三维片上网络中基于Petri网的测试规划方法技术

本发明专利技术公开一种三维片上网络中基于Petri网的测试规划方法，1、引入Petri网模型，以TTPN模型为中介，将3D NoC的测试规划问题转化为求解相应TTPN的最优变迁激发序列，无需考虑IP核位置映射、互连方式等对模型的影响，可以兼容不同拓扑结构的3D NoC；采用改进的蝙蝠算法(Improved Bat Algorithm，IBA)对模型进行求解。蝙蝠频率会随着种群最优和平均适应度值的变化而自适应地变化，并对测试路径和顺序调度进行两级递阶寻优。可以增加种群的多样性，保证搜索方向，扩大搜索范围，从而快捷、高效的搜索到测试总时间最小的变迁序列；将蝙蝠种群寻优规则融合到Petri网的进化规则中，提出基于惯性权重的蝙蝠位置更新过程，并设置惯性权重与变迁实施支持度相关联。

【技术实现步骤摘要】
三维片上网络中基于Petri网的测试规划方法
本专利技术涉及三维片上网络(threeDimensionalNetwork-on-Chip，3DNoC)
，具体涉及一种三维片上网络中基于Petri网的测试规划方法。
技术介绍
随着集成电路规模的大幅度扩展，传统的片上网络受到了平面结构布局条件的限制，互连线较长，导致数据传输的时延和功耗都会随之增加。3DIC技术的出现打破了平面结构的局限性，该技术通过硅通孔将二维NoC进行层间堆叠，增加了垂直方向的扩展。融合了3DIC和NoC技术的3DNoC吸引了研究人员的关注。3DNoC的优势主要表现在：1、垂直方向的互连线缩短了全局互联线的长度，具有更低的传输功耗和时延，进一步提升了系统性能。2、多层硅晶片在同一平面上堆叠，增加了芯片封装密度，有利于控制芯片面积。3、三维多层堆叠拓扑结构更易实现多种网络拓扑结构的混合。测试规划问题的本质就是构建合理的测试模型，充分利用有限的测试资源，无冲突的调度IP核，最大限度的降低测试时间，然而同时需要考虑测试系统的软硬件约束条件如测试功耗和硬件开销等。因此，合理的构建测试模型以及选取适当的优化算法是测试规划的两个关键点。然而，随着3DNoC芯片中集成的资源内核数量的增多和逻辑结构复杂度的提高导致芯片的测试成本提高，花费的时间更长。因此，如何设计行之有效的测试规划策略，对3DNoC进行高效经济的测试是目前亟待解决的问题。
技术实现思路
本专利技术所要解决的技术问题是现有的测试规划模型的适用范围受到限制，测试规划算法优化效果不足的问题，提供一种三维片上网络中基于Petri网的测试规划方法。为解决上述问题，本专利技术是通过以下技术方案实现的：一种三维片上网络中基于Petri网的测试规划方法，包括如下步骤：步骤1、建立TTPN模型，并根据测试要求确定初始标识M0、终止标识Mf和变迁时延集SI；步骤2、初始化蝙蝠种群的最大发生频率fmax和最小发生频率fmin，响度以及脉冲发生率；初始化惯性权重关联至各变迁；步骤3、随机生成当前代的测试路径分配种群和对应的测试顺序调度种群；其中测试路径分配种群表示IP核的测试数据包被分配到TAM的编号，测试顺序调度种群表示每条TAM上分配的IP核的测试顺序；步骤4、将当前代的测试路径分配种群和对应的测试顺序调度种群转换成当前代的变迁激发序列；步骤5、判断当前代的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤6；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤3；步骤6、运行Petri网，根据当前的变迁激发序列实施变迁，并计算出系统当前标识M，当M＝Mf时，Petri网运行终止；步骤7、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算当前代的种群适应度值；步骤8、利用改进的蝙蝠算法更新规则，分别对当前代的测试路径分配种群和对应的测试顺序调度种群进行两级递阶更新；步骤8.1、由当前种群确定路径分配方案，基于该方案对下代种群迭代更新寻找最优测试顺序；在第k代，蝙蝠位置和频率按如下公式更新：f1k＝fmin+(fmax-fmin)exp(-|Tavg(k)-Tbest(k)|)f2k＝1-f1k式中，k为当前代数，i为IP核标号，为第k代蝙蝠种群的位置，f1k为念旧频率，f2k为嫉妒频率，ωk为第k代蝙蝠种群的惯性权重，pgd为全局最优位置，pid为个体经历的最优位置，fmin为蝙蝠最小发生频率，fmax为蝙蝠最大发生频率，Tavg(k)和Tbest(k)分别为第k代蝙蝠种群的平均适应度值和最优适应度值；步骤8.2、最优顺序种群确定后，相应的测试路径分配种群接收各顺序种群搜索到的最优解，并对蝙蝠位置进行下一代寻优；步骤9、将更新后的最优测试路径分配种群和对应的测试顺序调度种群转换成更新后的变迁激发序列；步骤10、判断更新后的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤11；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤8；步骤11、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算更新后的种群适应度值；步骤12、判断更新后的种群是否可接受；对每一只蝙蝠产生一个随机数，若该随机数小于当前代蝙蝠种群的平均音量，且更新后的种群适应度值小于当前代的种群适应度值，则更新当前代的种群适应度值所对应的变迁激发序列、以及更新当前代的测试路径分配种群和对应的测试顺序调度种群；否则，当前代的种群适应度值所对应的变迁激发序列、以及当前代的测试路径分配种群和对应的测试顺序调度种群保持不变；步骤13、判断更新代数是否达到设定代数阈值kmax；若达到设定代数阈值，则将当前代的种群适应度值所对应的变迁激发序列解码后作为最优测试规划方案输出；若没有达到设定阈值，则返回步骤8。上述步骤8.1中，每代的惯性权重ωk始终相同或采用预定的规则进行每代更新。上述步骤8.1中，惯性权重采用如下规则进行每代更新：ωk+1＝1-((1-ρ)ωk+ρ(1/Tbest(k)))式中，ωk+1为第k+1代蝙蝠种群的惯性权重，ωk为第k代蝙蝠种群的惯性权重，ρ∈[0,1]为随机数，Tbest(k)为第k代蝙蝠种群的最优适应度值。上述步骤8与步骤9之间，还进一步包括如下步骤，即：当蝙蝠随机数rand1满足rand1≥rik时，采用以下公式非线性的调整蝙蝠的响度和脉冲发生率：式中，为初代蝙蝠种群的响度，ri0为初代蝙蝠种群的脉冲发生率，rik+1，为第k代蝙蝠种群的响度，rik为第k代蝙蝠种群的脉冲发生率，rik+1，为第k+1代蝙蝠种群的响度，rik+1为第k+1代蝙蝠种群的脉冲发生率，k为当前代数，kmax为设定的代数阈值。与现有技术相比，本专利技术具有如下特点：1、引入Petri网模型，以TTPN模型为中介，将3DNoC的测试规划问题转化为求解相应TTPN的最优变迁激发序列，无需考虑IP核位置映射、互连方式等对模型的影响，可以兼容不同拓扑结构的3DNoC；2、采用改进的蝙蝠算法(ImprovedBatAlgorithm，IBA)对模型进行求解。蝙蝠频率会随着种群最优和平均适应度值的变化而自适应地变化，并对测试路径和顺序调度进行两级递阶寻优。可以增加种群的多样性，保证搜索方向，扩大搜索范围，从而快捷、高效的搜索到测试总时间最小的变迁序列；3、将蝙蝠种群寻优规则融合到Petri网的进化规则中，提出基于惯性权重的蝙蝠位置更新过程，并设置惯性权重与变迁实施支持度相关联；4、具有测试结构简单、资源利用率高、测试时间短和功耗低的特点。附图说明图1为一种三维片上网络的拓扑结构示意图。图2为IP核7在不同测试路径下的资源需求。图3为TTPN子模型示意图。图4为图2中变迁的含义。图5为图2中各库所的含义。图6为p93791电路的核分布情况。具体实施方式下面结合附图和实施例对本专利技术进行阐述，但不是对本
技术实现思路
的限定。本专利技术优选实施例所涉及的3DNoC为3DMesh拓扑结构，如图1所示，采用多个平面结构的二维芯片通过硅通孔技术进行垂直互连而成，即主要由IP核、路由节点、网络接口以及通信链路组成。其中通信链路包括水平方向的互连线和竖直方向的TSV(硅通孔)。测试访本文档来自技高网...

【技术保护点】
三维片上网络中基于Petri网的测试规划方法，其特征是，包括如下步骤：步骤1、建立TTPN模型，并根据测试要求确定初始标识、终止标识和变迁时延集；步骤2、初始化蝙蝠种群的最大发生频率f

【技术特征摘要】
1.三维片上网络中基于Petri网的测试规划方法，其特征是，包括如下步骤：步骤1、建立TTPN模型，并根据测试要求确定初始标识、终止标识和变迁时延集；步骤2、初始化蝙蝠种群的最大发生频率fmax和最小发生频率fmin，响度以及脉冲发生率；初始化惯性权重关联至各变迁；步骤3、随机生成当前代的测试路径分配种群和对应的测试顺序调度种群；其中测试路径分配种群表示IP核的测试数据包被分配到TAM的编号，测试顺序调度种群表示每条TAM上分配的IP核的测试顺序；步骤4、将当前代的测试路径分配种群和对应的测试顺序调度种群转换成当前代的变迁激发序列；步骤5、判断当前代的变迁激发序列是否可触发；若该变迁激发序列的所有变迁均可触发，则继续执行步骤6；若该变迁激发序列中的任意一个变迁不可触发，则返回步骤3；步骤6、运行Petri网，根据当前的变迁激发序列实施变迁，并计算出系统的当前标识，当当前标识等于终止标识时，Petri网运行终止；步骤7、以测试时间作为测试规划的目标函数，根据变迁激发序列与适应度值函数的映射关系，计算当前代的种群适应度值；步骤8、利用改进的蝙蝠算法更新规则，分别对当前代的测试路径分配种群和对应的测试顺序调度种群进行两级递阶更新；步骤8.1、由当前种群确定路径分配方案，基于该方案对下代种群迭代更新寻找最优测试顺序；在第k代，蝙蝠位置和频率按如下公式更新：f1k＝fmin+(fmax-fmin)exp(-|Tavg(k)-Tbest(k)|)f2k＝1-f1k式中，k为当前代数，i为IP核标号，为第k代蝙蝠种群的位置，f1k为念旧频率，f2k为嫉妒频率，ωk为第k代蝙蝠种群的惯性权重，pgd为全局最优位置，pid为个体经历的最优位置，fmin为蝙蝠种群的最小发生频率，fmax为蝙蝠种群的最大发生频率，Tavg(k)为第k代蝙蝠种群的平均适应度值；Tbest(k)为第k代蝙蝠种群的最优适应度值；步骤8.2、最优顺序种群确定后，相应的测试路径分配种群接收各顺序种群搜索到的最优解，并对蝙蝠位置进行下一代寻优；步骤9、将更新后的最优测试路径分配种群和对应的测试顺序调度种群转换成更新后的变迁激发序列；步...

【专利技术属性】
技术研发人员：胡聪，周甜，贾梦怡，朱望纯，许川佩，朱爱军，陈涛，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45