طراحی و شبیه سازی bist برای مدل دیجیتال به آنالوگ با استفاده از شبکه های عصبی مصنوعی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی برق
- author محمد معصومی
- adviser کریم محمدی علی صدر
- Number of pages: First 15 pages
- publication year 1384
abstract
در سالهای اخیر بعلت پیشرفت طراحی، استفاده همزمان از سیگنالهای دیجیتال و آنالوگ در تراشه ها به صورت امری اجتناب ناپذیر درآمده است. مبحث دیگری که می بایست در طراحی در نظر گرفته شود لزوم عملکرد صحیح مدار است که مساله آزمون تراشه را مطرح می سازد. از مهمترین مدارهای سیگنال مختلط مبدلهای دیجیتال به آنالوگ می باشد. مدارهای آزمون طراحی شده برای اینگونه مبدلها بیشتر غیرهمزمان بوده و تحت عنوان bist مطرح شده اند. این مدارهای آزمون تنها وجود نقص در مدار را تشخیص می دهند و قادر به شناسایی محل وقوع آن در مدار نمی باشند. همچنین آزمون مدار هنگامی صورت می گیرد که سیستم در حالت بیکار باشد. شبکه های عصبی متکی به داده آموزش به پیشرفت رسیدند و افق جدیدی را در عرصه تشخیص خطا بوجود آوردند. در این پروژه یک مبدل 4 بیتی دیجیتال به آنالوگ از نوع نردبان-مقاومتی مورد بررسی قرار می گیرد. روش آزمون با استفاده از نرم افزار matlab پیاده سازی شده است. مدلهای نقص عبارتند از: اتصال به زمین، اتصال به منبع، مدار باز، عملکرد ناصحیح سوئیچها و پل. بانک داده ها با استفاده از نرم افزار orcad 9 ایجاد گردیده است. در طراحی 2 نکته کاهش زمان آموزش و افزایش پوشش نقص مد نظر قرار گرفته است. شبکه های عصبی مورد استفاده از نوع mlp، rbf و حالت بهبود یافته آنها شامل شبکه عصبی lvq می باشد. همچنین در روشی جداگانه از قوانین فازی در آزمون استفاده شد. پیاده سازی این قوانین توسط شبکه های عصبی صورت گرفته است. این شبکه ها تحت عنوان شبکه های فازی-عصبی مورد بررسی قرار می گیرند.
similar resources
مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textطراحی و شبیه سازی سیستم تست کننده مدارات آنالوگ با استفاده از شبکه های عصبی مصنوعی
در این پروژه یک سیستم تست کننده مدارات آنالوگ به کمک شبکه های عصبی طراحی و پیاده سازی نرم افزاری می شود. ایده بکار رفته در طراحی این سیستم ، اندازه گیری پاسخ ضربه سیستم برای فهم شرایط عملکردی مدار تحت تست می باشد. از آنجا که پیاده سازی سخت افزاری تابع ضربه دارای مشکلات خاصی می باشد و از طرفی با محاسبه همبستگی متقابل بین پاسخ سیستم به ورودی نویز سفید و سیگنال نویز سفید می توان پاسخ ضربه را تقریب...
15 صفحه اولمدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی
در این مقاله, انرژی ضربهëی فولادهای مرتبهëای در دماهای مختلف با استفاده از شبکهëهای عصبی مصنوعی مدلëسازی شده است. فولادهای مرتبهëای با استفاده از چیدمانëها و ضخامتëهای مختلف فولادهای ساده کربنی و زنگëنزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سربارهëای الکتریکی، تولید میëشوند. نفوذ اتمëهای مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبهëای فریتی و آستنیتی میëگردد. شش نوع مدل...
full textشبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ANN) در سواحل استان مازندران
چکیده امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد. در این تحقیق از شبکه عصبی مصنوعی (ANN) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین ...
full textشبیه سازی الگوی توزیع نیترات در سیستم آبیاری قطره ای با استفاده از شبکه عصبی مصنوعی
استفاده بیش از حد نیترات میتواند منجر به آلودگی منابع آب زیرزمینی شود. بنابراین دانش دقیق از توزیع نیترات در ناحیه توسعه ریشه بهمنظور طراحی و مدیریت سیستمهای آبیاری قطرهای ضروری است. در این تحقیق بهمنظور مدلسازی الگوی توزیع نیترات از شبکه عصبی مصنوعی استفاده گردید. زیرا این تکنیک بهدلیل الگوی تشخیص قوی، روابط منطقی بین پارامترهای ورودی و خروجی برقرار میکند. در این تحقیق، بهمنظور شبیهس...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی برق
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023