利用混合CMOS-忆阻器模糊逻辑门电路及其设计方法与流程

本发明属于一般编码、译码或代码转换技术领域，尤其涉及利用混合cmos-忆阻器模糊逻辑门电路及其设计方法。

背景技术：

目前，业内常用的现有技术是这样的：模糊逻辑是zadeh教授在1965年提出的。他是传统明确集合理论的扩展，该理论能够通过隶属函数来处理语言信息，也被认为是最接近人脑的智能系统。目前，模糊理论广泛应用于自动控制和专家系统中，且模糊系统的应用领域也在不断扩展，因此研究者们都热衷于找到一种可行的方法来实现一套能够实时运行的完整高速有效的模糊系统。文献animplementationoffuzzylogiccontrolleronthereconfigurablefpgasystem中利用利用可重构的现场可编辑逻辑门阵列(fpga)，其中用到了用于超大规模集成电路(vlsi)的微型控制器和计算辅助工具。yamakawa和miki用基于电流模式的模拟cmos实现了模糊推理系统。huertas等在文献buildingblocksforcurrent-modeimplementationofvlsifuzzymicrocontrollers中集合模拟和数字技术设计了一种模糊微控制器，并提供了一个同外部相连接的电压接口。以上文献中的实现方法耗费大量的硬件资源且运算速度较低。传统的模糊系统将语言信息在数字系统中进行处理，隶属函数在表示语言变量时需要转化为二值编码，随着对数据精度越来越高的要求，数据编码的位数也越来越大，势必会损失一定的计算速度。数字系统在解决精度和速度这两个相对矛盾的问题上显得尤为乏力，人们自然而然的想到使用计算速度更快的模拟电路来解决以上矛盾。取极大(maximum)和极小(minimum)函数是模糊逻辑里面最重要的部分，因为模糊推理里面的取极大和极小函数在模糊控制里面意义重大。而为了实现模糊推理中的极大极小函数，这就需要建立起求多输入信号的极大极小电路。模拟vlsi电路因其更容易用来实现算数运算更适合用来构建模糊推理系统。而在模拟电路的设计理论里有基于电流和电压模式可以用来直接实现模糊算子里面的算术运算。电压模式和电流的区别在于输入和输出值是电压或者电流。文献designandanalysisofnovelfuzzifercircuitsincmoscurrentmodeapproach设计和分析了一种模糊电路可以将输入信号进行模糊化输入如高斯隶属函数。文献fuzzymultiple-inputmaximumandminimumcircuitsincurrentmodeandtheiranalysesusingbounded-differenceequations设计了一种基于电流的求极大和极小电路模型，文中主要采用coms原件，但电路复杂度较高，应用范围较小。忆阻器是一种具有可变电阻的无源元件，忆阻器可以用于存储，神经形态计算和模拟电路设计等。已有文献文利用基于hp模型忆阻器的阈值特性和高低阻态的开关特性，用忆阻器设计了一种逻辑运算电路，但该电路不能存储运算的结果。文献‘memristive’switchesenable‘stateful’logicoperationsviamaterialimplication设计了一种基于忆阻器的蕴含逻辑门实现了异或逻辑和全加器电路是对其它布尔逻辑的补充。

综上所述，现有技术存在的问题是：

(1)随着对计算精度的要求越来越高，硬件规模越来越大，导致系统可靠性降低，且功耗增加；

(2)高精度直接导致数字信号的位数增加，使得系统的计算速度大大降低；

(3)摩尔定律接近极限，单靠标准的硅材料技术，计算能力无法维持快速的指数倍增长。

解决上述技术问题的难度和意义：

基于以上技术难题，单用数字系统来解决似乎已经变得越来越难。模拟系统具有精度高，计算速度快，节约硬件资源等优势，本发明拟利用忆阻器阻值连续变化的特点来存储模拟信号，且忆阻器具有体积小，集成度高、非易失性低功耗等优势。但本发明的难度是模拟信号的处理和控制难度较数字信号更高，容错性较低，在设计该系统时如何有效的解决这些因素显得尤为重要。目前，模糊逻辑实现手段依然是基于数字信号的软件处理方式，本发明设计的基于cmos-忆阻器的模糊逻辑门电路提高了系统的可靠性，且计算速度更快，体积更小，且功耗更低，为模糊逻辑处理提供了一种硬件实现的可能。

技术实现要素：

针对现有技术存在的问题，本发明提供了利用混合cmos-忆阻器模糊逻辑门电路及其设计方法。

本发明是这样实现的，一种利用混合cmos-忆阻器模糊逻辑门电路的设计方法，所述利用混合cmos-忆阻器模糊逻辑门电路的设计方法包括：

步骤一，通过墨滴扩散方法构建模糊关系；

步骤二，通过模糊关系实现模糊推理；

步骤三，选择忆阻器；

步骤四，建立能够实现基于墨滴扩散的模糊推理方法的忆阻器的交叉阵列结构；

步骤五，利用基于自旋忆阻器的交叉阵列构建模糊逻辑门电路；

步骤六，对构建的模糊逻辑门电路利用ltspiceiv电路图进行仿真。

进一步，所述步骤一中，墨滴扩散方法的建立包括：n个模糊训练数据对，每一个输入输出训练数据就组成了一个单输入单输出模糊系统的两个模糊数：用x'和y'来表示；第i个模糊训练数据就可以表示为{x'iy'i},其中

式中x和y是论域，和分别是模糊数x’和y’的隶属函数，那么可以得到输入和输出的模糊关系为：

模糊关系的更新方式为根据训练数据的依次输入，迭代更新，更新表达式：

其中{x'new,y'new}是新的输入和输出训练数据；

灰度图像表示二值的模糊关系，坐标(xi,yi)内像素的强度同模糊关系ur(x,y)的大小成正比，图中像素强度越大则颜色越深。

进一步，所述步骤二中模糊推理包括：使用墨滴扩散方法构建的y＝-0.5·x²+8·x,x∈(0,10),y∈(0,40)函数的模糊关系曲面，当输入一个测试数据xi＝4时，输出为由x＝xi的平面与模糊关系曲面相交的一条曲线乘以xi＝4的隶属度表达式为当输入为一个模糊数时，输入为离散的隶属度函数，则输出表示为：

进一步，所述步骤三中忆阻器的等效电路建立包括：d、h、z分别为器件的长、高与宽，w为畴壁的宽度，rl表示整个忆阻器处于低阻态时每单位长度的阻值，rh表示高阻态时单位长度的阻值，忆阻器的阻值等效表达式为：

m(x)＝[rhx+rl(d-x)]；

x为畴壁移动的距离，x同电流强度j成正比，表达式为：

其中γv为比例系数，其大小与器件的结构和材料的自然特性有关，表达式为：

p为材料的磁化率，ub为玻尔兹曼常数，e为基本元电荷，ms为饱和磁化度。e与ub为常数，p与ms的大小只与材料有关；

得到忆阻器的组织同电量的关系式表示为：

m(q)＝[rl·d+(rh-rl)γq(t)]；

其中用来代替器件的比例系数同横截面积的比值。

进一步，所述步骤四中，交叉阵列结构的构建包括：在任意时刻这个求和电路的输出sum(t)的表达式：

其中vi(t)是用电压表示的连接第i条垂直线的输入信号，用标准运算放大电路分析方法，得出连接第j行的运算放大器的输出表达式为：

其中mij(t)是当前时刻在坐标(i，j)的忆阻值，当前储存在坐标(i,j)的值δmij(t)的表达式为：

δmij(t)＝roff-mij(t),j:1≤j≤n,且1≤i≤m；

交叉阵列结构中存储模糊规则包括：

1)将每一个隶属度μx(xn)转换为电压信号，将μx(x1)连接到左起第一根垂直线，μx(x2)连接到第二根垂直线，依次连μx(xn)接到第n根垂直线；

2)与此同时，将μy(yn)转换为电压信号，连接-μy(y1)到下方第一根水平线，-μy(y2)连接到第二根水平线，依次连-μy(yn)接到第n根水平线；

3)等待t0秒，然后从交叉阵列上移除所有电压。

进一步，所述步骤五中逻辑门电路训练和读取步骤包括：

1)训练第一个交叉阵列：开关k'1,k”1断开，k'2,k'3,...,k'n闭合，k”2,k”3,...,k”n断开，将x和y的第一条规则的隶属度函分别从第一个和第二个交叉阵列的下方以电压的形式输入，并扩大10倍，如xisb，转换为电压信号为(000000003.36.610)单位为伏，输入x和y对应的z的隶属度函数从交叉阵列的左边以反向的电压输入；

2)等待t0＝2e-9s，值得注意的是自旋忆阻器的初始阻值为roff，那么对应施加电压的自旋忆阻器的阻值就会降低；

3)重复步骤一和步骤二，将第2条至第9条规则存储在交叉阵列中；

4)实现模糊“与”：所有开关闭合，施加需要推理的x、y,将其转化为电压信t号，为了保证自旋忆阻器的阻值不会发生变化，将电压限制在[0,1]区间内，分别从第一和第二个交叉阵列的下方输入；

5)等待一定时间，直到输出达到稳定，将得到的电压值归一化后解模糊就得到推理结果。

本发明的另一目的在于提供一种由所述利用混合cmos-忆阻器模糊逻辑门电路的设计方法得到的利用混合cmos-忆阻器模糊逻辑门电路，所述利用混合cmos-忆阻器模糊逻辑门电路的连接关系为：

这个结构由两组平行的导线相互垂直组成，在每一个交叉点处连接一个自旋忆阻器。忆阻值能够通过施加合适的电压在ron和roff之间变化。图10中每一行连接着一个运算放大器的负端，这个运算放大器具有一个固定的电阻rf作为反馈电阻。在顶端一行用电阻代替忆阻器，该行组成了一个简单的反向求和电路，因此在任意时刻这个求和电路的输出sum(t)的表达式如下：

其中vi(t)是用电压表示的连接第i条垂直线的输入信号，用标准运算放大电路分析方法，可以得出连接第j行的运算放大器的输出表达式为：

其中mij(t)是当前时刻在坐标(i,j)的忆阻值，在公式里，忆阻器被当作是一个简单的电阻。图11是交叉阵列中单个自旋忆阻器的放大电路结构。

本发明的另一目的在于提供一种由所述利用混合cmos-忆阻器模糊逻辑门电路得到的自旋忆阻器。

综上所述，本发明的优点及积极效果为：本发明利用自旋忆阻器纳米级尺寸、比hp忆阻器更快的响应速度、极低的硬件实现成本，构建基于自旋忆阻器的交叉阵列电路，然后采用墨滴扩散式模糊推理方法，结合cmos元件设计了可以在模糊系统领域应用的模糊逻辑“与”、“或”、“非”、“与非”、“异或”门电路，并通过一个简单实例分别使用软件方法和本发明设计的系统进行计算，结果如表1所示，两种方法的结论一致。图16是基于忆阻交叉阵列的模糊“与”门的硬件电路结构，仿真结果如表2表明逻辑关系的正确性。最后，通过图18和表3验证来了模糊“异或”的正确性。通过以上实例验证了所设计门电路的正确性和可行性。填补了模糊逻辑硬件电路无可以简单实现并可以扩展的门电路的空缺，为模糊系统及模糊神经网络大研究奠定了基础。

附图说明

图1是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的设计方法流程图。

图2是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的基于训练数据的墨滴扩散模糊关系建立过程图。

图3是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的推理过程图。

图4是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的自旋忆阻器的结构图。

图5是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的自旋忆阻器的等效电路图。

图6是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的自旋忆阻器的v-i特性曲线图。

图7是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的自旋忆阻器的忆阻值变化曲线图。

图8是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的自旋忆阻器响应曲线图。

图9是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的自旋忆阻器的阈值电流特性。

图10是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的典型忆阻器交叉整列图。

图11是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的单个自旋忆阻器放大电路。

图12是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的自旋忆阻器阻值变化曲线和放大电路输出曲线。

图13是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的在交叉阵列上形成模糊关系的过程图。

图14是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的x、y、z隶属度函数曲线图。

图15是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的在连个交叉阵列中存储模糊规则图。

图16是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的模糊“与”门电路。

图17是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的模糊“非门”、“或门”、“与非门”电路符号图。

图18是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的模糊“异或”门电路符号图。

图19是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的模糊“与门”输入-输出电压图。

图20是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的模糊“异或门”电路的模糊输入“大-小”隶属函数图a。

图21是本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的模糊“异或门”电路的模糊输入“大-小”隶属函数图b。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明填补了模糊逻辑硬件电路无可以简单实现并可以扩展的门电路的空缺，为模糊系统及模糊神经网络大研究奠定了基础。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的利用混合cmos-忆阻器模糊逻辑门电路的设计方法包括以下步骤：

s101：通过墨滴扩散方法来构建模糊关系；

s102：通过s101的模糊关系实现模糊推理；

s103：选择合适的忆阻器；

s104：建立能够实现基于墨滴扩散的模糊推理方法的忆阻器的交叉阵列结构；

s105：利用基于自旋忆阻器的交叉阵列构建模糊逻辑门电路；

s106：对构建的模糊逻辑门电路利用ltspiceiv电路图进行仿真。

下面结合附图对本发明的应用原理作进一步的描述。

1、基于墨滴扩散的模糊逻辑

墨滴扩散的方法如图2所示。

已知n个模糊训练数据对，那么每一个输入输出训练数据就组成了一个单”

输入单输出模糊系统的两个模糊数：用x和y来表示。那么其中第i个模糊训练数据就可以表示为{x'iy'i},其中：

公式(1)中x和y是论域，和分别是模糊数x’和y’的隶属函数，那么可以得到输入和输出的模糊关系为：

模糊关系的更新方式为根据训练数据的依次输入，迭代更新，更新表达式如下：

其中{x'new,y'new}是新的输入和输出训练数据。

如图2所示，灰度图像用来表示二值的模糊关系，坐标(xi,yi)内像素的强度同模糊关系ur(x,y)的大小成正比，图中像素强度越大则颜色越深。当输入一个新的训练数据，在坐标(xi,yi)的模糊关系ur(x,y)就会变大(颜色越深)。大多数模糊隶属函数都是钟状的如高斯隶属函数，当输入新的训练数据时就会更新模糊关系，可以形象的表述成在图上坐标(xi,yi)上一滴墨水然后让它扩散来表示这一模糊关系。其它的训练数据与此相同。当单个墨水之间相互重叠时，相互重叠的部分的像素强度就会增强(变黑)，当训练完毕，一个模式就会在图上形成，用来表示输入和输出变量间的模糊关系。总的来说，任何模糊推理都至少需要一个n维的矩阵来表示一个模糊关系来，那么实现模糊推理的硬件就需要一个能够存储和处理模糊关系矩阵的结构。

作为本发明的优选实施例，模糊推理过程如下：

假定已知模糊关系r，和输入模糊数可以得到与输出y’相应对的模糊数：

其中输入ux'^(x)的表达式可以写成隶属度的矢量形式形如与之对应的μb'(y)可以表示为：

其中推理过程如图3所示，使用墨滴扩散方法构建的y＝-0.5·x²+8·x,x∈(0,10),y∈(0,40)函数的模糊关系曲面，当输入一个测试数据xi＝4时，系统的输出为由x＝xi的平面与模糊关系曲面相交的一条曲线乘以xi＝4的隶属度表达式为当输入为一个模糊数时，它的输入为离散的隶属度函数，则输出可以表示为：

2、硬件实现

自旋忆阻器有比hp忆阻器更快的响应速度和更低的制造成本，被广泛使用它是基于推动磁畴壁的技术理论制成的，自旋忆阻器的结构图和等效电路图如图4、图5所示。

如图4所示：自旋忆阻器结构包括两个铁磁层，即参考层和自由层。参考层的磁化方向通过耦合固定在参考层上。自由层被一个磁畴壁分割成两个具有相反磁化方向的段。每个部分单位长度的电阻由自由层和参考层的相对磁方向决定。如果自由层的磁化方向与参考层的磁化方向平行，则电阻较低；否则，阻值很大。

图4中，参数d、z、h分别表示自旋忆阻器的长度、宽度和厚度，w为畴壁的宽度，rl表示整个忆阻器处于低阻态时每单位长度的阻值，rh表示高阻态时单位长度的阻值，忽略畴壁宽度，整个忆阻器的阻值等效表达式为：

m(x)＝[rhx+rl(d-x)](7)

x为畴壁移动的距离。x同电流强度j成正比，表达式为：

其中γv为比例系数，其大小与器件的结构和材料的自然特性有关，其表达式为：

p为材料的磁化率，ub为玻尔兹曼常数，e为基本元电荷，ms为饱和磁化度。e与ub为常数，p与ms的大小只与材料有关。

将(8)式进行积分后代入(7)式可得到忆阻器的组织同电量的关系式可以表示为：

m(q)＝[rl·d+(rh-rl)γq(t)](10)

其中用来代替器件的比例系数同横截面积的比值。

如果考虑畴壁宽度对忆阻器阻值的影响，则(7)式可改写成：

rdw与w分别为畴壁的阻值与宽度。设畴壁在其正中间，内部阻值由rl向rh线性变化，则有：

可以得到(12)式和(7)式相同，表明：当0<x<d时，畴壁的宽度变化不会引起整个器件阻值的改变。

设置自旋忆阻器的仿真参数为：d＝1000e-9，h＝70e-9，z＝10e-8，rl＝2e9，rh＝10e9，jcr＝5e11，γv＝1.351e-11，由这些参数可以计算出自旋忆阻器的最大阻值为10k，最小阻值为2k。且自旋忆阻器仅当电流密度高于阈值电流密度时，才会引起阻值发生改变。它在施加电压的作用下移动，如果两部分的长度改变的方向相反，则该设备的阻值将随之改变。

如图6、图7所示，为了观察自旋忆阻器的典型特性曲线，给忆阻器模型施加一个幅度为35v，频率为5mhz的正弦信号，得到忆阻器的v-i特性曲线和忆阻值变化曲线。

从图6表示：在正弦信号激励下，自旋忆阻器的伏安特性曲线具有磁滞效应；

图7的实验结果说明当电压小于7v时，阻值不变。而当电压大于7v小于35v时，则根据阻值的大小来判断此时阻值是否随着电压改变。

如图8所示，给自旋忆阻器的spice模型输入不同电压幅值和相同占空比的脉冲信号，对应于不同的脉冲输入，可得不同的阻值变化。从图中可以看出当施加的电压越大，自旋忆阻器变化曲线越陡，且具有纳秒级的响应速度。

当自旋忆阻器达到最大阻值时，施加不同幅值的反向的脉冲电压时，其响应曲线如图9所示，可以看出当电压幅值越大，变化速度越快，且自旋忆阻器的显著特点是，其具有阈值特性，当阈值电流低于某一值时不会引起忆阻值变化。这里的参数为：d＝1000e-9，h＝70e-9，z＝10e-8，rl＝2e9，rh＝10e9，jcr＝1.5e10，γv＝1.351e-11。

构造基于自旋忆阻器的交叉整列用于存储模糊关系，典型的交叉阵列结构的构建过程如图10所示，过程如下：

每一行连接着一个运算放大器的负端，这个运算放大器具有一个固定的电阻rf作为反馈电阻。在顶端一行用电阻代替忆阻器，该行组成了一个简单的反向求和电路，因此在任意时刻这个求和电路的输出sum(t)的表达式如下：

其中vi(t)是用电压表示的连接第i条垂直线的输入信号，用标准运算放大电路分析方法，可以得出连接第j行的运算放大器的输出表达式为：

其中mij(t)是当前时刻在坐标(i，j)的忆阻值，在公式里，忆阻器被当作是一个简单的电阻，这是因为在计算输出电压时忆阻值是一个恒定值。可以通过对忆阻器施加极短时间的脉冲电压来实现忆阻值的改变，例如采用具有固定的脉冲宽度的矩形脉冲。这种交叉结构需满足的另一前提条件是，忆阻器的初始值为roff，这需要通过提前施加一定时间的电压让忆阻值达到roff来实现。因此再对不同坐标下忆阻器施加电压，忆阻值就从初始值开始降低，也就是当前储存在坐标(i,j)的值δmij(t)的表达式为：

将式(15)和(13)代入(14)得

当我们限制忆阻值在很小的范围内变化时，也就是当δmij(t)/roff的值远小于1时，简化公式(16)得:

o(t)＝α·δm(t)·(v(t))^t(17)

其中

且δm(t)＝{δmij(t)}。比较(17)式和(5)，可以发现基于忆阻器的交叉阵列结构可以存储模糊关系，且该模拟电路可以实现基于墨滴扩散的模糊推理方法。

了实现推理功能，第一步是将自旋忆阻器的忆阻值转换为可以读取的信号，本发明采用电压信号，且自旋忆阻器的初始阻值为roff。

单个自旋忆阻器的训练和读取电路如图10所示，图中，rf＝roff,rc＝500ω,输入的训练脉冲电压为vpulse＝6v,ton＝3e-9,tperiod＝1ms,读取电压参数为vread＝0.2v,tdelay＝0.5ms,ton＝0.3ms,tperiod＝1ms。训练时压控开关k1，k2打开，读取时闭合，得到的仿真结果如图12所示。这里自旋忆阻器的仿真参数为：d＝1000e-9，h＝70e-9，z＝10e-9，rl＝5e-9，rh＝20e-9，jcr＝4e10，γv＝1.351e-11。

从图12可以看出当施加脉冲电压时，自旋忆阻器的阻值逐渐减小，放大电路的输出逐渐增大。

在交叉阵列中存储模糊规则及对自旋忆阻器的训练过程中，考虑单输入单输出的模糊关系，假定已知输入模糊集x和输出模糊集y分别具有隶属函数μx(x)和μy(y)，要在图10交叉阵列结构中存储模糊规则，模糊集x和y定义如下：

具体步骤为：

1)将每一个隶属度μx(xn)转换为电压信号，将μx(x1)连接到左起第一根垂直线，μx(x2)连接到第二根垂直线，依次连μx(xn)接到第n根垂直线；

2)与此同时，将μy(yn)转换为电压信号，连接-μy(y1)到下方第一根水平线，-μy(y2)连接到第二根水平线，依次连-μy(yn)接到第n根水平线；

3)等待t0秒，然后从交叉阵列上移除所有电压。

训练过程如图12所示，在训练时将压控开关打开k1,k2,…kn打开。

举一个简单的例子来验证该系统具有存储模糊规则和实现模糊推理的能力，已知论域x＝y＝{1,2,3,4,5}，x和y上的模糊子集“大”“小”“较小”分别定义为

“大”＝0.4/3+0.7/4+1/5，

“小”＝1/1+0.7/2+0.3/3，

“较小”＝1/1+0.6/2+0.4/3+0.2/4，

已知：规则若x小，则y大，问题：当x较小时，y＝？

里用5行5列的交叉阵列来存储模糊规则，训练时将隶属度转化为电压并扩大10倍，若x从下端输入，“x小”输入电压从左到右依次为10、7、3、0、0单位为伏，则“y大”从左端输入电压从上往下依次为0、0、4、7、10单位为伏。等待t＝8e-9s后，为了使读电压时不引起自旋忆阻器的阻值发生改变，施加电压依次为1、0.6、0.4、0.2、0单位为伏。采用的自旋忆阻器参数为d＝1000e-9，h＝70e-9，z＝10e-8，rl＝5e9，rh＝19.9e9，jcr＝4e10，taov＝1.3517e-11。

实验所得的结果同matlab模糊工具箱得出的结果进行对比，见表1。

matlab工具箱所得结果为0、0、0.4、0.7、1模糊数，解模糊为4.28，模糊语言为“较大”，而采用该交叉阵列结构推理结果为-15.31、-15.31、-25.61、-29.74、-34.52，归一化后得0、0、0.53、0.75、1.0，解模糊后得4.20模糊语言为“较大”，可以看出该系统所得结果的同工具箱的结果的相同都为“较大”。

3、模糊逻辑门电路设计

模糊逻辑中长用到aandb、aorb、axorb，但目前还没有一个硬件电路或元件能够简单的实现这些门功能，基于第2部分内容，本发明首先设计一个模糊“与”门电路，输入模糊语言变量是x和y,输出为z,模糊“与”实现模糊规则可以划分为9条规则，我们用b、s、m,分别代表大、小和中，规则如下

1、if(xisb)and(yisb)then(zisb)

2、if(xisb)and(yism)then(zism)

3、if(xisb)and(yiss)then(ziss)

4、if(xism)and(yisb)then(zism)

5、if(xism)and(yism)then(zism)

6、if(xism)and(yiss)then(ziss)

7、if(xiss)and(yisb)then(ziss)

8、if(xiss)and(yism)then(ziss)

9、if(xiss)and(yiss)then(ziss)

将x、y、z论域划分到[-55]区间内，那么其相应的隶属函数如图14所示。

本发明主要设计的是推理部分，隶属度和接模糊直接用计算机代替。设计逻辑门电路，这里有两组模糊关系，需要两个交叉阵列分别存储x、z和y、z的模糊关系，结构如图15，在第一个交叉阵列结构中存储x、z模糊关系，在第二个交叉阵列结构中存储y、z的模糊关系，在训练过程中依次将x、z和y、z的模糊规则转换成电压信号，x的各条规则的隶属度函从第一个交叉阵列的下方输入，y的各条规则的隶属度函从第二个交叉阵列的下方输入z隶属度函数从交叉阵列的左边输入。

训练和读取步骤如下：

1)训练第一个交叉阵列：开关k'1,k”1断开，k'2,k'3,...,k'n闭合，k”2,k”3,...,k”n断开，将x和y的第一条规则的隶属度函分别从第一个和第二个交叉阵列的下方以电压的形式输入，并扩大10倍，如xisb，转换为电压信号为(000000003.36.610)单位为伏，输入x和y对应的z的隶属度函数从交叉阵列的左边以反向的电压输入，如zism转换为电压信号为(000-3.3-6.6-10-6.6-3.3000)单位为伏，那么交叉阵列中在i行j列(点(i,j))位置的自旋忆阻器两端的电压为第j列与第i行的电位差。自旋忆阻器的初始阻值为roff；

2)等待t0＝2e-9s，值得注意的是自旋忆阻器的初始阻值为roff，那么对应施加电压的自旋忆阻器的阻值就会降低；

3)重复步骤一和步骤二，将第2条至第9条规则存储在交叉阵列中；

4)实现模糊“与”：所有开关闭合，施加需要推理的x、y,将其转化为电压信t号，为了保证自旋忆阻器的阻值不会发生变化，将电压限制在[0,1]区间内，分别从第一和第二个交叉阵列的下方输入；

5)等待一定时间，直到输出达到稳定，将得到的电压值归一化后解模糊就可以得到推理结果。

本发明所设计的硬件电路存储模糊“与”的模糊规则，仿真采用ltspiceiv电路图如图16，仿真采用的忆阻器参数为d＝1000e-9,h＝70e-9，z＝10e-8，r1＝19.9e-9,jcr＝4e10,γv＝1.351e-11,为了防止反向输入电压对自旋忆阻器阻值的影响，在每一个忆阻器前加一个正向二极管，为了消除二极管的导通电压带来的影响，在读电压vread-i＝1,2,…,11后也加一个正向二极管，vr-1在训练阶段控制压控开关sw-f导通，这时由脉冲信号vpulse-i＝1,2,…,11和vi,t＝1,2,…11共同控制对i行j列的自旋忆阻器的阻值进行改变。vr-1,vr-2控制在读电压vread-i＝1,2,…,11输入时开关导通，rc＝500ω，rf＝20kω。

同理设计模糊“非门”、“或门”，用“与门”和“或门”扩展可以得到“与非门”，如果定义输入输出的论域为[15]，即采用用5行5列的交叉整列结构，用电路符号表示如图17下，用“与非门”、“或门”、“与门”可以扩展为“异或门”电路符号如图18。

4、仿真结果

图16“与门”各列电压输出结果如图19所示，从图中输出电压的离散

曲线同隶属函数类似，如当输入为“big-big”时输出电压在论域为5时隶属度最大。

将输出结果采用平均最大隶属度法(mom)解模糊后输入输出结果为表2，实验验证了该电路可以很好的实现模糊“与门”。

对模糊异或门进行ltspice仿真，仿真时采用的隶属函数为：小：1/1+0.55/2+0.1/3+0/4+0/5,大：0/1+0/2+0.1/3+0.55/4+1/4。如图20所示，其中输入训练电压小：10、5.5、1、0、0，大：0、0、1、5.5、10；读取时电压输入为小：5、2.7、1、00，大：0、0、1、2.7、5。

最后各行输出电压的离散曲线如图21所示，同样采用平均最大隶属度法(mom)解模糊后输入输出结果如表3。

表1实验结果

表2模糊“与”门输入-输出

表3“异或门”仿真结果

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。