基于改进LSSVM的集成电路运行故障检测方法研究

张瑶桐

（内蒙古电力勘测设计院有限责任公司，内蒙古呼和浩特 010010）

0 引言

在现代化、信息化社会中，集成电路被广泛应用于军事、自动控制、测控等诸多领域，集成电路的可靠性直接关系到人们的生活和社会的生产。集成电路是造成微电子系统故障的主要原因之一，根据大量的实验数据与研究可知，集成电路运行故障占所有电子设备故障的90%以上[1]。随着电路设计与开发技术的发展，集成电路在市场上的应用范围越来越广、规模越来越大。为满足行业发展需求，电路在设计与开发过程中的功能化、模块化趋势也越发显著[2]。因此，在电力、通信设备、军事装备尤其是军事装备等领域，都需要对复杂电子设备的集成电路运行进行故障诊断与维护。但在深入研究行业发展的需求中发现，常规的故障检测手段已经无法满足高度集成化电路的故障诊断需求。因此，如何引进新技术，开展此方面的深化研究成为当下的研究重点。集成电路故障诊断一般是通过对其拓扑结构的了解，对其输入激励信号的分析，得到在故障状态下的集成电路响应信息，再根据响应信息判断其故障物理位置。通过此种方式进行集成电路的测试将产生高昂的费用。现阶段，故障诊断已成为制约集成电路发展的技术瓶颈[3]，因此，对其进行研究，并设计自动化和智能化的诊断方法，具有较为现实的意义。为落实此项工作，本文将在此次研究中，引进改进LSSVM，以某集成电路为例，开展电路运行故障检测方法的设计，旨在通过此次设计，解决由集成电路故障造成的电子元件、微电子系统运行异常。

1 集成电路运行信号采集

为实现对集成电路运行故障的检测，开展研究前，应先进行集成电路运行信号的采集[4]。在此过程中，将集成电路接入终端计算机，在电子通信网的弱信号捕捉中采集集成电路运行信号，采集过程中，接收器将中频信号转换为频率信号，经过通信网的截取和卸载处理后，输出信号结果。

采集过程中的主要设备包括信号采集电路、信号处理器、低通滤波电路，拟采用双通道载波进行信号采集，双路同时在线发生时，采集集成电路运行信号并上报，通过此种方式，可以避免电路故障状态发生改变，以此实现对通信智能化终端的规范化运营。在此基础上，通过终端计算机中ARM主控单元和云端服务平台的控制采集接口，将前端设备与主控单元相连，再与ARM主控单元、PLC电力线相连，通过载波线路的接收和电信号的耦合，获得集成电路运行中的数据信号。

2 基于改进LSSVM的集成电路运行非线性特征提取

在上述内容的基础上，引进改进LSSVM，提取集成电路运行中的非线性特征[5]。在此过程中，可将非线性特征的提取过程作为改进LSSVM中决策函数的求解过程，此过程计算公式如下所示：

式中：f（x）表示改进LSSVM中的决策函数；w表示输入空间；T表示函数构造次数；φ（x）表示非线性映射函数；b表示函数偏置量。

对函数进行空间映射，根据映射结构，构造集成电路在运行过程中的信号分类过程，此过程计算公式如下所示：

式中：F（x）表示集成电路在运行过程中的信号分类过程（支持向量机分类函数）；n表示偏差量；i表示分类构造次数；a表示拉格朗日乘子；K表示核函数。

在上述内容的基础上，将改进LSSVM中的拉格朗日乘子作为参照，根据构造的核函数，进行集成电路运行非线性特征的提取，此过程计算公式如下所示：

式中：A表示集成电路运行非线性特征；y表示径向基函数；I表示正规化参数向量；γ表示参数学习率。

按照上述方式，完成基于改进LSSVM的集成电路运行非线性特征提取。

3 集成电路运行故障全局检索与检测

完成对集成电路运行非线性特征的提取后，引进粒子群算法，进行集成电路运行故障全局检索。在此过程中，设置主粒子群规模、粒子群最大迭代次数、惯性矩阵等参数条件。将完成参数设置的粒子随机分布在集成电路映射空间中，构造集成电路运行过程中的适应度函数，进行集成电路运行故障的全局检索，此过程计算公式如下所示：

式中：M表示集成电路运行故障全局检索；N表示粒子群最大迭代次数；Bc表示故障错误分类；Zi表示训练样本迭代次数。

为避免检索的故障结果陷入局部最优解，应在计算过程中不断进行粒子群空间位置与数量的更新，通过多次计算，确保最优解为全局最优解。以此种方式实现集成电路运行故障全局检索，完成基于改进LSSVM的集成电路运行故障检测方法设计。

4 对比实验

上文引进改进LSSVM，开展了集成电路运行故障检测方法的设计研究，为实现对该方法在实际应用中效果的检验，下面将以某微电子科研单位为例，采用设计对比实验的方式，对本文设计的方法进行测试。

实验前，在测试终端上使用Pspice软件与Matlab工具建立集成电路，集成电路基本构成如图1所示。

图1 集成电路基本构成

图1中，主要元件为R1～R5，开关为C1、C2，O为电源，U为供电端。为满足实验结果的真实性与可靠性要求，完成集成电路的构建后，设计电路中主要元件的技术参数，相关内容如表1所示。

表1 集成电路中主要元件的技术参数

按照上述方式完成集成电路中主要元件的技术参数设计后，使用本文设计的方法进行集成电路运行故障的检测。检测过程中，先进行集成电路运行信号的采集。在此基础上，引进改进LSSVM，设计集成电路运行非线性特征的提取，以此为依据，通过对集成电路运行故障的全局检索，实现对电路运行故障的检测。

完成本文方法在测试环境中的应用后，引进改进遗传神经网络算法的故障检测方法、基于Hough变换的故障检测方法作为传统方法1、传统方法2。按照规范，使用传统方法与本文方法进行集成电路运行故障的检测。

现已知集成电路中电流的走向为R1→R2→R3→R4→R5，且R4对应的电路部分存在故障。在已知故障分布的基础上，根据三种方法检测故障信号的幅值，进行三种检测方法的可行性分析，其结果如图2～图4所示。

图2 本文方法检测结果

从图2所示的实验结果可以看出，使用本文方法进行集成电路运行故障检测，R4对应的集成电路部分故障信号幅值较高，且R1、R2、R3、R5集成电路部分故障信号幅值较低，说明R4对应的电路部分存在故障。

从图3所示的实验结果可以看出，使用传统方法1进行集成电路运行故障检测，R2、R4对应的集成电路部分故障信号幅值较高，且R1、R3、R5集成电路部分故障信号幅值较低，说明R2、R4对应的电路部分存在故障。

图3 传统方法1检测结果

从图4所示的实验结果可以看出，使用传统方法2进行集成电路运行故障检测，检测结果中未有明显的故障信号，说明传统方法2未能检测到集成电路中存在故障。

图4 传统方法2检测结果

综合上述实验结果可以看出，三种方法中，只有本文方法的检测结果与实际结果一致，由此可以得到结论：相比传统方法，本文方法的检测结果更具可靠性，该方法可以精准识别到集成电路中是否存在故障，此种方式可以实现对集成电路运行故障的精准检测。

5 结论

随着科研市场微电子工艺的不断进步，集成电路故障诊断的研究成为微电子行业的关注重点。调研数据显示，在电子器件中，集成电路失效率达到了90%以上。集成电路技术的飞速发展，使得电路的集成化程度和制版工艺技术不断提升，对应的模块化和功能化趋势越来越显著，提升了产品综合性能的同时，也在一定程度上降低了芯片的成本和面积。

为发挥集成电路在电子元件与微电子系统中更高的价值与效能，本文在此次研究中引进改进LSSVM，以某集成电路为例，通过集成电路运行信号采集、集成电路运行非线性特征提取、集成电路运行故障全局检索与检测，完成了电路运行故障检测方法的设计研究。在此基础上，设计对比实验，实验结果表明：本文方法的检测结果更具可靠性，该方法可以精准识别到集成电路中是否存在故障，此种方式可以实现对集成电路运行故障的精准检测。