[发明专利]一种建立PCB类型的预测模型和PCB设计的方法及装置有效
| 申请号： | 201611101799.9 | 申请日： | 2016-12-02 |
| 公开（公告）号： | CN106777612B | 公开（公告）日： | 2020-12-01 |
| 发明（设计）人： | 沈文;李炳林;黄在朝;邓辉;喻强;王玮;虞跃;陈磊;刘川;陶静;姚启桂;张增华;王向群;孙晓艳;陈伟;卜宪德;田文峰;吕立东;姚继明 | 申请（专利权）人： | 全球能源互联网研究院有限公司;国家电网有限公司 |
| 主分类号： | G06F30/3308 | 分类号： | G06F30/3308;G06N3/08;G06F115/12 |
| 代理公司： | 北京三聚阳光知识产权代理有限公司 11250 | 代理人： | 陈博旸 |
| 地址： | 102209 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 建立 pcb 类型 预测 模型 设计 方法 装置 | ||
1.一种PCB设计方法，其特征在于，包括：
获取待设计的PCB原理图二维特征数据；
将所述二维特征数据输入到建立PCB类型的预测模型的方法所建立的模型中，得到输出数据；
根据所述输出数据，确定所述PCB原理图的设计模板；
其中，建立PCB类型的预测模型的方法包括：
获取多个PCB原理图的二维特征数据以及预设的所述PCB原理图的类型编号；
根据所述二维特征数据与预设的所述PCB原理图的类型编号作为训练数据，对神经网络模型进行训练，直至所述神经网络的输出数据与所述预设的所述PCB原理图的类型编号的误差小于预设误差。
2.根据权利要求1所述PCB设计方法，其特征在于，所述PCB原理图的二维特征数据由所述PCB原理图中涉及的芯片型号和相应所述芯片型号的个数得到。
3.根据权利要求1所述的PCB设计方法，其特征在于，所述对神经网络模型进行训练，包括：
当所述神经网络的输出数据与所述预设的所述PCB原理图的类型编号差值的绝对值不小于预设误差精度，调整所述神经网络模型中的神经元权值。
4.根据权利要求3所述的PCB设计方法，其特征在于，所述神经网络的输出，通过下式得到：
其中，y'为所述神经网络模型中的输出，θ为y'的偏置，θ取值为0-1之间，wi,i＝1,2,3...n为所述神经元权值，xi为所述PCB原理图特征数据，wxt＝w1x1+…+wnxn+wn+1x1x2+…+wn+n(n-1)/2xn-1xn。
5.根据权利要求1-4中任一项所述的PCB设计方法，其特征在于，所述神经网络模型为函数链神经网络模型。
6.一种PCB设计装置，其特征在于，包括：
特征数据获取单元，用于获取待设计的PCB原理图二维特征数据；
输出数据获取单元，用于将所述二维特征数据输入到建立PCB类型的预测模型的装置所建立的模型中，得到输出数据；
设计模板确定单元，用于根据所述输出数据，确定所述PCB原理图的设计模板；
其中，建立PCB类型的预测模型的装置，包括：
获取单元，用于获取多个PCB原理图的二维特征数据以及预设的所述PCB原理图的类型编号；
训练单元，用于根据所述二维特征数据与预设的所述PCB原理图的类型编号作为训练数据，对神经网络模型进行训练，直至所述神经网络的输出数据与所述预设的所述PCB原理图的类型编号的误差小于预设误差。
7.根据权利要求6所述的PCB设计装置，其特征在于，所述PCB原理图的二维特征数据由所述PCB原理图中涉及的芯片型号和相应所述芯片型号的个数得到。
8.根据权利要求6所述的PCB设计装置，其特征在于，所述训练单元包括：
调整单元，用于当所述神经网络的输出数据与所述预设的所述PCB原理图的类型编号差值的绝对值不小于预设误差精度，调整所述神经网络模型中的神经元权值。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于全球能源互联网研究院有限公司;国家电网有限公司，未经全球能源互联网研究院有限公司;国家电网有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201611101799.9/1.html，转载请声明来源钻瓜专利网。
