專利名稱：基于小波-神經(jīng)網(wǎng)絡(luò)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(luò)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(shí)間模擬電路領(lǐng)域，由于不需要浮地電容、兼容標(biāo)準(zhǔn)數(shù)字工藝，且采用電流模信號(hào)極為適應(yīng)低功耗應(yīng)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(yīng)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(yīng)開關(guān)電流電路，目前國外有報(bào)道的開關(guān)電流電路測試方法是利用直流或低頻信號(hào)進(jìn)行功能測試，對(duì)于模擬電路容差分析、參數(shù)缺陷導(dǎo)致的故障都未能涉及，且提出的方法一般只適應(yīng)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(fù)雜性，閾值確定也是一個(gè)困難的問題。近幾年來較常用的方法是利用神經(jīng)網(wǎng)絡(luò)來進(jìn)行模擬電路故障診斷。但神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)等問題，其中最重要的問題就是訓(xùn)練時(shí)間過長。對(duì)于一個(gè)很小的電路，為得到理想的故障分類都需要非常多的訓(xùn)練樣本，這樣造成網(wǎng)絡(luò)結(jié)構(gòu)難以接受的復(fù)雜及過長的訓(xùn)練時(shí)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(luò)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(luò)分析器的結(jié)構(gòu)，并減少訓(xùn)練時(shí)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(shè)置故障集，以及施加于測試電路的激勵(lì)信號(hào)； 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(jìn)行群組，按照群組方式進(jìn)行靈敏度分析，確定電路的測試節(jié)點(diǎn)； 3)針對(duì)典型故障情況，在節(jié)點(diǎn)施加激勵(lì)信號(hào)進(jìn)行開關(guān)電流電路故障響應(yīng)測試，得到可及點(diǎn)響應(yīng)值； 4)利用小波多尺度分解，對(duì)故障響應(yīng)信號(hào)進(jìn)行時(shí)域與頻域的分解預(yù)處理，獲得低頻細(xì)貌； 5)用小波預(yù)處理后的細(xì)貌數(shù)據(jù)作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)； 6)測量待測電路的實(shí)際電壓信號(hào)，將其輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)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(shí)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(jìn)行分類，根據(jù)對(duì)電路性能的影響程度確定故障節(jié)點(diǎn)的選取，在節(jié)點(diǎn)施加選擇的激勵(lì)信號(hào)，測試激勵(lì)響應(yīng)。在神經(jīng)網(wǎng)絡(luò)樣本訓(xùn)練之前對(duì)響應(yīng)數(shù)據(jù)進(jìn)行小波預(yù)處理，以提取的低頻細(xì)貌數(shù)據(jù)作為訓(xùn)練樣本可全面地提取被測開關(guān)電流電路動(dòng)態(tài)行為樣本，同時(shí)極大的簡化神經(jīng)網(wǎng)絡(luò)分析器的結(jié)構(gòu)，并減少訓(xùn)練時(shí)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(duì)本發(fā)明作進(jìn)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(biāo)準(zhǔn)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(zāi)難性故障的時(shí)域響應(yīng)。
圖6為本發(fā)明中群組c的各類歸一化跨導(dǎo)的時(shí)域與頻域響應(yīng)。
圖7為本發(fā)明中群組d的各類歸一化跨導(dǎo)的時(shí)域與頻域響應(yīng)。
圖8為本發(fā)明中群組c理想與帶偏差電路頻域響應(yīng)信號(hào)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(shí)域響應(yīng)信號(hào)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(yīng)信號(hào)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(shí)域響應(yīng)信號(hào)的第五層次小波分解。
圖12小波神經(jīng)網(wǎng)絡(luò)測試結(jié)構(gòu)圖 圖13為本發(fā)明中6類災(zāi)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(shí)施例方式 本發(fā)明基于小波-神經(jīng)網(wǎng)絡(luò)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(gè)有代表性的測試模擬集成開關(guān)電流電路。
選擇故障集對(duì)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(shí)際的方案是根據(jù)被測電路的特點(diǎn)和以往的經(jīng)驗(yàn)以及元件故障率來選擇若干單故障和多個(gè)故障作為故障集。
選擇激勵(lì)信號(hào)通常選用與實(shí)際工作相似的輸入信號(hào)作為激勵(lì)信號(hào)。為了充分隔離故障集中的所有(至少大部分)故障，實(shí)際工作中可采用多種輸入信號(hào)的組合信號(hào)作為電路激勵(lì)。
對(duì)構(gòu)成開關(guān)電流電路的CMOS參數(shù)進(jìn)行靈敏度分析。器件的靈敏度代表其對(duì)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(duì)于一個(gè)N相開關(guān)，周期為T的開關(guān)電流電路采用正弦信號(hào)作為輸入信號(hào)，參數(shù)x(z)關(guān)于節(jié)點(diǎn)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(diǎn)電壓Ei，mk(z)對(duì)于工作在不同相位的輸入a和輸出支路b的跨導(dǎo)Gmab(z)的靈敏度為 在給定的跨導(dǎo)隨機(jī)誤差的條件下可以進(jìn)一步計(jì)算出絕對(duì)或統(tǒng)計(jì)偏差，從標(biāo)準(zhǔn)曲線加上或減去偏差就可以獲得誤差容限。計(jì)算統(tǒng)計(jì)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(shí)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(shè)計(jì)需要的功能，各個(gè)MOS管跨導(dǎo)的大小必須嚴(yán)格符合電流定標(biāo)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(biāo)計(jì)算可分為11個(gè)值，其歸一化跨導(dǎo)值及其在5％標(biāo)準(zhǔn)偏差條件下的復(fù)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(biāo)準(zhǔn)偏差條件下可接受的偏差范圍。
表1群細(xì)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(zāi)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(yīng)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(duì)于參數(shù)偏差造成的響應(yīng)也需要進(jìn)行采集，其頻域與時(shí)域響應(yīng)數(shù)據(jù)如圖6-7所示。結(jié)果現(xiàn)實(shí)靈敏度相對(duì)較大的C群組比靈敏度相對(duì)較小的d群組對(duì)電路性能影響更為明顯。
施加激勵(lì)信號(hào)，測量激勵(lì)響應(yīng)，將各類響應(yīng)數(shù)據(jù)樣本經(jīng)過小波處理后加載到神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)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(hào)主要特征的同時(shí)保存電路的動(dòng)態(tài)特性。根據(jù)小波理論任何帶有有限能量的信號(hào)都可以用小波信號(hào)的線性組合實(shí)現(xiàn)。它的系數(shù)表征信號(hào)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(shí)數(shù)，*號(hào)表示復(fù)共扼。W(a，b)是f(t)的分解系數(shù)。小波分解是兩個(gè)變量的函數(shù)。對(duì)于給定的a，ψa，b(t)是母小波ψa，0(t)在時(shí)間軸上b的偏移。變量b代表時(shí)間偏移。較小的a值對(duì)應(yīng)小的ψa，b(t)尺度或高的頻率與1/a比率。大a的值對(duì)應(yīng)一個(gè)大尺度ψa，b(t)，擴(kuò)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(yīng)，中心頻率為w0，帶寬Δω。參數(shù)a增大會(huì)使得頻域分解加強(qiáng)而時(shí)域分解降低。a降低則降低頻域分解提高時(shí)域分解。因此被測電路輸出信號(hào)的小波分解可以獲得所有頻譜成分在不同尺度細(xì)節(jié)的信息。輸出測試節(jié)點(diǎn)測量的輸出響應(yīng)信號(hào)進(jìn)行小波分解的系數(shù)可以作為瞬態(tài)功能測試的評(píng)估參數(shù)。這樣的預(yù)處理可以降低降低分析的尺度而基本不丟失信號(hào)特性品質(zhì)。
在每一尺度都對(duì)信號(hào)的小波分解系數(shù)W(a，b)進(jìn)行計(jì)算是一件非常費(fèi)時(shí)的計(jì)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(shè)定采樣點(diǎn)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(hào)。一個(gè)原始信號(hào)經(jīng)小波可以分解為低頻細(xì)貌Aj和高頻細(xì)貌Dj，其中低頻細(xì)貌代表了信號(hào)的近似結(jié)構(gòu)而高頻細(xì)貌表現(xiàn)特殊的細(xì)節(jié)。因而信號(hào)的特征可以由低頻細(xì)貌獲得。每一次分解信號(hào)樣本數(shù)目減少半，因此可以在正常提出信號(hào)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(luò)的結(jié)構(gòu)減少訓(xùn)練所需的時(shí)間。
正確地選擇母小波在信號(hào)處理中是非常關(guān)鍵的?，F(xiàn)已證明幾類小波在信號(hào)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(yīng)用。Haar小波對(duì)時(shí)間定位能力較強(qiáng)，對(duì)頻率定位能力較弱。而Shanon小波卻恰恰相反，時(shí)間定位能力較弱而具有較強(qiáng)的頻率定位能力，因?yàn)樗哂幸粋€(gè)理想帶寬濾波器的頻譜特性。另外還有標(biāo)準(zhǔn)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(biāo)準(zhǔn)正交小波。實(shí)驗(yàn)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(jì)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(lì)響應(yīng)的時(shí)域與頻域信號(hào)進(jìn)行小波分解，結(jié)果如圖8-11所示.從時(shí)域和頻域信號(hào)分解來看，經(jīng)過三次分解，故障信號(hào)與理想信號(hào)的明顯區(qū)別已經(jīng)在波形中表現(xiàn)出來。對(duì)于靈敏度較低的d群組時(shí)域響應(yīng)信號(hào)經(jīng)過5次分解也達(dá)到分辨效果。
小波神經(jīng)網(wǎng)絡(luò)測試小波神經(jīng)網(wǎng)絡(luò)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(gè)隱層節(jié)點(diǎn)的域值為bi，隱層到輸出層的權(quán)值為wij，輸出節(jié)點(diǎn)的域值為0。設(shè)隱層有p個(gè)節(jié)點(diǎn)。共q個(gè)輸出，有 其中f(·)為sigmoid函數(shù)，整個(gè)網(wǎng)絡(luò)待訓(xùn)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(yīng)仿真可以有開關(guān)電流專用仿真工具ASIZ進(jìn)行，信號(hào)樣本的小波預(yù)處理及神經(jīng)網(wǎng)絡(luò)分析可用MATLB工具箱實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明，不采用小波預(yù)處理，所用神經(jīng)網(wǎng)絡(luò)需要三層，38個(gè)節(jié)點(diǎn)，神經(jīng)元需18個(gè)。經(jīng)過小波預(yù)處理后就只需兩層5個(gè)節(jié)點(diǎn)，8個(gè)神經(jīng)元，經(jīng)過100個(gè)訓(xùn)練周期，故障收斂進(jìn)度達(dá)到10-9.圖13-15是測試器對(duì)各類故障的測試結(jié)果。由圖可知對(duì)于各類災(zāi)難性故障，測試器可以達(dá)到90％以上的故障覆蓋率。對(duì)于靈敏度較低的群組b，f，g，h，I等，其參數(shù)變化對(duì)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(dá)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(luò)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(shè)置故障集，以及施加于測試電路的激勵(lì)信號(hào)；
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(jìn)行群組，按照群組方式進(jìn)行靈敏度分析，確定電路的測試節(jié)點(diǎn)；
3)針對(duì)典型故障情況，在節(jié)點(diǎn)施加激勵(lì)信號(hào)進(jìn)行開關(guān)電流電路故障響應(yīng)測試，得到可及點(diǎn)響應(yīng)值；
4)利用小波多尺度分解，對(duì)故障響應(yīng)信號(hào)進(jìn)行時(shí)域與頻域的分解預(yù)處理，獲得低頻細(xì)貌；
5)用小波預(yù)處理后的細(xì)貌數(shù)據(jù)作為訓(xùn)練樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)；
6)測量待測電路的實(shí)際電壓信號(hào)，將其輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)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(shí)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(luò)的模擬集成開關(guān)電流電路測試方法。包括以下步驟針對(duì)典型故障情況，選擇激勵(lì)信號(hào)，將激勵(lì)響應(yīng)輸出信號(hào)在時(shí)域和頻域中分別采樣作為神經(jīng)網(wǎng)絡(luò)訓(xùn)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(diǎn)；為降低神經(jīng)網(wǎng)絡(luò)的復(fù)雜性，采用小波多尺度分解對(duì)各類響應(yīng)數(shù)據(jù)進(jìn)行預(yù)處理，產(chǎn)生故障細(xì)貌后在輸入神經(jīng)網(wǎng)絡(luò)；神經(jīng)網(wǎng)絡(luò)用于將不同的缺陷響應(yīng)結(jié)果分類、識(shí)別。測量待測電路的實(shí)際電壓信號(hào)，將其輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，完成故障測試與識(shí)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(zhǔn)確率高的優(yōu)點(diǎn)。
文檔編號(hào)G01R31/28GK101299055SQ20081003150
公開日2008年11月5日 申請(qǐng)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(qǐng)人:湖南大學(xué)