CN114282485A - 一种电子线路的pcb设计方法 - Google Patents
一种电子线路的pcb设计方法 Download PDFInfo
- Publication number
- CN114282485A CN114282485A CN202111658832.9A CN202111658832A CN114282485A CN 114282485 A CN114282485 A CN 114282485A CN 202111658832 A CN202111658832 A CN 202111658832A CN 114282485 A CN114282485 A CN 114282485A
- Authority
- CN
- China
- Prior art keywords
- pcb
- design
- case
- parameter
- pcb design
- 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.)
- Withdrawn
Links
- 238000013461 design Methods 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000009467 reduction Effects 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 108010014173 Factor X Proteins 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 229910052802 copper Inorganic materials 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282312 Proteles Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Design And Manufacture Of Integrated Circuits (AREA)
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
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=(Si,Xk,Yj)表示PCB设计数据案例集,其中S表示案例编号Si={S1,S2,...,Sm}(i=1,2,...,m),m表示案例的个数;X表示PCB影响因素Xk={X1,X2,...,Xt},(k=1,2,...,t),t表示PCB影响因素的个数;Y表示PCB参数集Yj={Y1,Y2,...,Yn}(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=(Si,Xk,Yj)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λj(λj<n)个直接影响因素Xη={X1,X2,...,Xλj},η=(1,2,...,λj)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Xk,待设计的工艺参数Yj,利用G2条件独立性测试去除与待设计PCB参数Yj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Yj的马尔可夫毯集,根据Yj的马尔可夫毯集中的V结构,得到待设计工艺参数Yj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Yj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Yj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=(Si,Xk,Yj),设定都已离散化,令vk (i)表示离散变量Xk=xik的次数,vj (i)表示Yj=yij的次数,若Xk与Yj无条件相互独立,则随机变量XkYj的期望值为:
令{case-Yj-Xk}为它们的条件集,表示为Cu,且Cu={ciu},若Xk与Yj在Cu下条件独立,则随机变量XkYjCu的期望值为:
式中:vu (i)为Cu=ciu的次数,vku (i)为case中Xk=xik同时Cu=ciu的次数,vju (i)为case中Yj=yij同时Cu=ciu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=(rk-1)(rj-1) (4)
式中:rk为Xk可能取值的类别,rj为Yj可能取值的类别,X1的取值为0或1,表示PCB设计的模式,rk=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Xk与Yj在Cu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Xk与Yj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:rk为Cu可能取值的类别,|Cu|为Cu中变量的个数,即Cu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Yj与PCB影响因素Xk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*:
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Yj的工艺影响因素约简后,得到Yj的λj个PCB影响因素权重需要根据Xη与λj-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Xη对PCB参数Yj的影响权重为:
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Sl与源案例Si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=(Si,Xk,Yj)表示PCB设计数据案例集,其中S表示案例编号Si={S1,S2,...,Sm}(i=1,2,...,m),m表示案例的个数;X表示PCB影响因素Xk={X1,X2,...,Xt},(k=1,2,...,t),t表示PCB影响因素的个数;Y表示PCB参数集Yj={Y1,Y2,...,Yn}(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=(Si,Xk,Yj)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λj(λj<n)个直接影响因素Xη={X1,X2,...,Xλj},η=(1,2,...,λj)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Xk,待设计的工艺参数Yj,利用G2条件独立性测试去除与待设计PCB参数Yj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Yj的马尔可夫毯集,根据Yj的马尔可夫毯集中的V结构,得到待设计工艺参数Yj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Yj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Yj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=(Si,Xk,Yj),设定都已离散化,令vk (i)表示离散变量Xk=xik的次数,vj (i)表示Yj=yij的次数,若Xk与Yj无条件相互独立,则随机变量XkYj的期望值为:
令{case-Yj-Xk}为它们的条件集,表示为Cu,且Cu={ciu},若Xk与Yj在Cu下条件独立,则随机变量XkYjCu的期望值为:
式中:vu (i)为Cu=ciu的次数,vku (i)为case中Xk=xik同时Cu=ciu的次数,vju (i)为case中Yj=yij同时Cu=ciu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=(rk-1)(rj-1) (4)
式中:rk为Xk可能取值的类别,rj为Yj可能取值的类别,X1的取值为0或1,表示PCB设计的模式,rk=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Xk与Yj在Cu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Xk与Yj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:rk为Cu可能取值的类别,|Cu|为Cu中变量的个数,即Cu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Yj与PCB影响因素Xk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*:
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Yj的工艺影响因素约简后,得到Yj的λj个PCB影响因素权重需要根据Xη与λj-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Xη对PCB参数Yj的影响权重为:
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Sl与源案例Si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=(Si,Xk,Yj)表示PCB设计数据案例集,其中S表示案例编号Si={S1,S2,...,Sm}(i=1,2,...,m),m表示案例的个数;X表示PCB影响因素Xk={X1,X2,...,Xt},(k=1,2,...,t),t表示PCB影响因素的个数;Y表示PCB参数集Yj={Y1,Y2,...,Yn}(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=(Si,Xk,Yj)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λj(λj<n)个直接影响因素Xη={X1,X2,...,Xλj},η=(1,2,...,λj)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Xk,待设计的工艺参数Yj,利用G2条件独立性测试去除与待设计PCB参数Yj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Yj的马尔可夫毯集,根据Yj的马尔可夫毯集中的V结构,得到待设计工艺参数Yj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Yj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Yj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=(Si,Xk,Yj),设定都已离散化,令vk (i)表示离散变量Xk=xik的次数,vj (i)表示Yj=yij的次数,若Xk与Yj无条件相互独立,则随机变量XkYj的期望值为:
令{case-Yj-Xk}为它们的条件集,表示为Cu,且Cu={ciu},若Xk与Yj在Cu下条件独立,则随机变量XkYjCu的期望值为:
式中:vu (i)为Cu=ciu的次数,vku (i)为case中Xk=xik同时Cu=ciu的次数,vju (i)为case中Yj=yij同时Cu=ciu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=(rk-1)(rj-1) (4)
式中:rk为Xk可能取值的类别,rj为Yj可能取值的类别,X1的取值为0或1,表示PCB设计的模式,rk=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Xk与Yj在Cu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Xk与Yj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:rk为Cu可能取值的类别,|Cu|为Cu中变量的个数,即Cu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Yj与PCB影响因素Xk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*:
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Yj的工艺影响因素约简后,得到Yj的λj个PCB影响因素Xη={X1,X2,…Xλj},权重需要根据Xη与λj-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Xη对PCB参数Yj的影响权重为:
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658832.9A CN114282485A (zh) | 2021-12-30 | 2021-12-30 | 一种电子线路的pcb设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111658832.9A CN114282485A (zh) | 2021-12-30 | 2021-12-30 | 一种电子线路的pcb设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114282485A true CN114282485A (zh) | 2022-04-05 |
Family
ID=80878970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111658832.9A Withdrawn CN114282485A (zh) | 2021-12-30 | 2021-12-30 | 一种电子线路的pcb设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114282485A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118133763A (zh) * | 2024-05-08 | 2024-06-04 | 上海楷领科技有限公司 | Pcb设计元器件的预测方法、装置、系统及存储介质 |
-
2021
- 2021-12-30 CN CN202111658832.9A patent/CN114282485A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118133763A (zh) * | 2024-05-08 | 2024-06-04 | 上海楷领科技有限公司 | Pcb设计元器件的预测方法、装置、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100386766C (zh) | 印刷电路板电源完整性仿真的方法 | |
JP4586926B2 (ja) | 回路検証装置、回路検証プログラムおよび回路検証方法 | |
WO2023246077A1 (zh) | 一种数字集成电路优化方法 | |
CN111199128B (zh) | 仿真系统与方法 | |
CN112528591A (zh) | 一种基于联合蒙特卡洛树搜索的pcb板自动布线方法 | |
WO2023206281A1 (zh) | 一种模拟电路的快速仿真优化方法及其系统 | |
CN106777612B (zh) | 一种建立pcb类型的预测模型和pcb设计的方法及装置 | |
CN115562069A (zh) | 基于rt-lab的储能并网测试系统及其测试方法 | |
CN116051500A (zh) | Pcb板的智能化加工方法及其系统 | |
US11694016B2 (en) | Fast topology bus router for interconnect planning | |
Fan et al. | From specification to topology: Automatic power converter design via reinforcement learning | |
CN114282485A (zh) | 一种电子线路的pcb设计方法 | |
WO2022000576A1 (zh) | 一种形式验证比较点匹配方法、系统、处理器及存储器 | |
Luo et al. | A fixture design retrieving method based on constrained maximum common subgraph | |
CN117236246A (zh) | 一种考虑多输入转换效应的单元时序预测方法、设备及介质 | |
CN113408226B (zh) | 一种基于深度学习的芯片供电网络凸快电流估算方法及系统 | |
CN115238620A (zh) | 一种响应曲面结合支持向量回归机的复合算法辅助模拟ic设计方法 | |
CN108038312B (zh) | 集成电路半定制后端设计时序预算方法 | |
CN106649895A (zh) | 一种层次化的集成电路版图短路查找方法 | |
Bairamkulov et al. | Versatile framework for power delivery exploration | |
CN114444680A (zh) | 神经网络稀疏化的装置、方法及相关产品 | |
CN117172190B (zh) | 一种基于建立pcb预测模型的pcb设计方法及装置 | |
Vaghasiya et al. | A machine learning based metaheuristic technique for decoupling capacitor optimization | |
US20120011483A1 (en) | Method of characterizing regular electronic circuits | |
CN117494644B (zh) | 一种自监督学习的dtco标准单元库版图布局方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220405 |
|
WW01 | Invention patent application withdrawn after publication |