Prediction of analog performance parameters with artificial neural networks

Przedmiotem artykułu jest metoda identyfikacji parametrów funkcjonalnych analogowych układów elektronicznych w dziedzinie czasu. Testowany układ pobudzany jest sygnałem pomiarowym zoptymalizowanym za pomocą algorytmu genetycznego. Identyfikacja parametrów funkcjonalnych polega na odwzorowaniu wyników pomiarów odpowiedzi układu w dziedzinie czasu w przestrzeń parametrów funkcjonalnych z wykorzystaniem sztucznej sieci neuronowej. Sprawność testowanego układu weryfikowana jest przez porównanie wartości jego parametrów funkcjonalnych ze specyfikacjami projektowymi. Metodę zaimplementowano w systemie laboratoryjnym złożonym z dwóch generatorów 33120A oraz multimetru 34401A firmy Agilent, dołączonych do komputera osobistego za pośrednictwem interfejsu RS232. W artykule przedstawiono architekturę stanowiska laboratoryjnego, omówiono zastosowanie bloków funkcjonalnych oraz sposób sterowania pracą przyrządów laboratoryjnych. Zweryfikowano przydatność różnych typów sieci neuronowych oraz sposobów ich uczenia na przykładzie filtru dolnoprzepustowego drugiego rzędu.In this paper a method for testing performance parameters of analog electronic circuits in time domain is presented. Testing circuit is excited with transient test signal optimised with genetic algorithm. Identification of performance parameters depends on mapping the transient test measurements from the measurement space to the performance parameter space with use of artificial neural network. A pass/fail decision is made based on comparison of predicted performance parameters with circuit specifications. The testing method was applied in laboratory system composed of two generators 33120A and multimeter 34401A connected to personal computer with RS232 interface. This paper presents architecture of laboratory system and describes application of functional blocks. The usefulness of different architectures of neural networks and training algorithms using a 2nd order law pass filter as an example is presented