[发明专利]基于忆阻器神经网络的辐射效应诊断系统

说明书

本发明涉及一种基于忆阻器神经网络的辐射效应诊断系统，其解决了现有技术通过神经网络诊断集成电路的辐射失效状态，耗费大量硬件资源，诊断过程可靠性低的技术问题，其通过设计的卷积神经网络对集成电路的故障数据集实现了分类诊断；基于忆阻器的神经网络，包含了第一层一维卷积层电路、第二层一维卷积层电路、矩阵正负值运算电路电路、最大池化电路、全连接层的电路结构；通过忆阻器搭建的智能集成电路辐射效应诊断系统可以将诊断电路与待诊断电路集成，可以有效掌控电路的状态，保障系统的可靠性。本发明广泛用于集成电路辐射故障诊断。

技术领域

本发明涉及集成电路辐射故障诊断技术领域，具体而言，涉及一种基于忆阻器神经网络的辐射效应诊断系统。

背景技术

航天事业是我国群策群力发展的重要事业，航天事业的稳步向前离不开航天器的可靠性，电子元器件是航天技术快速提升的关键。航天器正常工作时一般位于太空中，太空中存在大量高能粒子，如果集成电路暴露在太空环境中，那么集成电路将迅速出错甚至失效,有许多航天器受到空间环境影响而出现故障，而其中45％左右的故障是由各类辐射失效所导致的。随着集成电路工艺技术的发展，纳米级的MOSFET会产生一些新的辐射效应。实时判断集成电路所处的工作状态，诊断集成电路的辐射失效状态，及时采取处理措施可以很大程度的降低航天器出现故障的概率。

目前，通过神经网络诊断集成电路的辐射失效状态，会耗费大量硬件资源，并且诊断过程可靠性低。

发明内容

本发明就是为了解决现有技术通过神经网络诊断集成电路的辐射失效状态，耗费大量硬件资源，诊断过程可靠性低的技术问题，提供了一种基于忆阻器神经网络的辐射效应诊断系统。

本发明的技术方案是，提供一种基于忆阻器神经网络的辐射效应诊断系统，通过以下过程来实现：

第一步，搭建模拟辐射现象的器件模型，通过器件模型模拟仿真辐射现象，根据器件模拟仿真结果提取关键参数，通过辐射带来的1/f噪声变化导致的电流改变获取不同的辐射故障情况下的不同电流功耗数据，将其作为故障数据集；

第二步，通过卷积神经网络对故障数据集进行预处理，然后通过设定训练的迭代次数对单组数据输入网络的训练次数，使用随机梯度下降的方法进行训练；

第三步，采用参数移植的方法，将所述第二步训练之后的卷积神经网络参数移植到忆阻器交叉阵列神经网络电路中，将神经网络的权重和偏置映射到忆阻器的电导值中，实现辐射故障诊断神经网络的硬件电路的搭建，硬件电路包括第一层一维卷积层电路、第二层一维卷积层电路、矩阵正负值运算电路电路、最大池化电路、全连接层的电路结构。

优选地，所述第二步中，预处理的过程是，对神经网络的权值初始化，采用Xavier正态分布进行初始化，分别对一维卷积层和全连接层的偏置全部初始化，一维卷积层和全连接层的偏置全部初始化为0.0，权重为高斯分布。

优选地，所述第三步中，数据流拆分为正负部分流进第一层一维卷积层电路，输出正值数据流入最大池化层电路1，输出到池化层1正负产生电路，生成正负值数据流入第二层一位卷积层电路，由此输出正值数据流入最大池化层电路2，输出正值数据到池化层1正负产生电路，生成正负值数据流入第二层一位卷积层电路全连接层。

本发明的有益效果是：本发明可以将诊断电路与待诊断电路集成，可以有效掌控电路的状态，保障系统的可靠性，实现分类诊断，诊断过程可靠性高，节省硬件资源。

对辐射故障诊断神经网络训练之前，本发明通过对辐射故障诊断神经网络的权值初始化以加快辐射故障诊断神经网络参数的收敛速度。

本发明进一步的特征和方面，将在以下参考附图的具体实施方式的描述中，得以清楚地记载。

附图说明

图1是本发明集成电路辐射故障诊断方法的流程图；