一、应用遗传算法实现MOS器件综合(论文文献综述)
曹阳[1](2020)在《硅基CMOS工艺微波MOSFET器件建模及参数提取技术研究》文中进行了进一步梳理CMOS技术的不断发展和新应用的迫切需求,结合低成本、低功耗以及高集成度等优势使其成为微波集成电路的重要选择。CMOS技术在微波集成电路以及系统中的应用与器件的准确建模和参数提取密切相关。同时,CMOS工艺特征尺寸的不断缩小为集成半导体器件集约模型的研究与开发带来了巨大挑战。目前普遍应用的MOSFET器件模型在微波频段内存在表征不全面、模型精度不够高等缺点,而且模型参数提取的准确性依然存在不足。基于上述问题,本文主要针对深亚微米CMOS工艺展开器件S参数在片测试、建模和参数提取等相关技术研究。主要工作如下:首先,设计不同尺寸的MOSFET及带有地屏蔽的共面波导等传输线结构,并流片测试。为了获取准确的建模数据,评估了简化的分布式四端口网络去嵌入方法,并与开路-短路法进行了比较。创新提出了一种电磁仿真辅助去嵌入技术,为微波无源器件提供建模参考。同时,验证了开路-短路去嵌入法的频率适用范围,为后续建模提参打下良好的基础。第二,建立了完整的微波MOSFET小信号等效电路模型。通过增加一个串联RC电路分支,更好地模拟了栅极和漏极间的高频耦合寄生效应。为了提高多参数优化效率,开发了一种新的遗传算法可对MOSFET模型中所有参数进行同步优化,缩短了处理时间,并且对进一步改进参数的提取方法具有指导意义。第三,基于器件的物理机理,提出了一种针对关态MOSFET小信号模型的多参数扫描参数提取方法,无需高频或低频近似,通过单个或多个参数扫描结合线性回归技术可准确提取关键寄生参数。此外,研究了一种将有理函数非线性拟合应用于上述关态MOSFET小信号模型的参数提取方法,践行了一种具有一般性的宽频带参数直接提取策略。这两种参数提取技术弥补了目前等效电路中因物理参数近似提取所产生的不足,并相互验证、互相补充。通过对上海华力微电子有限公司射频CMOS工艺一系列不同尺寸和偏置条件的NMOS晶体管进行测试与实验验证,证明了模型与参数提取方法的准确性和有效性。总之,本论文针对CMOS工艺微波器件建模和参数提取提出的去嵌入方法、模型及参数的直接提取技术,有效解决了目前微波器件片上测试去嵌入问题,改善了微波MOSFET模型的完整性,突破了现有参数提取技术中存在的近似和优化效率较低的局限性,可广泛适用于建立微波MOSFET集约模型,对深亚微米CMOS工艺的改进和微波集成电路设计优化具有重要的实际意义。
刘瑾婷[2](2020)在《基于人工神经网络的辐照总剂量预测模型》文中提出金属氧化物场效应晶体管作为航天设备的组成元件,在航空航天领域有着十分重要的研究意义,其在太空环境中会受到多种辐照效应如总剂量效应、单粒子效应、位移损伤效应的影响,其中由于总剂量效应严重时会导致器件功能完全丧失且其对器件的积累影响具有不可逆性,是所有辐照效应中危害最大的。传统的物理建模具有过程复杂、耗时长、需要获得器件相关的工艺参数、模型的建立难度较大等缺点,常见的分析模型例如BSIM3V3模型也有提参过程复杂、时间成本高等缺点,为了解决上述问题,本文采用了一种基于人工神经网络的行为级建模技术,重点分为常态模型和辐照模型两大块,具体内容如下:1、常态下主要在饱和区和线性区分别建立了直流偏置模型,其作为其他模型的基础,主要为了建立不同栅源电压和漏源电压对漏源电流之间映照模型。本文利用优化了的多层前馈神经网络模型使得建模过程剥离掉复杂的参数提取及拟合的过程,利用神经网络在高维空间的非线性拟合能力通过网络的算法训练使得预测结果与实际结果相拟合,对网络的优化主要有四点分别为基于遗传算法的初始权值优化、结合经验公式的自适应网络隐含层个数优化、结合LM算法的学习率动态优化以及数据集的验证划分。2、辐照态下从数据行为层逐步向器件底层参数研究,共建立五大模型,分别为辐照态偏置直流模型、阈值电压模型、“两态模型”和参数模型,都反映了在总剂量效应下器件本征参数数值变化。首先建立了偏置直流模型,在常态基础的偏置模型之下,将输入参数多加入一维作为剂量的变化参数,辐照态下的偏置直流训练网络称为第一神经网络;阈值电压模型的主要功能是预测辐照总剂量效应影响阈值电压漂移的程度,本文提出的是一种全新的阈值电压提取方法,区别于传统的阈值电压提取方法,例如恒定电流法、线性外推法、和二阶求导法,具有精度高、训练时间短等优点;阈值电压模型建立完成后结合中带电压法对辐照影响器件的氧化层与界面态产生的陷阱电荷进行分离,建立“两态模型”;最后结合简化模型建立辐照影响器件的等值参数模型。最终以实验实测数据对比的方式验证模型的准确性。常态下,对两组对照组不同偏置条件下的转移特性曲线分别进行预测,并且还对模型的外推能力进行评估,最终模型的误差在千分之一内,训练时间12s;辐照下,分别对五大模型进行验证,将直流偏置与阈值电压模型的预测结果与实际实验数据对比,最终结果显示误差在百分之一内,模型耗时相比传统模型较短,“两态模型”和参数模型则与文献对比,最终显示预测结果符合实际物理过程。综上,本文的建模方法具有以下优点:建模过程对器件底层工艺参数的依赖程度小、模型输入输出参数可调扩展性好、经实验数据验证模型精度高、模型拟合能力强、训练时间短,并且在建模完成后不再需要进行实际的辐照测量,从而缩短了测试周期,这可以对器件总剂量建模及抗辐照加固可以提供一定的参考意义。
刘逸哲[3](2019)在《深亚微米MOSFET物理建模和参数提取研究》文中提出在智能手机、笔记本电脑、物联网等以半导体器件行业为基础的主流科技行业中,产品芯片研发上市的速度对于能否在激烈的行业竞争中脱颖而出至关重要。面对不断缩小的器件尺寸带来的物理效应和不断上升的芯片集成密度,半导体制造行业需要高效且精准的器件模型。芯片的集成电路设计基于半导体器件的性能表征建模。相比制作芯片原型实物的传统方式,通过TCAD软件建立仿真器件模型要更加高效与经济。建立快速且准确度高的仿真器件模型已经成为各大芯片公司亟待解决的首要任务。本文基于深亚微米器件,对硅基MOSFET的物理模型、表面势集约模型及等效电路模型的参数提取进行了研究与分析。主要研究内容包括:1)基于TCAD软件对MOSFET物理模型的基本方程进行了研究,并对载流子复合模型和迁移率模型进行了分析;2)研究了90nm MOSFET器件的三维物理模型,并对90nm MOSFET物理模型的直流特性和小信号S参数进行了仿真分析;分析了栅长、栅氧化层厚度、栅多晶硅层掺杂浓度以及栅极与源级,漏极的距离四个物理工艺参数对器件特性的影响;3)对HiSIM2模型的参数提取算法以及直流参数提取方法进行了研究与分析;改进了参数提取算法并使用改进算法对MOSFET进行了参数提取,验证了改进算法对模型准确度的提升;4)利用MOSFET小信号等效电路中的参数提取公式,对不同电极间距的90nm MOSFET物理模型进行了参数提取,并分析了栅极与源级,漏极的距离对本征电路参数的影响。
王月月[4](2018)在《基于特征辨识的MOSFET健康状态评估模型研究》文中认为功率器件作为风力发电、电动汽车、航空航天、轨道交通等电力电子系统的核心部件,其安全可靠性是推动“绿色经济”和社会可持续发展的重要支撑。器件在服役过程中长期承受温度、应力作用,因疲劳损伤累积效应,导致内部老化逐渐加剧,其健康状态日趋恶劣,严重影响系统安全、稳定运行。焊料层疲劳脱落是功率器件主要的失效形式之一,准确的焊料层失效评估方法对提高系统可靠性尤其重要。因此,充分掌握焊料层疲劳老化失效机理、探索器件老化失效演化过程及影响,寻找合理有效的健康状态评估方法指导维修计划安排,可降低系统故障率、增加设备有效运行时间,是学术界和工业界广泛认可的提高电力电子系统可靠性的手段之一。基于此,论文以广泛应用于电力电子系统的MOSFET为研究对象,基于有限元仿真技术,设计并搭建器件的实际应用电路,结合功率器件疲劳损伤理论以及失效机理,对其展开健康状态监测与有效评估,研究成果能为功率器件准确有效的状态监测与评估提供理论基础分析和技术支持,增强功率器件以及设备状态检修的针对性和有效性,提高系统运行可靠性与综合经济效益。本文主要研究内容如下:(1)基于有限元仿真软件COMSOL 5.2a,建立了功率器件MOSFET电-热-力多物理场耦合的高保真仿真模型。充分考虑器件部分材料对温度的依赖特性和力学粘塑性,同时通过试验测量实际MOSFET的导通电阻关系曲线设置有限元模型的参数,精确描述器件工作性能,提高仿真模型的准确有效性;为准确模拟器件运行环境,对多物理场模型的载荷与边界条件进行等效设定;在功率循环条件下对焊料层进行老化失效机理分析,为后续的研究分析提供仿真基础。(2)基于有限元多物理场耦合模型,着重对器件在不同失效形式(焊料层空洞、损伤疲劳、键合线脱落)下的特征参量变化规律以及失效演化过程进行了详细的分析研究;对比分析不同特征参量对焊料层疲劳响应的灵敏性,以特征参数的易监测性和灵敏性为参考依据,甄选能体现器件劣化程度的综合特征参量并结合实际运行工况,作为评估模型输入输出参量。结果表明在相同工况下导通电阻增量的灵敏性更优。(3)提出了以导通电阻、壳温及电流为主特征参量的功率器件健康状态评估模型。根据热阻与导通电阻增量的映射关系以及器件失效率曲线,对器件健康状态区间进行划分,明确器件从健康到完全失效时五个状态等级分界线上的Rds=f(Id、Tc)关系曲线。最后利用自适应神经模糊推理系统(ANFIS),提出一种基于特征参量间的泛在关系建立的健康状态评估模型,同时通过有限元仿真实验对评估模型进行了有效性分析验证。基于评估模型设计搭建器件实际应用电路并构建状态监测的工程化实现方案,对器件正确合理使用、状态检修等工程实际应用提供指导。
巴京[5](2016)在《基于遗传算法的模拟集成电路优化设计》文中指出电路进化设计作为可进化硬件(Evolvable HardWare,EHW)的主要分支,目前已成为国际性的研究热点。对于数字电路而言,利用基于硬件描述语言的逻辑综合工具可以对其进行快速可靠的综合设计,而模拟电路仍需电路设计者进行手工设计完成。采用计算机辅助技术对模拟集成电路的设计进行优化是提升电路设计质量与效率的有效途径。而遗传算法作为一种优化算法,能够有效的用于模拟电路优化设计中。本文简要介绍了遗传算法的基本原理,以及模拟集成电路中基本放大器的设计理论,在此基础上对遗传算法在集成电路方面的应用进行了研究。主要工作内容包括:(1)采用遗传算法对共栅级放大器电路进行了优化设计,并通过仿真实验对算法的有效性进行了验证。仿真实验结果表明,由于集成电路中器件的模型较为复杂,理论计算数值与实际电路仿真结果差异较大,并且经过基本遗传算法进化出的结果无法满足晶体管工作在饱和区的条件。(2)针对0.18μm CMOS工艺下的模型晶体管,通过Cadence仿真工具对晶体管的参数进行了扫描,进而将晶体管的输出阻抗与漏级电流之间的关系,以及阈值电压和晶体管尺寸之间的关系进行了曲线拟合,从而建立了较为准确的晶体管模型。此外,将判断晶体管饱和的条件的实际应用对遗传算法的流程进行了改进,加入了遴选替换程序,使得进化出的参数能够让晶体管工作在饱和区,最终完成了对共漏级放大器的优化设计。(3)在建立了较为准确的晶体管的基础上,将遗传算法应用于共源级放大器电路的多目标设计中,构造了一个性能指标适应度函数,以此完成了对于低频增益,带宽,转换速率,电流四个参数的多目标电路优化设计。
汤诗菡[6](2016)在《基于CoM不等式的卫星电源系统抗辐射性能评估方法》文中研究表明卫星电源系统长时间处于太空辐射环境中,易受质子、中子等高能粒子和多种空间辐射的影响和辐射,导致系统材料损伤和性能退化,影响其为卫星的其他分系统或有效载荷提供能源的能力。受技术能力、时间约束及成本制约等条件的限制,卫星电源系统的系统级试验困难,或只能进行少量的关键部件性能试验,系统数据缺乏,因此,卫星电源系统性能评估等具有小子样特点。为保证电源系统在太空辐射环境下的效能需求,迫切需要针对其试验样本量小及试验困难的工程实际,开展卫星电源系统抗辐射性能评估方法及应用研究,合理验证和评价系统的抗辐射性能,为分析和改进系统抗辐射加固设计提供关键技术支持。文章提出基于CoM不等式(Concentration-of-Measure Inequality,以下简称CoM)的卫星电源系统抗辐射性能评估方法,以建模和仿真技术为基础,提出多模型集成策略,建立卫星电源系统抗辐射性能集成模型,综合利用仿真模型和在轨实测数据,对性能裕量及不确定度进行量化,以性能参数满足要求的概率作为系统的性能要求,对卫星电源系统抗辐射性能进行评估,并通过实例验证了方法的可行性。论文研究主要在以下几个方面开展工作:(1)研究CoM不等式的基本原理,包括性能裕量、不确定度、模型直径、模型与实际系统之差的直径、失效容值、系统认证等概念,并介绍不同输入条件下适用的CoM不等式,给出基于CoM不等式的系统认证基本算法。(2)探究卫星电源系统各元器件的辐射损伤及其失效机理,从中筛选出受辐射影响较大的关键元器件(如太阳电池、功率MOS器件等),采用基于性能退化的可靠性建摸方法对其进行建摸。(3)根据建立系统级抗辐射性能模型,提出多模型集成策略,对涉及电源系统抗辐射性能的各个模型(辐射环境模型、辐射屏蔽模型、关键部件元器件性能退化模型以及电源系统仿真模型)进行综合集成。(3)运用CoM的方法,以某型号卫星电源系统抗辐射性能评估为实例,针对待评估的参数指标(母线电压及方阵电流),利用电源系统抗辐射性能模型获得的仿真数据以及卫星在轨遥测数据,对论文所提方法进行案例研究,验证方法的可行性。根据本文研究及结果表明,基于CoM不等式的卫星电源系统的抗辐射性能评估,可对仿真数据和试验数据进行合理综合,解决小子样条件下卫星电源系统抗辐射性能评估问题。且本文所提的方法和模型,亦对其他类似的复杂系统性能评估有一定借鉴意义。
钭飒飒[7](2015)在《深亚微米MOS场效应晶体管小信号及噪声建模技术研究》文中研究说明随着电路复杂度的不断提高,越来越多的工程师们选择利用计算机辅助软件完成对电路的初始设计,而软件中嵌入的器件模型精度决定了仿真电路能否准确反映真实电路的特性。本论文以深亚微米金属-氧化物半导体场效应晶体管(MOSFET)模型为例,研究了MOSFET的小信号模型和噪声模型。在回顾了半导体器件与集成电路的发展历程,介绍了MOSFET模型的研究现状以及发展趋势之后,提出了MOSFET模型的建立方法。主要研究工作包括:1)采用开路短路法去除测试结构的寄生参数,建立射频MOSFET小信号等效电路模型,并提取频率范围为0-40GHz时MOSFET小信号等效电路模型内部电路的寄生参数和本征参数;2)对建立的MOSFET小信号等效电路模型进行仿真,并对不同栅指数的MOSFET器件模型进行缩放性分析;3)提出一种考虑非准静态效应的MOSFET小信号等效电路模型,并分析其仿真结果;4)在MOSFET小信号模型的基础上提出一种包含POSPIESZALSIK温度噪声模型和PUCEL噪声模型的新模型,并推导出新模型噪声参数的提取方法;5)对新模型的噪声源参数以及仿真结果展开分析,验证新模型的准确性。
梁涛[8](2013)在《模拟集成电路性能参数建模及其参数成品率估计算法的研究》文中提出随着集成电路设计向系统集成的方向发展,落后的模拟集成电路设计自动化水平已成为制约数模混合系统发展的瓶颈。电路优化技术是实现模拟集成电路设计自动化的重要手段,而基于电路性能参数模型的电路优化更是这一技术发展的核心。现有的建模技术要么是以器件尺寸作为变量从而使电路优化深受初始点的影响,要么无法反映电路原理且与设计习惯不符从而无法得到大范围的推广应用。参数成品率(以下简称为成品率)的估计是否符合实际情况是成品率优化能够成功实现的基础,同时也是合理选择供应商或制造厂家的关键所在。成品率估计的核心问题是用尽量少的电路仿真次数最大可能的提高成品率估计的精度。当面对已剔除不合格品的截尾数据样本时,传统的成品率估计方法不再适用,因此如何识别截尾数据并快速准确地估计这一特殊条件下的成品率,是一个急待解决的问题。本文深入研究了电路性能参数建模与参数成品率估计这两个模拟集成电路设计自动化及其成品率优化的关键问题,具体的研究内容包括以下几点:1.在分析了模拟电路设计的特点及其对器件模型要求的基础上,本文提出了一种直流工作点驱动MOS器件参数宏模型。该模型以直流工作点和MOS管沟道长度作为输入参数,小信号参数和宽长比作为模型的输出。在宏模型建立的过程中,径向基函数被用来对分散的多元数据进行插值。这些数据是由根据深亚微米MOS器件的工作特性为其制定的数据采集方案所产生的。该模型与普通的器件模型一样具有可移植可复用的特点,符合电路设计者的使用习惯。运用这种宏模型可以将电路自动偏置在指定的直流工作点上,且该过程无需做仿真迭代;同时模型的输出可达到BSIM3v3级模型的输出精度水平。将该模型运用在电路设计中可以获得良好的效果。2.电路性能参数模型可分为基于原理的性能方程和基于仿真的宏模型,本文研究了使用MOS器件参数宏模型建立这两类性能模型的方法,并将它们应用于电路优化。通过实例对这两类电路性能模型的精度和泛化能力做了比较。文中以直流工作点和MOS管的沟道长度共同作为优化变量,可使电路优化的搜索空间更大,但变量数目过多也会影响优化算法的性能。为此本文提出了一种双层循环的电路优化模式,根据直流工作点和沟道长度各自的特点,将它们分别作为外层循环与内层循环的优化变量。这样内外层循环均可以使用较简单的算法在较少的迭代次数下达到最优,从而提高了寻优过程的效率。3.针对蒙特卡洛法和拟蒙特卡洛法存在的数据信息利用率低的问题,本文提出了一种基于数值积分的成品率估计方法。该方法通过直接在可接受域上对性能的联合概率密度函数作积分而获得成品率的估计。为此,性能的仿真数据须先经由Box-Cox变换转化为服从多元正态分布的数据。同时采用基于正交表的改进拉丁超立方体抽样方法对工艺扰动参数进行抽样,如此可大幅减小联合概率密度函数中分布参数的估计方差。由于该方法对数据信息的利用率较高,因此仅需较少的仿真次数便可获得较高精度的成品率估计,且无需建模,可用于多维非正态性能的成品率估计。文中对这一方法的原理作了详细的分析,并在多种样本量及成品率水平的组合下,与其他成品率估计方法做了比较,验证了该方法的优越性。4.分析了由截尾正态数据估计成品率的方法,比较了几种正态性检验法在识别单侧截尾正态样本时的功效。基于成品率与过程能力指数的关系构造了一种经验公式,当合格样品的性能数据服从单侧截尾正态分布时,可由截尾样本均值和标准偏差直接计算成品率。该经验公式利用极其简单的运算就可取得与极大似然法几乎完全相同的精度。当满足一定的条件时,该方法也可用于双侧截尾正态样本的成品率估计。
刘超[9](2013)在《基于高低压CMOS兼容工艺Bsim3v3模型参数提取的研究》文中指出智能功率集成电路(SPIC)广泛应用于汽车电子、家用电器和工业控制等领域,SPIC的出现对于实现系统的小型化、智能化、提高系统可靠性、降低体积重量和成本有着重大意义。本文涉及的课题就是一种新型SPIC的设计。SPIC制作时需要将高压器件和低压电路集成在一起,因此隔离技术是SPIC工艺的核心技术之一。而依据陈星弼教授提出的一种优化横向掺杂专利技术,可设计出与普通CMOS兼容的新工艺,具有高性能、低成本、易推广的优点。本文基于该CMOS兼容工艺,对SPIC中低压电路的器件模型和模型参数进行研究。本文首先介绍了电力电子技术与SPIC的发展历程和当前进展,并对制作工艺中的隔离技术对SPIC的重要性进行简要解释,之后讨论了器件模型的发展,指出模型是IC设计与制造之间的桥梁,而模型参数则与制作工艺息息相关。其次,本文介绍了本次课题实验流片使用的新型CMOS兼容工艺,并对实验流片中的低压MOS器件进行了测试。在详细讨论了MOSFET器件的Bsim3v3模型的原理之后,依据该原理制定了参数提取流程,使用UTMOST4工具进行了参数提取工作。最后,本文对参数提取工作的算法进行了讨论,指出随着器件复杂程度的提高,使用传统算法进行参数提取的难度越来越大,而遗传算法以其自身的优势可以作为优良的替代算法。在简单介绍遗传算法的基本原理后,讨论了使用遗传算法进行参数提取的实现方法,最后使用遗传算法尝试对同一批MOS器件进行Bsim3v3模型参数的提取。
唐成军[10](2012)在《基于遗传神经网络的开关电流电路故障诊断》文中进行了进一步梳理随着微电子技术的不断进步,单片混合模数集成电路已成为单片集成电路设计的发展趋势。在现代混合集成电路中超过90%的电路属于数字电路,只有小部分属于模拟电路,但是,数字CMOS技术无法和开关电容技术完全匹配。正因为如此,数模集成技术的发展受到了限制,开关电流(SI)技术就是在这种背景下提出来的。SI技术作为模数混合信号系统在模数接口技术上受到越来越多的关注,近年来国际电路学术前沿对SI电路掀起了新的研究热潮。SI技术已有了相当程度的发展,相关的电路设计也逐步完善。但是,目前在SI电路测试与故障诊断方面涉足还相当少。基于此,本文在前人研究SI故障诊断的基础上,提出一种新的开关电流故障诊断的方法。本文首先介绍了SI电路的发展背景和现状,及高性能SI的基本存储单元和基本模块。详细介绍CMOS1~3级模型以及CMOS大信号、小信号模型。提出CMOS硬故障模型,最后采用遗传算法优化的BP神经网络来对SI电路进行故障诊断。目前开关电流故障诊断还停留在对其硬故障的诊断和对开关电流简单电路的诊断上,对于那些难以区分的细微故障和采集数据量大的电路还难以实现诊断。开关电流电路参数性故障诊断的实现也是一个难题。而且对开关电流电路的仿真没有很好的仿真平台。目前开关电流电路的仿真软件主要是Asize,这个软件功能简单,只能仿真理想状态的开关电流电路,用于故障诊断只能做一些简单故障分析。在此基础上,本文根据开关电流电路的特点,对硬故障的模拟采用第四章提出的硬故障模型来模拟仿真,对软故障的模拟采用CMOS大信号和小信号模型将开关电流电路转化成模拟电路来进行测试。采用Pspice对电路进行模拟仿真提取详细数据信息,再利用小波分解来提取数据的特征,简化数据结构。最后利用神经网络来区分各故障状态,达到故障诊断的目的。
二、应用遗传算法实现MOS器件综合(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、应用遗传算法实现MOS器件综合(论文提纲范文)
(1)硅基CMOS工艺微波MOSFET器件建模及参数提取技术研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 引言 |
1.2 MOSFET模型分类及发展 |
1.2.1 MOSFET模型分类 |
1.2.2 MOSFET模型发展历程 |
1.3 国内外研究现状及本文研究意义 |
1.4 论文的研究背景及主要工作内容 |
第2章 CMOS工艺微波器件建模基础 |
2.1 MOSFET高频表征 |
2.1.1 非准静态效应 |
2.1.2 栅极电阻 |
2.1.3 源极及漏极电阻 |
2.1.4 衬底寄生 |
2.1.5 其他寄生效应 |
2.2 片上测试系统 |
2.2.1 S参数 |
2.2.2 校准技术 |
2.2.3 集总去嵌入技术 |
2.2.4 分布去嵌入理论 |
2.3 参数提取方法及优化 |
2.3.1 模型参数提取方法 |
2.3.2 参数优化技术 |
2.4 本文研究重点 |
2.5 本章小节 |
第3章 片上测试及去嵌入技术研究 |
3.1 测试方案与系统校准 |
3.2 MOSFET片上去嵌入技术研究 |
3.2.1 去嵌入结构 |
3.2.2 去嵌入流程 |
3.2.3 实验结果与讨论 |
3.3 微波无源器件去嵌入研究 |
3.3.1 无源器件集总去嵌入 |
3.3.2 无源器件的四端口网络去嵌入方法评估 |
3.3.3 电磁仿真辅助去嵌入技术 |
3.4 本章小结 |
第4章 MOSFET等效电路建模及参数提取优化 |
4.1 完整的MOSFET小信号等效电路模型 |
4.2 模型参数的解析提取 |
4.2.1 非本征寄生参数提取 |
4.2.2 本征参数的直接提取 |
4.2.3 参数提取结果与实验验证 |
4.3 模型参数的优化 |
4.3.1 优化方法介绍 |
4.3.2 遗传算法的原理 |
4.3.3 遗传算法的实现 |
4.3.4 遗传算法在MOSFET参数优化中的应用 |
4.4 本章小结 |
第5章 参数提取方法研究 |
5.1 问题提出 |
5.2 多参数扫描参数提取技术 |
5.2.1 MPS参数提取理论 |
5.2.2 结果与讨论 |
5.3 有理函数拟合参数提取技术 |
5.3.1 解析的有理函数参数提取 |
5.3.2 结果与讨论 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本文主要工作 |
6.2 工作展望 |
参考文献 |
附录 |
发表论文和参加科研情况说明 |
致谢 |
(2)基于人工神经网络的辐照总剂量预测模型(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究课题现状 |
1.2.1 电离总剂量效应 |
1.2.2 总剂量建模方法对比 |
1.3 研究目标 |
1.4 研究内容 |
1.5 创新之处 |
1.6 全文组织结构 |
第二章 MOS器件简介及总剂量辐照损伤效应 |
2.1 MOS器件简介 |
2.2 总剂量效应 |
2.3 本章小结 |
第三章 基于神经网络的常态下的MOS器件直流模型 |
3.1 结合电路的神经网络直流模型 |
3.1.1 神经网络结合电路建模的必要性分析 |
3.1.2 神经网络简介 |
3.1.3 基于神经网络的直流建模基本原理 |
3.1.4 优化的BP神经网络 |
3.2 实验设计与结果分析 |
3.2.1 实验设计 |
3.2.2 实验结果分析 |
3.3 本章小节 |
第四章 基于神经网络的辐照总剂量效应建模 |
4.1 辐照态模型框架结构 |
4.2 总剂量建模基本原理 |
4.2.1 辐照偏置直流模型 |
4.2.2 阈值电压模型 |
4.3 两态模型 |
4.4 结合简化模型的参数模型 |
4.5 实验验证 |
4.5.1 实验设计 |
4.5.2 实验结果分析 |
4.5.3 实验总结 |
4.6 本章小节 |
第五章 总结与展望 |
5.1 研究总结 |
5.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
(3)深亚微米MOSFET物理建模和参数提取研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 国内外研究现状 |
1.2.1 MOSFET模型分类 |
1.2.2 MOSFET模型的发展 |
1.3 MOSFET器件建模流程 |
1.4 本文主要研究内容及章节框架 |
第二章 MOSFET物理模型基础 |
2.1 物理基本方程 |
2.1.1 泊松方程 |
2.1.2 载流子连续性方程 |
2.1.3 载流子输运方程 |
2.2 载流子复合模型 |
2.2.1 SRH复合模型 |
2.2.2 俄歇复合模型 |
2.3 迁移率模型 |
2.3.1 常数低电场相关迁移率模型 |
2.3.2 平行电场相关迁移率模型 |
2.3.3 反型层相关迁移率模型 |
第三章 深亚微米器件物理模型建模与分析 |
3.1 MOSFET的物理模型仿真 |
3.1.1 衬底的初始化 |
3.1.2 三维空间网格的布局设置 |
3.1.3 氧化层的形成 |
3.1.4 多晶硅层的形成 |
3.1.5 氮化硅层的形成 |
3.1.6 电极的形成 |
3.2 物理模型的直流特性和小信号S参数仿真 |
3.3 栅长对器件特性的影响 |
3.4 栅极氧化层厚度和掺杂浓度对器件特性的影响 |
3.5 电极间距对器件特性的影响 |
第四章 HiSIM2 模型直流参数提取与优化 |
4.1 模型表面势原理 |
4.2 模型参数提取算法 |
4.3 模型参数提取方法 |
4.4 组合算法与传统算法的拟合精度对比 |
第五章 深亚微米MOSFET的小信号等效电路参数提取 |
5.1 电极间距对小信号等效电路本征部分的影响 |
5.2 测试器件的去嵌 |
5.3 测试器件小信号等效电路的寄生元件提取 |
5.4 测试器件小信号等效电路的本征元件提取 |
第六章 总结与展望 |
6.1 总结 |
6.2 工作展望 |
攻读硕士期间发表论文 |
参考文献 |
致谢 |
(4)基于特征辨识的MOSFET健康状态评估模型研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状分析 |
1.2.1 功率器件失效机理研究现状 |
1.2.2 功率器件状态监测与评估研究现状 |
1.2.3 不同状态监测方法的比较分析 |
1.3 本文主要研究内容 |
2 基于多场耦合的MOSFET器件失效机理分析 |
2.1 引言 |
2.2 功率MOSFET电-热-力耦合场模型 |
2.2.1 功率MOSFET封装结构概述 |
2.2.2 多物理场模型求解与实现 |
2.3 MOSFET多物理场有限元模型的建立 |
2.3.1 材料属性参数设置 |
2.3.2 多物理场耦合模型载荷与边界条件设定 |
2.3.3 MOS器件有限元仿真模型有效性验证 |
2.4 功率循环条件下的焊料层失效机理分析 |
2.5 本章小结 |
3 MOSFET器件的特征参量辨识 |
3.1 引言 |
3.2 器件在不同失效形式下的特征参量特性分析 |
3.2.1 焊料层空洞对器件电热力特性的影响 |
3.2.2 焊料层疲劳分层对器件电热特性的影响 |
3.2.3 键合引线脱落程度对器件电热特性的影响 |
3.3 焊料层老化失效的特征参量辨识 |
3.3.1 特征参量甄选及其灵敏性分析 |
3.3.2 特征参量样本数据获取 |
3.4 本章小结 |
4 功率MOSFET状态监测与评估模型研究 |
4.1 引言 |
4.2 基于特征参量的MOSFET健康状态评估模型 |
4.2.1 基于智能算法的功率器件状态评估模型 |
4.2.2 ANFIS算法原理及系统结构 |
4.2.3 基于ANFIS算法的状态评估模型构建 |
4.2.4 评估模型结果分析 |
4.3 基于有限元仿真的状态评估模型有效性验证 |
4.3.1 常用智能算法分析比较 |
4.3.2 基于焊料层不同损伤类型的状态评估 |
4.3.3 基于器件不同运行工况的状态评估 |
4.4 基于MOSFET器件的工程应用试验 |
4.4.1 DC-DC变流器试验平台搭建 |
4.4.2 状态监测的工程化方案 |
4.5 本章小结 |
5 结论与展望 |
5.1 主要结论 |
5.2 工作展望 |
致谢 |
参考文献 |
附录 |
A.作者在攻读硕士学位期间发表的论文目录 |
B.作者在攻读硕士学位期间参与的科研项目 |
(5)基于遗传算法的模拟集成电路优化设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 本课题相关国内外研究现状 |
1.2.1 模拟集成电路综合工具 |
1.2.2 模拟集成电路进化设计技术 |
1.3 本文的组织结构 |
第二章 遗传算法的基本原理和方法 |
2.1 遗传算法概述 |
2.1.1 基本遗传算法的实现 |
2.1.2 遗传算法的特点 |
2.2 遗传算法用于求解多目标问题 |
2.3 传统遗传算法的实现技术 |
2.3.1 染色体的编码 |
2.3.2 适应度函数 |
2.3.3 选择操作 |
2.3.4 交叉操作 |
2.3.5 变异操作 |
2.4 本章小结 |
第三章 遗传算法应用于共栅级放大器设计 |
3.1 共栅级放大器基本原理 |
3.1.1 共栅级放大器简介 |
3.2 共栅级放大器的优化设计 |
3.2.1 遗传算法的程序实现 |
3.2.2 编码方案与适应度函数 |
3.3 实验结果和讨论 |
3.4 本章小结 |
第四章 MOS器件模型的改进及遗传算法的应用 |
4.1 MOS管建模 |
4.1.1 曲线拟合 |
4.1.2 MOS小信号模型 |
4.1.3 输出电阻与漏级电流之间关系的曲线拟合 |
4.1.4 阈值电压 |
4.1.5 阈值电压变化的曲线拟合 |
4.2 合格个体的遴选替换算法 |
4.2.1 遴选替换算法 |
4.2.2 优化的遗传算法流程 |
4.3 共漏级运算放大器的设计 |
4.3.1 共漏级放大器 |
4.3.2 编码方案与适应度函数 |
4.3.3 实验结果与讨论 |
4.4 本章小结 |
第五章 遗传算法应用于多目标放大器设计 |
5.1 遗传算法用于求解多目标问题 |
5.1.1 传统优化方法的原理 |
5.1.2 经典的传统多目标优化算法 |
5.2 共源级放大器多目标设计优化 |
5.2.1 共源级放大器 |
5.2.2 编码方案与适应度函数 |
5.2.3 实验结果与讨论 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(6)基于CoM不等式的卫星电源系统抗辐射性能评估方法(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 抗辐射性能评估国内外研究现状 |
1.2.1 基于数据的方法 |
1.2.2 基于模型的方法 |
1.2.3 数据与模型综合集成的方法 |
1.3 研究思路 |
1.4 论文组织结构 |
第二章 CoM不等式的基本原理 |
2.1 CoM原理与McDiarmid不等式 |
2.1.1 CoM原理 |
2.1.2 McDiarmid不等式 |
2.2 McDiarmid不等式拓展 |
2.2.1 已知性能均值和性能下界 |
2.2.2 已知数值模型F和F-GZ |
2.2.3 鞅不等式 |
2.3 不同输入条件适用的CoM不等式 |
2.3.1 变量间具有相关性 |
2.3.2 变量取值无界或函数无界 |
2.3.3 由抽样定义的经验过程 |
2.4 基于CoM不等式的系统认证方法 |
2.4.1 问题描述 |
2.4.2 系统认证分析过程 |
2.4.3 系统认证基本算法 |
2.4.4 模型精度与试验次数关系的研究 |
2.5 CoM不等式的应用算例 |
2.5.1 Sobol函数 |
2.5.2 一个简单的线性系统 |
第三章 电源系统抗辐射性能建模 |
3.1 基于退化的单元抗辐射性能建模 |
3.1.1 元器件辐射损失机理分析 |
3.1.2 太阳电池阵性能退化模型 |
3.1.3 N-MOSFET器件性能退化模型 |
3.2 系统抗辐射性能的多模型集成建模 |
3.2.1 多模型集成策略 |
3.2.2 辐射环境模型 |
3.2.3 辐射屏蔽模型 |
3.2.4 太阳电池阵模型 |
3.2.5 电源系统仿真模型 |
3.3 本章小结 |
第四章 电源系统抗辐射性能评估 |
4.1 不确定性描述 |
4.1.1 需求不确定性 |
4.1.2 模型参数不确定性 |
4.2 基于CoM不等式的抗辐射评估 |
4.2.1 基于精确模型的评估 |
4.2.2 以仿真数据作为试验数据 |
4.2.3 以实测数据作为试验数据 |
4.3 本章小结 |
第五章 总结与展望 |
5.1 论文主要工作与贡献 |
5.2 下一步研究展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(7)深亚微米MOS场效应晶体管小信号及噪声建模技术研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略词术语注释表 |
第一章 绪论 |
1.1 引言 |
1.2 MOSFET模型研究现状 |
1.3 MOSFET模型建立的方法 |
1.4 论文的主要结构和创新点 |
第二章 MOSFET小信号模型与噪声模型 |
2.1 MOS器件的小信号模型 |
2.1.1 忽略衬底效应的小信号模型 |
2.1.2 考虑衬底效应的小信号模型 |
2.2 MOS器件的噪声模型 |
2.2.1 PUCEL噪声模型 |
2.2.2 POSPIESZALSKI噪声模型 |
2.2.3 BSIM3v3噪声模型 |
2.2.4 PSP噪声模型 |
2.3 MOS器件的噪声源 |
2.3.1 沟道噪声 |
2.3.2 栅极感应噪声 |
2.3.3 栅极电阻噪声 |
2.4 本章小结 |
第三章 MOSFET小信号模型参数提取与仿真 |
3.1 焊盘与互连线去嵌技术 |
3.2 寄生元件参数提取 |
3.3 晶体管参数提取 |
3.3.1 串联寄生电阻参数提取 |
3.3.2 R_(sub)和C_(sub)参数提取 |
3.3.3 本征参数提取 |
3.4 小信号模型仿真及分析 |
3.5 小信号模型可缩放性分析 |
3.6 考虑非准静态效应的小信号模型 |
3.7 本章小结 |
第四章 MOSFET噪声参数提取技术 |
4.1 二端口噪声网络 |
4.1.1 阻抗噪声相关矩阵 |
4.1.2 导纳噪声相关矩阵 |
4.1.3 ABCD噪声相关矩阵 |
4.2 噪声矩阵转换技术 |
4.3 噪声模型参数提取 |
4.4 本章小结 |
第五章 噪声模型仿真结果和分析 |
5.1 噪声源的参数分析 |
5.2 仿真结果分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
附录 |
参考文献 |
致谢 |
(8)模拟集成电路性能参数建模及其参数成品率估计算法的研究(论文提纲范文)
作者简介 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 论文研究背景和意义 |
1.1.1 模拟 IC 设计自动化的发展现状 |
1.1.2 模拟 IC 设计自动化面临的困难 |
1.1.3 基于性能参数模型的电路级设计优化 |
1.1.4 参数成品率估计的重要意义与研究现状 |
1.2 论文的主要工作 |
1.3 论文的章节安排 |
第二章 基本理论 |
2.1 模拟 IC 电路级自动优化技术概述 |
2.1.1 电路优化的数学表述 |
2.1.2 基于仿真的电路优化法 |
2.1.3 基于模型的电路优化法 |
2.1.4 几种常用的优化方法简介 |
2.2 宏模型构造的基本方法 |
2.2.1 宏模型在工程中的应用 |
2.2.2 宏模型构造的步骤 |
2.2.3 试验设计技术简介 |
2.2.4 宏模型的分类 |
2.3 IC 参数成品率估计的理论基础 |
2.3.1 IC 制造过程中的参数分散性 |
2.3.2 参数成品率的估计 |
2.3.3 电路的参数成品率估计与优化 |
2.3.4 给定数据的参数成品率估计 |
2.4 本章小结 |
第三章 直流工作点驱动的 MOS 器件参数宏模型 |
3.1 MOS 器件建模方法分析 |
3.2 可应用于模拟 IC 设计的 MOS 器件模型 |
3.2.1 标准长沟道器件模型 |
3.2.2 考虑了部分短沟道效应的器件模型 |
3.2.3 可用在几何规划中器件模型 |
3.3 OPD MOS 器件参数宏模型的建立 |
3.3.1 建立器件参数宏模型的总体思路 |
3.3.2 建模所需的数据的抽样方法 |
3.3.3 径向基函数的插值建模 |
3.3.4 器件参数宏模型的建立与使用 |
3.4 高精度器件参数宏模型的建立实例 |
3.5 MOS 器件参数宏模型在模拟 IC 设计中的应用 |
3.5.1 低压运算放大器的自动偏置 |
3.5.2 运算跨导放大器的电路设计 |
3.6 MOS 器件模型使用特点的总结 |
3.7 本章小结 |
第四章 电路性能参数建模及其在电路优化中应用 |
4.1 基于原理的电路性能参数模型 |
4.1.1 手工推导法 |
4.1.2 符号分析方法 |
4.2 基于仿真的电路性能参数的宏模型 |
4.2.1 一般流程 |
4.2.2 LS-SVM 模型 |
4.3 器件宏模型在性能参数建模及电路优化中的应用 |
4.3.1 基于器件宏模型的电路性能参数建模 |
4.3.2 性能参数模型在电路优化中的使用方法 |
4.4 低压运放的建模与优化实例 |
4.4.1 低压运放的性能方程 |
4.4.2 低压运放的 LS-SVM 宏模型 |
4.4.3 两种模型在低压运放优化中应用 |
4.4.4 两种性能参数模型的优缺点比较 |
4.5 本章小结 |
第五章 基于数值积分的 IC 成品率估计方法 |
5.1 MC 法及其局限性 |
5.1.1 MC 法估计成品率的数学原理 |
5.1.2 MC 法的缺点 |
5.2 方差减少技术 |
5.2.1 拉丁超立方体抽样 |
5.2.2 重要重抽样 |
5.3 基于数值积分的 IC 成品率估计法 |
5.3.1 成品率估计的新思路 |
5.3.2 Box-Cox 变换 |
5.3.3 OA-MLHS |
5.3.4 方法的实施步骤 |
5.4 基于 Box-Cox 变换和 OA-MLHS 联合提高成品率估计精度的原理 |
5.5 成品率估计方法的算例比较 |
5.5.1 精度比较的数学指标 |
5.5.2 OTA-C 滤波器的成品率估计 |
5.5.3 二次性能函数的成品率估计 |
5.5.4 成品率估计方法的优缺点总结 |
5.6 本章小结 |
第六章 基于截尾数据的成品率估计方法研究 |
6.1 基于截尾数据估计成品率的数学理论 |
6.2 截尾样本的检验法 |
6.2.1 常用的正态性检验法简介 |
6.2.2 正态性检验法识别截尾样本的功效比较 |
6.3 基于截尾数据估计成品率的方法分析 |
6.3.1 传统的成品率估计方法 |
6.3.2 极大似然估计法 |
6.3.3 矩估计法 |
6.3.4 卡方估计法 |
6.4 Box-Cox 变换的适用性讨论 |
6.5 基于过程能力指数估计成品率的经验公式 |
6.5.1 成品率与过程能力指数的关系 |
6.5.2 经验公式的建立及其使用条件 |
6.6 应用实例分析与比较 |
6.6.1 使用随机模拟的性能比较 |
6.6.2 实例验证 |
6.6.3 成品率估计方法的优缺点总结 |
6.7 本章小结 |
第七章 结束语 |
7.1 本文的主要贡献 |
7.2 后续的工作展望 |
致谢 |
参考文献 |
博士期间工作成果 |
附录 |
(9)基于高低压CMOS兼容工艺Bsim3v3模型参数提取的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 功率电子技术的发展 |
1.2 SPIC 的现状 |
1.3 高低压隔离技术 |
1.4 高低压兼容制造工艺 |
1.5 电路模拟及器件模型简介 |
1.5.1 器件模型分类 |
1.5.2 模型质量评价 |
1.6 本课题的主要研究工作 |
第二章 高低压 CMOS 兼容工艺和器件结构 |
2.1 新型高低压 CMOS 兼容工艺简介 |
2.2 工艺流程 |
2.3 MOS 器件仿真结构 |
2.4 本章小结 |
第三章 MOS 器件模型及模型参数提取 |
3.1 器件集约模型 |
3.1.1 集约模型的发展 |
3.1.2 第一代伯克利模型 |
3.1.3 Bsim 模型 |
3.1.4 Bsim3v3 物理模型详解 |
3.2 器件建模流程 |
3.3 器件特性测试 |
3.4 数据拟合及模型参数提取 |
3.4.1 提取大尺寸器件的相关参数 |
3.4.2 提取与短沟道效应有关的参数 |
3.4.3 提取衬底电容相关参数 |
3.4.4 提取与窄沟道效应有关的参数 |
3.4.5 提取与短沟道和窄沟道都相关的参数 |
3.4.6 提取无衬偏时饱和区特性相关的参数 |
3.4.7 提取有衬偏时饱和区特性相关的参数 |
3.4.8 提取大尺寸器件的温度相关参数 |
3.4.9 提取不同器件尺寸的温度相关系数 |
3.4.10 提取载流子速度的温度相关系数 |
3.5 拟合结果 |
3.6 工艺角模型 |
3.7 本章小结 |
第四章 基于遗传算法的 MOSFET Bsim3v3 模型参数提取 |
4.1 遗传算法原理及实现方式 |
4.1.1 遗传算法简介 |
4.1.2 遗传算法在模型参数提取工作中的应用 |
4.2 结果及讨论 |
4.3 本章小结 |
第五章 总结 |
致谢 |
参考文献 |
附录 |
(10)基于遗传神经网络的开关电流电路故障诊断(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 开关电流的发展历史和现状 |
1.2 开关电流电路的测试和故障诊断 |
1.3 论文的内容及组织结构 |
第2章 开关电流技术的基本理论 |
2.1 开关电容基本理论 |
2.2 开关电流基本原理 |
2.3 开关电流基本积分器模块 |
2.3.1 SI 延迟模块 |
2.3.2 SI 同相积分器 |
2.3.3 SI 同相阻尼积分器 |
2.3.4 SI 反相阻尼积分器 |
2.3.5 SI 反相阻尼放大器 |
2.3.6 SI 通用积分器 |
2.4 SI 微分器模块 |
2.4.1 SI 反相微分器 |
2.4.2 SI 通用反相微分器 |
2.4.3 SI 同相微分器 |
2.4.4 SI 通用同相微分器 |
2.5 SI 仿真程序 |
2.6 小结 |
第3章 小波分析、遗传算法和神经网络的基本原理 |
3.1 小波分析 |
3.1.1 基本理论 |
3.1.2 小波基的特性与选择 |
2.1.3 多尺度分析 |
3.2 遗传算法 |
3.2.1 遗传算法的介绍 |
3.2.2 遗传算法的基本求解步骤 |
3.3 神经网络 |
3.3.1 基础知识 |
3.3.2 学习规则 |
3.4 小结 |
第4章 开关电流电路故障模型的建立 |
4.1 引言 |
4.2 MOS 器件模型 |
4.2.1 LEVEL 1 模型 |
4.2.2 LEVEL 2 模型 |
4.2.3 LEVEL 3 模型 |
4.2.4 BSIM 系列模型 |
4.3 开关电流电路硬故障和软故障模型的建立与分析 |
4.3.1 硬故障模型 |
4.3.2 软故障模型 |
4.4 小结 |
第5章 开关电流电路故障诊断遗传算法优化 BP 神经网络的实现 |
5.1 引言 |
5.2 小波信号处理 |
5.2.1 信号的去噪处理 |
5.2.2 信号特征提取 |
5.3 遗传算法优化神经网络 |
5.3.1 神经网络结构 |
5.3.2 遗传算法优化神经网络训练算法 |
5.4 遗传算法优化神经网络故障诊断实施方法 |
5.5 诊断实例 1 |
5.5.1 故障类型的确定 |
5.5.2 故障特征向量的提取 |
5.5.3 GA-BP 网络和 BP 网络的训练后的结果比较 |
5.6 诊断实例 2 |
5.6.1 诊断电路与故障设定 |
5.6.2 故障特征向量的提取 |
5.6.3 GA-BP 网络的训练后的输出结果 |
5.7 小结 |
结论及展望 |
参考文献 |
致谢 |
附录 A (攻读学位期间所发表的学术论文目录) |
四、应用遗传算法实现MOS器件综合(论文参考文献)
- [1]硅基CMOS工艺微波MOSFET器件建模及参数提取技术研究[D]. 曹阳. 天津大学, 2020(01)
- [2]基于人工神经网络的辐照总剂量预测模型[D]. 刘瑾婷. 西安电子科技大学, 2020(05)
- [3]深亚微米MOSFET物理建模和参数提取研究[D]. 刘逸哲. 华东师范大学, 2019(09)
- [4]基于特征辨识的MOSFET健康状态评估模型研究[D]. 王月月. 重庆大学, 2018(04)
- [5]基于遗传算法的模拟集成电路优化设计[D]. 巴京. 南京邮电大学, 2016(02)
- [6]基于CoM不等式的卫星电源系统抗辐射性能评估方法[D]. 汤诗菡. 国防科学技术大学, 2016(01)
- [7]深亚微米MOS场效应晶体管小信号及噪声建模技术研究[D]. 钭飒飒. 华东师范大学, 2015(10)
- [8]模拟集成电路性能参数建模及其参数成品率估计算法的研究[D]. 梁涛. 西安电子科技大学, 2013(10)
- [9]基于高低压CMOS兼容工艺Bsim3v3模型参数提取的研究[D]. 刘超. 电子科技大学, 2013(04)
- [10]基于遗传神经网络的开关电流电路故障诊断[D]. 唐成军. 湖南大学, 2012(06)