專利名稱：基于小波-神經(jīng)網(wǎng)絡的模擬集成開關(guān)電流電路測試方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種模擬集成開關(guān)電流電路測試方法，特別涉及一種基于小波-神經(jīng)網(wǎng)絡的模擬集成開關(guān)電流電路測試方法。
背景技術(shù)：
在離散時間模擬電路領(lǐng)域，由于不需要浮地電容、兼容標準數(shù)字工藝，且采用電流模信號極為適應低功耗應用，開關(guān)電流電路作為一種可替換開關(guān)電容的技術(shù)已被越來越廣泛的應用。然而在開關(guān)電流電路的測試方面，傳統(tǒng)的模擬電路測試方法并不適應開關(guān)電流電路，目前國外有報道的開關(guān)電流電路測試方法是利用直流或低頻信號進行功能測試，對于模擬電路容差分析、參數(shù)缺陷導致的故障都未能涉及，且提出的方法一般只適應特殊結(jié)構(gòu)的開關(guān)電流電路。由于模擬電路特性各異、測量參數(shù)多變以及各種非線性因素造成了其測試方法的復雜性，閾值確定也是一個困難的問題。近幾年來較常用的方法是利用神經(jīng)網(wǎng)絡來進行模擬電路故障診斷。但神經(jīng)網(wǎng)絡理論上有較多的缺陷無法圓滿解決，例如結(jié)構(gòu)選擇、局部極值、過學習等問題，其中最重要的問題就是訓練時間過長。對于一個很小的電路，為得到理想的故障分類都需要非常多的訓練樣本，這樣造成網(wǎng)絡結(jié)構(gòu)難以接受的復雜及過長的訓練時間。
發(fā)明內(nèi)容
為了解決模擬集成開關(guān)電流電路的測試存在的上述技術(shù)問題，本發(fā)明提供一種基于小波-神經(jīng)網(wǎng)絡的模擬集成開關(guān)電流電路測試方法。采用本發(fā)明方法可簡化神經(jīng)網(wǎng)絡分析器的結(jié)構(gòu)，并減少訓練時間，提高測試精度。
本發(fā)明解決上述技術(shù)問題的技術(shù)方案包括以下步驟 1)建立測試電路，設置故障集，以及施加于測試電路的激勵信號； 2)根據(jù)開關(guān)電流電路特性將構(gòu)成測試電路的器件進行群組，按照群組方式進行靈敏度分析，確定電路的測試節(jié)點； 3)針對典型故障情況，在節(jié)點施加激勵信號進行開關(guān)電流電路故障響應測試，得到可及點響應值； 4)利用小波多尺度分解，對故障響應信號進行時域與頻域的分解預處理，獲得低頻細貌； 5)用小波預處理后的細貌數(shù)據(jù)作為訓練樣本訓練神經(jīng)網(wǎng)絡； 6)測量待測電路的實際電壓信號，將其輸入訓練好的神經(jīng)網(wǎng)絡模型，分析支持模型的穩(wěn)態(tài)輸出結(jié)果，得到故障及缺陷的測試與識別結(jié)果。
本發(fā)明的技術(shù)效果在于本發(fā)明根據(jù)開關(guān)電流特有結(jié)構(gòu)，將構(gòu)成電路的CMOS元件通過群組靈敏度分析的方法進行分類，根據(jù)對電路性能的影響程度確定故障節(jié)點的選取，在節(jié)點施加選擇的激勵信號，測試激勵響應。在神經(jīng)網(wǎng)絡樣本訓練之前對響應數(shù)據(jù)進行小波預處理，以提取的低頻細貌數(shù)據(jù)作為訓練樣本可全面地提取被測開關(guān)電流電路動態(tài)行為樣本，同時極大的簡化神經(jīng)網(wǎng)絡分析器的結(jié)構(gòu)，并減少訓練時間，提高模擬集成開關(guān)電流電路測試精度。
下面結(jié)合附圖對本發(fā)明作進一步的說明。
圖1為本發(fā)明的流程圖。
圖2為本發(fā)明中的小波分解示意圖。
圖3為本發(fā)明中標準5％偏差的增益可接受邊界。
圖4為本發(fā)明中開關(guān)電流電路測試用故障模型。
圖5為本發(fā)明中開關(guān)電流CMOS災難性故障的時域響應。
圖6為本發(fā)明中群組c的各類歸一化跨導的時域與頻域響應。
圖7為本發(fā)明中群組d的各類歸一化跨導的時域與頻域響應。
圖8為本發(fā)明中群組c理想與帶偏差電路頻域響應信號的第三層次小波分解。
圖9本發(fā)明中群組c理想與帶偏差電路時域響應信號的第三層次小波分解。
圖10為本發(fā)明中組d理想與帶偏差電路頻域響應信號的第三層次小波分解。
圖11為本發(fā)明中群組d理想與帶偏差電路時域響應信號的第五層次小波分解。
圖12小波神經(jīng)網(wǎng)絡測試結(jié)構(gòu)圖 圖13為本發(fā)明中6類災難性故障的測試器分析結(jié)果。
圖14為本發(fā)明中偏差為5％的缺陷電路分析結(jié)果。
圖15為本發(fā)明中偏差為20％的缺陷電路分析結(jié)果。
具體實施例方式 本發(fā)明基于小波-神經(jīng)網(wǎng)絡的模擬集成開關(guān)電流電路測試方法過程如下 構(gòu)造一個有代表性的測試模擬集成開關(guān)電流電路。
選擇故障集對已建立的模擬電路，考慮電路中的元件硬故障(即元件短路或開路)，而不考慮電路中的引線故障。實際的方案是根據(jù)被測電路的特點和以往的經(jīng)驗以及元件故障率來選擇若干單故障和多個故障作為故障集。
選擇激勵信號通常選用與實際工作相似的輸入信號作為激勵信號。為了充分隔離故障集中的所有(至少大部分)故障，實際工作中可采用多種輸入信號的組合信號作為電路激勵。
對構(gòu)成開關(guān)電流電路的CMOS參數(shù)進行靈敏度分析。器件的靈敏度代表其對電路內(nèi)、外部參數(shù)的影響程度。根據(jù)周期開關(guān)線性電路分析方法，對于一個N相開關(guān)，周期為T的開關(guān)電流電路采用正弦信號作為輸入信號，參數(shù)x(z)關(guān)于節(jié)點電壓Ei(z)的靈敏度為 其中m＝1，2...f為輸出相位，k＝1，2...f為輸入相位，xl(z)是在相位l期間的參數(shù)x(z)。
節(jié)點電壓Ei，mk(z)對于工作在不同相位的輸入a和輸出支路b的跨導Gmab(z)的靈敏度為 在給定的跨導隨機誤差的條件下可以進一步計算出絕對或統(tǒng)計偏差，從標準曲線加上或減去偏差就可以獲得誤差容限。計算統(tǒng)計偏差的公式如下 其中0.868為分貝衰減常數(shù)。即采用分貝表示時需要在公式中加入分貝衰減系數(shù)，否則不必加入該系數(shù)。
開關(guān)電流電路兼容全數(shù)字工藝，電路僅由CMOS晶體管構(gòu)成，為獲得設計需要的功能，各個MOS管跨導的大小必須嚴格符合電流定標結(jié)果。以6階切比雪夫低通濾波器為例，構(gòu)成濾波器的全部CMOS管按照定標計算可分為11個值，其歸一化跨導值及其在5％標準偏差條件下的復數(shù)靈敏度如表1所示。圖3是根據(jù)靈敏度分析得出的電路增益在5％標準偏差條件下可接受的偏差范圍。
表1群細參數(shù)的靈敏度
采用圖4故障模型，可模擬柵源短路、柵漏短路、漏源短路、漏極開路、源極開路及柵極開路等各類災難性故障，通過不同的電路電容值的調(diào)整還可以模擬各類參數(shù)性缺陷。獲得的響應數(shù)據(jù)如圖5所示。為全面采集參數(shù)性故障數(shù)據(jù)，對于參數(shù)偏差造成的響應也需要進行采集，其頻域與時域響應數(shù)據(jù)如圖6-7所示。結(jié)果現(xiàn)實靈敏度相對較大的C群組比靈敏度相對較小的d群組對電路性能影響更為明顯。
施加激勵信號，測量激勵響應，將各類響應數(shù)據(jù)樣本經(jīng)過小波處理后加載到神經(jīng)網(wǎng)絡進行訓練。
小波分解與低頻系數(shù)提取小波分解可以在提取輸出信號主要特征的同時保存電路的動態(tài)特性。根據(jù)小波理論任何帶有有限能量的信號都可以用小波信號的線性組合實現(xiàn)。它的系數(shù)表征信號與基本功能的一致性以及特殊特征，也就是我們需要提取的。
小波一維分解定義為 其中 式中a和b為實數(shù)，*號表示復共扼。W(a，b)是f(t)的分解系數(shù)。小波分解是兩個變量的函數(shù)。對于給定的a，ψa，b(t)是母小波ψa，0(t)在時間軸上b的偏移。變量b代表時間偏移。較小的a值對應小的ψa，b(t)尺度或高的頻率與1/a比率。大a的值對應一個大尺度ψa，b(t)，擴展母小波并收縮其頻譜。因此，在頻域小波的頻譜看上去就像帶通濾波器響應，中心頻率為w0，帶寬Δω。參數(shù)a增大會使得頻域分解加強而時域分解降低。a降低則降低頻域分解提高時域分解。因此被測電路輸出信號的小波分解可以獲得所有頻譜成分在不同尺度細節(jié)的信息。輸出測試節(jié)點測量的輸出響應信號進行小波分解的系數(shù)可以作為瞬態(tài)功能測試的評估參數(shù)。這樣的預處理可以降低降低分析的尺度而基本不丟失信號特性品質(zhì)。
在每一尺度都對信號的小波分解系數(shù)W(a，b)進行計算是一件非常費時的計算工作。為避免這種情況，可以采用離散采樣的方式，得到離散小波。離散小波分析設定采樣點遵循以下規(guī)律am＝2m，bmn＝amnT＝2mnT，其中T為采樣周期，m，n為整數(shù)，離散小波定義為 其中ψ(k)是ψ(t)的離散形式，x(k)是離散信號。一個原始信號經(jīng)小波可以分解為低頻細貌Aj和高頻細貌Dj，其中低頻細貌代表了信號的近似結(jié)構(gòu)而高頻細貌表現(xiàn)特殊的細節(jié)。因而信號的特征可以由低頻細貌獲得。每一次分解信號樣本數(shù)目減少半，因此可以在正常提出信號特性的前提下，大大的較少樣本數(shù)目從而簡化神經(jīng)網(wǎng)絡的結(jié)構(gòu)減少訓練所需的時間。
正確地選擇母小波在信號處理中是非常關(guān)鍵的?，F(xiàn)已證明幾類小波在信號與圖像處理中非常適用。它們分別是Daubechies，Biorthogonal，Haar，Shanon小波等等。每一類小波都具有特殊性能適用于一些特殊的應用。Haar小波對時間定位能力較強，對頻率定位能力較弱。而Shanon小波卻恰恰相反，時間定位能力較弱而具有較強的頻率定位能力，因為它具有一個理想帶寬濾波器的頻譜特性。另外還有標準正交小波的定位能力介于兩者之間.因此本文采用Daubechies類母小波，它們是標準正交小波。實驗表明采用Daubechies類的db2小波可以在較廣電路缺陷中獲得更為精確的小波系數(shù)。
db2分解的系數(shù)計算與低頻系數(shù)提取程序如下] [c，1]wavedec(s，3，“db2”)％db2第三層次分解； ca1＝appcoef(c，1，“db2”，1)；％從[c，1]提取第一尺度低頻系數(shù)A1 ca2＝appcoef(c，1，“db2”，2)；％從[c，1]提取第二尺度低頻系數(shù)A2 ca3＝appcoef(c，1，“db2”，3)；％從[c，1]提取第三尺度低頻系數(shù)A3. ca1，ca2，ca3分別是第一、二、三尺度低頻系數(shù) 小波分解示意圖如圖2所示。
分別將激勵響應的時域與頻域信號進行小波分解，結(jié)果如圖8-11所示.從時域和頻域信號分解來看，經(jīng)過三次分解，故障信號與理想信號的明顯區(qū)別已經(jīng)在波形中表現(xiàn)出來。對于靈敏度較低的d群組時域響應信號經(jīng)過5次分解也達到分辨效果。
小波神經(jīng)網(wǎng)絡測試小波神經(jīng)網(wǎng)絡的測試結(jié)構(gòu)如圖12，輸入X到隱含層的權(quán)為2m，隱層激活函數(shù)為小波尺度函數(shù)φ(·)，且第i個隱層節(jié)點的域值為bi，隱層到輸出層的權(quán)值為wij，輸出節(jié)點的域值為0。設隱層有p個節(jié)點。共q個輸出，有 其中f(·)為sigmoid函數(shù)，整個網(wǎng)絡待訓練的參數(shù)有j待定權(quán)值aim，bj，wij，其中(m＝1，2.Λ n；i＝1，2，Λ q；j＝1，2，Λ p) 上述開關(guān)電流電路故障響應仿真可以有開關(guān)電流專用仿真工具ASIZ進行，信號樣本的小波預處理及神經(jīng)網(wǎng)絡分析可用MATLB工具箱實現(xiàn)。實驗結(jié)果表明，不采用小波預處理，所用神經(jīng)網(wǎng)絡需要三層，38個節(jié)點，神經(jīng)元需18個。經(jīng)過小波預處理后就只需兩層5個節(jié)點，8個神經(jīng)元，經(jīng)過100個訓練周期，故障收斂進度達到10-9.圖13-15是測試器對各類故障的測試結(jié)果。由圖可知對于各類災難性故障，測試器可以達到90％以上的故障覆蓋率。對于靈敏度較低的群組b，f，g，h，I等，其參數(shù)變化對于電路性能參數(shù)影響不明顯，但超出可接受范圍的參數(shù)變化依然可以達到90％以上的故障覆蓋率。
權(quán)利要求
1.一種基于小波-神經(jīng)網(wǎng)絡的模擬集成開關(guān)電流電路測試方法，包括以下步驟
1)建立測試電路，設置故障集，以及施加于測試電路的激勵信號；
2)根據(jù)開關(guān)電流電路特性將構(gòu)成測試電路的器件進行群組，按照群組方式進行靈敏度分析，確定電路的測試節(jié)點；
3)針對典型故障情況，在節(jié)點施加激勵信號進行開關(guān)電流電路故障響應測試，得到可及點響應值；
4)利用小波多尺度分解，對故障響應信號進行時域與頻域的分解預處理，獲得低頻細貌；
5)用小波預處理后的細貌數(shù)據(jù)作為訓練樣本訓練神經(jīng)網(wǎng)絡；
6)測量待測電路的實際電壓信號，將其輸入訓練好的神經(jīng)網(wǎng)絡模型，分析支持模型的穩(wěn)態(tài)輸出結(jié)果，得到故障及缺陷的測試與識別結(jié)果。
全文摘要
本發(fā)明公開了一種基于小波—神經(jīng)網(wǎng)絡的模擬集成開關(guān)電流電路測試方法。包括以下步驟針對典型故障情況，選擇激勵信號，將激勵響應輸出信號在時域和頻域中分別采樣作為神經(jīng)網(wǎng)絡訓練樣本；利用開關(guān)電流電路結(jié)構(gòu)特性，采用群組靈敏度分析選擇確定測試缺陷點；為降低神經(jīng)網(wǎng)絡的復雜性，采用小波多尺度分解對各類響應數(shù)據(jù)進行預處理，產(chǎn)生故障細貌后在輸入神經(jīng)網(wǎng)絡；神經(jīng)網(wǎng)絡用于將不同的缺陷響應結(jié)果分類、識別。測量待測電路的實際電壓信號，將其輸入訓練好的神經(jīng)網(wǎng)絡模型，完成故障測試與識別。本發(fā)明的方法用于模擬集成開關(guān)電流電路軟硬故障及缺陷問題有明顯的優(yōu)勢，且有結(jié)構(gòu)簡單、速度快，準確率高的優(yōu)點。
文檔編號G01R31/28GK101299055SQ20081003150
公開日2008年11月5日 申請日期2008年6月16日 優(yōu)先權(quán)日2008年6月16日
發(fā)明者何怡剛, 郭杰榮, 兵 李, 肖迎群, 侯周國, 曉 鄧, 唐志軍 申請人:湖南大學