專利名稱：非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法
技術(shù)領域：
本發(fā)明涉及一種非線性模擬電路的特征提取、模式識別和故障診斷技術(shù)，是一種 故障診斷過程中測試激勵信號的優(yōu)化方法；具體涉及一種模擬退火方法和遺傳算法相結(jié)合 的基于沃爾特拉Volterra頻域核的故障診斷的測試激勵信號優(yōu)化的方法。
背景技術(shù)：
由于模擬電路普遍存在的非線性及軟故障等難以診斷的特性，使得它的故障診斷 理論和方法還很不完善，在一定程度上成為制約集成電路測試的瓶頸；雖然最近幾年此方 面的研究不斷取得進展，但是，系統(tǒng)分析建模、測試激勵的優(yōu)化及實用化等都有待進一步研故障字典法是最有實用價值的模擬電路故障診斷方法之一，其本質(zhì)是模式識別， 構(gòu)造出能反映被測電路本質(zhì)的特征參數(shù)是診斷的關鍵；對于非線性模擬電路，可采用時 域、頻域及瞬態(tài)響應特性等不同的方法進行描述，如沃爾特拉Volterra級數(shù)(核)和維納 Wiener級數(shù)(核)描述法等；在故障字典法中，輸入激勵是一個決定故障診斷準確性和效 率的重要因素，激勵信號的參數(shù)選擇決定了各故障狀態(tài)特征差異的大小，差異大則便于分 辨各種故障狀態(tài)。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種測試激勵信號的優(yōu)化方法，針對現(xiàn)有優(yōu)化方法的不足， 實現(xiàn)用較少的時間獲得較理想的激勵信號參數(shù)，從而提高診斷的準確性和效率。上述發(fā)明的目的通過以下的技術(shù)方案實現(xiàn)非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，(1)首先確定被測非線性模擬電 路的正常工作狀態(tài)和各種故障狀態(tài)；(2)向處于所述的各狀態(tài)的被測非線性模擬電路施加多頻激勵信號，同時對輸入、 輸出信號進行測量，得到采樣數(shù)據(jù)序列，經(jīng)過數(shù)據(jù)處理得到被測電路的各故障狀態(tài)下對應 的前η階沃爾特拉Volterra頻域核；(3)所述的把測試激勵信號的參數(shù)選擇作為優(yōu)化問題，以某一激勵信號下各種故 障狀態(tài)的響應的集總歐氏距離作為對該信號的評價函數(shù)，將模擬退火算法和遺傳算法兩者 有機地結(jié)合，用退火遺傳優(yōu)化方法進行測試激勵信號的優(yōu)化，最終由尋優(yōu)結(jié)果得到優(yōu)化了 的激勵信號參數(shù)。所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，所述的步驟(1)中，確定 被測非線性模擬電路的m種狀態(tài)，并進行編號，其中包括(a)確定被測非線性模擬電路全部元器件為標稱參數(shù)的情況為正常狀態(tài)；(b)確定被測非線性模擬電路中的元件的實際值偏大、偏小等軟故障狀態(tài)；(c)確定被測非線性模擬電路中的元件的短路和斷路等硬故障狀態(tài)；(d)對上述的各種狀態(tài)進行編號，分別為1，2，...，m，其中，m為自然數(shù)。
所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，步驟O)中，各故障狀態(tài) 的前η階沃爾特拉Volterra頻域核通過下述步驟求得(a)使被測非線性模擬電路處于故障狀態(tài)1 ；(b)對上述電路施加多頻信號作為輸入信號，并同時對輸入、輸出信號進行測量， 得到采樣序列數(shù)據(jù)，并利用求多維傅里葉變換得到前η階沃爾特拉Volterra頻域核k1(l， kn，k12，k13. · · kln ；(C)依次使被測非線性模擬電路處于故障狀態(tài)2，3，... m，重復步驟(b)，得到各種 狀態(tài)的沃爾特拉 Volterra 頻域核 ki(1，kn，ki2，ki3. . . kin，其中，i = 1，2，3，. . . m。所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，步驟(3)中，優(yōu)化測試激 勵信號按如下方法進行(a)優(yōu)化過程初始化；確定溫度范圍，且置初始溫度Ttl為較高值；隨機產(chǎn)生個體數(shù) 為M的初始群體的初始狀態(tài)x(i)；確定適當?shù)耐嘶鸩呗裕淮_定群體的適應度函數(shù)計算方法； 遺傳的最大世代數(shù)和群體穩(wěn)定閾值以及交叉和變異率的初始參數(shù)PdlPdPmhPml ；(b)對整個群體進行擾動更新；設Δ χ為很小的均勻分布的隨機擾動，計算新狀態(tài) 函數(shù)Χ' (i) =χ( ) + Δχ( )；計算原狀態(tài)適應度函數(shù)與新狀態(tài)的適應度函數(shù)的差AJ(i) =J' (i)-J(i)，其中i表示群體中的某個個體；(c)新狀態(tài)接受判別；如果Δ J(i) > 0，則接受為新的狀態(tài)，否則，依據(jù)阿布雷斯
f-ΑΤλ
Metropolis準則以概率=接受，其中，k為波爾茲曼Boltzmarm常數(shù)；實
際操作時產(chǎn)生O到1之間的隨機數(shù)a，如果p(AJ(i)) >^則接受1' (i)為新狀態(tài)，否則 保持原狀態(tài)x(i)；(d)重復(b)、(C)，直到系統(tǒng)達到平衡狀態(tài)；(e)按(a)確定的退火策略降低溫度T，重復(b)、(c)，直到溫度T降到第一步設 定的低溫值，得到初始精英團隊；(f)選擇從初始精英團隊中按用輪盤選種法選出N個個體組成精英群體，適應度 大的個體被選中的概率大。(g)交叉從得到的精英群體中按交叉率Pe隨機地選擇兩個可交叉的個體作為父 代，隨機選擇雜交位置，采用一點或兩點雜交法進行雜交；為了避免搜索發(fā)散或陷入局部最 小，需要保護種群中適應度高的個體，采用自適應調(diào)整P。，即對高適應度的降低交叉率，而 對低適應度的則提高交叉率。(h)變異以此操作進一步保證可能搜索到空間的任一點，提高算法的全局搜索 能力；采用較小的自適應調(diào)節(jié)變異率pm，方法同pd。(i)結(jié)束判別若群體穩(wěn)定性滿足(a)設定的群體穩(wěn)定閾值或世代數(shù)超過給定的 上限，則結(jié)束，并輸出優(yōu)化結(jié)果；否則轉(zhuǎn)(f)。這個技術(shù)方案有以下有益效果1.本發(fā)明提出的模擬退火算法和遺傳算法相結(jié)合的激勵優(yōu)化方法，提高了相同 時間下的尋優(yōu)效果及縮短了相同準確度要求下的參數(shù)確定時間，提高了診斷的準確性和效 率，實用性增強。2.本發(fā)明方法采用模擬退火和遺傳兩種優(yōu)化方法的結(jié)合，增強了全局尋優(yōu)效果，避免陷入局部最優(yōu)；采用自適應交叉率和自適應變異率代替?zhèn)鹘y(tǒng)的固定值，并采用指數(shù)型 退火策略，進一步提高了優(yōu)化效果和收斂速度。3.本發(fā)明提出的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法具有較廣的適應 性。4.本發(fā)明對電子線路的故障診斷效果非常好，在集成電路生產(chǎn)中有著廣闊的應用 前景。
具體實施例方式實施例1 非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，所述的非線性模擬電路診斷激勵 的退火遺傳優(yōu)化方法的步驟(1)首先確定被測非線性模擬電路的正常工作狀態(tài)和各種故障狀態(tài)；(2)向處于所述的各故障狀態(tài)的被測非線性模擬電路施加多頻激勵信號，同時對 輸入、輸出信號進行測量，得到采樣數(shù)據(jù)序列，經(jīng)過數(shù)據(jù)處理得到被測電路的各故障狀態(tài)下 對應的前η階沃爾特拉Volterra頻域核；(3)所述的把測試激勵信號的參數(shù)選擇作為優(yōu)化問題，以某一激勵信號下各種故 障狀態(tài)的響應的集總歐氏距離作為對該信號的評價函數(shù)，將模擬退火算法和遺傳算法兩者 有機地結(jié)合，用退貨遺傳優(yōu)化方法進行測試激勵信號的優(yōu)化，最終由尋優(yōu)結(jié)果得到優(yōu)化了 的激勵信號參數(shù)。實施例2 實施例1所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，所述的步驟(1) 中，確定被測非線性模擬電路的m種狀態(tài)，并進行編號，其中包括(a)確定被測非線性模擬電路全部元器件為標稱參數(shù)的情況為正常狀態(tài)；(b)確定被測非線性模擬電路中的元件的實際值偏大、偏小等軟故障狀態(tài)；(c)確定被測非線性模擬電路中的元件的短路和斷路等硬故障狀態(tài)；(d)對上述的各種狀態(tài)進行編號，分別為1，2，…，m，其中，m為自然數(shù)。實施例3 實施例1或2所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，所述的步驟
(2)中，各故障狀態(tài)的前η階沃爾特拉Volterra頻域核通過下述步驟求得(a)使被測非線性模擬電路處于故障狀態(tài)1 ；(b)對上述電路施加多頻信號作為輸入信號，并同時對輸入、輸出信號進行測量， 得到采樣序列數(shù)據(jù)，并利用求多維傅里葉變換得到前η階沃爾特拉Volterra頻域核k1(l， kn，k12, k13."kln ；(c)依次使被測非線性模擬電路處于故障狀態(tài)2，3，…m，重復步驟(b)，得到各種 狀態(tài)的沃爾特拉Volterra頻域核kiQ，kn，ki2，ki3"'kin，其中，i = 1,2,3,實施例4 實施例1或3所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，所述的步驟
(3)中，優(yōu)化測試激勵信號，把測試激勵信號的參數(shù)選擇作為優(yōu)化問題，以某一激勵信號下 各種故障狀態(tài)的響應的集總歐氏距離作為對該信號的評價函數(shù)，將模擬退火算法和遺傳算法兩者有機地結(jié)合，用退火遺傳優(yōu)化方法進行測試激勵信號的優(yōu)化，最終由尋優(yōu)結(jié)果得到 優(yōu)化了的激勵信號參數(shù)。其中的集總歐氏距離通過下述方法求得
將優(yōu)化過程中某個激勵信號分別作用于各種狀態(tài)的電路，把每個故障狀態(tài)的響應 作為一個向量，m種狀態(tài)對應m個向量，把它們的集總歐氏距離作為目標評價函數(shù)，集總歐 氏距離計算公式如下
權(quán)利要求
1.非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，其特征是(1)首先確定被測非線性模擬電路的正常工作狀態(tài)和各種故障狀態(tài)；(2)向處于所述的各狀態(tài)的被測非線性模擬電路施加多頻激勵信號，同時對輸入、輸出 信號進行測量，得到采樣數(shù)據(jù)序列，經(jīng)過數(shù)據(jù)處理得到被測電路的各故障狀態(tài)下對應的前η 階沃爾特拉Volterra頻域核；(3)所述的把測試激勵信號的參數(shù)選擇作為優(yōu)化問題，以某一激勵信號下各種故障狀 態(tài)的響應的集總歐氏距離作為對該信號的評價函數(shù)，將模擬退火算法和遺傳算法兩者有機 地結(jié)合，用退火遺傳優(yōu)化方法進行測試激勵信號的優(yōu)化，最終由尋優(yōu)結(jié)果得到優(yōu)化了的激 勵信號參數(shù)。
2.根據(jù)權(quán)利要求1所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，其特征是 所述的步驟(1)中，確定被測非線性模擬電路的m種狀態(tài)，并進行編號，其中包括(a)確定被測非線性模擬電路全部元器件為標稱參數(shù)的情況為正常狀態(tài)；(b)確定被測非線性模擬電路中的元件的實際值偏大、偏小等軟故障狀態(tài)；(c)確定被測非線性模擬電路中的元件的短路和斷路等硬故障狀態(tài)；(d)對上述的各種狀態(tài)進行編號，分別為1，2，…，m，其中，m為自然數(shù)。
3.根據(jù)權(quán)利要求1或2所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，其特征是步驟O)中，各故障狀態(tài)的前η階沃爾特拉Volterra頻域核通過下述步驟求得(a)使被測非線性模擬電路處于故障狀態(tài)1；(b)對上述電路施加多頻信號作為輸入信號，并同時對輸入、輸出信號進行測量，得到 采樣序列數(shù)據(jù)，并利用求多維傅里葉變換得到前η階沃爾特拉Volterra頻域核k1(l，kn，k12， k13...kln ；(c)依次使被測非線性模擬電路處于故障狀態(tài)2，3，…m，重復步驟(b)，得到各種狀態(tài) 的沃爾特拉 Volterra 頻域核 kiQ，kn，ki2，ki3"'kin，其中，i = 1,2,3,
4.根據(jù)權(quán)利要求1所述的非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法，其特征是 步驟(3)中，優(yōu)化測試激勵信號按如下方法進行(a)優(yōu)化過程初始化；確定溫度范圍，且置初始溫度Ttl為較高值；隨機產(chǎn)生個體數(shù)為M 的初始群體的初始狀態(tài)x(i)；確定適當?shù)耐嘶鸩呗?；確定群體的適應度函數(shù)計算方法；遺 傳的最大世代數(shù)和群體穩(wěn)定閾值以及交叉和變異率的初始參數(shù)P。h Pcl Pfflh Pffll ；(b)對整個群體進行擾動更新；設Δχ為很小的均勻分布的隨機擾動，計算新狀態(tài)函 數(shù)χ' (i) =χ( ) + Δχ( )；計算原狀態(tài)適應度函數(shù)與新狀態(tài)的適應度函數(shù)的差AJ(i)= J' (i)-J(i)，其中i表示群體中的某個個體；(c)新狀態(tài)接受判別；如果AJ(i)>0，則接受為新的狀態(tài)，否則，依據(jù)美特阿布雷斯f-ΑΤλMetropolis準則以概率二exp —-接受，其中，k為波爾茲曼Boltzmarm常數(shù)；實際操作時產(chǎn)生O到1之間的隨機數(shù)a，如果p(AJ(i)) >^則接受1' (i)為新狀態(tài)，否則 保持原狀態(tài)x(i)；(d)重復(b)、(c)，直到系統(tǒng)達到平衡狀態(tài)；(e)按(a)確定的退火策略降低溫度T，重復(b)、(c)，直到溫度T降到第一步設定的低溫值，得到初始精英團隊；(f)選擇從初始精英團隊中按用輪盤選種法選出N個個體組成精英群體，適應度大的 個體被選中的概率大。(g)交叉從得到的精英群體中按交叉率Pe隨機地選擇兩個可交叉的個體作為父代， 隨機選擇雜交位置，采用一點或兩點雜交法進行雜交；為了避免搜索發(fā)散或陷入局部最小， 需要保護種群中適應度高的個體，采用自適應調(diào)整Pe，即對高適應度的降低交叉率，而對低 適應度的則提高交叉率。(h)變異以此操作進一步保證可能搜索到空間的任一點，提高算法的全局搜索能力； 采用較小的自適應調(diào)節(jié)變異率Pm，方法同Pd。(i)結(jié)束判別若群體穩(wěn)定性滿足(a)設定的群體穩(wěn)定閾值或世代數(shù)超過給定的上限， 則結(jié)束，并輸出優(yōu)化結(jié)果；否則轉(zhuǎn)(f)。
全文摘要
非線性模擬電路診斷激勵的退火遺傳優(yōu)化方法。模擬電路普遍存在的非線性及軟故障等難以診斷的特性，使得它的故障診斷理論和方法還很不完善，在一定程度上成為制約集成電路測試的瓶頸。本發(fā)明，先確定被測非線性模擬電路的各種狀態(tài)；各狀態(tài)的被測非線性模擬電路施加多頻激勵信號，同時對輸入、輸出信號進行測量，得到采樣數(shù)據(jù)序列，經(jīng)過數(shù)據(jù)處理得到被測電路各故障狀態(tài)下對應的前n階沃爾特拉Volterra頻域核；把測試激勵信號的參數(shù)選擇作為優(yōu)化問題，以某一激勵信號下各種故障狀態(tài)的響應的集總歐氏距離作為對該信號的評價函數(shù)，用退火遺傳優(yōu)化方法進行測試激勵信號的優(yōu)化，最終得到優(yōu)化了的激勵信號參數(shù)。本發(fā)明用于電子線路的故障診斷。
文檔編號G06N3/12GK102087337SQ20091007334
公開日2011年6月8日 申請日期2009年12月4日 優(yōu)先權(quán)日2009年12月4日
發(fā)明者林海軍 申請人:哈爾濱理工大學