻;C1~C2分别表示2个电容。
图8中,R1~R13分别表示13个电阻,C1~C4分别表示4个电容。
具体实施方式
下面结合附图,对本发明的优选实施例作进一步的描述。
实施例1
如图1、图2、图3、图4、图5、图6、图7所示。选取国际标准电路中的状态变量滤波器测试本发明的模拟集成电路参数型故障的定位方法。状态变量滤波器的器件参数:R1=R3=R4=R5=R6=R7=10KΩ,R2=1KΩ,C1=C2=20nF。两个参数型故障为:R故障,电阻R1漂移5%;C故障,电容C1漂移6%。
(1)激励源作用于被测无故障状态变量滤波器,为被测无故障状态变量滤波器提供测试激励信号,所述测试激励信号为频率1.0KHz、幅值5.0V的正弦波信号;所述被测无故障状态变量滤波器的响应经模数转换,成为无故障数字信号;利用金字塔结构的Haar小波滤波器组对所述无故障数字信号进行子带滤波,通过2通道滤波器组级联,实现8子带滤波,得到无故障子带序列。这一步骤是通过实测进行的。
(2)激励源作用于具有R故障和C故障的状态变量滤波器,为其提供测试激励信号,所述测试激励信号为频率1.0KHz、幅值5.0V的正弦波信号;所述已知故障的状态变量滤波器的响应经模数转换,成为故障数字信号;利用金字塔结构的Haar小波滤波器组对所述故障数字信号进行子带滤波,通过2通道滤波器组级联,实现8子带滤波,得到R故障子带序列和C故障子带序列。这一步骤是通过实测进行的。
(3)对步骤(2)中得到的R故障子带序列、C故障子带序列和步骤(1)中得到的无故障子带序列进行相关分析,计算每一个子带中的R故障子带序列、C故障子带序列分别和无故障子带序列的相关系数,选取相关系数最小的第8子带进行随后的故障诊断。
(4)计算在第8子带中,无故障子带序列分别与R故障子带序列、C故障子带序列在频域中的相干函数序列(见图4所示);借助相干函数序列图,可见R故障、C故障与无故障输出的相干度差异明显,可见利用相干函数从数学上可以区分R故障与C故障,但至此还未形成数字化故障特征量。
(5)将时域中的相关分析方法引入频域,对步骤(4)中计算出的相干函数序列进行相关分析,得到相干函数序列的自相关函数序列(见图5所示);可以看出,R故障相干函数序列的自相关函数序列的包络呈三角型,C故障相干函数序列的相关函数序列的包络呈变化缓慢的钟型,从外形上两者区分明显。
(6)以步骤(5)中得到的相干函数序列的自相关函数序列的定积分值,作为步骤(2)中的模拟集成电路的已知故障的数字特征;可以得出R故障和C故障的相干函数序列的自相关函数序列对坐标横轴的不同延时序号的定积分值(如图6、图7所示);R故障的定积分值为491.7,而C故障在相同积分区间下的定积分值为279.6,两者相对差值百分比为(491.7-279.6)/279.6=75.9%,这是一个很明显的差异。据此,可以对R故障、C故障进行区分。
(7)激励源作用于未知故障的被测模拟集成电路,为被测模拟集成电路提供测试激励信号;所述测试激励信号为频率1.0KHz、幅值5.0V的正弦波信号。
(8)所述被测模拟集成电路的实测响应经模数转换,成为数字信号。
(9)利用金字塔结构的Haar小波滤波器组对所述数字信号进行子带滤波,通过2通道滤波器组级联,实现8子带滤波,得到子带滤波序列,选取第8子带进行故障诊断计算。
(10)在第8子带中,计算步骤(9)中得到的子带滤波序列和步骤(1)中得到的对应无故障子带序列的相关系数;
(11)在第8子带中,计算步骤(9)中得到的子带滤波序列和步骤(1)中得到的对应无故障子带序列在频域中的相干函数序列;
(12)将时域中的相关分析方法引入频域,对步骤(11)中计算出的相干函数序列进行相关分析,得到相干函数序列的自相关函数序列;
(13)以步骤(12)中得到的相干函数序列的自相关函数序列的定积分值,作为被测模拟集成电路的未知故障的数字特征;
(14)将步骤(13)中得到的未知故障的数字特征,与步骤(6)中得到的已知故障的数字特征进行对比,完成故障定位;
(15)故障定位时,可以参考步骤(10)中得到的相关系数,以得到准确定位。
实施例2
如图1、图2、图8所示。与实施例1相同的地方不再重复叙述,不同之处在于:选取国际标准电路中的跳蛙滤波器测试本发明的模拟集成电路参数型故障的定位方法。跳蛙滤波器的器件参数:所有电阻R1至R13阻值皆为10KΩ,电容C1=C4=0.01μF,C2=C3=0.02μF。对10种多参数型故障组合进行实验,结果如下表所示。
故障序号# | 参数型故障 | 小波子带# | 相关系数 | 相干函数序列的自相关函数序列定积分值 |
1 | (C1&C2)+5% | 7 | -0.0013 | 389.6140 |
2 | (C1&C3)+5% | 8 | -0.0721 | 583.7254 |
3 | (C2&C3)+5% | 6 | 0.0107 | 535.5262 |
4 | (C1&C2&C3)+5% | 7 | -0.0441 | 431.3105 |
5 | (R7&R8)+5% | 8 | -0.0079 | 485.9794 |
6 | (R8&R9)+5% | 8 | 0.0444 | 365.2369 |
7 | (R7&R9)+5% | 4 | -0.0139 | 660.6529 |
8 | (R7&R8&R9)+5% | 7 | -0.0249 | 339.4309 |
9 | (R11&R10&C1&C2)+5% | 6 | -0.0378 | 264.5886 |
10 | (R12&R13&C3&C4)+5% | 4 | 0.0768 | 713.9460 |
上表中,第1列为故障序号,共实验了10种参数型故障组合。第2列为故障,它表示括号中的各个元件皆正漂移5%;#1故障“(C1&C2)+5%”表示电容C1和C2各正漂移5%的双电容参数型故障;#4故障“(C1&C2&C3)+5%”表示电容C1、C2和C3各正漂移5%的三电容参数型故障;#5至#7为双电阻参数型故障;#8为三电阻故障;#9和#10分别表示双电阻和双电容的四元件参数漂移型故障。第3列为所使用进行故障诊断的故障分辨率最高的小波子带,共有8个小波子带。第4列为对应子带中故障子带序列与无故障子带序列的相关系数,为了提高故障定位的精度,这里选择了相关系数最小,即选择故障下输出和正常输出间差异最大的子带。第5列为相干函数序列的自相关函数序列的定积分值。
上表中,所有相关系数值皆低于0.1000,这表示故障子带序列和无故障子带序列间的差异明显,在对应子带中检测故障的分辨率高。
10个故障的相干函数序列的自相关函数序列的定积分值总体差异较明显,依据此定积分值可以实现故障定位。在个别情形下,如#1和#4故障的定积分值差异不大,似乎定位困难,但若参考相关系数值(#1故障的相关系数仅为#4故障相关系数的1/34),仍能实现准确的故障定位。对由双电阻加双电容共四个元件发生的较复杂的参数型故障,如#9和#10故障,依据本发明得到的定积分值差异反而更大,能得到更加明显的故障区分。
实施例3
与实施例1相同的地方不再重复叙述,不同之处在于:步骤(1)中得到的无故障子带序列是通过理论计算得到的。步骤(2)中得到的故障子带序列是通过理论计算得到的。
Claims (6)
1.一种模拟集成电路参数型故障的定位方法,其特征在于:所述模拟集成电路参数型故障的定位方法步骤如下:
(1)激励源作用于被测无故障的模拟集成电路,为被测无故障模拟集成电路提供测试激励信号;被测无故障模拟集成电路的响应经模数转换,成为无故障数字信号;对所述无故障数字信号进行子带滤波,得到无故障子带序列;
(2)激励源作用于已知故障的模拟集成电路,为已知故障的模拟集成电路提供测试激励信号;已知故障的模拟集成电路的响应经模数转换,成为故障数字信号;对所述故障数字信号进行子带滤波,得到故障子带序列;
(3)对步骤(2)中得到的故障子带序列和步骤(1)中得到的无故障子带序列进行相关分析,计算每一个子带中的故障子带序列和无故障子带序列的相关系数,选取相关系数最小的子带进行随后的故障诊断;
(4)计算在由步骤(3)确定的相关系数最小的子带中,无故障子带序列与故障子带序列在频域中的相干函数序列;
(5)将时域中的相关分析方法引入频域,对步骤(4)中计算出的相干函数序列进行相关分析,得到相干函数序列的自相关函数序列;
(6)以步骤(5)中得到的相干函数序列的自相关函数序列的定积分值,作为步骤(2)中的模拟集成电路的已知故障的数字特征;
(7)激励源作用于未知故障的被测模拟集成电路,为被测模拟集成电路提供测试激励信号;
(8)所述被测模拟集成电路的实测响应经模数转换,成为数字信号;
(9)对所述数字信号进行子带滤波,得到子带滤波序列,选取由步骤(3)确定的相关系数最小的子带进行故障诊断计算;
(10)在所述进行故障诊断的子带中,计算步骤(9)中得到的子带滤波序列和步骤(1)中得到的对应无故障子带序列的相关系数;
(11)在所述进行故障诊断的子带中,计算步骤(9)中得到的子带滤波序列和步骤(1)中得到的对应无故障子带序列在频域中的相干函数序列;
(12)将时域中的相关分析方法引入频域,对步骤(11)中计算出的相干函数序列进行相关分析,得到相干函数序列的自相关函数序列;
(13)以步骤(12)中得到的相干函数序列的自相关函数序列的定积分值,作为被测模拟集成电路的未知故障的数字特征;
(14)将步骤(13)中得到的未知故障的数字特征,与步骤(6)中得到的已知故障的数字特征进行对比,完成故障定位;
(15)故障定位时,可以参考步骤(10)中得到的相关系数,以得到准确定位。
2.根据权利要求1所述的模拟集成电路参数型故障的定位方法,其特征在于:步骤(1)中得到的无故障子带序列是通过理论计算或实测得到的。
3.根据权利要求1所述的模拟集成电路参数型故障的定位方法,其特征在于:步骤(2)中得到的故障子带序列是通过理论计算或实测得到的。
4.根据权利要求1至3任一所述的模拟集成电路参数型故障的定位方法,其特征在于:所述测试激励信号为正弦波信号。
5.根据权利要求1至3任一所述的模拟集成电路参数型故障的定位方法,其特征在于:利用小波滤波器组进行子带滤波。
6.根据权利要求5所述的模拟集成电路参数型故障的定位方法,其特征在于:所述小波滤波器组为金字塔结构的Haar小波滤波器组,通过2通道滤波器组级联,实现8子带滤波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710050969XA CN101201386B (zh) | 2007-12-25 | 2007-12-25 | 一种模拟集成电路参数型故障的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710050969XA CN101201386B (zh) | 2007-12-25 | 2007-12-25 | 一种模拟集成电路参数型故障的定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101201386A true CN101201386A (zh) | 2008-06-18 |
CN101201386B CN101201386B (zh) | 2011-06-15 |
Family
ID=39516652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710050969XA Expired - Fee Related CN101201386B (zh) | 2007-12-25 | 2007-12-25 | 一种模拟集成电路参数型故障的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101201386B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087337A (zh) * | 2009-12-04 | 2011-06-08 | 哈尔滨理工大学 | 非线性模拟电路诊断激励的退火遗传优化方法 |
CN102339331A (zh) * | 2010-07-19 | 2012-02-01 | 中国科学院微电子研究所 | 一种电路问题设计布图定位调整的方法 |
CN101819252B (zh) * | 2009-11-23 | 2012-11-07 | 电子科技大学 | 一种模拟电路故障诊断方法 |
CN102928768A (zh) * | 2012-11-02 | 2013-02-13 | 电子科技大学 | 一种集成电路的故障检测方法 |
CN103064010A (zh) * | 2013-01-08 | 2013-04-24 | 浙江大学 | 基于希尔伯特-黄变换的模拟电路故障元件参数估计方法 |
CN103197230A (zh) * | 2013-04-11 | 2013-07-10 | 电子科技大学 | 一种基于特征提取的集成电路故障检测方法 |
CN104090228A (zh) * | 2014-07-16 | 2014-10-08 | 电子科技大学 | 一种模拟电路模糊组识别方法 |
CN104297670A (zh) * | 2014-11-07 | 2015-01-21 | 电子科技大学 | 一种模拟集成电路的故障诊断及参数辨识方法 |
CN107422244A (zh) * | 2017-05-18 | 2017-12-01 | 苏州大学 | 电路故障检测的混沌电源电流方法 |
CN108694323A (zh) * | 2017-04-04 | 2018-10-23 | 智能Ic卡公司 | 用于检测故障点的设备和方法 |
CN111007390A (zh) * | 2019-11-23 | 2020-04-14 | 宜宾学院 | 基于代数方法的模拟电路故障诊断模型 |
CN112444737A (zh) * | 2020-09-21 | 2021-03-05 | 电子科技大学 | 模拟电路故障参数范围确定方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115575796A (zh) * | 2022-10-08 | 2023-01-06 | 共青科技职业学院 | 数据采集集成电路测试方法、***、电子设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4459695A (en) * | 1979-11-07 | 1984-07-10 | Davy Mcgee (Sheffield) Limited | Fault finding in an industrial installation by means of a computer |
JP3822212B2 (ja) * | 2004-04-07 | 2006-09-13 | 株式会社東芝 | 半導体装置の故障箇所特定システム及び故障箇所特定方法 |
WO2007069098A1 (en) * | 2005-11-04 | 2007-06-21 | Nxp B.V. | Integrated circuit test method and test apparatus |
CN1851491A (zh) * | 2006-02-20 | 2006-10-25 | 华为技术有限公司 | 一种故障定位方法 |
-
2007
- 2007-12-25 CN CN200710050969XA patent/CN101201386B/zh not_active Expired - Fee Related
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819252B (zh) * | 2009-11-23 | 2012-11-07 | 电子科技大学 | 一种模拟电路故障诊断方法 |
CN102087337A (zh) * | 2009-12-04 | 2011-06-08 | 哈尔滨理工大学 | 非线性模拟电路诊断激励的退火遗传优化方法 |
CN102339331A (zh) * | 2010-07-19 | 2012-02-01 | 中国科学院微电子研究所 | 一种电路问题设计布图定位调整的方法 |
CN102339331B (zh) * | 2010-07-19 | 2013-06-05 | 中国科学院微电子研究所 | 一种电路问题设计布图定位调整的方法 |
CN102928768A (zh) * | 2012-11-02 | 2013-02-13 | 电子科技大学 | 一种集成电路的故障检测方法 |
CN103064010A (zh) * | 2013-01-08 | 2013-04-24 | 浙江大学 | 基于希尔伯特-黄变换的模拟电路故障元件参数估计方法 |
CN103064010B (zh) * | 2013-01-08 | 2015-04-15 | 浙江大学 | 基于希尔伯特-黄变换的模拟电路故障元件参数估计方法 |
CN103197230B (zh) * | 2013-04-11 | 2014-12-31 | 电子科技大学 | 一种基于特征提取的集成电路故障检测方法 |
CN103197230A (zh) * | 2013-04-11 | 2013-07-10 | 电子科技大学 | 一种基于特征提取的集成电路故障检测方法 |
CN104090228A (zh) * | 2014-07-16 | 2014-10-08 | 电子科技大学 | 一种模拟电路模糊组识别方法 |
CN104297670A (zh) * | 2014-11-07 | 2015-01-21 | 电子科技大学 | 一种模拟集成电路的故障诊断及参数辨识方法 |
CN104297670B (zh) * | 2014-11-07 | 2017-01-25 | 电子科技大学 | 一种模拟集成电路的故障诊断及参数辨识方法 |
CN108694323A (zh) * | 2017-04-04 | 2018-10-23 | 智能Ic卡公司 | 用于检测故障点的设备和方法 |
CN108694323B (zh) * | 2017-04-04 | 2021-09-24 | 智能Ic卡公司 | 用于检测故障点的设备和方法 |
CN107422244A (zh) * | 2017-05-18 | 2017-12-01 | 苏州大学 | 电路故障检测的混沌电源电流方法 |
CN111007390A (zh) * | 2019-11-23 | 2020-04-14 | 宜宾学院 | 基于代数方法的模拟电路故障诊断模型 |
CN111007390B (zh) * | 2019-11-23 | 2022-02-15 | 宜宾学院 | 基于代数方法的模拟电路故障诊断模型 |
CN112444737A (zh) * | 2020-09-21 | 2021-03-05 | 电子科技大学 | 模拟电路故障参数范围确定方法 |
CN112444737B (zh) * | 2020-09-21 | 2021-10-22 | 电子科技大学 | 模拟电路故障参数范围确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101201386B (zh) | 2011-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101201386B (zh) | 一种模拟集成电路参数型故障的定位方法 | |
CN106338385B (zh) | 一种基于奇异谱分解的旋转机械故障诊断方法 | |
CN108318129B (zh) | 桥梁结构模态参数真假甄别方法及终端设备 | |
CN102928514B (zh) | 一种基于频率特征的木材应力波无损检测方法 | |
Yan et al. | Energy-based feature extraction for defect diagnosis in rotary machines | |
CN108870091B (zh) | 基于高低频混合检测的管道泄漏监测***及方法 | |
CN106841949B (zh) | 三相异步交流电机定子绝缘在线监测方法和装置 | |
CN105115594A (zh) | 基于小波熵和信息融合的齿轮箱振动信号故障特征提取方法 | |
CN105181336B (zh) | 一种用于轴承故障诊断的特征选取方法 | |
CN101900789A (zh) | 基于小波变换与分形维数的容差模拟电路故障诊断方法 | |
CN101674520A (zh) | 振动式拾音器参数分析测试方法和装置 | |
CN104849590B (zh) | 一种混合噪声干扰下微弱脉冲信号检测方法 | |
CN102155988A (zh) | 设备监诊方法 | |
CN104714171A (zh) | 基于小波变换和ica特征提取的开关电路故障分类方法 | |
CN103064010A (zh) | 基于希尔伯特-黄变换的模拟电路故障元件参数估计方法 | |
CN109684898A (zh) | 航空发动机及其振动信号盲分离方法和装置 | |
CN109932053A (zh) | 一种用于高压并联电抗器的状态监测装置及方法 | |
CN111007390B (zh) | 基于代数方法的模拟电路故障诊断模型 | |
CN112285494A (zh) | 一种电力电缆局部放电模式识别分析*** | |
CN106645942A (zh) | 一种低成本高精度嵌入式信号采集分析***和方法 | |
CN103267942B (zh) | 一种模拟电路的故障检测方法 | |
CN105203915B (zh) | 一种电力变压器绕组松动缺陷诊断***和诊断方法 | |
CN105975995A (zh) | 基于模糊偏好关系的多振动信号融合方法 | |
CN109270404A (zh) | 一种电压行波精确检测方法和装置 | |
CN111024347B (zh) | 一种电抗器健康状态评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C53 | Correction of patent for invention or patent application | ||
CB03 | Change of inventor or designer information |
Inventor after: Xie Yongle Inventor after: Li Xifeng Inventor after: Zhou Qizhong Inventor before: Xie Yongle Inventor before: Li Xifeng |
|
COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: XIE YONGLE LI XIFENG TO: XIE YONGLE LI XIFENG ZHOU QIZHONG |
|
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110615 Termination date: 20131225 |