• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 10
    • 下载费用:30 金币  

    重庆时时彩能不能玩: 一种建立PCB类型的预测模型和PCB设计的方法及装置.pdf

    关 键 词:
    一种 建立 PCB 类型 预测 模型 设计 方法 装置
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201611101799.9

    申请日:

    2016.12.02

    公开号:

    CN106777612A

    公开日:

    2017.05.31

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 著录事项变更 IPC(主分类):G06F 17/50变更事项:申请人变更前:全球能源互联网研究院有限公司变更后:全球能源互联网研究院有限公司变更事项:地址变更前:102209 北京市昌平区未来科技城滨河大道18号变更后:102209 北京市昌平区未来科技城滨河大道18号变更事项:申请人变更前:国家电网公司变更后:国家电网有限公司|||著录事项变更IPC(主分类):G06F 17/50变更事项:申请人变更前:全球能源互联网研究院变更后:全球能源互联网研究院有限公司变更事项:地址变更前:102211 北京市昌平区小汤山镇大东流村路270号变更后:102209 北京市昌平区未来科技城滨河大道18号变更事项:申请人变更前:国家电网公司变更后:国家电网公司|||实质审查的生效IPC(主分类):G06F 17/50申请日:20161202|||公开
    IPC分类号: G06F17/50; G06N3/08 主分类号: G06F17/50
    申请人: 全球能源互联网研究院; 国家电网公司
    发明人: 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
    地址: 102211 北京市昌平区小汤山镇大东流村路270号
    优先权:
    专利代理机构: 北京三聚阳光知识产权代理有限公司 11250 代理人: 陈博旸
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611101799.9

    授权公告号:

    |||||||||

    法律状态公告日:

    2019.03.08|||2017.12.12|||2017.06.23|||2017.05.31

    法律状态类型:

    著录事项变更|||著录事项变更|||实质审查的生效|||公开

    摘要

    一种建立PCB类型的预测模型和PCB设计的方法及装置,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,解决了现有PCB设计方式效率低、研发周期长且成本高的问题。

    权利要求书

    1.一种建立PCB类型的预测模型的方法,其特征在于,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所述的方法,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
    小于所述预设误差精度,调整所述神经网络模型中的神经元权值。
    4.根据权利要求1所述的方法,其特征在于,所述神经网络的输出,通过下式得到:
    <mrow> <msup> <mi>y</mi> <mo>&prime;</mo> </msup> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mi>&theta;</mi> <mo>-</mo> <msub> <mi>wx</mi> <mi>t</mi> </msub> </mrow> </msup> </mrow> </mfrac> </mrow>
    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。
    5.根据权利要求1-4中任一项所述的方法,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如权利要求1-5中任一项所述的建立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。
    7.一种建立PCB类型的预测模型的装置,其特征在于,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。
    8.根据权利要求7所述的装置,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。
    9.根据权利要求7所述的装置,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所述预设误差精度,调整所述神经网络模型中的神经元权值。
    10.根据权利要求7所述的装置,其特征在于,所述神经网络的输出,通过下式得到:
    <mrow> <msup> <mi>y</mi> <mo>&prime;</mo> </msup> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <msup> <mi>e</mi> <mrow> <mi>&theta;</mi> <mo>-</mo> <msub> <mi>wx</mi> <mi>t</mi> </msub> </mrow> </msup> </mrow> </mfrac> </mrow>
    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。
    11.根据权利要求7-10中任一项所述的装置,其特征在于,所述神经网络模型为函数链
    神经网络模型。
    12.一种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如权利要求1-5中任一项所述的
    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;
    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。

    说明书

    一种建立PCB类型的预测模型和PCB设计的方法及装置

    技术领域

    本发明涉及智能设计领域,具体涉及一种建立PCB类型的预测模型和PCB设计的方
    法及装置。

    背景技术

    印制电路板(PCB)是电子元器件的支撑体和电子元器件电气连接的载体,PCB设计
    是以电路原理图为根据,实现电路设计者所需要的功能,在PCB板的设计过程中一般需要考
    虑PCB板的外部连接的布局、内部电子元件的优化布局、金属连线和通孔的优化布局以及电
    磁?;?、热耗散等各种因素。

    目前使用的比较多的PCB辅助设计工具是Protel,Cadence spb,MentorEE等,而这
    些PCB辅助设计工具在智能辅助设计方面还停留在保证走线约束,信号完整性、电磁兼容仿
    真等被动满足开发人员要求的设计辅助阶段,而在辅助开发人员优化PCB设计,深度学习已
    有参考设计的基础上快速实现当前PCB设计,提升设计效率领域还存在不足。

    目前人工布局PCB设计的方法面临以下缺陷:

    人工布局PCB设计的过程中,工作重复程度高,以工业以太网交换机的PCB设计为
    例,全部的设计包含CPU部分电路、DDR等存储部分电路、交换部分电路、以太网口、电源等周
    边电路的设计,在每次新设计的工业以太网交换机在上述电路部分在选用相同器件的前提
    下经常出现重复绘制工作量。同时对于缺乏经验的设计人员,其在PCB设计中会出现器件布
    局不合理,高速数据时序颠倒、阻抗匹配不完善等情况。

    发明内容

    因此,本发明要解决的技术问题在于现有PCB设计方式效率低、研发周期长且成本
    高。

    有鉴于此,本发明提供一种建立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。

    优选地,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。

    优选地,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
    值不小于所述预设误差精度,调整所述神经网络模型中的神经元权值。

    优选地,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。

    优选地,所述神经网络模型为函数链神经网络模型。

    本发明还提供一种PCB设计方法,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如上述所述的建立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。

    相应地,本发明提供一种建立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。

    优选地,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。

    优选地,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所述预设误差精度,调整所述神经网络模型中的神经元权值。

    优选地,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。

    优选地,所述神经网络模型为函数链神经网络模型。

    相应地,本发明还提供一种PCB设计装置,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如上述所述的建立PCB类型
    的预测模型的方法所建立的模型中,得到输出数据;

    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。

    本发明技术方案具有以下优点:

    通过获取多个PCB原理图的二维特征数据以及预设的PCB原理图的类型编号,并将
    二维特征数据与预设的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
    至神经网络的输出数据与预设的PCB原理图的类型编号差值的绝对值小于预设误差精度,
    根据得到的输出数据确定PCB原理图的设计模板,利用PCB原理图的设计模板进行PCB设计,
    解决了现有PCB设计方式效率低、研发周期长且成本高的问题。

    附图说明

    为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体
    实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的
    附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前
    提下,还可以根据这些附图获得其他的附图。

    图1是本发明实施例提供的一种建立PCB类型的预测模型的方法的流程图;

    图2是本发明实施例提供的一种建立PCB类型的预测模型的装置的结构示意图;

    图3是本发明另一实施例提供的一种PCB设计方法的流程图;

    图4是本发明另一实施例提供的一种PCB设计装置的结构流程图。

    具体实施方式

    下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施
    例是本发明一部分实施例,而不是全部的实施例?;诒痉⒚髦械氖凳├?,本领域普通技术
    人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明?;さ姆段?。

    本发明实施例提供一种建立PCB类型的预测模型的方法,如图1所示,包括:

    S11,获取多个PCB原理图的二维特征数据以及预设的PCB原理图的类型编号。其
    中,PCB原理图的二维特征数据优选由PCB原理图中涉及的芯片型号和相应芯片型号的个数
    得到,例如,PCB原理图中包括的芯片型号包括x1、x2、x3、x4,对应的个数分别是A、B、C、D个,
    则由x1、x2、x3、x4和A、B、C、D组成的数组即为PCB原理图的二维特征数据;预设的PCB原理图
    的类型编号,例如规定88E6095交换芯片的电路的类别编号为1,规定另一种放大电路的类
    别编号为2,依次类推,可预设多种功能电路的类别对应的类别编号。

    S12,根据二维特征数据与预设的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,直至神经网络的输出数据与预设的PCB原理图的类型编号的误差小于预
    设误差。其中,神经网络模型优选函数链神经网络模型,具体地,如下式所示:

    |y'-y|>k

    其中,y’为神经网络的输出数据,y为预设的PCB原理图的类型编号,k为预设误差。

    优选地,步骤S12中对神经网络模型进行训练具体包括以下步骤:

    当神经网络的输出数据与预设的PCB原理图的类型编号差值的绝对值不小于预设
    误差精度,调整神经网络模型中的神经元权值。其中,神经网络中的各神经元权值赋予0-1
    区间内的随机值。

    作为一种具体的实施方式,神经网络的输出,通过下式得到:


    其中,y'为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为神经元权值,xi为PCB原理图特征数据。

    其中,wxt=w1x1+...+wnxn+wn+1x1x2+...+wn+n(n-1)/2xn-1xn,wi,i=1,2,3...n;

    根据本发明实施例提供的建立PCB类型的预测模型的方法,通过获取多个PCB原理
    图的二维特征数据以及预设的PCB原理图的类型编号,并将二维特征数据与预设的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,直至神经网络的输出数据与预设
    的PCB原理图的类型编号差值的绝对值小于预设误差精度,通过训练神经网络模型得到PCB
    类型的预测模型,提高了PCB类型的识别效率与准确度。

    相应地,本发明实施例提供一种建立PCB类型的预测模型的装置,如图2所示,包
    括:

    获取单元21,用于获取多个PCB原理图的二维特征数据以及预设的PCB原理图的类
    型编号;

    训练单元22,用于根据二维特征数据与预设的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,直至神经网络的输出数据与预设的PCB原理图的类型编号的
    误差小于预设误差。

    优选地,PCB原理图的二维特征数据由PCB原理图中涉及的芯片型号和相应芯片型
    号的个数得到。

    优选地,训练单元22包括:

    调整单元,用于当神经网络的输出数据与预设的所述PCB原理图的类型编号差值
    的绝对值不小于预设误差精度,调整神经网络模型中的神经元权值。

    优选地,神经网络的输出,通过下式得到:


    其中,y'为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为神经元权值,xi为PCB原理图特征数据。

    优选地,神经网络模型为函数链神经网络模型。

    本发明实施例提供的建立PCB类型的预测模型的装置,通过获取单元获取多个PCB
    原理图的二维特征数据以及预设的PCB原理图的类型编号,并将二维特征数据与预设的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,直至神经网络的输出数据与
    预设的PCB原理图的类型编号差值的绝对值小于预设误差精度,通过训练神经网络模型得
    到PCB类型的预测模型,提高了PCB类型的识别效率与准确度。

    本发明另一实施例还提供一种PCB设计方法,如图3所示,包括:

    S31,获取待设计的PCB原理图二维特征数据;

    S32,将二维特征数据输入到如上述实施例建立PCB类型的预测模型的方法所建立
    的模型中,得到输出数据;

    S33,根据输出数据,确定PCB原理图的设计模板。

    具体地,例如,当得到的输出数据为2,则从数据库中显示出预设的类别2对应的
    PCB设计模板,继而可以根据该设计模板进行PCB设计。

    根据本发明实施例提供的PCB设计方法,通过得到的输出数据确定PCB原理图的设
    计模板,继而利用PCB原理图的设计模板进行PCB设计,解决了现有PCB设计方式效率低、研
    发周期长且成本高的问题。

    相应地,本发明另一实施例还提供一种PCB设计装置,如图4所示,包括:

    特征数据获取单元41,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42,用于将二维特征数据输入到如上述实施例建立PCB类型的
    预测模型的方法所建立的模型中,得到输出数据;

    设计模板确定单元43,用于根据输出数据,确定PCB原理图的设计模板。

    上述实施例提供的PCB设计装置,通过特征数据获取单元待设计的PCB原理图二维
    特征数据,继而利用PCB类型的预测模型得到输出数据,确定PCB原理图的设计模板,继而利
    用PCB原理图的设计模板进行PCB设计,解决了现有PCB设计方式效率低、研发周期长且成本
    高的问题。

    显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对
    于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或
    变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或
    变动仍处于本发明创造的?;し段е?。

    关于本文
    本文标题:一种建立PCB类型的预测模型和PCB设计的方法及装置.pdf
    链接地址://www.4mum.com.cn/p-6021281.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • 火龙果分分彩计划软件 pk10计划软件秒速版 双色球投注手写单 重庆时时走势图 时时彩怎样稳赚不赔 加拿大pc28软件 pk10最牛稳赚单双大小公式 免费通用透视棋牌插件下载 pk10单双免费计划软件 重庆时时全天在线计划 大乐透篮球最大数字是多少 什么叫双面盘 双色球有什么规律和技巧 北京pk万能计划手机版 如何防止跟计划会挂 掘金北京pk拾计划软件苹果手机版