一种快速的电荷泵设计方法及装置与流程

本发明涉及闪存电路的电荷泵设计领域，特别是一种快速的电荷泵设计方法及装置。

背景技术：

电荷泵应用在电路中实质作用相当于倍压整流电路，在一些需用高电压、小电流的地方，常常使用电荷泵构成的倍压整流电路。在闪存等电路中，电荷泵得到广泛的应用，基于电荷泵的电路设计首先要经过仿真，但是电荷泵的驱动能力、面积、效率、建立速度、可靠性等指标，都不容易计算，实际设计中需要工程师针对仿真的结构反复手动调整管子尺寸、电容大小、时钟相位等来满足各个指标，每次手动调整完参数后都要采用spice工具重新进行计算，因此按照现有的仿真方法，设计周期较长，耗费大量仿真计算资源。

技术实现要素：

为解决上述问题，本发明提供了一种快速的电荷泵设计方法及装置，利用训练好的神经网络进行计算，不需要每次调整都调用spice工具，提高了设计电路的效率。

本发明解决其问题所采用的技术方案是：

一种快速的电荷泵设计方法，包括以下步骤：

对每个电路元件均随机生成n个输入值，组成n组随机参数；

用spice工具计算出n组随机参数的n个输出值；

将每组随机参数与其对应的输出值组成神经网络的单个种群，将n个种群的中一部分作为训练集，另一部分作为验证集，进行神经网络训练；

利用训练好的神经网络进行多目标寻优，输出最优设计的种群。

进一步，在随机生成所述输入值和输出值之前，获取训练用的各个电路元件的参数的数值范围作为输入值的取值范围，和获取训练用的输出值的数值范围作为输出值的取值范围。

进一步，利用神经网络进行多目标寻优包括以下步骤：

获取待优化设计的各个电路元件的参数的数值范围、种群个数和进化次数；

在待优化设计的各个电路元件的参数的数值范围内随机生成种群；

将随机生成的种群输入到训练好的神经网络中进行计算，输出目标值；

根据生成的目标值进行帕累托多目标排序，再进行交叉和变异，然后对所得结果按照进化次数进行进化，获得最优设计。

进一步，电路元件包括电荷泵的各级传输管尺寸的长度和宽度，以及各级电容的值。

一种快速的电荷泵设计装置，包括：

输入值生成模块，用于对每个电路元件均随机生成n个输入值，组成n组随机参数；

输出值生成模块，用于用spice工具计算出n组随机参数的n个输出值；

神经网络训练模块，用于将每组随机参数与其对应的输出值组成神经网络的单个种群，将n个种群的中一部分作为训练集，另一部分作为验证集，进行神经网络训练；

仿真模块，用于利用训练好的神经网络进行多目标寻优，输出最优设计的种群。

进一步，还包括训练用数值获取模块，用于在随机生成所述输入值和输出值之前，获取训练用的各个电路元件的参数的数值范围作为输入值的取值范围，和获取训练用的输出值的数值范围作为输出值的取值范围。

进一步，所述仿真模块利用神经网络进行多目标寻优包括：

仿真用数值获取模块，用于获取待优化设计的各个电路元件的参数的数值范围、种群个数和进化次数；

种群生成模块，用于在待优化设计的各个电路元件的参数的数值范围内随机生成种群；

神经网络处理模块，用于将随机生成的种群输入到训练好的神经网络中进行计算，输出目标值；

进化模块，用于根据生成的目标值进行帕累托多目标排序，再进行交叉和变异，然后对所得结果按照进化次数进行进化，获得最优设计。

进一步，电路元件包括电荷泵的各级传输管尺寸的长度和宽度，以及各级电容的值。

本发明的有益效果是：本发明基于神经网络技术，将电荷泵的设计方法与神经网络结合在一起，首先通过训练种群对初始的神经网络进行训练，然后将仿真数据输入到训练好的神经网络，自动输出最优设计的结果，相比传统的手动调整各电路元件参数并每次调整都通过spice工具进行计算的设计方法，节省了大量的时间，提高了设计的效率。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1是本发明实施例的流程示意图。

具体实施方式

参照图1，本发明的一个实施例提供了一种快速的电荷泵设计方法，包括以下步骤：

对每个电路元件均随机生成n个输入值，组成n组随机参数；

用spice工具计算出n组随机参数的n个输出值；

将每组随机参数与其对应的输出值组成神经网络的单个种群，将n个种群的中一部分作为训练集，另一部分作为验证集，进行神经网络训练；

利用训练好的神经网络进行多目标寻优，输出最优设计的种群。

本实施例基于神经网络算法，初次进行输出值计算的时候需要用到spice工具，然后将输入值和输出值组合起来作为n个种群，分开出训练集和验证集对初始的神经网络进行训练，最后用训练好的神经网络进行仿真计算，直接获得最优设计，因此后续计算不需要通过spice工具，大大加快了电荷泵电路的仿真速度。

优选地，本发明的另一实施例提供了一种快速的电荷泵设计方法，在随机生成所述输入值和输出值之前，获取训练用的各个电路元件的参数的数值范围作为输入值的取值范围，和获取训练用的输出值的数值范围作为输出值的取值范围。限定了输入值和输出值的范围使训练用的值更加准确，可以避免训练结果的误差较大。

优选地，本发明的另一实施例提供了一种快速的电荷泵设计方法，利用神经网络进行多目标寻优包括以下步骤：

获取待优化设计的各个电路元件的参数的数值范围、种群个数和进化次数；

在待优化设计的各个电路元件的参数的数值范围内随机生成种群；

将随机生成的种群输入到训练好的神经网络中进行计算，输出目标值；

根据生成的目标值进行帕累托多目标排序，再进行交叉和变异，然后对所得结果按照进化次数进行进化，获得最优设计。

本实施例相当于给出了电荷泵电路仿真时的执行方法，此时输入的值应为电路实际设计时的范围的值，该范围应当比训练用的输入值的范围要小，即包含在训练用的输入值的范围内；在电路实际设计时针对神经网络输入进化次数以提高最优设计的精度。

优选地，本发明的另一实施例提供了一种快速的电荷泵设计方法，电路元件包括电荷泵的各级传输管尺寸的长度和宽度，以及各级电容的值。电荷泵电路的基本组成包括传输管和电容器，传输管应包括二极管在内但不限于二极管，还可以是其他开关管体。

一种快速的电荷泵设计装置，包括：

输入值生成模块，用于对每个电路元件均随机生成n个输入值，组成n组随机参数；

输出值生成模块，用于用spice工具计算出n组随机参数的n个输出值；

神经网络训练模块，用于将每组随机参数与其对应的输出值组成神经网络的单个种群，将n个种群的中一部分作为训练集，另一部分作为验证集，进行神经网络训练；

仿真模块，用于利用训练好的神经网络进行多目标寻优，输出最优设计的种群。

优选地，本发明的另一实施例提供了一种快速的电荷泵设计装置，还包括训练用数值获取模块，用于在随机生成所述输入值和输出值之前，获取训练用的各个电路元件的参数的数值范围作为输入值的取值范围，和获取训练用的输出值的数值范围作为输出值的取值范围。

优选地，本发明的另一实施例提供了一种快速的电荷泵设计装置，所述仿真模块利用神经网络进行多目标寻优包括：

仿真用数值获取模块，用于获取待优化设计的各个电路元件的参数的数值范围、种群个数和进化次数；

种群生成模块，用于在待优化设计的各个电路元件的参数的数值范围内随机生成种群；

神经网络处理模块，用于将随机生成的种群输入到训练好的神经网络中进行计算，输出目标值；

进化模块，用于根据生成的目标值进行帕累托多目标排序，再进行交叉和变异，然后对所得结果按照进化次数进行进化，获得最优设计。

优选地，本发明的另一实施例提供了一种快速的电荷泵设计装置，电路元件包括电荷泵的各级传输管尺寸的长度和宽度，以及各级电容的值。

参照图1，本发明的另一实施例提供了一种快速的电荷泵设计方法，包括以下步骤：

s1，获取训练用的各个电路元件的参数的数值范围作为输入值的取值范围，和获取训练用的输出值的数值范围作为输出值的取值范围；

s2，在所述输入值的取值范围内，对每个电路元件均随机生成n个输入值，组成n组随机参数；

s3，用spice工具计算出n组随机参数的n个输出值，且该值应在所述输出值的取值范围内；

s4，将每组随机参数与其对应的输出值组成神经网络的单个种群，将n个种群的中一部分作为训练集，另一部分作为验证集，进行神经网络训练；

s5，获取待优化设计的各个电路元件的参数的数值范围、种群个数和进化次数；

s6，在待优化设计的各个电路元件的参数的数值范围内随机生成种群；

s7，将随机生成的种群输入到训练好的神经网络中进行计算，输出目标值；

s8，根据生成的目标值进行帕累托多目标排序，再进行交叉和变异，然后对所得结果按照进化次数进行进化，获得最优设计。

其中，电路元件包括电荷泵的各级传输管尺寸的长度和宽度，以及各级电容的值，待优化设计的各个电路元件的参数的数值范围包含在训练用的各个电路元件的参数的数值范围作为输入值的取值范围内。

本发明基于神经网络技术，将电荷泵的设计方法与神经网络结合在一起，首先通过训练种群对初始的神经网络进行训练，然后将仿真数据输入到训练好的神经网络，自动输出最优设计的结果，相比传统的手动调整各电路元件参数并每次调整都通过spice工具进行计算的设计方法，节省了大量的时间，提高了设计的效率。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。