文档介绍：模拟集成电路故障诊断改进遗传神经网络方法的方法:文献【提出了选取模拟集成电路电源动态电取方法,文献,在文献【基础上提出了子带统计特性电路以及混合信号集成电路的故障建模、特征提取的提出了模拟集成电路软硬故障的统一模型,电源动态唐圣学吕何恰刚琀集成电路发展到今,不断出现新的功能强大的器件和系统,如湍J旌闲藕畔低常嵌贾な了模拟集成电路都是不可缺少的部分,模拟电路不能完全被数字电路所代替。目前,大量事实证实模拟集成电路在整个集成电子设备中所占比例仅为%至不足%钦鱿低持械墓收ビ赡D饧成电路产生【,因此,模拟集成电路故障的测试与诊断不断受到人们关注。故障诊断的模式识别方法无需数学模型,只根据故障的有限信息诊断和定位故障所在,因而受到工业界和学术界的广泛重视,并已取得不少成果,其关键在于故障建模、故障特征提取和分类器的选取。文献刻岢隽瞬馐允涑鱿煊〔ū浠缓筇崛∑涞推主成分的故障特征以及采用神经网络进行故障分类流的幅度和相位特征的故障特征选取方法;文献提出选取测试输出响应的小波子带能量为故障特征提和相关谱的故障特征选取方法,文献捧岢隽瞬捎檬出响应的陡峭度和熵的特征提取方法。以上方法多数面向分立电阻电容电路的故障诊断,缺少对模拟集成关注,以及故障的整体和局部特征的综合考虑。本文第六届中国测试学术会议论文集ぶ泄戏省月河北工业大学电气学院天津红桥湖南大学电气与信息工程学院湖南长沙甤摘要针对模拟集成电路故障的诊断问题,本文提出了一种电源动态电流、⑷碛补收系耐骋幻停缓筇崛∧D饧傻缏返缭吹亩缌餍畔ⅰ并进行小波包分解,以小波包分解后系数的能量及能量熵组成故障特征向量,,:小波熵:模拟集成电路;故障诊断;中图法分类号籥基金项目:易匀豢蒲Щ.、咝2┦康慊、国家苹⒐.;第,
岳型爵ā弓芿数为,,∈,⋯,忉,,⋯,Ⅳ为圭气;傻缏饭收辖缌鞯墓收咸卣魈崛阻取,短路为取赫攵訫管小波包分解下化。设动态电流经过小波包分解后,第,子带系巨,,⋯,,此方法综合考虑了故障的局部和全局能量信息,因而能有效的描述故障状态。在分类器选择上,神经网络因具有良好的鲁棒性和容错性、并行计算以及学忆的能力而广泛应用于模式识别。近年来,应用神经网络实现电路故障识别已取得了不少成果АВ⑶掖蠖嗖捎枚嗖闱馈神经网络模型。然而传统的反向传播学习算法,在训练过程中网络收敛速度,容易出现早熟。随着人工智能科学的发展,遗传算法用于神经网络结构和权系数的优化可以很好的弥补传统学习算法的不足。本文提出了一种改进的遗传算法来训练神经网络,使训练后神经网络既有良好的记忆特点,又能避免未成熟收敛,即确保学习快速收敛于全局最优解,因此能获得更好的分类效果。文中结合模拟集成电路诊断实例,深入分析故障诊断的原理和具体过程,并通过仿真实验验证所提方法有效性。采用如图镜牟钩ナ紺怂惴糯笃选自曜疾馐缘缏为故障诊断实例,电源动态电流为测试响应,因动态电流含有丰富的故障信息,在模拟集成电路测试与故障诊断中,尤其是数字电路测试中