A neural network based system for soft fault diagnosis in electronic circuits

• Autorzy: Toczek W. , Kowalewski M.

Warianty tytułu

PL

System do diagnostyki uszkodzeń parametrycznych w układach elektronicznych z wykorzystaniem sieci neuronowej

• Języki publikacji: EN

Abstrakty

EN

The paper considers the architecture and the main steps of development of a neural network based system for diagnosis of soft faults in analog electronic circuits. The definition of faults of interest, selection of an optimal set of measurements, feature extraction, the construction of the artificial neural network, training and testing the network, are considered. A fault dictionary method was implemented in the system. Experimental results are presented on an example of diagnosis of a 6-th order bandpass filter. The measuring part of the system performs input-output measurements in the frequency domain with the aid of a HP 4192 Transmitance Analyzer.

PL

W artykule przedstawiono system do diagnostyki uszkodzeń parametrycznych w układach elektronicznych. W systemie zaimplementowano słownikową metodę lokalizacji uszkodzeń, bazującą na pomiarach w dziedzinie częstotliwości przeprowadzanych za pomocą analizatora transmitancji HP4192A. Rozważono główne etapy projektowania systemu: definiowanie modelu uszkodzeń, wybór optymaInych częstotliwości pomiarowych, ekstrakcję cech diagnostycznych, konstrukcje sieci neuronowej oraz trening i testowanie sieci. Główną cechą prezentowanego podejścia jest zastosowanie słownikowej metody lokalizacji uszkodzeń do uszkodzeń parametrycznych. Rozpatrywane są pojedyncze uszkodzenia parametryczne elementów dyskretnych. Przedstawiono metodę optymalizacji częstotliwości pomiarowych na podstawie analizy wrażliwościowej charakterystyki amplitudowej względem wartości parametrów elementów. Selekcja częstotliwości bazuje na ocenie ekstremaInych wartości charakterystyk wrażliwościowych. Przestrzeń danych pomiarowych zredukowano do czterech wymiarów za pomocą analizy składowych głównych (PCA). Przekształcenie PCA ortogonalizuje elementy oryginaInych wektorów danych, porządkuje według wielkości ich wariancji i eliminuje składowe, które mają najmniejszy wkład w wyjaśnienie zmienności danych. Dane transformowane do przestrzeni o zredukowanej liczbie wymiarów służą jako dane wejściowe dla klasyfikatora. Do klasyfikacji sygnatur zastosowano sieć neuronową typu GRNN z radialnymi funkcjami bazowymi w warstwie ukrytej. Klasteryzację danych przeprowadzono za pomocą algorytmu Fuzzy C-Mean. Centra radiaInych funkcji bazowych warstwy ukrytej nałożono na centroidy poszczególnych klastrów. Zadaniem warstwy wyjściowej jest przyporządkowanie neuronów radiaInych do poszczegóInych klas uszkodzeń. Sieć dokonuje klasyfikacji sygnatury uszkodzenia otrzymywanej z pomiarów poprzez wskazanie najbardziej prawdopodobnego uszkodzenia. Zastosowany typ sieci wytwarza znormalizowane odpowiedzi umożliwiające wyznaczenie poziomu niepewności wyniku diagnozy.

Słowa kluczowe

EN

analog fault diagnosis; fault dictionary; artificial neural networks; soft-faults

PL

analogowa diagnostyka uszkodzeń; słownikowa metoda lokalizacji uszkodzeń; sztuczna sieć neuronowa; uszkodzenia parametryczne

• Wydawca: Komitet Metrologii i Aparatury Naukowej PAN
• Czasopismo: Metrology and Measurement Systems
• Rocznik: 2005
• Tom: Vol. 12, nr 4
• Strony: 463--476
• Opis fizyczny: Bibliogr. 21 poz., rys., tab., wykr.

Twórcy

autor

Toczek W.

• Gdansk University of Technology, Faculty of Electronics Telecommunication and Informatics, Poland

autor

Kowalewski M.

• Gdansk University of Technology, Faculty of Electronics Telecommunication and Informatics, Poland

Bibliografia

• 1. Stopjakova V., Malosek P., Micusik D., Matej M., Margala M.: Classification of Defective Analog Integrated Circuits Using Artificial Neural Networks, Journal of Electronic Testing: Theory and Applications, vol. 20, 2004, pp. 25-37.
• 2. Malhi A., Gao R.X.: PCA-Based Feature Selection Scheme for Machine Defect Classification, IEEE Trans. Instrum. Meas., vol. 53, no. 6, 2004, pp. 1517-1525.
• 3. He Y.G., Tan Y.H., Sun Y.: A Neural Network Approach For Fault Diagnosis Of Large-scale Analogue Circuits, ISCAS'02, vol. I, 2002, pp. 153-156.
• 4. Alippi C., Catelani M., Fort A.: Soft Fault Diagnosis In Analog Electronic Circuits: Sensitivity Analysis By Randomized Algorithms, IEEE Instrum. and Meas Technology Conference, Budapest, 2001, pp. 1592-1595.
• 5. Catelani M., Fort A., Singuaroli R.: Hard fault diagnosis in electronic analog circuits with radial basis function networks, Proc. XVI IMEKO World Congress, Vienna, 2000, pp. 167-170.
• 6. Catelani M., Fort A., Bigi M., Singuaroli R.: Soft fault diagnosis in analogue circuits: A comparison of fuzzy approach with radial basis function networks, IEEE Instr. and Meas. Technology Conference, Baltimore, 2000, pp. 1493-1498.
• 7. Catelani M., Fort A.: Soft Fault Detection and Isolation in Analog Circuits: Some Results and a Comparison Between a Fuzzy Approach and Radial Basis Function Networks, IEEE Transactions on Instrumentation and Measurement, vol.51, no. 2, 2002, pp. 196-202.
• 8. Fanni A., Giua A., Marchesi M., Montisci A.: A Neural Network Diagnosis Approach for Analog Circuits, Applied Intelligence, vol. 2, 1999, pp. 169-186.
• 9. Rutkowski J.: A two stage neural network DC fault dictionary, ISCAS'94, 1994, pp. 299-302.
• 10. Rutkowski J., Machniewski J.: Sensitivity Based Analog Fault Dictionary, ECCTD'99, 1999, pp. 599-602.
• 11. Spina R., Upadhyaya S.: Linear Circuit Fault Diagnosis Using Neromorphic Analyzers, IEEE Transactions on Circuits and Systems - II: Analog and Digital Signal Processing, vol. 44, no. 3, 1997, pp. 188-196.
• 12. Materka A., Strzelecki M.: Parametric Testing of Mixed-Signal Circuits by ANN Processing of Transient Responses, Journal of Electronic Testing: Theory and Applications, 9, 1996, pp. 187-202.
• 13. Barschdorff D.: Neural networks and fuzzy logic: new concepts for technical failure diagnosis?, Proc. of the XIII IMEKO World Congress, Torino, 1994, pp. 2430-2437.
• 14. Osowski S., Herault J., Demartines P.: Kohonen map applied to fault location in analogue circuits, XVII-th National Conference Circuit Theory and Electronic Networks, Wrocław, 1994, pp. 585-590.
• 15. Kowalewski M., Toczek W.: Diagnostic system for fault location with dictionary method, Krajowa Konferencja Elektroniki, Koszalin, 2002, pp. 235-240. (in Polish)
• 16. Toczek W.: Diagnosis of analog electronic circuits with the aid of histogram-based fault dictionary(in Polish), Elektronizacja, 10, 2001, pp. 22-25.
• 17. Hora C., Segers R., Eichenberger S., Lousberg M.: On a Statistical Fault Diagnosis Approach Enabling Fast Yield Ramp-Up, Journal of Electronic Testing: Theory and Applications vol. 19, 2003, pp. 369-372.
• 18. Saab K., Hamida N. B., Kaminska B.: Closing the Gap Between Analog and Digital Testing, IEEE Transaction on Computer-Aided Design of Integrated Circuits and Systems, vol.20, no. 2/2001, pp. 307-314.
• 19. Somayajula S., Sanchez-Sinencio E., Pineda de Gyvez J.: Analog Fault Diagnosis Based on Ramping Power Supply Current Signature Clusters, IEEE Transaction on Circuits and Systems-II: Analog and Digital Signal Processing, vol. 43, no. 10, 1996, pp. 703-712.
• 20. Bernieri A., Betta G., Liguori C.: On-line Fault Detection and Diagnosis Obtained by Implementing Neural Algorithms on a Digital Signal Processor, IEEE Transaction on Instrumentation and Measurement, vol. 45, no. 5, 1996, pp. 894-899.
• 21. Rutkowski J. : Słownikowe metody diagnostyczne analogowych układów elektronicznych Wydawnictwa Komunikacji i Łączności, Warszawa 2003.