SOC测试调度控制器设计

在对SOC测试时,SOC测试结构的核心部分是测试访问机制(TAM)和测试调度控制器.文中设计了一种新颖的基于测试总线的SOC测试调度控制器.用户通过上位机给控制器发出指令,使IP核处于不同的测试模式,提高了测试的灵活性.控制器可以通过对测试总线的配置实现多个IP核的并行测试,大大缩短测试时间.实验结果表明,该方案设计合理,可以高效地完成IP核的测试任务.     

一种基于改进RAS架构的SOC测试方法

为了同时解决目前SOC测试工作中面临的测试数据量、测试功耗、测试时间三方面的难题,提出一种基于random access scan架构的SOC测试方法.该方法通过改进扫描单元的结构,减少了硬件开销,同时利用列地址信号来控制测试过程,减少测试数据量和测试时间.在ISCAS'89基准电路上进行的实验表明,该方法与传统的串行扫描技术相比,平均数据压缩率可以达到55%,测试速度提升2倍以上,同时,其测试的平均功耗几乎可以忽略不计.     

一种提高协议测试效率的新方法

针对使用传统的方法提高协议测试效率存在的问题，从测试序列测试顺序的角度，首次引入了测试序列动态重排序的方法，对不同的错误情况，提出三种动态排序算法．讨论了测试序列动态重排序对测试效率产生的影响．实验仿真验证了所提动态排序方法比传统的静态测试在测试效率上有较大改进．     

基于Wishbone总线结构的情景式IP核测试方案

随着集成电路技术的发展,IP核复用成为集成电路SOC设计的主流．该文通过对广泛应用于SOC设计中的Wishbone总线体系结构和国际上常用IP核测试方法的研究,提出一种基于Wishbone总线结构的情景式IP核测试方案．通过对该方案应用于实际项目后所产生实验数据的分析,证明这种IP核测试方案能大大降低系统层测试难度,加快系统层设计速度,并能显著提高测试激励效率和可观电路结构测试覆盖率．     

用Hopfield神经网络解决作业车间调度问题

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的 Hopfield 神经网络计算能量函数表达式,然后提出改进的 Hopfield 神经网络作业车间调度方法。为了避免 Hopfield 神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于 Hopfield 神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

Wrapper扫描链均衡与系统芯片测试调度的联合优化算法

提出用于均衡Wrapper扫描链的交换优化算法以及用于测试调度的局部最优算法,这两种算法依据测试总线空闲率（IBPTB）指标,可从IP层和系统顶层对系统芯片（SOC）测试时间实现联合优化,进而使SOC的测试时间大大降低.为了验证两种算法及其联合优化性能的有效性和可靠性,对基于ITC’02国际SOC基准电路进行了相关的验证试验.针对p93791基准电路中core6 IP核,交换优化算法能得到比经典BFD（best fit decreasing)算法更均衡的Wrapper扫描链,在最佳情况下最长Wrapper扫描链长度减少2.6%;针对d695基准电路,局部最优算法根据IP核的IBPTB指标,可使相应SOC的测试时间在最优时比经典整数线性规划(ILP)算法减少12.7%.     

基于遗传算法的分割可测试设计

基于遗传算法,建立了片上系统芯片(SOC)的图模型,对逻辑级的SOC结构进行精确量化;然后,对模型应用遗传算法进行分析,得到了电路的理想分割结果;最后,基于分割结果,实现一颗SOC的可测试设计(DFT).实验结果表明,在分割的均匀度与附加电路代价方面,该方法相比原有的DFT方法有显著的改进.     

NAS设备磁盘调度算法的新测试模型

为了考察NAS设备中使用的磁盘调度算法,提供一种新的基于NAS磁盘调度的测试模型．为了显示测试模型的有效性,以HP97560性能数据比较在NAS中使用的典型调度算法性能．同时例子显示如何使用测试模型．结果表明,测试模型可以客观地反映磁盘调度算法的统计特性,并能帮助磁盘调度算法设计者分析其算法的磁盘调度性能．     

Job-shop的实时调度

利用神经网络和启发式分派规则设计了一种Job—shop的实时调度算法，该算法首先在离线时用遗传算法训练神经网络得到调度的启发规则，在加工开始时根据一些动态特性对要执行的工件操作进行模糊分类，然后再根据启发规则对分类后的操作进行在线调度．基于这种算法，用模糊神经网络设计了一个Job—shop实时调度器，最后结合实时调度和重调度问题进行了仿真．通过与FIFO与LR(Lagrangian Relax)的比较，证明提出的算法是高效和可行的．     

嵌入式Linux操作系统的实时化研究

Linux应用于嵌入式实时环境时存在关闭中断、分时调度和虚拟文件系统的时间不确定性筹问题．使用虚报机技术，增加一个仿真程序来替换Linux的底层中断程序．用一个小的实时内核与Linux内核共享控制处理器和中断模拟等技术以解决上述问题，并作了系统设计、编写了相应的程序．测试结果表明，所改进的操作系统是能够胜任实时任务的．     

神经网络知识获取及推理技术在番茄专家系统中的应用

针对传统专家系统知识获取的瓶颈性问题，提出了基于神经网络和传统知识获取与表示相结合的方法。传统的推理方式存在推理效率低和冲突消解问题，提出了由神经网络推理和逻辑推理所组成的混和推理系统。利用神经网络的自学习、自组织、自适应特点，来实现自动知识获取；混和推理既利用了神经网络的并行处理的效率、解决了传统推理存在的冲突消解问题，又克服了神经网络推理结果无法解释等特点，具有较高的准确性和效率性。最后给出了番茄病虫害诊断的应用实例。     

基于扩展神经网络的网格资源调度优化算法

针对具有时间约束和若干资源约束的网格资源调度问题,提出了一种基于扩展神经网络的求解新方法GRSENN。资源调度问题首先被分解为一系列多维背包问题并提出相应的数学模型,然后通过把问题的各种约束表示为Hopfield神经网络的能量函数项,进而导出神经网络模型。实验仿真结果表明该方法的有效性,并可避免通常神经网络所具有的容易陷入局部极小点的缺陷。     

RA 网络多协同排序算法模型及算法研究

针对当下约车平台迅猛发展的态势,就其中广泛关注的问题———RA 网络多协同排序问题进行了探究。针对滴滴出行的实际数据,将 RA 网络多协同排序问题转化为求解数学模型两个评价指标最优解的问题,基于传统的免疫算法(generate and test)的相关概念,融合半解析解的相关思想,构建一种优化算法 GB-FA(Generate Bacterial Foraging Algorithm),进而提出了基于 GBFA 算法的 RA 网络多协同排序算法,并据此开发 RA 网络多协同排序软件”RA-LC”。以滴滴出行北京市2015年5月—2016年4月的数据为对比对象,利用 RA-LC 对相关实例进行仿真,结果显示该算法对于时间预测具有较高的准确度,对于 RA 网络多协同排序问题具有极佳的适用性和精确度。     

城市轨道交通小型障碍物检测

障碍物是影响列车行车安全的重要因素,小型障碍物由于体积小,在检测中容易被遗漏。针对上述问题,提出了一种基于卷积神经网络的自动化检测算法。算法首先通过数据增强策略平衡样本数量,然后使用卷积网络进行特征融合,很好地结合了小型障碍物的位置信息和语义信息。实验结果表明,算法对列车前方的小型障碍物有良好的检测效果,能较好地实现小型障碍物的探测。     

大跨曲面屋盖风洞试验通用数据处理软件的开发

基于Windows平台，开发了大跨曲面屋盖风洞试验数据处理的可视化通用分析软件。介绍了针对脉动风压测试过程中的信号畸变处理方法、风压试验数据的表示形式、积分计算整体和局部气动力系数、软件的界面设计、基本的使用功能以及针对具体结构类型所采用的一些提高试验效率简化试验过程的措施，还采用神经网络方法对已测的风压系数数据进行精细化处理以准确地求取整个屋盖结构风荷载的完整特性。所开发的软件已经受多个大跨屋盖建筑物风洞试验的检验，在该类结构物风洞试验中发挥着非常重要的作用。     

Ant colony optimization approach for test scheduling of system on chip

It is necessary to perform the test of system on chip, the test scheduling determines the test start and finishing time of every core in the system on chip such that the overall test time is minimized. A new test scheduling approach based on chaotic ant colony algorithm is presented in this paper. The optimization model of test scheduling was studied, the model uses the information such as the scale of test sets of both cores and user defined logic. An approach based on chaotic ant colony algorithm was proposed to solve the optimization model of test scheduling. The test of signal integrity faults such as crosstalk were also investigated when performing the test scheduling. Experimental results on many circuits show that the proposed approach can be used to solve test scheduling problems.     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。