1.2 系统总体设计思路 先由DSP产生诊断所需频率的激励源，在被测电路的可及点中选取合适的测试点，并将信号滤波、整定后送入ADC进行模／数转换，将转换后的数据读入存储器中作为神经网络的输入，经过计算后得到神经网络的输出，根据神经网络的输出，确定故障元件，之后在LCD显示器和PC机上同时显示故障元件。系统硬件实现框图如图2所示。 
1.3 激励源的产生 首先由DSP产生4路所需频率的PWM信号，再经搭建的4路滤波电路滤出所需频率的正弦信号。 1.3.1 频率为10 kΩ时PWM波形部分程序
1.3.2 滤波电路 本文滤波电路采用以传递函数为对象的直接设计法，按给定的设计要求，选定滤波器的类型为巴特威型；考虑到滤波的效果和设计的复杂性，本文将一阶低通滤波器和二阶低通滤波器级联，设计出一个三阶低通滤波器，如图3所示。通过参数计算和实际调试，得到所需频率的低通滤波器，进行电路仿真，验证设计结果。
1.4 信号整理电路 由于ADC只能接受0～3 V的输入，所以必须对电压进行调整，本文使用如下电路。运放采用LF353，它的特点是输入偏置电流低，而且具有高速、宽带和低噪声等优点。 1.5 数据采集模块程序流程 数据采集模块主要用于实现固定采样频率下对4种频率的正弦信号进行采集。基本流程是： （1）系统寄存器初始化； （2）设定ADC模块的控制和状态以及要采样的通道数和模式； （3）开启ADC转换； （4）ADC转换完成产生ADC中断，进入中断子程序完成多通道的一次巡回采样，对采集完的数据代入数字滤波计算函数； （5）主程序不停等待； （6）判断一帧样本是否采集结束； （7）如果否，则继续等待； （8）如果是，关闭ADC，返回。 1.6 数字滤波设计 基于FIR滤波器的数字滤波能在保证幅度特性满足技术要求的同时，很容易做到有严格的线性相位特性，故采用FIR数字滤波器进行数字滤波。本文通过ADC模块采集被测电路输出的正弦信号，并对该采样值进行FIR滤波后，送神经网络。
1.7 软件总体设计 程序分三部分，一部分为神经网络的学习程序，在PC机上运行，编程语言采用Matlab，最后得到所训练神经网络的各项参数，将此参数输入DSP，由此进入软件的第二部分。软件的第二部分在DSP上实现，编程语言采用C和汇编语言。首先将DSP产生的多种频率的PWM信号经前面搭建的滤波电路得到所需频率的正弦信号，作为被测电路的激励源。读入A／D转换器的采样数据，经编写数字滤波程序处理，然后程序依照第一部分所得神经网络的参数，代入神经网络运行程序运算，从而得到被测电路的故障元件代码。软件第三部分为故障代码显示部分，将第三部分得到的故障代码送LCD显示，同时送PC机显示。 1.8 实验结果 实际测试结果分析如下：在计算实际输出时，权值和阈值是采用仿真得到的数据。实际测试数据是对被测电路通过TMS320F2812的A／D模块采集得到的，使得两者数据存在一定的偏差，人为设置几个故障，系统能够较好地识别故障。模拟电路故障诊断系统如图5所示。
