基于BCL-ASA-BP神经网络的模拟电路板芯片故障诊断

来源：电子测量技术杂志2022年第14期北京时间：

作者：王力，刘学朋，张亦弛

单位：中国民航大学电子信息与自动化学院 机载电子系统深度维修实验室 天津 300300

摘要：针对模拟电路板芯片故障界定标准不明确和实现快速、准确分类困难的问题，本文提出了一种基于双元卷积Logistic原子搜索算法(Binary Convolution Logistic-Atom Search Algorithm,BCL-ASA)优化BP神经网络(BCL-ASA-BP)的故障诊断模型。首先，对电路板芯片不同状态下的温度进行采集和特征提取，并采用欧氏距离对特征进行融合，建立含有芯片故障界定标准的故障特征模型。接着，利用双元卷积Logistic映射初始化原子搜索算法的种群规模和位置，提高收敛速度和精度。然后，通过BCL-ASA优化BP神经网络寻优过程，获得最优权值和阈值。最后，将芯片故障特征模型输入到BCL-ASA-BP神经网络中进行训练和测试，完成电路板芯片故障诊断。实验采用电源电路板进行可靠性分析，结果表明，BCL-ASA-BP对芯片故障综合诊断准确率可达98.35%，较传统BP算法提升13.9%。

关键词：双元卷积Logistic混沌映射;原子搜索算法;BP神经网络;模拟电路板芯片;故障诊断

基金资助：国家自然科学基金委员会与中国民用航空局联合资助基金（U1733119）；中央高校基本业务费项目（3122017107）；基于红外技术与数据驱动的机载电路板卡故障诊断与预测研究(2021YJS018)