结合故障传播特性分析的模拟VLSI电路混合诊断方法

由于模拟集成电路的规模化、系统化发展和封装设计，使得诊断适用的测试数据非常有限，模拟VLSI电路故障诊断正遭遇特征信息缺乏的瓶颈。为此，本项目探索性地通过获取故障传播概率、特征路径长度、度分布、聚类系数等多类反映电路中复杂内在关系的潜在信息，分析其故障传播特性，在此基础上寻求模拟VLSI电路的有效诊断方法。.项目借鉴复杂网络理论的相关思想与方法，结合模拟电路故障诊断领域的研究成果，以模拟VLSI电路单故障诊断为重点研究对象，针对电路具容差、非线性及软故障参数连续性等特点，提出基于仿真统计分析的潜在信息获取方法；探索潜在信息的高效利用，提出基于故障传播特性分析的测试集与样本优化选择方法以及定性/定量诊断方法；通过有机集成定性/定量方法、神经网络方法等与诊断信息及电路特征相适应的多诊断方法，构建高效准确的混合诊断算法，解决模拟VLSI电路在具容差、非线性情况下的单故障诊断问题。

由于模拟集成电路的规模化、系统化发展和封装设计，使得诊断适用的测试数据非常有限，模拟VLSI电路故障诊断正遭遇特征信息缺乏的瓶颈。为此，本项目探索性地通过获取故障传播概率、特征路径长度、度分布等多类反映电路中复杂内在关系的潜在信息，分析其故障传播特性，在此基础上寻求模拟VLSI电路的有效诊断方法。.项目借鉴复杂网络理论相关方法，结合模拟电路故障诊断领域及其相关领域的最新研究成果，以模拟VLSI电路单/软故障诊断为重点研究对象，针对电路具容差、软故障参数连续性等特点，基于仿真统计分析方法，构建了能刻画电路故障信息传播规律的复杂网络模型，提出了故障传播概率、特征路径长度、度分布等潜在信息挖掘方法及故障传播特性分析方法；探索了潜在信息的高效利用，提出了基于故障传播特性分析的测试集与样本优化选择方法；探索了复杂网络在电路故障诊断中的应用，提出了基于复杂网络、利用潜在信息的电路故障搜索算法；研究了电路诊断中多元信息的处理，提出了基于多元信息的步进式电路诊断方法以及异质信息不相容情况下的电路融合诊断算法，为攻克模拟电路测试与诊断难题提供了新的思路与途径。同时，提出了应用模糊最优小波包和最小二乘支持向量机的模拟电路诊断方法、基于模糊分层聚类的模拟电路故障最优特征搜索与识别算法，构建了基于粒子群算法优化支持向量机的模拟电路诊断算法、基于多小波变换和支持向量机的模拟电路故障诊断算法以及基于PSO-RBF神经网络的模拟电路诊断算法，提高了模拟电路诊断的准确率及其效率。.除了完成以上项目研究计划的工作外，项目组还对复杂网络在电路物理设计相似度测试中的应用以及模拟电路诊断方法的工程应用进行了研究。建立了一种电路物理设计相似度的测试方法，对电路物理设计的相似度可给出定量分析，从而可解决目前电路物理设计专利侵权判定及网络相似度测量较难以判断的技术问题。另一方面，将所提诊断思想及其方法应用于接地电网状态监测、电力系统馈线故障定位等实际电路系统的诊断中，在一定程度上解决了一些工程上的相关难题。.至今，项目组在模拟VLSI电路潜在信息挖掘及故障传播特性分析、测试集与样本优化选择方法、故障源搜索算法算法、电路物理设计相似度测试等方面已取得原创性的理论成果，获得3项发明专利，在国际国内重要学术期刊以及国际会议上发表学术论文39篇，其中SCI、EI收录29篇，培养研究生16名。