诊断测试集和故障测试集优化问题研究
发布时间：2021-10-21 06:32
故障测试在芯片开发中是十分重要的部分,分布于开发的各个环节中。每个芯片在发布前都需要进行故障测试,以确保有缺陷的芯片不会流入市场。通常,通过将芯片安装在自动测试设备上,并对芯片应用不同的测试向量来检测故障。此外,对于故障测试未通过的芯片,需要对其进行诊断,以确定测试失败的原因,以便改进制造过程,提高成品率。测试集优化在降低芯片测试成本方面有重要的意义。随着芯片尺寸的减小,芯片上电路的复杂性也在增加,使得测试芯片所需要的测试向量数量增多,不但增加了测试时间,更重要的是增加了故障测试的成本。因此,减少故障测试时的测试向量数量可以有效降低测试成本,减少故障测试所需时间。同时,随着电路复杂性的增加,诊断芯片中的故障变得越来越具有挑战性,同样耗费了更多的时间。为了减少故障检测和故障诊断的时间,提高故障测试的效率,必须提高测试向量的质量,以提高测试向量区分故障的能力。基于模型诊断是一种新型智能诊断推理技术,被人工智能领域的专家称为诊断理论和技术的一场革命。极小碰集求解是基于模型诊断过程中的关键步骤,大量专家学者在极小碰集问题的研究中,获得了丰硕的成果。极小碰集求解是经典的组合优化问题,在调度、分配...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
制造与测试成本变化趋势[36]
第4章基于极小碰集求解方法的全局性诊断测试集生成36得到的m个输出响应r构成一个m*n的矩阵，矩阵中的每个元素都是一个p位的由0、1组成的向量。这样的矩阵叫做输出响应矩阵。根据输出响应矩阵的定义可知，当p很大时，输出响应矩阵将会占用很大的空间，用于存储每个测试向量的输出响应，并且p位数的计算可能会耗时很长，经过观察和分析发现比较输出响应时，关注的是某几个故障在某个测试向量作用下对应的输出是否完全一致，因此可以将p位0、1组成的输出响应看作二进制数，转化为十进制存储。然而，当p的位数很大时，这个十进制数依然会很大，经过进一步观察，发现这个十进制数的大小并不重要，只需要对比这几个数是否完全等，因此可以给十进制数按照出现次数重新编号，重新编号的输出相应矩阵叫做重编号输出相应矩阵（RelabeledResponseMatrix，RR-Matrix）。图4.1中是s27电路的输出响应矩阵的重编号过程。s27电路有4个输出端口，图中展示了电路中的15个故障和9个测试向量形成的输出响应矩阵，并且已经把输出响应中0、1组成的二进制数转化为了十进制数。在第2个测试向量与第6个故障对应的输出中，电路的4个输出端口上捕获到的值是[1110]，首先转化为十进制数14，完成二进制向十进制的转化。然后，对于矩阵中的每一列，按照非零数出现的顺序，给十进制数重新编号。第一列中，数字“2”是第一个出现的非零数，因此被重新编号为“1”，第一列的最后一个数“2”因此同样被重新编码为“1”。以此类推，矩阵中的第10行在按照这样的规则重新编码之后，变成了右边矩阵中对应行的形式。RR-Matrix是COMEDI方法中最主要的数据结构。图4.1s27电路的RR-Matrix[4]
第4章基于极小碰集求解方法的全局性诊断测试集生成49图4.1测试向量数量对比图4.2显示了方法运行过程中，每次迭代结束时生成的测试集等效类的数量。纵轴表示测试集等效类的数量，横轴表示迭代的数量。图4.2中表明向量较少的DTS对测试集等效类的数量没有太大影响。图4.3显示了方法运行时间的详细数据。纵轴代表运行时间，横轴代表迭代次数，虚线代表COMEDI的时间增长趋势，实线代表GDTS-MHS的时间增长趋势。可以看出，GDTS-MHS方法的运行时间增长较慢，且远小于COMEDI的运行时间。图4.2等效类数量对比图4.4显示了运行时间增加与每次迭代增加的测试集等效类之间的比较。横轴表示迭代次数，主纵轴表示时间，次纵轴表示在局部迭代中添加的测试集等效类
【参考文献】：
期刊论文
[1]快速查找最佳有理渐近分数的测试数据压缩方法[J]. 吴海峰,詹文法,程一飞. 系统仿真学报. 2018(06)
[2]基于动态极大元素覆盖值的极小碰集求解算法[J]. 邓召勇,欧阳丹彤,耿雪娜,刘杰. 计算机研究与发展. 2018(04)
[3]DPSO算法在故障诊断测试集优化中的应用[J]. 姜伟,王宏力,张忠泉,何星. 自动化仪表. 2013(04)
[4]基于粗糙集的测试集优化[J]. 曹义亲,魏蛟龙,陈亮. 实验技术与管理. 2009(06)
[5]基于粒子群算法的故障测试集优化[J]. 侯艳丽,赵春晖,胡佳伟. 电子测量与仪器学报. 2008(04)
[6]基于遗传排序的测试集优化[J]. 乔家庆,付平,尹洪涛. 电子学报. 2007(12)
[7]基于蚁群算法的测试集优化[J]. 俞龙江,彭喜源,彭宇. 电子学报. 2003(08)
博士论文
[1]数字集成电路测试生成算法研究[D]. 侯艳丽.哈尔滨工程大学 2008
硕士论文
[1]极小碰集求解算法的研究[D]. 刘思光.吉林大学 2017
本文编号：3448434
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
制造与测试成本变化趋势[36]
第4章基于极小碰集求解方法的全局性诊断测试集生成36得到的m个输出响应r构成一个m*n的矩阵，矩阵中的每个元素都是一个p位的由0、1组成的向量。这样的矩阵叫做输出响应矩阵。根据输出响应矩阵的定义可知，当p很大时，输出响应矩阵将会占用很大的空间，用于存储每个测试向量的输出响应，并且p位数的计算可能会耗时很长，经过观察和分析发现比较输出响应时，关注的是某几个故障在某个测试向量作用下对应的输出是否完全一致，因此可以将p位0、1组成的输出响应看作二进制数，转化为十进制存储。然而，当p的位数很大时，这个十进制数依然会很大，经过进一步观察，发现这个十进制数的大小并不重要，只需要对比这几个数是否完全等，因此可以给十进制数按照出现次数重新编号，重新编号的输出相应矩阵叫做重编号输出相应矩阵（RelabeledResponseMatrix，RR-Matrix）。图4.1中是s27电路的输出响应矩阵的重编号过程。s27电路有4个输出端口，图中展示了电路中的15个故障和9个测试向量形成的输出响应矩阵，并且已经把输出响应中0、1组成的二进制数转化为了十进制数。在第2个测试向量与第6个故障对应的输出中，电路的4个输出端口上捕获到的值是[1110]，首先转化为十进制数14，完成二进制向十进制的转化。然后，对于矩阵中的每一列，按照非零数出现的顺序，给十进制数重新编号。第一列中，数字“2”是第一个出现的非零数，因此被重新编号为“1”，第一列的最后一个数“2”因此同样被重新编码为“1”。以此类推，矩阵中的第10行在按照这样的规则重新编码之后，变成了右边矩阵中对应行的形式。RR-Matrix是COMEDI方法中最主要的数据结构。图4.1s27电路的RR-Matrix[4]
第4章基于极小碰集求解方法的全局性诊断测试集生成49图4.1测试向量数量对比图4.2显示了方法运行过程中，每次迭代结束时生成的测试集等效类的数量。纵轴表示测试集等效类的数量，横轴表示迭代的数量。图4.2中表明向量较少的DTS对测试集等效类的数量没有太大影响。图4.3显示了方法运行时间的详细数据。纵轴代表运行时间，横轴代表迭代次数，虚线代表COMEDI的时间增长趋势，实线代表GDTS-MHS的时间增长趋势。可以看出，GDTS-MHS方法的运行时间增长较慢，且远小于COMEDI的运行时间。图4.2等效类数量对比图4.4显示了运行时间增加与每次迭代增加的测试集等效类之间的比较。横轴表示迭代次数，主纵轴表示时间，次纵轴表示在局部迭代中添加的测试集等效类
【参考文献】：
期刊论文
[1]快速查找最佳有理渐近分数的测试数据压缩方法[J]. 吴海峰,詹文法,程一飞. 系统仿真学报. 2018(06)
[2]基于动态极大元素覆盖值的极小碰集求解算法[J]. 邓召勇,欧阳丹彤,耿雪娜,刘杰. 计算机研究与发展. 2018(04)
[3]DPSO算法在故障诊断测试集优化中的应用[J]. 姜伟,王宏力,张忠泉,何星. 自动化仪表. 2013(04)
[4]基于粗糙集的测试集优化[J]. 曹义亲,魏蛟龙,陈亮. 实验技术与管理. 2009(06)
[5]基于粒子群算法的故障测试集优化[J]. 侯艳丽,赵春晖,胡佳伟. 电子测量与仪器学报. 2008(04)
[6]基于遗传排序的测试集优化[J]. 乔家庆,付平,尹洪涛. 电子学报. 2007(12)
[7]基于蚁群算法的测试集优化[J]. 俞龙江,彭喜源,彭宇. 电子学报. 2003(08)
博士论文
[1]数字集成电路测试生成算法研究[D]. 侯艳丽.哈尔滨工程大学 2008
硕士论文
[1]极小碰集求解算法的研究[D]. 刘思光.吉林大学 2017
本文编号：3448434
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3448434.html
