CN114282485A - 一种电子线路的pcb设计方法 - Google Patents

Abstract

本发明提供一种电子线路的PCB设计方法，属于PCB设计技术领域，方法包括如下，对PCB设计的案例库进行问题识别和知识表示，并根据待设计的PCB确定其影响因素，将PCB设计特点的连续数据离散化，构建PCB设计影响因素与PCB设计参数之间的不确定性网络结构，完成对PCB设计影响因素的约简，计算PCB设计影响因素的权值，将最相似案例的PCB设计参数值作为推荐值，将推荐的PCB设计参数值及其PCB设计影响因素与需求数据生成设计方案。以参数数据视为案例，利用已有数据完成PCB的设计，使得PCB设计更好参考现有的案例数据，并把数据离散化后再进行除冗余，流下的参数的权值更高，有较好的应用价值，设计效率高，可大幅度节省设计时间。

Description

一种电子线路的PCB设计方法

技术领域

本发明涉及PCB设计技术领域，尤其涉及一种电子线路的PCB设计方法。

背景技术

印制电路板(PCB)是电子元器件的支撑体和电子元器件电气连接的载体，PCB设计是以电路原理图为根据，实现电路设计者所需要的功能，在PCB板的设计过程中一般需要考虑PCB板的外部连接的布局、内部电子元件的优化布局、金属连线和通孔的优化布局以及电磁保护、热耗散等各种因素。

目前使用的比较多的PCB辅助设计工具是Protel，Cadence spb，MentorEE等，而这些PCB辅助设计工具在智能辅助设计方面还停留在保证走线约束，信号完整性、电磁兼容仿真等被动满足开发人员要求的设计辅助阶段，而在辅助开发人员优化PCB设计，深度学习已有参考设计的基础上快速实现当前PCB设计，提升设计效率领域还存在不足。

目前人工布局PCB设计的方法面临以下缺陷：人工布局PCB设计的过程中，工作重复程度高，以工业以太网交换机的PCB设计为例，全部的设计包含CPU部分电路、DDR等存储部分电路、交换部分电路、以太网口、电源等周边电路的设计，在每次新设计的工业以太网交换机在上述电路部分在选用相同器件的前提下经常出现重复绘制工作量。同时对于缺乏经验的设计人员，其在PCB设计中会出现器件布局不合理，高速数据时序颠倒、阻抗匹配不完善等情况。

发明内容

本发明的目的在于提供一种电子线路的PCB设计方法，解决背景技术中提到的技术问题。

为了实现上述目的，本发明采用的技术方案如下：

一种电子线路的PCB设计方法，所述方法包括如下步骤：

步骤1：将电子线路原理图画好，将画好的原理图设计PCB，输入PCB需求数据，根据PCB设计的特点，对PCB设计的案例库进行问题识别和知识表示，并根据待设计的PCB确定其影响因素；

步骤2：将PCB设计特点的连续数据离散化，搜索PCB设计参数的马尔可夫毯，构建PCB设计影响因素与PCB设计参数之间的不确定性网络结构，即马尔可夫毯结构，完成对PCB设计影响因素的约简，为去除冗余属性；

步骤3：计算PCB设计影响因素的权值，根据PCB设计参数与PCB设计影响因素之间的马尔可夫毯结构对权值进行优化；

步骤4：基于案例间的相似度，将最相似案例的PCB设计参数值作为推荐值；

步骤5：将推荐的PCB设计参数值及其PCB设计影响因素与需求数据生成设计方案。

进一步地，步骤1中，画好的原理图上对应每个模块电路设置相应的功能参数和输入输出参数，PCB需求数据为用户根据不同的产品设计提出的PCB需求数据。

进一步地，步骤1中，以PCB的元件库、干扰性、尺寸大小和器件管脚固定定位共同构成PCB设计参数设计的案例情景，与PCB参数一起共同构成案例特征，收集的PCB设计数据集包含PCB参数变量，直接将基于PCB参数案例特征相关的规范收集的PCB设计数据作为案例集，设定PCB设计数据案例通过三部分来描述：案例编号，PCB参数和PCB影响因素，设定case＝(S_i，X_k，Y_j)表示PCB设计数据案例集，其中S表示案例编号S_i＝{S₁，S₂，...，S_m}(i＝1，2，...，m)，m表示案例的个数；X表示PCB影响因素X_k＝{X₁，X₂，...，X_t}，(k＝1，2，...，t)，t表示PCB影响因素的个数；Y表示PCB参数集Y_j＝{Y₁，Y₂，...，Y_n}(j＝1，2，...，n)，n表示PCB参数的个数。

进一步地，步骤2中，PCB设计数据案例case＝(S_i，X_k，Y_j)中各个变量之间的关系全部或部分未知，通过获取其马尔可夫毯，剔除冗余因素，得到PCB参数Yj的λ_j(λ_j<n)个直接影响因素X_η＝{X₁，X₂，...，X_λj}，η＝(1，2，...，λ_j)及相互关系，最终确定影响关系的逻辑，提供更准确的推理，利用IPCMB算法得到产品参数之间的相互影响结构，构建PCB设计参数的马尔可夫毯，输入PCB影响因素的离散数据X_k，待设计的工艺参数Y_j，利用G²条件独立性测试去除与待设计PCB参数Y_j无信息传递的PCB影响因素，根据马尔可夫毯的定义，搜索待设计PCB参数Y_j的马尔可夫毯集，根据Y_j的马尔可夫毯集中的V结构，得到待设计工艺参数Y_j马尔可夫毯集中的指向关系，设X₁是Y₁的马尔可夫毯集中的父子节点，Y₁是X₂马尔可夫毯的父子节点，X₁不是X₂的父子节点，且在Y₁与X₁、X₂的所有条件集的并集下X₁、X₂相互独立，那么在Y₁的马尔可夫毯中存在X₁→Y₁←X₂的指向结构，得到待设计PCB参数Y_j的马尔可夫毯，输出结构图。

进一步地，利用G²条件独立性测试去除与待设计PCB参数Y_j无信息传递的产品影响因素的过程为：

PCB设计数据中存在离散数据和连续数据，首先采用Canopy K-means算法对产品设计的连续数据进行离散化；

对case＝(S_i，X_k，Y_j)，设定都已离散化，令v_k ⁽ⁱ⁾表示离散变量X_k＝x_ik的次数，v_j ⁽ⁱ⁾表示Y_j＝y_ij的次数，若X_k与Y_j无条件相互独立，则随机变量X_kY_j的期望值为：

令{case-Y_j-X_k}为它们的条件集，表示为C_u，且C_u＝{c_iu}，若X_k与Y_j在C_u下条件独立，则随机变量X_kY_jC_u的期望值为：

式中：v_u ⁽ⁱ⁾为C_u＝c_iu的次数，v_ku ⁽ⁱ⁾为case中X_k＝x_ik同时C_u＝c_iu的次数，v_ju ⁽ⁱ⁾为case中Y_j＝y_ij同时C_u＝c_iu的次数；

构造两个离散变量的卡方统计量

该卡方统计量服从自由度为f：

f＝(r_k-1)(r_j-1) (4)

式中：r_k为X_k可能取值的类别，r_j为Y_j可能取值的类别，X₁的取值为0或1，表示PCB设计的模式，r_k＝2；

通过卡方统计量和自由度f，对应卡方值下的p值查表，若p值小于显著性水平，则两个离散变量相互独立；

构造条件独立性G²统计量来检验X_k与Y_j在C_u下条件独立性，若G²统计量的值大于给定自由度f下的卡方值，则p值小于显著性水平，表示X_k与Y_j条件独立，条件独立性测试G²统计量为：

代入式(2)，则式(5)为：

根据式(4)，条件独立性测试下的自由度为：

式中：r_k为C_u可能取值的类别，|C_u|为C_u中变量的个数，即C_u的维度。

进一步地，步骤3中，待设计PCB参数的PCB影响因素的权重将直接影响案例推理的准确性，由于案例为数据集，故基于数据及待设计PCB参数的马尔可夫毯，采用信息熵对该特定产品参数的影响因素进行赋权，对连续取值的数据，挖掘待设计PCB参数Y_j与PCB影响因素X_k之间的关系，将已有的PCB参数与其约简后的影响因素组成一个新的矩阵V*：

采用极差化法将V*标准化，

进行归一化处理

对于取离散值的工艺数据，令

案例中第k个影响因素的信息熵定义为：

基于马尔可夫毯对待设计PCB参数Y_j的工艺影响因素约简后，得到Y_j的λ_j个PCB影响因素

权重需要根据X_η与λ_j-1个PCB影响因素之间存在信息传递调整，则设定产品影响因素X_η对PCB参数Y_j的影响权重为：

式中：α为产品影响因素之间的依赖或独立关系，即

进一步地，步骤4中，采用最近邻策略计算案例的相似度，目标案例S_l与源案例S_i的相似度计算公式为：

然后将与目标案例相似度得分最高的源案例的结果赋与目标案例，实现PCB方案的设计。

进一步地，步骤5中，将PCB设计参数值与需求数据融合，即参数值与需求数据为特性相同时，取参数值为设计方案的参数值，如果不是时，根据需求数据对参数值进行修正，同时修正时以影响因素作为修正参考因素。

本发明由于采用了上述技术方案，具有以下有益效果：

本发明以参数数据视为案例，利用已有数据完成PCB的设计，使得PCB设计更好参考现有的案例数据，并把数据离散化后再进行除冗余，流下的参数的权值更高，有较好的应用价值，设计效率高，可大幅度节省设计时间。

附图说明

图1是本发明方法流程图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。

如图1所示，一种电子线路的PCB设计方法，所述方法包括如下步骤：

步骤1：将电子线路原理图画好，将画好的原理图设计PCB，输入PCB需求数据，根据PCB设计的特点，对PCB设计的案例库进行问题识别和知识表示，并根据待设计的PCB确定其影响因素。画好的原理图上对应每个模块电路设置相应的功能参数和输入输出参数，PCB需求数据为用户根据不同的产品设计提出的PCB需求数据。原理图的输入输出会有具体的电压电流的输入参数，同时需要输出的数据参数是什么等，在原理图设置和原理器件的参数设置时就已经设定。同时PCB应用的产品数据等都提供好，则可以设定了大概的整体的PCB的尺寸等。

以PCB的元件库、干扰性、尺寸大小和器件管脚固定定位共同构成PCB设计参数设计的案例情景，与PCB参数一起共同构成案例特征，收集的PCB设计数据集包含PCB参数变量，直接将基于PCB参数案例特征相关的规范收集的PCB设计数据作为案例集，设定PCB设计数据案例通过三部分来描述：案例编号，PCB参数和PCB影响因素，设定case＝(S_i，X_k，Y_j)表示PCB设计数据案例集，其中S表示案例编号S_i＝{S₁，S₂，...，S_m}(i＝1，2，...，m)，m表示案例的个数；X表示PCB影响因素X_k＝{X₁，X₂，...，X_t}，(k＝1，2，...，t)，t表示PCB影响因素的个数；Y表示PCB参数集Y_j＝{Y₁，Y₂，...，Y_n}(j＝1，2，...，n)，n表示PCB参数的个数。

步骤2：将PCB设计特点的连续数据离散化，搜索PCB设计参数的马尔可夫毯，构建PCB设计影响因素与PCB设计参数之间的不确定性网络结构，即马尔可夫毯结构，完成对PCB设计影响因素的约简，为去除冗余属性；

PCB设计数据案例case＝(S_i，X_k，Y_j)中各个变量之间的关系全部或部分未知，通过获取其马尔可夫毯，剔除冗余因素，得到PCB参数Y_j的λ_j(λ_j<n)个直接影响因素X_η＝{X₁，X₂，...，X_λj}，η＝(1，2，...，λ_j)及相互关系，最终确定影响关系的逻辑，提供更准确的推理，利用IPCMB算法得到产品参数之间的相互影响结构，构建PCB设计参数的马尔可夫毯，输入PCB影响因素的离散数据X_k，待设计的工艺参数Y_j，利用G²条件独立性测试去除与待设计PCB参数Y_j无信息传递的PCB影响因素，根据马尔可夫毯的定义，搜索待设计PCB参数Y_j的马尔可夫毯集，根据Y_j的马尔可夫毯集中的V结构，得到待设计工艺参数Y_j马尔可夫毯集中的指向关系，设X₁是Y₁的马尔可夫毯集中的父子节点，Y₁是X₂马尔可夫毯的父子节点，X₁不是X₂的父子节点，且在Y₁与X₁、X₂的所有条件集的并集下X₁、X₂相互独立，那么在Y₁的马尔可夫毯中存在X₁→Y₁←X₂的指向结构，得到待设计PCB参数Y_j的马尔可夫毯，输出结构图。

利用G²条件独立性测试去除与待设计PCB参数Y_j无信息传递的产品影响因素的过程为：

PCB设计数据中存在离散数据和连续数据，首先采用Canopy K-means算法对产品设计的连续数据进行离散化；

对case＝(S_i，X_k，Y_j)，设定都已离散化，令v_k ⁽ⁱ⁾表示离散变量X_k＝x_ik的次数，v_j ⁽ⁱ⁾表示Y_j＝y_ij的次数，若X_k与Y_j无条件相互独立，则随机变量X_kY_j的期望值为：

令{case-Y_j-X_k}为它们的条件集，表示为C_u，且C_u＝{c_iu}，若X_k与Y_j在C_u下条件独立，则随机变量X_kY_jC_u的期望值为：

式中：v_u ⁽ⁱ⁾为C_u＝c_iu的次数，v_ku ⁽ⁱ⁾为case中X_k＝x_ik同时C_u＝c_iu的次数，v_ju ⁽ⁱ⁾为case中Y_j＝y_ij同时C_u＝c_iu的次数；

构造两个离散变量的卡方统计量

该卡方统计量服从自由度为f：

f＝(r_k-1)(r_j-1) (4)

式中：r_k为X_k可能取值的类别，r_j为Y_j可能取值的类别，X₁的取值为0或1，表示PCB设计的模式，r_k＝2；

通过卡方统计量和自由度f，对应卡方值下的p值查表，若p值小于显著性水平，则两个离散变量相互独立；

构造条件独立性G²统计量来检验X_k与Y_j在C_u下条件独立性，若G²统计量的值大于给定自由度f下的卡方值，则p值小于显著性水平，表示X_k与Y_j条件独立，条件独立性测试G²统计量为：

代入式(2)，则式(5)为：

根据式(4)，条件独立性测试下的自由度为：

式中：r_k为C_u可能取值的类别，|C_u|为C_u中变量的个数，即C_u的维度。

步骤3：计算PCB设计影响因素的权值，根据PCB设计参数与PCB设计影响因素之间的马尔可夫毯结构对权值进行优化。

待设计PCB参数的PCB影响因素的权重将直接影响案例推理的准确性，由于案例为数据集，故基于数据及待设计PCB参数的马尔可夫毯，采用信息熵对该特定产品参数的影响因素进行赋权，对连续取值的数据，挖掘待设计PCB参数Y_j与PCB影响因素X_k之间的关系，将已有的PCB参数与其约简后的影响因素组成一个新的矩阵V*：

采用极差化法将V*标准化，

进行归一化处理

对于取离散值的工艺数据，令

案例中第k个影响因素的信息熵定义为：

基于马尔可夫毯对待设计PCB参数Y_j的工艺影响因素约简后，得到Y_j的λ_j个PCB影响因素

权重需要根据X_η与λ_j-1个PCB影响因素之间存在信息传递调整，则设定产品影响因素X_η对PCB参数Y_j的影响权重为：

式中：α为产品影响因素之间的依赖或独立关系，即

步骤4：基于案例间的相似度，将最相似案例的PCB设计参数值作为推荐值。采用最近邻策略计算案例的相似度，目标案例S_l与源案例S_i的相似度计算公式为：

然后将与目标案例相似度得分最高的源案例的结果赋与目标案例，实现PCB方案的设计。

步骤5：将推荐的PCB设计参数值及其PCB设计影响因素与需求数据生成设计方案。将PCB设计参数值与需求数据融合，即参数值与需求数据为特性相同时，取参数值为设计方案的参数值，如果不是时，根据需求数据对参数值进行修正，同时修正时以影响因素作为修正参考因素。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种电子线路的PCB设计方法，其特征在于，所述方法包括如下步骤：

步骤1：将电子线路原理图画好，将画好的原理图设计PCB，输入PCB需求数据，根据PCB设计的特点，对PCB设计的案例库进行问题识别和知识表示，并根据待设计的PCB确定其影响因素；

步骤2：将PCB设计特点的连续数据离散化，搜索PCB设计参数的马尔可夫毯，构建PCB设计影响因素与PCB设计参数之间的不确定性网络结构，即马尔可夫毯结构，完成对PCB设计影响因素的约简，为去除冗余属性；

步骤3：计算PCB设计影响因素的权值，根据PCB设计参数与PCB设计影响因素之间的马尔可夫毯结构对权值进行优化；

步骤4：基于案例间的相似度，将最相似案例的PCB设计参数值作为推荐值；

步骤5：将推荐的PCB设计参数值及其PCB设计影响因素与需求数据生成设计方案。

2.根据权利要求1所述的一种电子线路的PCB设计方法，其特征在于：步骤1中，画好的原理图上对应每个模块电路设置相应的功能参数和输入输出参数，PCB需求数据为用户根据不同的产品设计提出的PCB需求数据。

3.根据权利要求1所述的一种电子线路的PCB设计方法，其特征在于：步骤1中，以PCB的元件库、干扰性、尺寸大小和器件管脚固定定位共同构成PCB设计参数设计的案例情景，与PCB参数一起共同构成案例特征，收集的PCB设计数据集包含PCB参数变量，直接将基于PCB参数案例特征相关的规范收集的PCB设计数据作为案例集，设定PCB设计数据案例通过三部分来描述：案例编号，PCB参数和PCB影响因素，设定case＝(S_i，X_k，Y_j)表示PCB设计数据案例集，其中S表示案例编号S_i＝{S₁，S₂，...，S_m}(i＝1，2，...，m)，m表示案例的个数；X表示PCB影响因素X_k＝{X₁，X₂，...，X_t}，(k＝1，2，...，t)，t表示PCB影响因素的个数；Y表示PCB参数集Y_j＝{Y₁，Y₂，...，Y_n}(j＝1，2，...，n)，n表示PCB参数的个数。

4.根据权利要求1所述的一种电子线路的PCB设计方法，其特征在于：步骤2中，PCB设计数据案例case＝(S_i，X_k，Y_j)中各个变量之间的关系全部或部分未知，通过获取其马尔可夫毯，剔除冗余因素，得到PCB参数Y_j的λ_j(λ_j<n)个直接影响因素X_η＝{X₁，X₂，...，X_λj}，η＝(1，2，...，λ_j)及相互关系，最终确定影响关系的逻辑，提供更准确的推理，利用IPCMB算法得到产品参数之间的相互影响结构，构建PCB设计参数的马尔可夫毯，输入PCB影响因素的离散数据X_k，待设计的工艺参数Y_j，利用G²条件独立性测试去除与待设计PCB参数Y_j无信息传递的PCB影响因素，根据马尔可夫毯的定义，搜索待设计PCB参数Y_j的马尔可夫毯集，根据Y_j的马尔可夫毯集中的V结构，得到待设计工艺参数Y_j马尔可夫毯集中的指向关系，设X₁是Y₁的马尔可夫毯集中的父子节点，Y₁是X₂马尔可夫毯的父子节点，X₁不是X₂的父子节点，且在Y₁与X₁、X₂的所有条件集的并集下X₁、X₂相互独立，那么在Y₁的马尔可夫毯中存在X₁→Y₁←X₂的指向结构，得到待设计PCB参数Y_j的马尔可夫毯，输出结构图。

5.根据权利要求1所述的一种电子线路的PCB设计方法，其特征在于：利用G²条件独立性测试去除与待设计PCB参数Y_j无信息传递的产品影响因素的过程为：

PCB设计数据中存在离散数据和连续数据，首先采用Canopy K-means算法对产品设计的连续数据进行离散化；

对case＝(S_i，X_k，Y_j)，设定都已离散化，令v_k ⁽ⁱ⁾表示离散变量X_k＝x_ik的次数，v_j ⁽ⁱ⁾表示Y_j＝y_ij的次数，若X_k与Y_j无条件相互独立，则随机变量X_kY_j的期望值为：

令{case-Y_j-X_k}为它们的条件集，表示为C_u，且C_u＝{c_iu}，若X_k与Y_j在C_u下条件独立，则随机变量X_kY_jC_u的期望值为：

式中：v_u ⁽ⁱ⁾为C_u＝c_iu的次数，v_ku ⁽ⁱ⁾为case中X_k＝x_ik同时C_u＝c_iu的次数，v_ju ⁽ⁱ⁾为case中Y_j＝y_ij同时C_u＝c_iu的次数；

构造两个离散变量的卡方统计量

该卡方统计量服从自由度为f：

f＝(r_k-1)(r_j-1) (4)

式中：r_k为X_k可能取值的类别，r_j为Y_j可能取值的类别，X₁的取值为0或1，表示PCB设计的模式，r_k＝2；

通过卡方统计量和自由度f，对应卡方值下的p值查表，若p值小于显著性水平，则两个离散变量相互独立；

构造条件独立性G²统计量来检验X_k与Y_j在C_u下条件独立性，若G²统计量的值大于给定自由度f下的卡方值，则p值小于显著性水平，表示X_k与Y_j条件独立，条件独立性测试G²统计量为：

代入式(2)，则式(5)为：

根据式(4)，条件独立性测试下的自由度为：

式中：r_k为C_u可能取值的类别，|C_u|为C_u中变量的个数，即C_u的维度。

6.根据权利要求1所述的一种电子线路的PCB设计方法，其特征在于：步骤3中，待设计PCB参数的PCB影响因素的权重将直接影响案例推理的准确性，由于案例为数据集，故基于数据及待设计PCB参数的马尔可夫毯，采用信息熵对该特定产品参数的影响因素进行赋权，对连续取值的数据，挖掘待设计PCB参数Y_j与PCB影响因素X_k之间的关系，将已有的PCB参数与其约简后的影响因素组成一个新的矩阵V*：

采用极差化法将V*标准化，

进行归一化处理

对于取离散值的工艺数据，令

案例中第k个影响因素的信息熵定义为：

基于马尔可夫毯对待设计PCB参数Y_j的工艺影响因素约简后，得到Y_j的λ_j个PCB影响因素X_η＝{X₁,X₂,…X_λj}，权重需要根据X_η与λ_j-1个PCB影响因素之间存在信息传递调整，则设定产品影响因素X_η对PCB参数Y_j的影响权重为：

式中：α为产品影响因素之间的依赖或独立关系，即

7.根据权利要求1所述的一种电子线路的PCB设计方法，其特征在于：步骤4中，采用最近邻策略计算案例的相似度，目标案例S_l与源案例S_i的相似度计算公式为：

然后将与目标案例相似度得分最高的源案例的结果赋与目标案例，实现PCB方案的设计。

8.根据权利要求1所述的一种电子线路的PCB设计方法，其特征在于：步骤5中，将PCB设计参数值与需求数据融合，即参数值与需求数据为特性相同时，取参数值为设计方案的参数值，如果不是时，根据需求数据对参数值进行修正，同时修正时以影响因素作为修正参考因素。

Images