基于确定性测试集的数字集成电路随机测试

提出了一种基于确定性测试集的数字集成电路随机测试生成方法。通过确定性测试集的分类及随机化，该方法能生成高性能的随机测试多权集。和平凡随机测试及采用单权集下的随机测试相比，采用文中的方法在压缩测试长度的同时还可获得较高的故障覆盖率。对标准电路的实验验证了该加权集生成算法的有效性，此方法对组合电路和时序电路以及对大规模集成电路的内测试和外测试皆试用。     

时序电路状态测试与精简方法研究

通过分析时序电路固定故障的状态变换,提出基于状态隐含变换的测试方法.最后,详细讨论了状态测试的过程压缩和故障精简问题.     

基于遗传算法的数字集成电路多故障测试生成方法

在数字集成电路多故障测试生成算法的研究中,寻求具有高故障覆盖率,较短测试生成时间是问题的关键。文中采用遗传算法,通过对已有算法的分析,提出了计算简单、切实有效的适应度函数,减小了算法的时间复杂度,实验结果证明该算法可以有效地得到故障的测试矢量。     

数字集成电路的故障检测方法研究

本文对数字集成电路中常用的组合,时序电路的故障检测方法进行了讨论,总结出最小测试集的生成法。     

基于D算法与故障树法相结合的电路板故障诊断

针对数字电路板故障诊断中测试码生成效率低以及会出现多个故障的测试向量相同的情况,提出了故障树与D算法结合生成测试码的方法.以电路板故障作为顶事件进行故障树的建立,用D算法按照故障树中各故障的优先级顺序生成故障的测试向量,这使得故障诊断的速度大大提高,并且有效地解决了因不同故障的测试码相同造成的不能准确定位故障的问题.最后,将此诊断方法应用于某电路板的故障诊断,充分地验证了诊断效果.     

数字集成电路的故障检测方法研究

本文对数字集成电路中常用的组合，时序电路的故障检测方法进行了讨论，总结出最小测试集的生成法。     

时序电路功能测试生成方法探讨

研究一种对复杂时序电路行之有效的测试生成的方法,关系到VLSI电路自动测试技术真正付诸实用的问题。本文从时序电路的结构和功能两方面,分析总结了用于数字电路或数字系统的测试生成方法。     

蚂蚁算法在矩形件优化排样中的应用

蚂蚁算法是解决优化问题的一种相对轻新的启发式算法，大规模的矩形件优化排样问题是个NP难题。文中尝试用蚂蚁算法求解矩形件优化排样问题，根据提出的求解算法，开发出了基于蚂蚁算法的计算机辅助优化排样系统，并将蚂蚁算法的求解结果和遗传算法进行了对比，试验结果证明了用蚂蚁算法求解矩形件优化排样问题的可行性和有效性。     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

数字电路冗余故障识别算法的研究与实现

智能电器中数字电路的高度集成化使测试难度增强,测试和维护已成为超大规模集成电路的关键问题。基于数字电路自动测试系统的构建,针对阻碍测试向量生成的冗余故障,提出在测试前将其剔除以提高测试生成效率的方案。设计并实现了基于冲突赋值的冗余故障分析算法,基于国际标准测试电路ISCAS85和ISCAS89的实验结果表明,该方法可准确识别大量冗余故障。     

基于BP神经网络与瞬态响应分析的电路故障诊断技术

论文研究了基于模式识别原理的人工神经网络电路故障诊断方法,结合仿真技术,应用瞬态响应分析把数模混合信号电路中数字电路部分与模拟电路部分统一进行诊断,探讨了模拟电路和数字电路特性相差太大难于诊断的问题。针对具体电路,利用MATLAB神经网络工具箱对电路进行仿真,结果表明,利用所提出的实现方法对模拟及数模混合电路进行了较准确的诊断,达到了预期的目的。     

数字集成电路的混合模式内建自测试方法

为以较少的硬件和测试时间开销获得对被测电路测试集的完全覆盖，提出一种基于扫描的数字集成电路混合模式内建自测试方法。通过对用作伪随机测试激励的线性反馈移位寄存器（LFSR）的结构和初态的选择以提高故障覆盖率和减少测试时间，对上述伪随机测试中未能覆盖的故障，采用一种不用存储来生成确定性测试矢量的方法。对标准电路的实验证明可获得较高的测试效率，特别适合数字集成电路的内建自测试。     

基于分治策略的加法器测试向量生成技术

为应对数据通道测试中向量生成计算复杂度的日益增长,针对加法器进行研究,提出了一种基于分治策略的加法器测试向量生成技术。首先将被测加法器电路分解为并发模块和顺序模块,分别生成对应这些模块故障全覆盖的测试向量子集,再将他们的输入信号映射为被测加法器电路的基本输入,经去除冗余向量后得到完整的测试向量集。给出的实验结果表明了该技术能有效地降低加法器测试向量生成的计算量,特别对于大规模加法器电路的测试生成,其效果更佳。     

基于互相关检测的滚动轴承实时故障诊断方法

提出了一种易于用模拟电路实现的基于互相关检测的滚动轴承实时故障诊断方法,首先,用两个加速度传感器在不同测点采集轴承振动信号,将其分别送入相应通道的高Q带通滤波器来选择最优共振带;然后,将两路带通滤波器的输出信号进行互相关检测,将互相关检测得到的信号经低通滤波器,保留低频故障信号;最后,将低通滤波器输出的时域信号通过频谱分析仪显示滚动轴承故障特征频率的谱线以实现滚动轴承的实时故障诊断。用模拟电路的形式将该方法进行搭建,并在QPZZ-II实测平台完成滚动轴承的实时故障诊断。结果表明:该方法克服了单一信号源的局限性,能利用互相关函数削弱共振带内部噪声,使诊断结果具有更高的频谱辨识率,而且能够用结构简单、易于维护的模拟电路实现,对轴承实时故障诊断方法的应用与普及具有一定的参考价值。     

基于小波-神经网络的模拟电路IDDT故障诊断

动态电源电流测试(IDDT)对模拟电路故障诊断非常有效,而小波变换能够有效提取动态电流的故障特性。因此提出一种基于小波-神经网络的模拟电路IDDT故障诊断方法。利用小波变换具有时频局部化特性,分别对模拟电路正常模式和故障模式的IDDT采样信号进行特征向量提取,建立故障字典;然后利用神经网络具有非线性映射优点,对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。     

A novel approach for analog fault diagnosis based on stochastic signal analysis and improved GHMM

This paper presents a novel fault diagnosis method to diagnose ordinary soft fault and incipient soft fault for linear analog circuit. Due to the presence of tolerance, the parameter variation of analog component obeys a nearly normal distribution, and the linear circuit responses are considered as a stochastic process. Therefore, three kinds of stochastic series are extracted as fault features. Then, fault feature samples are divided into train samples and test samples. The relevant statistic values of them are calculated as final test samples in the stage of fault testing. In order to diagnose stochastic series effectively, an improved GHMM classifier is designed based on the fault occurrence characteristics of analog component. The stochastic sequences are thought as the observation symbols for the proposed GHMM. Simulation circuits and actual circuits are tested to prove the effectiveness of the new method.     

基于粗集约简预处理的模拟电路故障诊断

基于人工神经网络的智能故障诊断系统作为人工智能技术在模拟电路故障诊断领域的应用,在实践中取得了一定的成效。但将神经网络用于电路故障诊断时,知识具有隐含性,可解释性差,且对输入数据的冗余难以约简,获得每一个训练样本都要进行一次测试或模拟计算,样本花费代价很大,而粗糙集理论作为处理不确定、不完整、不精确知识的有力工具,具有强大的知识约简和定性分析能力。因此,该文提出了对模拟电路的故障特征进行粗集约简预处理研究的智能诊断方法。并举例说明诊断系统的具体实现方法,仿真结果表明:在相同的精度要求下,该算法的训练时间远小于普通的进化神经网络,对模拟电路的故障诊断有一定的实际意义。     

基于FRWT的模拟电路早期故障诊断

针对模拟电路早期故障诊断的难题,基于分数阶小波转换(fractional wavelet trarsform,FRWT)并结合隐马尔科夫模型(hidden Markov model,HMM),提出了一种模拟电路故障特征分析的新方法。首先将无故障状态和各故障状态下模拟待测试电路(circuit under test,CUT)的响应序列进行分数阶小波分解得到子带响应序列,然后从子带响应序列提取出故障特征向量并构成观测序列训练出HMM,最后利用训练好的HMM对未知状态电路进行诊断。实验结果表明,该方法能有效提取模拟电路的故障特征,完成模拟电路早期故障检测和故障定位。     

The study of hybrid model identification,computation analysis and fault location for nonlinear dynamic circuits and systems

This paper presents the hybrid model identification for a class of nonlinear circuits and systems via a combination of the block-pulse function transform with the Volterra series. After discussing the method to establish the hybrid model and introducing the hybrid model identification, a set of relative formulas are derived for calculating the hybrid model and computing the Volterra series solution of nonlinear dynamic circuits and systems. In order to significantly reduce the computation cost for fault location, the paper presents a new fault diagnosis method based on multiple preset models that can be realized online. An example of identification simulation and fault diagnosis are given. Results show that the method has high accuracy and efficiency for fault location of nonlinear dynamic circuits and systems.