CN109033490B - 一种基于启发式进化策略的敏感性电路单元定位方法 - Google Patents
一种基于启发式进化策略的敏感性电路单元定位方法 Download PDFInfo
- Publication number
- CN109033490B CN109033490B CN201810545582.XA CN201810545582A CN109033490B CN 109033490 B CN109033490 B CN 109033490B CN 201810545582 A CN201810545582 A CN 201810545582A CN 109033490 B CN109033490 B CN 109033490B
- Authority
- CN
- China
- Prior art keywords
- circuit
- sensitivity level
- circuit unit
- calculation
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
- Design And Manufacture Of Integrated Circuits (AREA)
Abstract
一种基于启发式进化策略的敏感性电路单元定位方法,所述定位方法包括以下步骤:步骤1.网表解析及相关量的初始化;步骤2.计算在第j轮迭代下,电路中所有单元的敏感性水平wij,i=1,2,…,Ng;步骤3.标识wj中最大的前Ns个元素whj,h∈{1,2,…,Ng},并按顺序输出与其相对应的Ns个电路单元gh。本发明提供了一种基于启发式进化策略的敏感性电路单元定位方法,在保证较高定位准确性的同时还加快了计算的速度。
Description
技术领域
本发明涉及集成电路结构中敏感性电路单元的定位,具体来说是一种基于启发式进化策略的敏感性电路单元定位方法。
背景技术
随着电子电路产品在各个领域的广泛应用,市场对产品也提出了新的更高要求:一方面要求有更快的电路设计能力以便快速响应市场的需求从而有利于提高产品的市场占有率;另一方面要求电路有更高的可靠性水平以满足对高可靠性产品的持续需求从而有助于更好地保障人民的生命财产安全。然而,随着半导体器件特征尺寸的不断缩小与集成度的不断提高,不确定性故障,如间歇性故障与瞬时故障等,对电路可靠性的影响也变得愈发显著。因此,在有潜在故障情况下如何快速实现集成电路产品的高可靠设计已成为当前业界重点关注的关键课题之一。
为实现上述目标,研究人员进行了诸多尝试,其中惯常采用的策略是重用成熟模块构建所需求的功能模块。尽管这有利于快速实现电路产品的设计,但是随着新工艺、新材料等的引入,不确定性故障的发生机率也随之增大,使导致不可避免地降低了所设计产品的可靠性容限。为改善该状况,通常是通过加固电路中的敏感性单元以改善电路的整体可靠性。然而,现有方法在敏感性单元定位方面存在准确性与复杂性难以同时兼顾的缺陷。
发明内容
为了克服现有的电路结构中敏感性单元定位方法存在的无法兼顾准确性和复杂性的不足,本发明提供了一种基于启发式进化策略的敏感性电路单元定位方法,在保证较高定位准确性的同时还加快了计算的速度。
本发明解决其技术问题所采用的技术方案是:
一种基于启发式进化策略的敏感性电路单元定位方法,所述定位方法包括以下步骤:
步骤1.网表解析及相关量的初始化,过程如下:
1.1.读取电路子网表,所述电路子网表仅含1个原始输出端,并构建与之相对应的完整性链表LC;
1.2.初始化电路中所有基本门的故障概率为pg,设置故障概率的增量为△pg,并提取电路的所有原始输入端PI,且初始化变量j=0;
1.3.初始化所有基本门电路的当前敏感性水平wj=[w1j,w2j,…,wNgj]及所处状态sj=[s1j,s2j,…,sNgj],ε=10-4,电路circuit在第j轮计算中的敏感性水平rj=0,circuit在前j轮中的平均敏感性水平Rj=0以及第i个电路单元gi在前j轮中状态取值分别为0与1时所对应的平均敏感性水平R0ij=0与R1ij=0;N指初始迭代次数,Ns指需要标识的电路中敏感性靠前的电路单元个数;其中,wij=0.5,sij=0,Ng指电路中基本门电路的个数,i=1,2,…,Ng;
步骤2.计算在第j轮迭代下,电路中所有单元的敏感性水平wij,i=1,2,…,Ng,过程如下:
2.1.执行j=j+1,并根据wj-1=[w1j,w2j,…,wNgj]随机产生Ns个状态为1的电路单元,使满足sum(sj)=Ns,其中,sum指求和运算;
2.2.更新sij=1所对应的电路单元的故障概率pg=pg+△pg;
2.3.基于随机策略产生用于当前第j轮计算的输入向量PIj,并调用基于E-PTM模型策略的函数计算电路circuit的当前第j轮计算中的敏感性水平rj=sen(circuit,PIj,pg);
2.4.计算前j轮输入向量所对应的电路平均敏感性水平Rj;
2.5.计算前j轮中第i个电路单元状态分别为0与1所对应的平均敏感性水平R0ij与R1ij,i=1,2,…,Ng;
2.6.利用式(1)确定第i个电路单元在第j轮计算中对结果的作用方向xi,i=1,2,…,Ng;
2.7.利用式(2)与式(3)计算在第j轮中第i个电路单元的敏感性水平,i=1,2,…,Ng;
wij=wi(j-1)+Δwij (2)
2.8.更新sij=1所对应的电路单元的故障概率pg=pg-△pg;
2.9.若j>N,则转到步骤2.10,否则转到步骤2.1;
2.10.若|wij-wik|≤ε,k=j-1,j-2,…,j-m,i=1,2,…,Ng,则转到步骤3,其中m通常取值为10;否则转到步骤2.1;
步骤3.标识wj中最大的前Ns个元素whj,h∈{1,2,…,Ng},并按顺序输出与其相对应的Ns个电路单元gh。
本发明的技术构思为:为克服现有方法存在的不足,基于启发式进化策略,构建了一种可定位电路结构中指定数量的敏感性电路单元的方法,它通过分析各电路单元对结果的贡献以计算其敏感性水平,从而获得各单元的敏感性排序使实现定位。
在本发明中,首先,读取并解析电路子网表,并对相关量进行初始化;接着,按要求随机更新指定个数电路单元的故障概率,并通过E-PTM模型计算了对应输入向量的电路敏感性水平;再计算所有输入向量的平均敏感性水平以及各电路单元在状态分别取值为0与1下的平均敏感性水平;然后,基于贡献率分析了各电路单元对结果的作用方向,并计算了其对电路结构的敏感性水平;最后,依据自适应策略实现了计算的收敛,并按敏感性从大至小的顺序输出了相对应的电路单元。
本发明的有益效果主要表现在:以启发式进化策略为主要技术手段,通过自学习在线不断扩充的实例样本实现了电路结构中敏感性电路单元的有效定位。在电路设计过程中,利用本发明成果有助于快速定位到电路结构的薄弱环节,使有利于通过加固策略从而以较小的代价实现电路结构可靠性水平的较大程度提升。它有助于缩短电路产品的开发周期,并降低设计成本。
附图说明
图1是一种基于启发式进化策略的敏感性电路单元定位方法的计算流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种基于启发式进化策略的敏感性电路单元定位方法,包括以下步骤:
步骤1.网表解析及相关量的初始化,过程如下:
1.1.读取电路子网表,所述电路子网表仅含1个原始输出端,并构建与之相对应的完整性链表LC;
1.2.初始化电路中所有基本门的故障概率为pg,设置故障概率的增量为△pg,并提取电路的所有原始输入端PI,且初始化变量j=0;
1.3.初始化所有基本门电路的当前敏感性水平wj=[w1j,w2j,…,wNgj]及所处状态sj=[s1j,s2j,…,sNgj],ε=10-4,电路circuit在第j轮计算中的敏感性水平rj=0,circuit在前j轮中的平均敏感性水平Rj=0以及第i个电路单元gi在前j轮中状态取值分别为0与1时所对应的平均敏感性水平R0ij=0与R1ij=0;N指初始迭代次数,Ns指需要标识的电路中敏感性靠前的电路单元个数;其中,wij=0.5,sij=0,Ng指电路中基本门电路的个数,i=1,2,…,Ng;
步骤2.计算在第j轮迭代下,电路中所有单元的敏感性水平wij,i=1,2,…,Ng,过程如下:
2.1.执行j=j+1,并根据wj-1=[w1j,w2j,…,wNgj]随机产生Ns个状态为1的电路单元,使满足sum(sj)=Ns。其中,sum指求和运算;
2.2.更新sij=1所对应的电路单元的故障概率pg=pg+△pg;
2.3.基于随机策略产生用于当前第j轮计算的输入向量PIj,并调用基于E-PTM模型策略的函数计算电路circuit的当前第j轮计算中的敏感性水平rj=sen(circuit,PIj,pg);
2.4.计算前j轮输入向量所对应的电路平均敏感性水平Rj;
2.5.计算前j轮中第i个电路单元状态分别为0与1所对应的平均敏感性水平R0ij与R1ij,i=1,2,…,Ng;
2.6.利用式(1)确定第i个电路单元在第j轮计算中对结果的作用方向xi,i=1,2,…,Ng;
2.7.利用式(2)与式(3)计算在第j轮中第i个电路单元的敏感性水平,i=1,2,…,Ng;
wij=wi(j-1)+Δwij (2)
2.8.更新sij=1所对应的电路单元的故障概率pg=pg-△pg;
2.9.若j>N,则转到步骤2.10,否则转到步骤2.1;
2.10.若|wij-wik|≤ε,k=j-1,j-2,…,j-m,i=1,2,…,Ng,则转到步骤3,其中m通常取值为10;否则转到步骤2.1;
步骤3.标识wj中最大的前Ns个元素whj,h∈{1,2,…,Ng},并按顺序输出与其相对应的Ns个电路单元gh。
本实施例以启发式进化策略为主要技术手段,通过持续的在线样本自学习方法以实现电路结构中敏感性单元的定位。它具备较高的精度及可接受的时空开销。且有助于借助成熟模块以实现大规模及超大规模集成电路的快速高可靠设计,也有利于电路设计人员了解电路结构中的薄弱环节以便及时改善设计。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于启发式进化策略的敏感性电路单元定位方法,其特征在于,所述定位方法包括以下步骤:
步骤1.网表解析及相关量的初始化,过程如下:
1.1.读取电路子网表,所述电路子网表仅含1个原始输出端,并构建与之相对应的完整性链表LC;
1.2.初始化电路中所有基本门的故障概率为pg,设置故障概率的增量为△pg,并提取电路的所有原始输入端PI,且初始化变量j=0;
1.3.初始化所有基本门电路的当前敏感性水平wj=[w1j,w2j,…,wNgj]及所处状态sj=[s1j,s2j,…,sNgj],ε=10-4,电路circuit在第j轮计算中的敏感性水平rj=0,circuit在前j轮中的平均敏感性水平Rj=0以及第i个电路单元gi在前j轮中状态取值分别为0与1时所对应的平均敏感性水平R0ij=0与R1ij=0;N指初始迭代次数,Ns指需要标识的电路中敏感性靠前的电路单元个数;其中,wij=0.5,sij=0,Ng指电路中基本门电路的个数,i=1,2,…,Ng;
步骤2.计算在第j轮迭代下,电路中所有单元的敏感性水平wij,i=1,2,…,Ng,过程如下:
2.1.执行j=j+1,并根据wj-1=[w1j,w2j,…,wNgj]随机产生Ns个状态为1的电路单元,使满足sum(sj)=Ns,其中,sum指求和运算;
2.2.更新sij=1所对应的电路单元的故障概率pg=pg+△pg;
2.3.基于随机策略产生用于当前第j轮计算的输入向量PIj,并调用基于E-PTM模型策略的函数计算电路circuit的当前第j轮计算中的敏感性水平rj=sen(circuit,PIj,pg);
2.4.计算前j轮输入向量所对应的电路平均敏感性水平Rj;
2.5.计算前j轮中第i个电路单元状态分别为0与1所对应的平均敏感性水平R0ij与R1ij,i=1,2,…,Ng;
2.6.利用式(1)确定第i个电路单元在第j轮计算中对结果的作用方向xi,i=1,2,…,Ng;
2.7.利用式(2)与式(3)计算在第j轮中第i个电路单元的敏感性水平,i=1,2,…,Ng;
wij=wi(j-1)+Δwij (2)
2.8.更新sij=1所对应的电路单元的故障概率pg=pg-△pg;
2.9.若j>N,则转到步骤2.10,否则转到步骤2.1;
2.10.若|wij-wik|≤ε,k=j-1,j-2,…,j-m,i=1,2,…,Ng,则转到步骤3,其中m通常取值为10;否则转到步骤2.1;
步骤3.标识wj中最大的前Ns个元素whj,h∈{1,2,…,Ng},并按顺序输出与其相对应的Ns个电路单元gh。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810545582.XA CN109033490B (zh) | 2018-05-25 | 2018-05-25 | 一种基于启发式进化策略的敏感性电路单元定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810545582.XA CN109033490B (zh) | 2018-05-25 | 2018-05-25 | 一种基于启发式进化策略的敏感性电路单元定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033490A CN109033490A (zh) | 2018-12-18 |
CN109033490B true CN109033490B (zh) | 2023-04-18 |
Family
ID=64611924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810545582.XA Active CN109033490B (zh) | 2018-05-25 | 2018-05-25 | 一种基于启发式进化策略的敏感性电路单元定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033490B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110175352B (zh) * | 2019-04-16 | 2023-01-31 | 浙江工业大学 | 一种基于评分机制的敏感性电路单元度量方法 |
CN110135005B (zh) * | 2019-04-18 | 2023-11-03 | 国网江苏省电力有限公司响水县供电分公司 | 一种基于剪枝策略的关键性电路单元定位方法 |
CN110175357B (zh) * | 2019-04-23 | 2023-11-03 | 国网江苏省电力有限公司响水县供电分公司 | 一种基于基准化分析的门级敏感性电路单元定位方法 |
CN110287538B (zh) * | 2019-05-29 | 2023-04-18 | 浙江工业大学 | 一种面向门级电路的精确快速敏感性单元定位方法 |
CN111597765B (zh) * | 2020-03-25 | 2024-04-19 | 浙江工业大学 | 一种基于随机与并行计算策略的rtl级电路可靠性度量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570293A (zh) * | 2016-11-14 | 2017-04-19 | 浙江工业大学 | 一种基于eptm模型的电路信号可靠性的概率计算方法 |
CN107871035A (zh) * | 2017-09-27 | 2018-04-03 | 浙江工业大学 | 一种快速有效的电路输入向量敏感性计算方法 |
CN108052838A (zh) * | 2017-11-23 | 2018-05-18 | 北京智芯微电子科技有限公司 | 芯片加密设计的泄漏定位系统及方法 |
-
2018
- 2018-05-25 CN CN201810545582.XA patent/CN109033490B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570293A (zh) * | 2016-11-14 | 2017-04-19 | 浙江工业大学 | 一种基于eptm模型的电路信号可靠性的概率计算方法 |
CN107871035A (zh) * | 2017-09-27 | 2018-04-03 | 浙江工业大学 | 一种快速有效的电路输入向量敏感性计算方法 |
CN108052838A (zh) * | 2017-11-23 | 2018-05-18 | 北京智芯微电子科技有限公司 | 芯片加密设计的泄漏定位系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109033490A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033490B (zh) | 一种基于启发式进化策略的敏感性电路单元定位方法 | |
Choudhury et al. | Reliability analysis of logic circuits | |
US11200461B2 (en) | Methods and arrangements to identify feature contributions to erroneous predictions | |
Bao et al. | One-dimensional convolutional neural network for damage detection of jacket-type offshore platforms | |
CN109522628B (zh) | 一种面向多输入向量的关键性电路单元定位方法 | |
Giannakoglou et al. | Low-cost genetic optimization based on inexact pre-evaluations and the sensitivity analysis of design parameters | |
CN107563067A (zh) | 基于自适应代理模型的结构可靠性分析方法 | |
CN108879732B (zh) | 电力系统暂态稳定评估方法及装置 | |
CN105653450A (zh) | 基于改进遗传算法与Adaboost结合的软件缺陷数据特征选择方法 | |
CN111784061B (zh) | 一种电网工程造价预测模型的训练方法、装置和设备 | |
CN114266278B (zh) | 一种基于双重注意力网络的设备剩余使用寿命预测方法 | |
CN109614992A (zh) | 一种基于dssae的间歇过程故障诊断方法 | |
CN108805195A (zh) | 一种基于二值深层神经网络的电机群故障诊断方法 | |
CN115146580A (zh) | 基于特征选择和深度学习的集成电路路径延时预测方法 | |
CN112414715A (zh) | 基于混合特征与改进灰度共生算法的轴承故障诊断方法 | |
CN113541985A (zh) | 物联网故障诊断方法、模型的训练方法及相关装置 | |
Chen et al. | Approximate Bayesian assisted inverse method for identification of parameters of variable stiffness composite laminates | |
CN117034430B (zh) | 基于深度学习及数字孪生的闸门健康监测方法、系统及计算机可读存储介质 | |
CN112763215B (zh) | 一种基于模块化联邦深度学习的多工况在线故障诊断方法 | |
Lv et al. | An improved test selection optimization model based on fault ambiguity group isolation and chaotic discrete PSO | |
CN111814900A (zh) | 基于matlab神经网络的电能表故障分类方法及其装置 | |
CN116303786A (zh) | 一种基于多维数据融合算法的区块链金融大数据管理系统 | |
CN112203311A (zh) | 网元异常诊断方法、装置、设备及计算机存储介质 | |
CN114580239B (zh) | 一种考虑不确定性的桥梁损伤识别方法 | |
CN117110775A (zh) | 一种基于卷积特征和时序特征融合的电缆单缺陷定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |