在實(shí)際應(yīng)用中，大多數(shù)電路是模數(shù)混合系統(tǒng)，既有模擬信號(hào)，又有數(shù)字信號(hào)。模、數(shù)混合系統(tǒng)是板極電路診斷中的難點(diǎn)。

根據(jù)板極電路的類(lèi)型可將故障診斷分為兩類(lèi)：數(shù)字系統(tǒng)的故障診斷和模擬系統(tǒng)故障診斷。數(shù)字系統(tǒng)故障診斷的基本思想是在輸入端加載激勵(lì)信號(hào)，在輸出端得到響應(yīng)，根據(jù)激勵(lì)和響應(yīng)的組合關(guān)系以及電路的拓?fù)潢P(guān)系確定故障點(diǎn)。其關(guān)鍵是測(cè)試向量的生成，即在輸入端加載什么樣的激勵(lì)信號(hào)，才能使電路內(nèi)部的故障點(diǎn)反應(yīng)出來(lái)。模擬系統(tǒng)由于自身的特點(diǎn)，使得其故障診斷比數(shù)字系統(tǒng)更復(fù)雜。模擬信號(hào)量是連續(xù)的，任何一個(gè)元件的參數(shù)超過(guò)其容差時(shí)就屬故障，因此模擬電路的故障狀態(tài)是無(wú)限的。
 
　　一、板極電路故障診斷技術(shù)的發(fā)展
　　自從60年代美國(guó)開(kāi)始系統(tǒng)地開(kāi)展故障診斷技術(shù)的研究以來(lái)，這一技術(shù)在世界各國(guó)正越來(lái)越受到重視。隨著系統(tǒng)可靠性、維修性理論和技術(shù)的發(fā)展，故障診斷已發(fā)展成為一門(mén)邊緣學(xué)科，它涉及系統(tǒng)論、控制論、信息論、檢測(cè)與估計(jì)理論、計(jì)算機(jī)科學(xué)等多方面的內(nèi)容。
　　早期的數(shù)字系統(tǒng)故障診斷主要用于功能測(cè)試。Eldred在1959年提出了第一篇關(guān)于組合電路的測(cè)試報(bào)告，開(kāi)始了數(shù)字系統(tǒng)故障診斷的研究。D.B.Armstrong根據(jù)Eldred的基本思想，在1966年提出了一維通路敏化的方法，其主要思路是對(duì)多級(jí)門(mén)電路尋找一條從故障點(diǎn)到可及輸出端的敏化通路，使在可及端可以觀察到故障信號(hào)。1967年Schneidr用例子指出單通路敏化法并不能找出所有的故障。同年Roth提出了多通路敏化法的D算法，從理論上解決了組合邏輯電路的測(cè)試問(wèn)題。由于D算法也存在某些不足，Goel提出了PODEM算法，F(xiàn)ujiwara提出一種面向扇出的測(cè)試生成算法-FAN算法。此外，Seller等提出的布爾差分法和Thayse提出的布爾微分法，使通路敏化的理論得到了系統(tǒng)化。隨著系統(tǒng)和電路規(guī)模的增大，Archambeau等提出的偽窮舉法，為窮舉法用以解決大型組合電路的測(cè)試開(kāi)拓了新的途徑。另外，我國(guó)學(xué)者魏道政提出的主通路敏化法，梁業(yè)偉提出的全通路圖法等等，也均有其各自的優(yōu)點(diǎn)。
　　模擬系統(tǒng)的測(cè)試與診斷自60年代開(kāi)始以來(lái)，進(jìn)展一直比較緩慢。最早發(fā)表這方面文章的是S.D.Bedrosiam。它變成活躍的領(lǐng)域即是在70年代，P.DUhamet和F.C.Rault總結(jié)了這一時(shí)期的研究成果。模擬電路的測(cè)試與診斷發(fā)展緩慢，其原因主要有：一是模擬系統(tǒng)的集成度較低，規(guī)模較小，采用人工測(cè)試和修理可以滿(mǎn)足實(shí)際需要；另一個(gè)原因是模擬電路的測(cè)試與診斷遠(yuǎn)比數(shù)字系統(tǒng)困難，無(wú)論理論上還是測(cè)試方法上均未完全成熟，可付諸使用的還比較少。
 
　　二、數(shù)字系統(tǒng)故障診斷技術(shù)
　　目前，獲取數(shù)字系統(tǒng)測(cè)試集的方法主要有非確定性測(cè)試生成和確定性測(cè)試生成。非確定性生成算法是指人工測(cè)試生成，即由測(cè)試人員根據(jù)對(duì)被測(cè)系統(tǒng)功能的了解，并結(jié)合實(shí)際測(cè)試經(jīng)驗(yàn)，產(chǎn)生檢測(cè)被測(cè)系統(tǒng)故障的測(cè)試集，也包括隨機(jī)測(cè)試生成，即用軟件方法產(chǎn)生偽隨機(jī)數(shù)，通過(guò)故障仿真對(duì)偽隨機(jī)碼進(jìn)行篩選，以產(chǎn)生故障覆蓋率較高的測(cè)試集。確定性測(cè)試生成是采用測(cè)試生成算法自動(dòng)推導(dǎo)數(shù)字電路的測(cè)試矢量。D算法和布爾差分法是廣泛使用的確定性算法，它們經(jīng)過(guò)多年的使用和改進(jìn)，已被分別發(fā)展為九值算法和主通路敏化法。
　　布爾差分法通過(guò)處理電路方程來(lái)生成測(cè)試。對(duì)多固定型故障，可采用Messon等人提出的多階布爾差分法來(lái)求解。至于用更高階布爾差分來(lái)法來(lái)對(duì)更多重故障進(jìn)行測(cè)試，可由二階布爾差分推廣得出。布爾差分法結(jié)構(gòu)嚴(yán)謹(jǐn)，有很高的理論研究?jī)r(jià)值。但是將其用于大型電路時(shí)，占用內(nèi)存空間較大，速度較慢。主通路敏化法從布爾差分法發(fā)展而來(lái)，吸收了布爾差分法和D算法的優(yōu)點(diǎn)，計(jì)算速度較快，適合于以功能塊為基本單元的組合電路和時(shí)序電路。
　　其它測(cè)試方法大多以D算法和布爾差分法為基礎(chǔ)發(fā)展而來(lái)。PODEM算法以D算法為基礎(chǔ)，將D算法和求解NP問(wèn)題常用的界限法相結(jié)合，減少回溯次數(shù)，避免了許多盲目的測(cè)試。
　　FAN算法是在PODEM算法基礎(chǔ)上產(chǎn)生的，F(xiàn)AN算法將PODEM算法的沿單路徑反向跟蹤，擴(kuò)展為多路徑反向跟蹤，縮短了回溯之間的處理時(shí)間，其速度比PODEM算法快。
 
　　三、模擬電路故障診斷技術(shù)
　　模擬電路故障診斷技術(shù)依據(jù)電路仿真是在實(shí)際測(cè)試前還是后，可分為測(cè)前模擬診斷和測(cè)后模擬診斷，模擬診斷的主要計(jì)算工作集中在對(duì)電路作仿真上。如以人工智能新理論的出現(xiàn)為界線，也可分為經(jīng)典常規(guī)的診斷方法與現(xiàn)代模擬電路故障診斷兩類(lèi)方法。
　　經(jīng)典常規(guī)方法主要包括：故障字典法、元件參數(shù)辨識(shí)法和故障驗(yàn)證法。元件參數(shù)辨識(shí)法和故障驗(yàn)證法屬于測(cè)后模擬診斷法。元件參數(shù)辨識(shí)法要求提供較多的診斷有用信息，總的計(jì)算量非常大。故障驗(yàn)證法是在獲取“不完整”的有限故障信息基礎(chǔ)上作診斷，實(shí)施比較方便，根據(jù)預(yù)測(cè)故障的范圍，故障驗(yàn)證法可分為K故障診斷法，故障界定位法和網(wǎng)絡(luò)撕裂法等。測(cè)前模擬診斷的典型方法是故障字典法，它是目前模擬電路故障診斷中最具有實(shí)用價(jià)值的方法。根據(jù)激勵(lì)源的性質(zhì)和所取故障特征的差異，故障字典法可分為直流故障字典（特征是測(cè)試端的直流電壓或電流向量）和交流（頻域）故障字典（特征是測(cè)試端的頻域響應(yīng)）。
　　神經(jīng)網(wǎng)絡(luò)故障字典法把模擬電路的故障診斷看成是一個(gè)分類(lèi)問(wèn)題，利用神經(jīng)網(wǎng)絡(luò)的分類(lèi)功能來(lái)診斷故障。在測(cè)前把神經(jīng)網(wǎng)絡(luò)訓(xùn)練成一部故障字典，字典的信息蘊(yùn)含在網(wǎng)絡(luò)的連接權(quán)值，只要輸入電路的測(cè)量特征，就可以從其輸出查出故障。目前神經(jīng)網(wǎng)絡(luò)故障字典法中用到的神經(jīng)網(wǎng)絡(luò)主要有SOM（Self-organizing Feature Map）和BP兩種神經(jīng)網(wǎng)絡(luò)。SOM網(wǎng)絡(luò)適用于交流電路，能更有效的克服容差因素對(duì)故障定位的影響。一般同時(shí)采用兩種不同類(lèi)型神經(jīng)網(wǎng)絡(luò)相級(jí)聯(lián)建立故障診斷字典。
　　智能計(jì)算在神經(jīng)網(wǎng)絡(luò)故障字典法中有著很好的應(yīng)用前景：如采用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)（隱層結(jié)點(diǎn)數(shù)）和具體參數(shù)進(jìn)行優(yōu)選，避免靠經(jīng)驗(yàn)確定這些參數(shù)的弊端，保證得到用于故障診斷的最優(yōu)神經(jīng)網(wǎng)絡(luò)；將小波分解和主元分析等方法應(yīng)用于數(shù)據(jù)預(yù)處理技術(shù)和訓(xùn)練樣本集的篩選過(guò)程中，可改善訓(xùn)練速度和診斷精度。模糊集理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合而形成的模糊神經(jīng)網(wǎng)絡(luò)，充分吸收各自的優(yōu)點(diǎn)，更加符合實(shí)際電路模型，可提高故障診斷的對(duì)判幾率。
　　專(zhuān)家系統(tǒng)在模擬電路故障診斷中的典型應(yīng)用是基于產(chǎn)生規(guī)則的系統(tǒng)，其基本的工作原理是：首先把專(zhuān)家知識(shí)及其診斷經(jīng)驗(yàn)用規(guī)則表示出來(lái)，形成故障診斷專(zhuān)家的知識(shí)庫(kù)，進(jìn)而根據(jù)報(bào)警信息對(duì)知識(shí)庫(kù)進(jìn)行推理，診斷出故障元件。其主要問(wèn)題是知識(shí)的獲取的瓶頸問(wèn)題、知識(shí)難以維護(hù)以及不能有效解決故障診斷中許多不確定因素等。一般應(yīng)用中，均將其與本身具有信息處理特點(diǎn)的神經(jīng)網(wǎng)絡(luò)相結(jié)合使用。
 
　　四、混合電路故障診斷技術(shù)
　　數(shù)模混合電路一般運(yùn)用離散事件系統(tǒng)DES（Diescrete Event System）方法進(jìn)行診斷。一個(gè)被檢測(cè)的數(shù)模混合電路G用DES理論進(jìn)行建模如下 ：G=（∑,Q,δ）。其中，∑是電路系統(tǒng)的G的事件集合，Q是電路系統(tǒng)G的狀態(tài)集合，Q中的元素q描述各元件和模塊的狀態(tài)：正常或各故障狀態(tài)；？：∑*Q→2Q是系統(tǒng)的狀態(tài)轉(zhuǎn)移函數(shù)，表示當(dāng)電路系統(tǒng)G處于q（q∈Q）時(shí)事件σ（σ∈∑）發(fā)生后電路模型可能進(jìn)入的狀態(tài)集合，顯然？描述了診斷及其結(jié)果和故障狀態(tài)之間的關(guān)系。應(yīng)用DES理論進(jìn)行數(shù)模混合電路的故障診斷，有以下主要工作：
　　1、對(duì)電路系統(tǒng)G的可測(cè)試性進(jìn)行判斷；
　　2、在測(cè)試要求T給定時(shí)，求取電路的最小測(cè)試集；
　　3、求取電路測(cè)試的故障覆蓋率。
　　這一方法的優(yōu)點(diǎn)在于將對(duì)數(shù)字/模擬信號(hào)的測(cè)試統(tǒng)一在同一個(gè)數(shù)學(xué)模型下，不必因?yàn)殡娐分行盘?hào)模型的不同而將被測(cè)電路按信號(hào)類(lèi)型分開(kāi)處理，尤其是當(dāng)數(shù)字和模擬部分相互融合不能分塊時(shí)，在統(tǒng)一的框架下進(jìn)行計(jì)算、判斷和處理就顯得更加重要了。
　　粗糙集理論是一種處理不完整性和不確定性問(wèn)題的新型數(shù)學(xué)工具，不需提供問(wèn)題所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)信息，因此對(duì)問(wèn)題的不確定描述和處理比較客觀。將粗糙集理論應(yīng)用于故障診斷研究領(lǐng)域，為在不完備征兆信息下的故障診斷提供了新思路。
　　多傳感器信息融合技術(shù)利用信息融合獨(dú)特的多維信息處理方式，為解決復(fù)雜系統(tǒng)故障診斷的不確定性問(wèn)題提供了一條新的途徑。特別適合解決模擬電路故障診斷中常規(guī)的網(wǎng)絡(luò)撕裂法面臨電路前后元器件相互影響以至不能測(cè)準(zhǔn)元器件的故障以及由于容差、非線性及元件參數(shù)相互影響而出現(xiàn)的診斷不確定性問(wèn)題。主要的信息融合故障診斷方法有：Bayes概率推導(dǎo)法、模糊信息融合法、D-S（Dempster-Shafer）證據(jù)推理法及神經(jīng)網(wǎng)絡(luò)信息融合法。
 
　　五、板級(jí)電路故障診斷技術(shù)發(fā)展趨勢(shì)
　　板級(jí)電路的故障診斷技術(shù)是目前比較活躍的科研領(lǐng)域，它對(duì)于保證電子系統(tǒng)工作的可靠性、長(zhǎng)期穩(wěn)定性有十分重要的意義。目前，板級(jí)電路故障診斷技術(shù)的發(fā)展有以下幾個(gè)重要方面：
　　1、以網(wǎng)絡(luò)為基礎(chǔ)的并行與分布式仿真技術(shù)是研究大規(guī)模復(fù)雜系統(tǒng)的有效方法，已成為近年來(lái)故障仿真研究中的熱點(diǎn)問(wèn)題。如基于分支的仿真運(yùn)行方法，各個(gè)分支共享決策點(diǎn)之前的計(jì)算量，避免或減少了仿真中的重復(fù)計(jì)算，增加仿真的并行度，提高了仿真的執(zhí)行效率和速度。電路仿真方程的求解容易出現(xiàn)不收斂或收斂于局部最優(yōu)的情況，由于蟻群算法具有正反饋、分布式計(jì)算、易于與某種啟發(fā)式算法相結(jié)合的特點(diǎn)，引入蟻群算法求解可以減少計(jì)算時(shí)間，發(fā)現(xiàn)最優(yōu)解。
　　2、針對(duì)大型數(shù)模混合電路的故障診斷還是一個(gè)很年輕的領(lǐng)域，隨著電子技術(shù)的迅猛發(fā)展，電路系統(tǒng)的復(fù)雜度急劇增加，目前約有60%的芯片同時(shí)含有數(shù)字和模擬兩種信號(hào)，因此，研究新型的數(shù)模電路測(cè)試信息處理技術(shù)和故障診斷方法，引入新的診斷模型，提高數(shù)模混合電路故障診斷的精度以及建立診斷模型的自動(dòng)化程度，成為板極電路故障診斷的一個(gè)非常重要的課題。
　　盡管在理論方面還有很長(zhǎng)的路要走，市場(chǎng)上目前也出現(xiàn)了很多診斷板級(jí)電路故障的測(cè)試儀器，這些儀器系統(tǒng)大都綜合運(yùn)用了故障字典、參數(shù)判別、D算法、DES理論、模糊理論、神經(jīng)網(wǎng)絡(luò)等技術(shù)，如北京航天測(cè)控技術(shù)開(kāi)發(fā)公司的HTEDS8000、科奇儀器的TCT3000VXI。
　　3、目前，在板級(jí)電路故障診斷時(shí)，施加或獲取信號(hào)的主要方法是使用針床或人工使用探針，探測(cè)電路內(nèi)部節(jié)點(diǎn)的電信號(hào)，然后根據(jù)這些信息進(jìn)行故障定位。隨著電路板逐漸向小型化、密集化、多層化的方向發(fā)展，接觸式診斷的弱點(diǎn)越發(fā)明顯，對(duì)電路板的非介入式診斷技術(shù)的研究受到了高度重視。
　　紅外熱像診斷利用紅外熱像儀測(cè)得的電路板表面溫度信息進(jìn)行故障診斷是典型的非接觸式診斷技術(shù)之一。其基本思想為：紅外熱像儀通過(guò)檢測(cè)器件的紅外輻射，間接獲取電路板的熱模式。當(dāng)電路板上一個(gè)或幾個(gè)元件發(fā)生故障時(shí)，會(huì)導(dǎo)致電路板熱模式的變化。紅外熱像診斷儀即可根據(jù)被測(cè)電路板熱模式和已知正常狀態(tài)下電路板的熱模式之間的差異來(lái)對(duì)電路板故障狀態(tài)做出診斷。但是由于存在電路板表面輻射率差異、測(cè)試環(huán)境影響等因素，易導(dǎo)致采集到的特征向量出現(xiàn)變形。復(fù)雜電路板元件數(shù)量多，最終構(gòu)成的特征向量十分龐大，也對(duì)后續(xù)的分類(lèi)、定位等產(chǎn)生一系列問(wèn)題。因此如何對(duì)特征向量進(jìn)行提取與選擇以及如何降低其維數(shù)，將成為今后的研究方向。
　　噪聲也是導(dǎo)致大多數(shù)電子器件失效的各種潛在缺陷的敏感反映。因此利用噪聲檢測(cè)技術(shù)進(jìn)行故障診斷，有著靈敏、快速和非破壞性的優(yōu)點(diǎn)，但其準(zhǔn)確率和噪聲來(lái)源多樣化造成的精確度等還有待進(jìn)一步深入研究。另外，將磁場(chǎng)映像技術(shù)應(yīng)用到故障診斷中，即根據(jù)電路板附近磁場(chǎng)分布變化對(duì)電路板進(jìn)行故障診斷的技術(shù)稱(chēng)為基于磁場(chǎng)映像的PCB故障診斷技術(shù)也將是非接觸式測(cè)試診斷技術(shù)的發(fā)展方向之一。
　　4、神經(jīng)網(wǎng)絡(luò)技術(shù)已廣泛用于板級(jí)電路故障診斷。一個(gè)值得重視的現(xiàn)象是神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)、模糊控制、遺傳算法、小波分析、經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥mpirical Model Decomposition，簡(jiǎn)稱(chēng)EMD）等技術(shù)相結(jié)合應(yīng)用于電路板的故障診斷研究。如“模糊神經(jīng)網(wǎng)絡(luò)”用于板級(jí)電路的故障診斷，經(jīng)驗(yàn)?zāi)Ｊ椒纸夥椒ê蜕窠?jīng)網(wǎng)絡(luò)理論結(jié)合，以經(jīng)驗(yàn)?zāi)Ｊ椒纸鉃轭A(yù)處理器提取特征參數(shù)作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)，可提高故障識(shí)別率。小波分析與神經(jīng)網(wǎng)絡(luò)結(jié)合形成“小波神經(jīng)網(wǎng)絡(luò)”或“小波網(wǎng)絡(luò)”，小波神經(jīng)網(wǎng)絡(luò)由于把神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特性和小波的局部特性結(jié)合起來(lái)，具有自適應(yīng)分辨性和良好的容錯(cuò)性，將其應(yīng)用于板極電路故障診斷是一個(gè)很有前途的研究方向。