基于图卷积神经网络的组合逻辑多故障诊断方法及系统技术方案

本发明专利技术公开了一种基于图卷积神经网络的组合逻辑多故障诊断方法及系统，属于电路故障诊断技术领域，包括如下步骤：获取待诊断组合逻辑电路的网表文件并转换为逻辑电路有向图，提取各节点的特征。向随机节点注入随机数量的故障并生成随机测试向量，通过电路仿真模型获取失效响应数据。基于失效响应数据，通过故障元素图方法构建故障元素图集合，计算故障得分并生成故障训练数据。将故障训练数据输入图卷积神经网络模型进行迭代训练，构建故障诊断模型。使用故障诊断模型对实时失效响应数据进行诊断，得到每个节点的故障概率。本方案通过考虑多个组合逻辑故障同时存在的情况对组合逻辑电路进行故障诊断，提高了故障诊断的准确性。

【技术实现步骤摘要】

本专利技术属于电路故障诊断，尤其是涉及一种基于图卷积神经网络的组合逻辑多故障诊断方法及系统。

技术介绍

1、在芯片规模日益增长的情况下，电子设计自动化（eda）工具在芯片设计领域中不可或缺。为了尽早检测芯片制造中的缺陷，可测试性设计（dft）成为重要流程。其中，良率学习阶段的故障诊断是关键步骤，分析量产芯片中的缺陷对良率提升有重要意义。早期故障诊断方法主要基于故障字典和故障失效响应分析。近年来，ai技术也被应用于故障诊断。例如通过将随机向量输入神经网络模型和测试电路，比较输出结果来评分故障；利用人工神经网络（ann）学习输入向量与故障类型及引线之间的关系。最近的研究使用ann训练故障诊断模型，学习输入向量与故障检测之间的关系，但未能有效处理组合逻辑多故障的增强和屏蔽关系。因此，基于仿真故障字典生成的训练数据模型无法学习多故障关系，导致对组合逻辑多故障同时存在时的诊断不准确。

技术实现思路

1、基于上述问题，本专利技术提供了一种克服上述问题或者至少部分地解决上述问题的一种基于图卷积神经网络的组合逻辑多故障诊断方本文档来自技高网...

【技术保护点】

1.一种基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，获取待诊断组合逻辑电路的网表文件并转换为逻辑电路有向图，提取所述逻辑电路有向图中各节点对应的节点特征，包括：

3.根据权利要求2所述的基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，基于所述待诊断组合逻辑电路的网表文件构建对应的逻辑电路有向图，包括：

4.根据权利要求2所述的基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，提取每个所述节点的节点特征并进行归一化构建节点特征矩阵，包...

【技术特征摘要】

1.一种基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，获取待诊断组合逻辑电路的网表文件并转换为逻辑电路有向图，提取所述逻辑电路有向图中各节点对应的节点特征，包括：

3.根据权利要求2所述的基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，基于所述待诊断组合逻辑电路的网表文件构建对应的逻辑电路有向图，包括：

4.根据权利要求2所述的基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，提取每个所述节点的节点特征并进行归一化构建节点特征矩阵，包括：

5.根据权利要求1所述的基于图卷积神经网络的组合逻辑多故障诊断方法，其特征在于，向所述待诊断组合逻辑电路的随机节点位置注入随机数量故障生成随机测试向量，基于所述随机测试向量通过电路仿真模型获取失效响应数据，包括：

6....

【专利技术属性】
技术研发人员：叶靖，
申请(专利权)人：中科鉴芯北京科技有限责任公司，
类型：发明
国别省市：