跟着现代科学技能的开展，测验技能对电子配备开展的支撑效果越来越杰出，测验确保配备建造已遭到史无前例的注重。为确保实践使用时集成度越来越高的电子设备能有用、牢靠的作业，得出较精确的数据，就需要一种高功率的测验设备来满意不同电子设备的功用测验和毛病确诊。因而，构建了由GPIB、VXI、IEEE1394三总线构成的用于饭极电路的功用测验和毛病确诊的多总线自动化测验体系。该体系具有通用性、易操作等长处，降低了测验本钱，在进步毛病确诊功率的一起使电路的自动测验愈加简洁。并选用根据遗传算法的支撑向量机做分类器，对体系测验得到的数据样本进行确诊，进步了毛病确诊的正确性。
1 多总线自动化测验体系
该多总线自动化测验体系首要有测验机箱、主控计算机及数模混合接口适配器三大部分组成，其间测验机箱包含了程控电源与VXI总线机箱两部分，全体体系结构如图1所示。
测验机箱的中心部分——VXI总线机箱。VXI总线技能经多年的开展已完结规范化、模块化和体系化，具有规范敞开、数据乔吐能力强、牢靠性高、守时和同步精确以及模块可重复使用等长处。VXI总线机箱由双通道50 MHz恣意波形发生器、6.5位数字多用表、2通道示波器、64通道时序数字I/O、4通道A/D、4通道D/A、32通道继电器开关、8×32矩阵开关等模块化仪器构成。VXI模块化仪器体积小，节省空间，便利运送。VXI的这些功用长处有力的确保了测验与确诊进程的高正确率与高运转速率。主控计算机通过具有高速传输优势的1394总线与VXI总线机箱内的零槽操控器进行通讯、用于整个自动测验体系的大局监控。
测验人员通过主控计算机，可有用的操控测验机箱，从而完结测验。主控计算机的首要构成部分有人机接口用户界面、数字信号发生模块、测验仪器模块、数据处理模块、毛病字典数据库、功用检测流程、毛病确诊流程及其他操控模块。各功用模块的有机结合可帮组测验人员有用的完结测验作业。主控计算机经GPIB总线与程控电源相连，程控电源包含了双路直流程控源和一路沟通程控源。GPIB总线技能的使用已比较老练，很多的测验仪器都带有GPIB接口。通过GPIB接口，可以将若干台根本仪器和计算机仪器搭成积木式的测验体系，在计算机的操控下完结杂乱的丈量。该测验体系选用的是并行的衔接办法，使计算机可一起操控3路程控电源，满意电路测验中的各种电压需求。
数模混合接口适配器与测验机箱相连，测验机箱给适配器供给相应的电源信号与测验鼓励信号。适配器通过适配板与被测板彼此通讯，并将测验所得的数据反馈给测验机箱，由测验机箱将数据上传至主控计算机。在测验进行进程中可用数模混合接口适配器配套的数字探笔和模仿探笔对被测板的重要中心点进行测验，结构如图2所示。这样的结构设计更便利测验的履行。
适配器与被测板中心参加的适配板能有用的维护被测板，避免测验进程中因为人为操作的失误或是测验程序过错及测验仪器毛病引起的瞬时电压或电流过大，而导致的被测板损坏或对测验人员的损害。一起适配板可对被测板测验所需的电源信号与测验鼓励信号进行相应的稳压与滤波等辅佐操作，进步了测验信号的质量与测验数据的牢靠性，从而进步了毛病确诊的正确性。
2 根据遗传算法的支撑向量机分类器
支撑向量机(SVM)便是先通过用内积函数界说的非线性改换将输入空间改换到一个高维空间，再在这个空间中求最优分类面。它的首要思维便是树立一个超平面作为决议计划面，该决议计划面不光可以将一切练习样本正确分类，并且使练习样本中离分类面最近的点到分类面的间隔最大。
遗传算法(GA)是一种学习生物界天然挑选和天然遗传机制而构成的大局寻优算法。先发生初始种群，通过挑选、穿插和变异操作，发生一群更适合环境的个别，通过一代又一代的进化，使种群最终收敛到一群最适合环境的个别，求得问题的最优解。
把遗传算法使用于SVM的根本办法如下：
1)输入样本数据集，分配好练习样本与确诊样本，并将样本数据归一化。
2)参数初始化。即初始化一些根本参数，有GA算法中的最大进化代数、种群最大数量、穿插与变异概率及SVM中的赏罚参数C与核函数中参数的改变规模、穿插验证的次数。
3)对要优化的参数C与进行二进制编码，并按其散布均匀抽取一些个别组成一个初始种群。均匀抽取而成的初始种群比随机抽取的可获得的信息量更大，对算法更有优势。
4)将SVM的毛病分类正确率设定为个别习惯度，分类正确率越高则个别习惯度越大。依照个别习惯值的巨细，从种群中选出习惯值较大的个别进入下一代。
5)进行穿插和变异操作，构成新一代的种群。
6)当均匀习惯度值改变继续小于某一常数并超越必定代数时，得到具有最大习惯的个别作为最优解输出，并将得到的最优解译码行得到优化的参数。不然重复履行3～5步。
7)把前一步得到的优化参数作为SVM分类器首要参数C与的选用值，进行样本练习与毛病分类。
交融了遗传算法的SVM既保留了SVM算法的优势，又并入了遗传算法的长处。从散布均匀的多个点构成的集体开端查找，在寻求最优解的进程中只需由方针函数值转化得到的习惯值，而不需其它辅佐信息，使算法愈加简略且不易堕入部分最优解的窘境中。并避开了原SVM算法中参数C选值困难的下风，进步了分类器的分类正确率。
