本發(fā)明涉及智能設計領域，具體涉及一種建立PCB類型的預測模型和PCB設計的方法及裝置。

背景技術：

印制電路板(PCB)是電子元器件的支撐體和電子元器件電氣連接的載體，PCB設計是以電路原理圖為根據(jù)，實現(xiàn)電路設計者所需要的功能，在PCB板的設計過程中一般需要考慮PCB板的外部連接的布局、內部電子元件的優(yōu)化布局、金屬連線和通孔的優(yōu)化布局以及電磁保護、熱耗散等各種因素。

目前使用的比較多的PCB輔助設計工具是Protel，Cadence spb，MentorEE等，而這些PCB輔助設計工具在智能輔助設計方面還停留在保證走線約束，信號完整性、電磁兼容仿真等被動滿足開發(fā)人員要求的設計輔助階段，而在輔助開發(fā)人員優(yōu)化PCB設計，深度學習已有參考設計的基礎上快速實現(xiàn)當前PCB設計，提升設計效率領域還存在不足。

目前人工布局PCB設計的方法面臨以下缺陷：

人工布局PCB設計的過程中，工作重復程度高，以工業(yè)以太網(wǎng)交換機的PCB設計為例，全部的設計包含CPU部分電路、DDR等存儲部分電路、交換部分電路、以太網(wǎng)口、電源等周邊電路的設計，在每次新設計的工業(yè)以太網(wǎng)交換機在上述電路部分在選用相同器件的前提下經(jīng)常出現(xiàn)重復繪制工作量。同時對于缺乏經(jīng)驗的設計人員，其在PCB設計中會出現(xiàn)器件布局不合理，高速數(shù)據(jù)時序顛倒、阻抗匹配不完善等情況。

技術實現(xiàn)要素：

因此，本發(fā)明要解決的技術問題在于現(xiàn)有PCB設計方式效率低、研發(fā)周期長且成本高。

有鑒于此，本發(fā)明提供一種建立PCB類型的預測模型的方法，包括：

獲取多個PCB原理圖的二維特征數(shù)據(jù)以及預設的所述PCB原理圖的類型編號；

根據(jù)所述二維特征數(shù)據(jù)與預設的所述PCB原理圖的類型編號作為訓練數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，直至所述神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與所述預設的所述PCB原理圖的類型編號的誤差小于預設誤差。

優(yōu)選地，所述PCB原理圖的二維特征數(shù)據(jù)由所述PCB原理圖中涉及的芯片型號和相應所述芯片型號的個數(shù)得到。

優(yōu)選地，所述對神經(jīng)網(wǎng)絡模型進行訓練，包括：

當所述神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與所述預設的所述PCB原理圖的類型編號差值的絕對值不小于所述預設誤差精度，調整所述神經(jīng)網(wǎng)絡模型中的神經(jīng)元權值。

優(yōu)選地，所述神經(jīng)網(wǎng)絡的輸出，通過下式得到：

其中，y'為所述神經(jīng)網(wǎng)絡模型中的輸出，θ為y'的偏置，θ取值為0-1之間，w_i,i＝1,2,3...n為所述神經(jīng)元權值，x_i為所述PCB原理圖特征數(shù)據(jù)。

優(yōu)選地，所述神經(jīng)網(wǎng)絡模型為函數(shù)鏈神經(jīng)網(wǎng)絡模型。

本發(fā)明還提供一種PCB設計方法，包括：

獲取待設計的PCB原理圖二維特征數(shù)據(jù)；

將所述二維特征數(shù)據(jù)輸入到如上述所述的建立PCB類型的預測模型的方法所建立的模型中，得到輸出數(shù)據(jù)；

根據(jù)所述輸出數(shù)據(jù)，確定所述PCB原理圖的設計模板。

相應地，本發(fā)明提供一種建立PCB類型的預測模型的裝置，包括：

獲取單元，用于獲取多個PCB原理圖的二維特征數(shù)據(jù)以及預設的所述PCB原理圖的類型編號；

訓練單元，用于根據(jù)所述二維特征數(shù)據(jù)與預設的所述PCB原理圖的類型編號作為訓練數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，直至所述神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與所述預設的所述PCB原理圖的類型編號的誤差小于預設誤差。

優(yōu)選地，所述PCB原理圖的二維特征數(shù)據(jù)由所述PCB原理圖中涉及的芯片型號和相應所述芯片型號的個數(shù)得到。

優(yōu)選地，所述訓練單元包括：

調整單元，用于當所述神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與所述預設的所述PCB原理圖的類型編號差值的絕對值不小于所述預設誤差精度，調整所述神經(jīng)網(wǎng)絡模型中的神經(jīng)元權值。

優(yōu)選地，所述神經(jīng)網(wǎng)絡的輸出，通過下式得到：

其中，y'為所述神經(jīng)網(wǎng)絡模型中的輸出，θ為y'的偏置，θ取值為0-1之間，w_i,i＝1,2,3...n為所述神經(jīng)元權值，x_i為所述PCB原理圖特征數(shù)據(jù)。

優(yōu)選地，所述神經(jīng)網(wǎng)絡模型為函數(shù)鏈神經(jīng)網(wǎng)絡模型。

相應地，本發(fā)明還提供一種PCB設計裝置，包括：

特征數(shù)據(jù)獲取單元，用于獲取待設計的PCB原理圖二維特征數(shù)據(jù)；

輸出數(shù)據(jù)獲取單元，用于將所述二維特征數(shù)據(jù)輸入到如上述所述的建立PCB類型的預測模型的方法所建立的模型中，得到輸出數(shù)據(jù)；

設計模板確定單元，用于根據(jù)所述輸出數(shù)據(jù)，確定所述PCB原理圖的設計模板。

本發(fā)明技術方案具有以下優(yōu)點：

通過獲取多個PCB原理圖的二維特征數(shù)據(jù)以及預設的PCB原理圖的類型編號，并將二維特征數(shù)據(jù)與預設的PCB原理圖的類型編號作為訓練數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，直至神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與預設的PCB原理圖的類型編號差值的絕對值小于預設誤差精度，根據(jù)得到的輸出數(shù)據(jù)確定PCB原理圖的設計模板，利用PCB原理圖的設計模板進行PCB設計，解決了現(xiàn)有PCB設計方式效率低、研發(fā)周期長且成本高的問題。

附圖說明

為了更清楚地說明本發(fā)明具體實施方式或現(xiàn)有技術中的技術方案，下面將對具體實施方式或現(xiàn)有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施方式，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明實施例提供的一種建立PCB類型的預測模型的方法的流程圖；

圖2是本發(fā)明實施例提供的一種建立PCB類型的預測模型的裝置的結構示意圖；

圖3是本發(fā)明另一實施例提供的一種PCB設計方法的流程圖；

圖4是本發(fā)明另一實施例提供的一種PCB設計裝置的結構流程圖。

具體實施方式

下面將結合附圖對本發(fā)明的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明實施例提供一種建立PCB類型的預測模型的方法，如圖1所示，包括：

S11，獲取多個PCB原理圖的二維特征數(shù)據(jù)以及預設的PCB原理圖的類型編號。其中，PCB原理圖的二維特征數(shù)據(jù)優(yōu)選由PCB原理圖中涉及的芯片型號和相應芯片型號的個數(shù)得到，例如，PCB原理圖中包括的芯片型號包括x1、x2、x3、x4，對應的個數(shù)分別是A、B、C、D個，則由x1、x2、x3、x4和A、B、C、D組成的數(shù)組即為PCB原理圖的二維特征數(shù)據(jù)；預設的PCB原理圖的類型編號，例如規(guī)定88E6095交換芯片的電路的類別編號為1，規(guī)定另一種放大電路的類別編號為2，依次類推，可預設多種功能電路的類別對應的類別編號。

S12，根據(jù)二維特征數(shù)據(jù)與預設的PCB原理圖的類型編號作為訓練數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，直至神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與預設的PCB原理圖的類型編號的誤差小于預設誤差。其中，神經(jīng)網(wǎng)絡模型優(yōu)選函數(shù)鏈神經(jīng)網(wǎng)絡模型，具體地，如下式所示：

|y'-y|＞k

其中，y’為神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)，y為預設的PCB原理圖的類型編號，k為預設誤差。

優(yōu)選地，步驟S12中對神經(jīng)網(wǎng)絡模型進行訓練具體包括以下步驟：

當神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與預設的PCB原理圖的類型編號差值的絕對值不小于預設誤差精度，調整神經(jīng)網(wǎng)絡模型中的神經(jīng)元權值。其中，神經(jīng)網(wǎng)絡中的各神經(jīng)元權值賦予0-1區(qū)間內的隨機值。

作為一種具體的實施方式，神經(jīng)網(wǎng)絡的輸出，通過下式得到：

其中，y'為神經(jīng)網(wǎng)絡模型中的輸出，θ為y'的偏置，θ取值為0-1之間，w_i,i＝1,2,3...n為神經(jīng)元權值，x_i為PCB原理圖特征數(shù)據(jù)。

其中，wx_t＝w₁x₁+...+w_nx_n+w_n+1x₁x₂+...+w_n+n(n-1)/2x_n-1x_n，w_i,i＝1,2,3...n；

根據(jù)本發(fā)明實施例提供的建立PCB類型的預測模型的方法，通過獲取多個PCB原理圖的二維特征數(shù)據(jù)以及預設的PCB原理圖的類型編號，并將二維特征數(shù)據(jù)與預設的PCB原理圖的類型編號作為訓練數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，直至神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與預設的PCB原理圖的類型編號差值的絕對值小于預設誤差精度，通過訓練神經(jīng)網(wǎng)絡模型得到PCB類型的預測模型，提高了PCB類型的識別效率與準確度。

相應地，本發(fā)明實施例提供一種建立PCB類型的預測模型的裝置，如圖2所示，包括：

獲取單元21，用于獲取多個PCB原理圖的二維特征數(shù)據(jù)以及預設的PCB原理圖的類型編號；

訓練單元22，用于根據(jù)二維特征數(shù)據(jù)與預設的PCB原理圖的類型編號作為訓練數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，直至神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與預設的PCB原理圖的類型編號的誤差小于預設誤差。

優(yōu)選地，PCB原理圖的二維特征數(shù)據(jù)由PCB原理圖中涉及的芯片型號和相應芯片型號的個數(shù)得到。

優(yōu)選地，訓練單元22包括：

調整單元，用于當神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與預設的所述PCB原理圖的類型編號差值的絕對值不小于預設誤差精度，調整神經(jīng)網(wǎng)絡模型中的神經(jīng)元權值。

優(yōu)選地，神經(jīng)網(wǎng)絡的輸出，通過下式得到：

其中，y'為神經(jīng)網(wǎng)絡模型中的輸出，θ為y'的偏置，θ取值為0-1之間，w_i,i＝1,2,3...n為神經(jīng)元權值，x_i為PCB原理圖特征數(shù)據(jù)。

優(yōu)選地，神經(jīng)網(wǎng)絡模型為函數(shù)鏈神經(jīng)網(wǎng)絡模型。

本發(fā)明實施例提供的建立PCB類型的預測模型的裝置，通過獲取單元獲取多個PCB原理圖的二維特征數(shù)據(jù)以及預設的PCB原理圖的類型編號，并將二維特征數(shù)據(jù)與預設的PCB原理圖的類型編號作為訓練數(shù)據(jù)，對神經(jīng)網(wǎng)絡模型進行訓練，直至神經(jīng)網(wǎng)絡的輸出數(shù)據(jù)與預設的PCB原理圖的類型編號差值的絕對值小于預設誤差精度，通過訓練神經(jīng)網(wǎng)絡模型得到PCB類型的預測模型，提高了PCB類型的識別效率與準確度。

本發(fā)明另一實施例還提供一種PCB設計方法，如圖3所示，包括：

S31，獲取待設計的PCB原理圖二維特征數(shù)據(jù)；

S32，將二維特征數(shù)據(jù)輸入到如上述實施例建立PCB類型的預測模型的方法所建立的模型中，得到輸出數(shù)據(jù)；

S33，根據(jù)輸出數(shù)據(jù)，確定PCB原理圖的設計模板。

具體地，例如，當?shù)玫降妮敵鰯?shù)據(jù)為2，則從數(shù)據(jù)庫中顯示出預設的類別2對應的PCB設計模板，繼而可以根據(jù)該設計模板進行PCB設計。

根據(jù)本發(fā)明實施例提供的PCB設計方法，通過得到的輸出數(shù)據(jù)確定PCB原理圖的設計模板，繼而利用PCB原理圖的設計模板進行PCB設計，解決了現(xiàn)有PCB設計方式效率低、研發(fā)周期長且成本高的問題。

相應地，本發(fā)明另一實施例還提供一種PCB設計裝置，如圖4所示，包括：

特征數(shù)據(jù)獲取單元41，用于獲取待設計的PCB原理圖二維特征數(shù)據(jù)；

輸出數(shù)據(jù)獲取單元42，用于將二維特征數(shù)據(jù)輸入到如上述實施例建立PCB類型的預測模型的方法所建立的模型中，得到輸出數(shù)據(jù)；

設計模板確定單元43，用于根據(jù)輸出數(shù)據(jù)，確定PCB原理圖的設計模板。

上述實施例提供的PCB設計裝置，通過特征數(shù)據(jù)獲取單元待設計的PCB原理圖二維特征數(shù)據(jù)，繼而利用PCB類型的預測模型得到輸出數(shù)據(jù)，確定PCB原理圖的設計模板，繼而利用PCB原理圖的設計模板進行PCB設計，解決了現(xiàn)有PCB設計方式效率低、研發(fā)周期長且成本高的問題。

顯然，上述實施例僅僅是為清楚地說明所作的舉例，而并非對實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護范圍之中。