پديد آورنده :
رحيمي شورابي ، محسن
عنوان :
تشخيص عيب در مدارات مجتمع آنالوگ براساس دسته بندي شاخصهاي جريان منبع تغذيه
مقطع تحصيلي :
كارشناسي ارشد (الكترونيك )
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان . دانشكده برق و كامپيوتر
صفحه شمار :
[هشت ]، 89، ]I[ص .: مصور، جدول ، شكل ، نمودار
يادداشت :
استاد مشاور: شادرخ سماوي,اساتيد داور: سعيد صدري، حسين فرزانه فرد,چكيده به فارسي و انگليسي ,صفحه عنوان به فارسي و انگليسي
استاد راهنما :
محمدرضا آشوري
استاد مشاور :
شادرخ سماوي
توصيفگر ها :
تشخيص عيب / مدارات / مجتمع آنالوگ / دسته بندي شاخصها/ جريان منبع تغذيه / لايه هاي اكسيد/ الگوهاي فلز/ پلي سيليكان / پيش آزمون / پس آزمون / شيبي كردن ولتاژ/ شبكه عصبي / خودسازمانده / كوهونن / فيدبك جانبي / ماجولار/ مدلهاي عيوب
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
در سالهاي اخير علاقه زيادي در حيطه آزمايش مدارات مجتمع آنالوگ و توسعه تكنيكهاي آزمايش مناسب ، نشان داده شده است . چنين كارهايي روي كشف عيوب سخت ، همچون مداربازها و اتصال كوتاهها متمركز بوده اند. آشكارسازي عيوب در مدارات به درجه تمايز پاسخهاي مدارات معيوب از پاسخ مدار سالم بستگي دارد. بنابراين براي افزايش پوشش عيب روشهاي به كار رفته ، بايستي از يك طرف درجه تمايز پاسخها با يكديگر را افزايش دهيم و از طرف ديگر از جداسازهاي مناسبي استفاده كنيم كه دقت تفكيك بالايي در دسته بندي پاسخها داشته باشند. يكي از روشهايي كه براي افزايش درجه تمايز بين پاسخها استفاده مي شود، روش شيبي كردن ولتاژ تغذيه مي باشد. بكار بردن سيگنال شيب در پايه هاي تغذيه به جاي ولتاژ پله مرسوم ( يا ولتاژ ) DC، اكثر ترانزيستورهاي مدار را به نواحي كاري مختلف از قبيل قطع، واروني ضعيف ، خطي و اشباع خواهد برد، و بنابراين ، جريانهاي تغذيه را مملو از اطلاعات خواهد نمود. استفاده از اين روش از آن نظر كه پايه هاي تغذيه ، پايه هاي عمومي هر مداري مي باشند و هميشه در دسترس هستند، مناسب مي باشد و احتياجات نقاط آزمون را كاهش مي دهد. مسئله دسته بندي پاسخهاي مدارات مجتمع آنالوگ كه شامل عيوب سخت مي باشند، با در نظر گرفتن تغييرات پارامتري اجزاي مدار، بسيار مشكل تر مي شود. بنابراين ، براي اتوماسيون دسته بندي، تكنيكها و روشهاي آماري همچون شبكه هاي عصبي مورد استفاده قرار گرفته اند. استفاده از شبكه هاي عصبي به عنوان جداسازها، در مراحل اوليه خود با محدوديتهايي همچون كوچكي اندازه مدار، مقاوم نبودن كافي و پيش بيني غير كمي قرار دارد. بنابراين شبكه هاي عصبي مناسبي كه دسته بندي و كشف عيب دقيق تري را براي مدارات بزرگتر ارائه كنند...
استاد راهنما :
محمدرضا آشوري
استاد مشاور :
شادرخ سماوي