针对开关电流(SI)电路的故障诊断和定位问题，为进一步提高故障准确率，提出了基于信息熵和Haar小波变换的开关电流电路故障诊断新方法。该方法采用伪随机信号激励经蒙特卡罗分析、Haar小波正交滤波器分解和信息熵及模糊集的计算来实现故障特征的提取，以减少信号的冗余。最后构建故障字典，完成各故障模式的故障分类。对六阶切比雪夫低通滤波器进行了仿真实验验证，获得了100%的故障诊断准确率，与其它方法进行比较，实验结果显示了该方法的优越性。
信息电路基于信息熵和Haar小波变换的故障诊断方法
基于信息熵和Haar小波变换的开关电流电路故障诊断方法为，首先采用线性反馈移位寄存器(LFSR)生成周期性伪随机序列，合理选择伪随机序列长度，获得带限白噪声测试激励。然后定义故障模式，采集电路原始响应数据，利用Haar小波正交滤波器作为采集序列的预处理系统，获得原始响应数据的低频近似信息和高频细节信息，达到一路输入两路输出的目的。最后计算相应的信息熵及其模糊集，提取最优故障特征，构建故障字典，完成各故障模式的故障分类。该方法的具体实现步骤如下：
步骤1：产生伪随机测试激励。要使故障易于检测，应该考虑增大无故障电路与故障电路的距离，为了能准确地进行故障定位和识别，可以采用伪随机序列激励来使无故障响应与故障状态响应之间的差别增大。合理选择伪随机序列长度，以尽可能短的伪随机测试序列获得尽可能大的故障覆盖率。
步骤2：定义故障模式。为了获得元器件参数的变化对电路系统特征的一阶改变，对电路进行灵敏度分析，来实现故障元件的定位，最后可以对故障模式进行正确地区分。
步骤3：采集电路原始响应数据。将伪随机信号激励开关电流被测电路，采用开关电流电路仿真软件(AS-IZ) 对电路的各种故障状态进行仿真，完成原始响应数据的采集。
步骤4：Haar小波正交滤波器预处理。利用Haar小波正交滤波器作为采集序列的预处理系统，获得原始响应数据的低频近似信息和高频细节信息，实现一路输入两路输出。
步骤5：故障特征提取。开关电流电路测试与诊断的重要步骤是如何完成故障特征的提取，这一步骤也是构建故障字典的基础。提取信号的特征参数—信息熵来识别电路各种故障模式，通过MATLAB软件完成预处理后的信号信息熵的计算。
步骤6：计算信息熵模糊集，构建故障字典，进行故障分类。经过以上的步骤可得到故障模式、故障代码和故障特征值以及故障特征模糊集几组数据，将以上几组数据列表即为故障字典，即可利用该故障字典进行故障分类。
信息电路软故障诊断
利用ASIZ开关电流电路专业仿真软件对该电路进行灵敏度分析，灵敏度分析结果显示Mg1，Mf1，Mi1，Mb，Mh和Mk取值的变化对电路输出响应影响较大，因此选择这6个晶体管进行故障诊断分析。设跨导gm的容差范围分别是5%或10%，发生软故障时，跨导gm值偏离其标称值的±50% 。共有12类故障模式，加上电路正常状态( 故障代码为F13)，共有13种电路状态，分别为Mg1↑，Mg1↓，Mf1↑，Mf1↓，Mi1↑，Mi1↓，Mb↑，Mb↓，Mh↑，Mh↓，Mk↑，Mk↓和NF。这里↑和↓意味着明显高于或低于标称gm值，对电路的正常状态和故障状态分别进行ASIZ仿真，实验中电路某一时刻只设置一个晶体管发生故障，当故障元件的跨导gm值相对标称值发生了上下偏移，表示电路发生了软故障。例如：当一个MOS管上下偏移了其标称值50%，但另外几个MOS管仅仅只在它的容差范围内变化，此时电路发生了软故障，而正常状态(NF)时所有晶体管跨导值在各自的容差范围内变化。
测试激励信号采用一个由8阶线性反馈移位寄存器(LFSR)产生的255位伪随机序列信号，与正弦信号相比，伪随机信号测试有很多优点：
1) 能使正常电路和故障电路的时域和频域响应差别增大，便于故障定位。
2) 易产生高质量测试标识信号，降低了测试了成本。首先对电路各种故障状态实施时域分析和30次蒙特卡罗(Monte-Carla)分析，分析时取采样频率为100kHz，获得具有158个采样点的故障响应信号。也就是说，每种故障模式可获得30个时域故障响应样本，每个样本包含158个采样点。接着对这30个样本信号实施Haar小波正交滤波器预处理，获得原始响应数据的低频近似信息和高频细节信息，实现一路输入两路输出。因此，对于每种故障模式来说，其时域故障响应特征具有30个样本，且每个样本包含2个属性(低频近似信息和高频细节信息)。总的来说，13种故障模式共组成了780个时域响应样本。最后，在MATLAB环境下计算每种故障模式的低频近似信息熵和高频细节信息熵，提取其故障特征。对应这13种故障模式的780个时域响应样本，获得每种故障模式的低频近似信息熵模糊集和高频细节信息熵模糊集。 2100433B
基于开关电流电路的滤波器设计与实现
双向联想记忆神经网络的开关电流技术实现
信息电路Haar小波变换的开关电流电路故障诊断新方法