基于噪声估计的模拟电路故障诊断方法

提出了一种基于噪声估计的模拟电路故障诊断新方法。首先,参考线性系统中包含的信息建立一种故障诊断模型,该模型把被测电路的输出建模为标称值叠加系统扰动(也相当于系统噪声),提取这种噪声信息作为故障特征;接着分析了基于RS(Ramanujan sum)的噪声估计原理,利用这一原理能准确地估计给定信号的噪声值,最终通过比较无故障电路和故障电路之间的噪声差异来实现故障检测。在国际基准电路上仿真和计算的结果表明,该方法具有计算简单、检测率高、测试成本低、适用性强等优势。     

使用重复播种和Golomb编码的二维测试数据压缩

提出了一种用于SOC测试的二维测试数据压缩方案．先利用线性反馈移位寄存器重复播种技术,对带有无关位的测试向量进行压缩,并获得种子差分序列;然后用Golomb编码的方法对其作进一步的压缩;同时给出了Golomb码参数。的确定方法和相应的二维解压结构、实验结果表明,该方案在保证较高故障覆盖率的前提下,既能显著地减少测试序列长度、缩短测试时间,又能有效降低对测试数据带宽的要求．     

多缸发动机各缸工作不均匀性分析

根据多发动机曲轴瞬时转速波动不均匀性主要由缸内循环气压力波动不均匀性引起这一基本事实,以曲轴瞬时转速的实时检测为基础,在一个工作循环内火顺序将作功冲程中瞬时角加速度的波动作为评定各缸工作不均匀性的指标,将所得ＩＰ模糊化用于多缸机的故障诊断作出作初步的探讨。     

故障诊断中基于神经网络的特征提取方法研究

在电路状态检测与故障诊断过程中,恰当地选择特征参数是诊断成败的关键。本文研究了基于神经网络的特征评价和特征提取方法,利用神经网络的训练结果对特征参数进行合理的评价。由于神经网络满足高分辨率信息压缩所需的非线性映射条件,通过特征提取将电路故障模式识别中复杂的分类问题转移到特征处理阶段,利用神经网络有效地实现了特征参数的提取。诊断实例验证了该方法的有效性。     

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。     

IIR滤波器的测试及可测性设计

基于加法器测试生成,提出了无限脉冲响应(IIR)滤波器的一种通用可测性设计、测试方案.在测试模式下,通过切断IIR滤波器中的反馈回路提高了该设计的可测性.通过复用原电路中的部分寄存器和加法器来提高其可测性,降低了额外的测试硬件面积开销.该方法能在真速下高效地侦测到IIR滤波器基本组成单元内的任意固定型组合失效,没有降低电路性能.     

一种新的模拟集成电路输出参数测试方法

提出一种新的、基于行列式判决图的模拟集成电路输出参数测试方法。利用 Laplace展开 ,可以建立被测电路导纳矩阵的行列式判决图 ,从而计算出其输出参数—例如增益和截止频率。对于大规模模拟电路来说 ,由于导纳矩阵的稀疏性和行列式子图的共享性 ,该方法能够有效地测试出被测电路的输出参数。     

测量不确定度估计的极限费舍尔信息方法

极限费舍尔信息（EFI）是源于极限物理信息理论下的一种信息测度。由于在测量实践中,很难一一准确且高效地定义与补偿所有影响测量结果的因素并估计测量不确定度。因此,该文提出了采用根据EFI推导的概率密度函数（PDFs）来估计被测量的测试边界信息,即待测系统的测量不确定度。该方法能够根据不同的不确定度影响因素以及待测系统的物理规则更加动态地刻画测量不确定性。从物理应用角度进行了详细的数理推导与讨论,相比不考虑物理意义的数学模型,该方法更适用于实际应用。最后,用两组实例验证了该EFI方法的有效性。     

基于布尔可满足性的层次化通路时延故障测试

针对现代VLSI电路趋向于层次化的设计,本文提出了基于布尔可满足性的层次化通路时延故障测试方法,采用面向模块级的增量布尔可满足性合取范式的提取,从高到低层次化实现了关键通路的判别及子式生成.利用电路的时延测试条件蕴涵并转化为相应的约束子句,有利于将冲突尽早提前,以减少搜索空间.通过将已有的判别模块储存起来,作为学习子句,避免重复判别,极大的加快了子式的提取且降低了求解的规模和难度.仿真结果表明本文方案具有测试时间短、效率高,特别适合于具有模块化、规则化结构的层次化设计电路.     

具有邻域子空间的电路模块的高效测试生成

对于VLSI中具有邻域子空间的电路模块,提出了一种高效测试生成方法.利用该方法得到了行波进位、超前进位加法器的测试生成,并予以了硬件实现.8位、16位和32位两种加法器的测试实验表明,这些测试生成能够使单固定型故障的故障覆盖率达到100%,双故障覆盖率分别达到99.996%以上以及100%,故障定位率得到了显著提高.测试矢量的数目仅与邻域子空间的大小有关.由于原电路中加法器的复用,两种加法器测试生成的硬件实现仅需额外的一个逻辑与门,将硬件开销降至最小.