Fault detection in combinational circuits by neural networks

Abstract

ÖZ BELLEKSİZ DEVRELERDE NÖRAL A?LAR İLE HATA BULMA ARSLAN, Mesut Murat Yüksek Lisans Tezi, Elektrik ve Elektronik Müh. Ana Bilim Dalı Tez Yöneticisi : Doç. Dr. Uğur HALICI Ocak 1994, 192 Sayfa Nöral ağlar kullanılarak belleksiz devrelerin hata tespiti üzerinde çalışıldı. Belleksiz devrelerdeki tekli takılma hatalarının bulunması için nöral gözlemciler denilen üç farklı nöral ağ mimarisi önerilmiştir. Nöral gözlemci devrede hata olduğuna karar vermek için, tanıma ve test hatası denilen iki çıktı üretir. Tanıma, nöral gözlemcinin uygulanan girdi örüsünü ne kadar tanıdığını gösteren bir ölçüdür, yani girdi örüsünün sisteme ne kadar sık uygulandığını gösterir. Test hatası, nöral gözleyicinin içindeki nöral ağın ürettiği değerlerin, belleksiz devre üzerindeki gerçek değerlere olan yakınlığının ölçüsüdür, ve büyük test hata değerleri bunların aynı olmadığını gösterir. Eğer test hatası büyükse, o zaman devrede hatanın olduğuna karar vermek için tanıma değerine bakılır. Eğer test hatası ve tanıma değerlerinin her ikisi de büyükse, devrenin hatalı olduğuna karar verilir. Nöral gözlemcinin içerisinde bulunan nöral ağ, geri-yayılma algoritması kullanılarak eğitilir. Öğrenme devresinden sonra, belleksiz devreye bazı tekli takılma hataları konularak önerilen modeller test edilmiştir. Anahtar Kelimeler: Hata Bulma ve Teşhisi, Nöral Ağlar,Belleksiz Devre, Geri- Yayılma, Tekli Takılma Hataları. Bilim Dalı Sayısal Kodu: 619.01.03 İİİ

ABSTRACT FAULT DETECTION IN COMBINATIONAL CIRCUITS BY NEURAL NETWORKS ARSLAN, Mesut Murat M.Sc. in Electrical and Electronics Engineering Supervisor : Assoc. Prof. Dr. Uğur HALICI January 1994, 192 pages The fault testing of the combinational circuits is studied by using neural networks. Three different neural network architectures called neural observer are proposed for the detection of stuck-at faults in combinational circuits. The neural observer produces two outputs called the familiarity and the test error to decide on the existence of a fault in the circuit. Familiarity is a measure indicating how familiar the neural observer is, to the applied input pattern, that is how frequently an input pattern is applied to the system. Test error is a measure to find out how close the values produced by the neural network inside the observer are, to the actual values on the combinational circuit, a large value of test error indicating they are not the same. If test error is high, then the familiarity is checked to decide on the existence of a fault in the circuit. If both test error and familiarity are high, we conclude that the circuit is faulty. Neural network of the neural observer is trained by using the back-propagation algorithm. After the learning phase, the propesed models are tested by assigning some stcuk- at faults in the combinational circuits. Keywords : Fault Detection and Diagnosis, Neural Networks, Combinational Circuit, Back- propagation, stuck-at faults Science Code : 619.01.03 11