集成电路的应用范例(3篇)

集成电路的应用范文篇1

关键词：集成电路；放电保护；电源钳位

1ESD保护电路

随着超大规模集成电路工艺技术的不断提高，集成电路的静电放电（ElectrostaticDischarge，ESD）保护电路的设计越来越受到了电路设计者的重视。ESD保护电路是为芯片电路提供静电电流的放电路径，以避免静电将内部电路击穿。由于静电一般来自外界，例如人体、机器，因此ESD保护电路通常在芯片的压焊盘（PAD）的周围。输出压焊盘一般与驱动电路相连，即与大尺寸的PMOS和NMOS管的漏极相连，因此这类器件本身可以用于ESD保护放电，一般情况下为了保险，输出端也加ESD保护电路；而输入压焊盘一般连接到MOS管的栅极上，因此在芯片的输入端，必须加ESD保护电路。另外，在芯片的电源（Udd）和地（Uss）端口上也要加ESD保护电路，以保证ESD电流可以从Udd安全地释放到Uss。对于高压工艺上电路的ESD保护主要有下面两个难题需要解决：一是高压晶体管器件的均匀导通性，二是电源钳位模块的闩缩效应。

2实现高压器件或芯片的静电放电保护分析

在显示器驱动芯片，电源管理芯片以及汽车电子等应用中，芯片的工作电压通常比较高，达到20V-40V甚至更高。这些芯片的设计需要选取击穿电压比较高的高压晶体管。实现对这些高压器件或芯片的静电放电保护将遇到下面的难题。

实现高压工艺应用中静电保护的一个难题是高压晶体管器件的均匀导通性。通常在低压工艺中，栅极接地类型NMOS器件（ggNMOS）结构被广泛用来保护内部核心线路。而多指条（multi-finger）并联的ggNMOS结构可以用来倍增其静电保护能力级别，从而实现预期ESD保护指标。对于高压晶体管，其一次击穿电压远大于二次击穿电压（vt2

实现高压工艺应用中静电保护的另一个难题就是如何避免电源钳位电路中闩锁效应的发生。高压NMOS器件通常都有较高的触发电压和较低的钳位电压。基于高压工艺的集成电路通常工作在20V甚至40V或更高的工作电压中，如果应用于VDD和GND之间的电路钳位电压比电路工作电压要小的时候。外部噪声出现在电路的端口上，将电源和地之间的钳位模块误触发，并形成一个低电阻通路。当钳位电压小于电路工作电压的时候，电源和地之间的低阻导通状态将一直保持住，从而形成闩缩效应，最终将导致该部分电路被烧毁。

3一种应用于高压工艺集成电路中电源钳位的器件结构设计

图1是有二极管Dp，Dn以及电源钳位模块组成的全芯片保护结构图。为了避免因外接噪声导致的电源钳位模块闩缩效应的发生，通常需要设计的钳位模块钳位电压值高于电路正常工作电压。另外就是要避免选用高压晶体管器件，因为高压晶体管器件的非均匀导通问题限制了其ESD保护能力的提升。

利用级联多个SCR器件级联的结构来实现较高的钳位电压值。通常单个SCR器件的钳位电压值非常小，在1V到2V范围之间，对于这样普通的SCR结构，即使多个级联在一起，整体结构的钳位电压将还是很小。本设计中，用一种高钳位电压值的SCR器件结构将会被选取作为级联的基本单元。

图2是一个常见的双阱工艺的SCR器件结构。其在N-Well和P-Well交界的地方，P+型掺杂将别注入，形成一个桥状区域连接N-Well和P-Well。该结构将改变传统SCR结构的正向击穿电压，从N-Well/P-Well结击穿电压值（18V-20V）降低到N-Well/P+结击穿电压（8V-12V）。采取这种低触发电压的SCR结构，便于后面的多个SCR级联结构设计。该类型SCR器件的钳位电压值可以通过调节D3和D4的尺寸，来实现高钳位电压。选取合适的D3和D4值，可以使得SCR的钳位电压逐渐接近触发电压，达到8V到12V范围。

图3分别给出了不同个数SCR器件级联结构示意图。以两级SCR器件级联结构为例，将第一级的负极(Cathode)和第二级的正极(Anode)通过金属连接在一起，保留第一级SCR器件的Anode作为级联结构的Anode，保留第二级SCR器件的Cathode作为级联结构的Cathode。

图4是不同级联级数SCR器件的TLP测试特性。随着级联级数的倍增，级联器件的触发电压值以及钳位电压值也跟着倍增。选取合适的SCR级联个数，可以实现无闩缩效应的电源钳位模块设计。比如选取四级SCR级联，其钳位电压将达到45V，可以应用在电源工作电压为40V的高压应用中的ESD保护。

4结语

本文提出的一种新型SCR结构用来提升单个SCR器件结构的钳位电压。该结构将传统SCR器件寄生BJT的发射极（寄生PNP的P+发射级和寄生NPN的N+发射级）在器件的纵向替换成P+和N+掺杂交替的方式。新型SCR器件的钳位电压将得到很大提升，选取合适的P+和N+掺杂面积比例，可以调整钳位电压的大小，使得钳位电压值高于电路正常工作电压范围，从而有效避免闩缩效应的发生。该发明在实际应用中，需要选取合适的参数：正极到负极之间的距离，N+和P+掺杂的面积比例。

相对于级联FOD，MOSFET的结构而言，选取级联SCR器件的最大优点是，其单位面积静电防护能力非常高，可以使得设计面积得到优化。上面单个SCR器件的宽度为50um，其不同级数级联SCR的二次击穿电流都接近2A，人体模式（HBM）静电保护能力将会接近3KV（2A*1500ohm）。从而达到优化芯片面积的目的。

参考文献：

集成电路的应用范文

关键词：集成电路寿命仿真分析流程竞争失效CALCE-PWA

中图分类号：V263.5文献标识码：A文章编号：1672-3791（2017）06（c）-0067-04

由于电子设备对温度、振动最为敏感，且根据对电子产品失效原因的统计，温度因素占43.3%，振动因素占28.7%，由这2种应力作用导致的产品的失效为71%[1]。因此，研究集成电路寿命需主要对温度和振动2种应力进行仿真、评估并预计。据此寿命仿真主体结构中涉及的仿真项目主要有热仿真、振动仿真、故障预计仿真。在诸如印刷电路板的典型电子产品的服役期内，热应力、机械应力是产品所承受的主要环境载荷。文献[2-4]从器件级薄弱环节的失效物理建模出发，通过对整板PCB的振动仿真与实验，计算了元器件的寿命。文献[5-7]研究了集成电路的寿命试验条件，并对PCB电路板组件的温度分布进行了仿真与实验研究。此外，国内外学者针对集成电路的失效类别、失效原因开展了大量研究。但是上述研究较多的依赖物理样机试验，且计算集成电路寿命时未能综合考虑集成电路复杂的失效因素。

该文基于协同仿真技术，采用竞争失效机制，选用电子产品中的一个整板PCB作为研究对象，对集成电路寿命进行预测，可在产品设计阶段对集成电路的可靠性进行评估，并减少物理样机试验成本。

1寿命分析流程

基于竞争失效机制的集成电路寿命预测的仿真分析流程如图1所示。首先基于集成电路封装类型完成模型建立；然后分别从热仿真、振动仿真中导入模型所需应力参数，加载集成电路寿命剖面；最后根据竞争失效机制，获取集成电路寿命。其中，集成电路管脚与电路板基板的互连处模型的建立采用竞争失效法则（即“最小薄弱原理”）。

整个流程中各主要步骤如下所示。

（1）获取集成电路以及电路板组件结构及工艺信息。

（2）根据电路板组件工作环境条件制定寿命周期环境剖面。

（3）基于ANSYS软件进行仿真分析，获取热仿真与振动仿真结果，为基于失效物理的故障预计提供数据支撑。

（4）建立热故障预计模型与振动故障预计模型，分别进行寿命仿真分析，可得到故障预计结果，基于竞争失效机制，确定集成电路失效状态，并得到寿命仿真计算结果。

2研究对象

项目选取的某PCB电路板组件有限元模型网格划分图如图2所示，图右显示了集成电路详细模型的网格划分效果。电路板组件模型采用SolidWorks软件建立，对目标集成电路进行详细的三维模型建模，对其他元器件采用长宽高与之相同的长方体等效处理。使用ANSYS软件进行仿真分析，用内部MPC约束算法建立接触单元来处理各元器件和电路板基板的装配关系。

3寿命周期环境剖面

热仿真分析环境条件根据基本试验中的各种工作环境温度以及产品工作时对应的环控条件制定。因此，参考典型电子装备高温低温试验条件[8]，确定仿真温度环境如下：热天地面阶段工作和不工作温度为+70℃，冷天地面阶段工作和不工作温度为-55℃；热天飞行阶段工作温度为+55℃，冷天飞行阶段工作温度为-40℃。

参照典型电子装备环境试验条件，确定电路板随机振动试验的功率谱密度，其最大值W0为0.04g2/Hz。综上，按照电路板实际工作条件，将环境应力简化为温度循环1（冷天工作）、温度循环2（热天工作）和随机振动，见表1。

4有限元仿真分析

4.1热仿真分析

针对工作环境温度为70℃、55℃、-40℃、-55℃的情r进行稳态热分析，表2为环境温度70℃时电路板组件温度云图和集成电路温度云图。

通过对70℃工作环境温度下电路板、集成电路温度数据进行统计，得热分析结果，电路板组件平均温度为80.4℃，温升为10.4℃，集成电路平均温度为82.7℃，温升为12.7℃。

4.2振动分析

（1）模态分析。

振动分析时将电路板两端插入导轨，故约束两端UY、UZ、ROTX、ROTY、ROTZ自由度；同时电路板两侧面被压紧，故约束其UX方向自由度，并将约束载荷置于载荷集Constraints中。获取电路板组件前三阶模态振型如表3所示。

（2）随机振动分析。

在完成模态分析基础上按照振动环境条件开展随机振动分析，可获取位移云图、加速度云图。表4显示了电路板组件位移云图、电路板组件加速度云图。

对随机振动位移与加速度结果进行归纳，可得电路板位移、加速度，集成电路位移，为进行集成电路寿命计算提供数据支撑。

5寿命仿真分析

5.1模型建立

该研究中使用的寿命仿真软件工具是CALCE-PWA，该软件是用于电子组件设计和分析的一组集成工具，输入热分析与振动分析的结果，利用其故障模型可对印制板器件进行工作剖面下的故障预计。在完成电路板建模、部件建模和元器件建模的基础上形成最终模型。

5.2剖面设置

从热仿真结果中获取集成电路平均壳温和集成电路安装位置的电路板表面平均温度，并按照温度剖面将集成电路的详细温度数据输入CALCE-PWA软件中；结合随机振动仿真结果设置振动剖面。表5给出温度循环1（冷天工作）、温度循环2（热天工作）和振动剖面示例。

5.3寿命预计

定义并加载集成电路寿命剖面后，即可以对集成电路在各种类型剖面下的失效前循环数/时间进行计算，汇总结果如表6所示。

通过Miner定理计算集成电路温度循环、随机振动下的平均首发故障前时间，见表7，集成电路失效状态为热失效，失效循环数为260089。

6结语

针对集成电路故障预计的仿真是利用结构、工艺和应力等性能参数建立产品的数字模型并进行失效分析。该文介绍了基于竞争失效机制的集成电路寿命评估流程，并以某型号集成电路进行仿真分析，确定了该集成电路的失效状态与失效循环次数。基于虚拟样机技术的集成电路寿命分析方法可应用于产品设计各个阶段，并减少物理样机试验成本，为评估集成电路的可靠性提供依据。

参考文献

[1]任占勇.数字化研制环境下的可靠性工程技术[M].北京：航空工业出版社，2015：92-98.

[2]AmyRA，AgliettiGS，RichardsonG.Board-levelvibrationfailurecriteriaforprintedcircuitassemblies：anexperimentalapproach[J].IEEETransactionsonElectronicsPackagingManufacturing，2010，33（4）：303-311.

[3]Al-YafawiA，PatilS，DaYu，etal.Randomvibrationtestforelectronicassembliesfatiguelifeestimation[A].ProceedingsofIntersocietyThermalandThermomechanicalPhenomenainElectronicSystemsConference[C].Binghamton：IEEE，2010.

[4]高Y名，刘莹，马建章.ANSYS在印制电路板组件随机振动分析中的应用[J].无线电工程，2015（7）：95-98.

[5]ShankaranGV，DogruozMB，DearaujoD.OrthotropicthermalconductivityandJouleheatingeffectsonthetemperaturedistributionofprintedcircuitboards[A].IEEESymposiumonThermalandThermomechanicalPhenomenainElectronicSystems[C].Binghamton：IEEE，2010.

[6]HatakeyamaT，IshizukaM，NakagwaS，etal.Developmentofpracticalthermaldesigntechniqueofprintedcircuitboardsforpowerelectronics[A].ProceedingsofIntersocietyThermalandThermomechanicalPhenomenainElectronicSystemsConference[C].Binghamton：IEEE，2010.

集成电路的应用范文

关键词：优化算法集成电路优化设计

中图分类号：G71文献标识码：A文章编号：1674-098X（2015）08（a）-0044-04

由于大量芯片制造技术变革，使得集成电路具有更加庞大的规模，在片上系统有更多复杂性的设计，要求芯片在进行设计时，不光有相应的集成电路知识，还要能够进行更加快捷的电路设计。在进行相应的电路设计时，需要权衡各个性能指标，将其最优性能发挥出来，使用更多目标化的领域进行电路优化，还需要权衡各个目标，保证达到最优化的同时，不会消耗各自的性能，保证各个目标间不存在恶劣影响，并互相保证最优化功能[1]。

对于系统复杂性的设计，通过对设计过程的加速，来进行相应计算机的辅助综合性分析，包括对电路进行模拟、射频等办法。数字电路能够更加简单的将不同逻辑层次进行抽离，提高电路的自动分布。模拟电路设计过程，因为种类繁多，结构差异巨大，设计需要大量的人力物力和技术指导。在一个小的芯片中，射频电路虽然占用面积小，但是设计成本和设计时间却要超出想象，其内产生的相应寄生效应，会导致电路的失真，无疑对电路优化增加阻碍。智能优化算法通过自然界的生物群体进行相关智能表现的一系列现象，并能够设计出较为基础的优化算法，并同生物一样，能够将集成电路进行更加优化的智能设计，极好的调整自我，来适应周围环境变化。有效地将智能算法在各种大范围的电路设计中进行应用，可以更好地增加电路设计效率，解决集成电路中存在的多冲突指标。还能够发挥出自身潜在特点，提供设计者相应的数据库进行电路方面的设计工作。

1智能优化算法

人们利用自然界来认识更多的事物，并通过事物的来源进行想象和创造。智能优化算法也就是基于自然界，进行适应性启发，从而模拟进化出来的利用计算机进行表达的方法。智能优化算法具体可以包括模拟退火、禁忌搜索、群智能优化等，能够通过各种模拟自然界的相关程序，扩大搜索范围，具有较强的全局搜索特点，可以得到更为优化的解决传统问题的办法，从任何研究角度，都能提供较为新颖的解决办法。

1.1禁忌搜索

禁忌搜索算法是通过对人类的大脑进行记忆启发的算法，具有更加广阔的搜索范围，有全局搜索的功能[2]。利用十二表法来锁住搜索区域，通过相应的禁忌准则来减少重复搜索的工作量，释放禁忌中的优良个体，具有多样性的搜索功能，减少系统陷入僵局，寻找到最适合的全局最优。

1.1.1流程

禁忌搜索算法需要寻找到一个较为可行的点作为当前的初始解，再通过对其所在结构的函数邻域解来进行相关邻域的创建工作，随后选出一定的邻域解作为候选[3]。如果选出的候选是最优目标，测得结果比搜索出来的最优还好，就成为“超过预想状态”，可以忽略其禁忌特点，用其作为当前解，填入禁忌中，修改每任禁忌对象；如果选出的候选不是最优目标，那么这一结果就不能够出现在禁忌中，忽略禁忌中的最优解和当前解间的差异，将其填入禁忌中，改动每任紧急对象，反复搜索，直至找到“超过预想状态”。具体的禁忌算法流程见图1。

1.1.2关键要素

完整的最优算法通常包括多种要素，当然禁忌算法也如此，这些要素都会影响紧急搜索是否能够找到最优解。十二表法主要包括禁忌表、移动与邻域、适配值函数、对象、长度、初始解、候选解、藐视、终止准则等[4]。

（1）初始解，也就是进行搜索时的最初状态，初始解是通过随机办法生成的，遇到复杂约束时，随机生成的初始解就不一定可行，因此具有很大的局限性。对于初始解的选取，在一个集成电路的设计中，占据较为重要的地位，选定合适的初始解，能够有效降低工作量，增加搜索效率和搜索质量。

（2）移动与邻域。一个生成新的最优解的过程就是所谓的移动。移动通常需要依据具体情况进行针对性的分析[5]。邻域就是利用当前所解，通过一些列的移动产生的新的最优解，领域主要视具体情况而定，而邻域结构能够高质量的保证其搜索产生的最优解，从而增加算法的效率。

（3）候选解作为当前领域解中的最优解，其范围大小通过搜索速度来确定。遇到较大规模的问题时，候选解的范围则会变大，结合邻域搜索的速度，通常只用当前解作为候选集。

（4）适配值函数类似于遗传算法中的适应度函数，主要是为了评价单个个体的优劣情况。通常适配值函数都会改变目标函数来选择，当遇到的目标函数具有较大的计算量时，需要简单的改进适应算法，只要能够将两者保持在一定范围内，就可以当做适配值函数。

（5）禁忌表作为设计禁忌对象时的特有结构，能够有效防止搜索陷入重复的死循环僵局，也能够保证算法不会拘泥在局部最优解之内[6]。而禁忌对象和长度作为紧急表中的两个主要因素，前者影响表内的变化，通常改变这些元素能够有效避免其搜索到的结果是局部最优解，可以使用状态本身，后者是适配值，当做禁忌对象；而后者则表示了禁忌表的范围。

（6）藐视准则，代表的是一种渴望与破禁的水平[7]，当移动后的解要优于最优解时，就可以进行移动，不论该结果是否存在于禁忌表之中。满足这个条件，就是藐视准则。通常情况下，这一准则就是为了预防遗失最优解而设立的。

（7）终止准则，当使用禁忌法进行搜索时，找不到最优解，也就是说搜索到的结果不能够保证是全局最优解，也不能够利用目前已知的数据进行判断，所以需要使用终止准则进行停止搜索的工作。

1.1.3特点和应用

同智能优化的其他算法比较，禁忌优化算法能够更好的跳出思维的局限，利用全局进行搜索，并且该算法可以接受一定的差解，可以很好的进行局部搜索，又兼顾全局搜索[8]。而禁忌优化算法的缺点则是对于初始解和邻域的依赖程度较大，不能够很好的进行串行算法，降低了全局搜索的能力，多个关键性参数导致其并行算法的影响小，一旦出现不当的设置，很容易降低整体算法的计算能力。由于禁忌优化算法能够更好的解决小规模问题的优化，所以对于最短时间内解决在设计超大规模的集成电路芯片问题时，具有较多的应用，在生产、组合、电路设计、神经网络等领域应用较为广泛，并有很多函数方面的全局最优解研究，通过不断改进禁忌算法，能够拥有更加广泛的适用范围。近年来，对于模拟退火算法同禁忌优化算法结合的方案也有一定程度的研究，利用二者配合使用的混合式搜索算法，能够较好的解决相关问题，并进行算法的优化工作。

1.2模拟退火算法

模拟退火算法是一种利用概率来接收新事物的Metropolis准则[9]。进行组合间最优解的寻找工作，主要的思想是根据固体物质在退火时，依据温度的变化，选出的最高熵值（即内部无序状态），熵值下降（即粒子逐渐出现一定的规律），通过这一过程进行温度的平衡状态，从而达到基本温度状态，也就是最低熵值（即固体内部最低内能），这一过程同寻求最优解的过程极为相似，概率论上利用退火过程进行模拟来解释相关模型。

1.2.1流程

模拟退火算法开始于一个较高温度，随着温度的降低，呈现一种跳跃的征象，利用目标函数搜索全局，寻找全局最优解[10]。模拟退火算法可以说是一种能够进行多问题解决的优化办法，基本上能够进行全局优化。

（1）Metropolis准则，假设一个系统的自由能等于系统内能与系统温度的差值，用公式（1）代表，s是系统的熵。假设恒温系统的两个状态是i和l，使用公式（2）和（3）表示。

F=E-Ts（1）

Fi=Ei-Tsi（2）

Fl=El-Tsl（3）

通过计算可以得出，F=Fl-Fi=Ei-El-（Tsi+Tsl）=E-Ts。当系统从状态l变成状态i时，F则会小于正常，说明能量明显减少，熵值明显增加，对自身变化较大。因此，温度恒定，系统会把自身的非平衡状态转变为平衡状态，由温度决定两因素的地位。假设微粒的原始状态l是固体物质当前所处的状态，使用能量状态Ei来表示，随后利用一个抗干扰装置，随机改变微粒位置，产生了一个新的能量状态El，如果Ei

R=Exp[-（Ei-El）/kT]（4）

T代表绝对温度，k是常数，R

Pl=1/z*exp（-El/kT）（5）

Pl代表系统处于微观l的概率，而exp（-El/kT）是分布因子。当处于较高温度时，系统能够接收能量差距极大的新状态，所以，当温度处于一个较低的水平时，系统接收的新状态要求仅有极小幅度的变化，所以对于不同温度而言，具有相同的热运动原理，但是温度是零摄氏度时，任何的Ei>El均是不成立的。

（2）流程，假定初始温度是T0，初始点是X0，计算初始点的函数值是f（X0），随机产生的扰动为X，新点则变为公式（6）。计算该函数f（X1）和该函数同初始值之间存在的差异，即公式（7）。

X1=X+X（6）

f=f（X1）-f（X0）（7）

如果差异函数f低于正常，则下一次进行退火的模拟初始点可以使用新的点来代替；如果差异函数f高于正常，则需要计算新点接收的概率，即公式（8）。

P（f）=exp（-f/kT）（8）

在[0，1]区间内，伪随机产生的数s，如果P（f）低于s，则下一次进行退火的模拟初始点可以使用新的点来代替，否则需要重复Metropolis准则，直到选出合适的数值为止。

1.2.2关键要素

（1）状态空间和邻域函数。状态空间也就是搜索空间，包括所有编码后产生的可行解。在进行候选解的创建时，需要尽可能使用原始状态函数进行创建，从而充满整个空间[11]。

（2）状态转移概率，也就是接受概率，使用Metropolis准则，在进行可行解的转化过程时，也受到T（温度参数）的影响。

（3）冷却进度表T，是从高温T0到低温冷却时进行相应管理的一个进度表。如果使用T（t）来表示温度，经典的模拟退火算法进行冷却的方式使用公式（9）表示。快速冷却法则可以用公式（10）表示。

T（t）=T0/lg（1+t）（9）

T（t）=T0/（1+t）（10）

以上两种办法都能够降低模拟退火点至全局最小。冷却进度表也说明该算法的效率，并且要想得到最佳组合，需要进行大量实验才能够得到。

（4）初始温度，如果具有较高的初始温度，那么会有较高的概率搜到高质量解，但需要更长的运算时间。对于初始温度的给定时，需要结合算法优化所消耗的时间和效率，通常有两种办法，一是利用均匀办法产生的一种状态，将每一个目标函数都设定为初始温度。另一个办法是使用任意产生的状态，利用最大目标函数进行确认，记录其差值，即max，根据差值使用某一函数作为初始温度。

（5）外循环终止准则，又叫做终止算法准则，常用准则包括设置温度终止阈值，外循环的迭代，系统熵稳定程度的判定。

（6）内循环终止准则，也就是Metropol

is准则，利用不同温度选出不同候选解，又被称为是抽样稳定性质准则，主要包含以下内容：目标函数均值是否稳定，连续若干个目标函数变化幅度，采样办法。

1.2.3特点和应用

模拟退火算法通过概率的办法寻求全局最优解，不受初始值的影响，能够缓慢进行收敛，能够较好的进行多数据的并行、扩展和通用，使用极高的效率进行有关最优化组合问题的解。不足之处是在一定程度上，虽然能够降低程序陷入优化僵局的可能性，但在进行大范围搜索时，需要多次进行计算，从而寻找到最优解，在实际的应用中，这一缺点极大地增加了工作量，不利于优化计算效率。

作为一种较为通用的使用随机办法进行搜索的计算方法，模拟退火算法已经广泛的在机器学习、神经、生产、图象等领域进行应用，对自动设计的模拟集成电路，应用模拟退火算法进行设计，多目标进行优化设计等。

1.3遗传算法

遗传算法是基于达尔文生物进化论有关自然选择同生物进化过程进行相关的计算所制作出来的模型，足以满足适者生存与优胜劣汰的生物界遗传机制。

1.3.1流程

遗传算法优化问题解叫做个体，通常使用变量序列来表示，叫做染色体或基因串。利用简单的字符或数字表示染色体，通常使用0和1的二进制进行表示，或利用其他特殊问题进行表示，叫做编码。

遗传算法开始于种群，依据适者生存与优胜劣汰的生物界遗传机制，不断进行迭代进化，通过选择、交叉和变异生成新种群，从而产生最优解。遗传算法流程图如图2所示。

1.3.2优点及应用

遗传算法依据适者生存与优胜劣汰的生物界遗传机制，主要优点包括以下几点。第一，不需要使用函数，就能够直接对结构对象进行有关求导的操作；第二，遗传算法整体优化不受梯度和辅助的影响，只受目标和适应度的影响；第三，使用一定概率进行变迁，不需要固定在某一区域，很好的对搜索方向进行校正和适应，从而自动获得结果；第四，遗传算法具有较强的全局搜索力。以上这些优点很好地为相对较为复杂的问题进行有关系统求解时提供了相应的框架，因此被广泛地应用在人们各个领域的生活中。

2基于遗传算法的二级运放电路优化

利用遗传算法进行有关系统优化能够使用更少的资源来设计自动化电路优化，既降低硬件的成本又缩短设计的使用时间。利用仿真软件进行有关电路设计的优化，能够使用更加精确的模型进行优化，但是其缺点在于巨大的求解空间导致耗费时间长。所以目前有一种提法是根据电路性能进行相关遗传算法的解析，具有用时短、操作性能有所改善的优点。对于不是要求很严格的设计条件，可以使用二级运放进行电路设计，更加缩短设计时间。

2.1二级运放的电路分析

进行有关集成电路的模拟中，使用运算放大器，能够很好的将单元模块进行高倍放大，通常情况下，使用反馈网络进行有关电路模块功能的重组。运算放大器作为一种较为重要的模拟和数模信号的系统电路模块，已经被应用到各种系统的电路设计之中，运算放大器主要包括输入差分、增益中间、缓冲输出以及电路偏置和补偿四种。基本结构如图3所示。

2.2二级运算放大器性能指标

下面通过二级运算放大器的交流小信号模型对运放的重要性能进行分析。第一级运放为M1-5的差分运放构成，第二级运放为M6-7的共源放大器构成。二级运放等效模型如图4所示。

转换速率，又叫做压摆率，也就是说在运算放大器进行电压输出时候产生的转换速率，很好的提示运放速度。在输入端连接一个比较活跃的信号，通过运放输出测得最大上升速率。

2.3遗传算法对电路进行优化设计

目前一种较为新颖的优化电路生成办法是在小环境范围进行有关二级运放的优化。具体编码方式包括集合染色体内的各种未知参数，使用0和1的二进制代码，代表不同的设计电路的方案。使用每个指标的性能函数相乘，得到适应度函数，从而显示出最大化目标函数和最小化目标函数。

自适应免疫遗传算法是目前较为新颖的智能优化改进算法，求解模拟相关生物学中的免疫系统，利用抗体的产生来排除抗原。自适应免疫遗传算法使用一种较为高质量的节约资源进行有关机制的克隆，对于优化解即抗体进行高概率的选择，同适应度函数有一个正比例关系。选定个体后将其复制传代，放弃本身的亲和力，也就是抗原抗体的匹配度，将优化的目标函数作为个体抗原。利用自适应免疫遗传算法，提出相应电路图的设计图案，如图5。

自适应免疫遗传算法引入生物界内免疫系统相关概念与免疫系统方法，有效提升遗传算法进行全局搜索方面的能力，并有效进行相关速度的收敛。改进后算法能够有效的克服传统算法中过早收敛的问题，以及盲目进行交叉和变异的操作，进行自适应免疫遗传算法电路的优化，如图6所示。

2.4电路优化及仿真结果

运算放大器作为在进行电路的集成模拟过程中应用最为广泛的电路，也具有较大的功耗和时间模块，所以不同的方法设计显示出不同的电路性能。比较具有代表性的二级运算放大器的电路图如图7所示。

从图7可以看出，对于具有特定结构的功能电路，如果拥有较为合理的尺寸设计，可以得到一个较为固定的电路指标，某一性能改变会导致其他性能的变化。依据自身的电路设计经验和实际电路的设计要求，来选择合理的电路设计，虽然使用优化算法可以在设计电路时进行一定的优化，但是有关电路性能方面的解析，有关目标函数准确性模型的建立，具有一定的限制条件，需要进行更加深入的研究。

3结语

智能优化算法在当今的很多领域内，都是重点的研究项目，该文主要针对智能优化算法的产生和发展进行阐述，并详细分析了几种较为典型的智能优化算法，其中，最具有代表性的集中算法是粒子群优化、遗传算法等。虽然该文分析和研究的是集成电路进行智能设计的更为优化的方法，但是今后对于集成电路的智能设计，还有很多问题值得进行深入研究。

参考文献

[1]郭文忠，陈国龙，陈振.离散粒子群优化算法研究综述[J].福州大学学报（自然科学版），2011，39（5）：631-638.

[2]胡小婷，田泽.基于DO-254的航空集成电路设计保障研究[J].计算机技术与发展，2012，22（8）：189-191，195.

[3]张志伟.模数混合信号集成电路自动设计技术研究[J].陕西理工学院学报（自然科学版），2013，29（4）：25-29.

[4]张孟娟.张江高科技园区集成电路设计企业发展之研究[J].经济研究导刊，2013（12）：26-28，79.

[5]冼志勇，徐洁.战略性新兴产业知识产权保护的协同合作机制研究――以集成电路设计公司为例[J].科学管理研究，2013，31（4）：57-60.

[6]刘俐，赵杰.针对职业岗位需求探索集成电路设计技术课程教学新模式[J].中国职业技术教育，2012（2）：5-8.

[7]王高峰，赵文生.三维集成电路中的关键技术问题综述[J].杭州电子科技大学学报，2014，34（2）：1-7.

[8]武玉华，路而红，梁巨辉，等.数字密码锁专用集成电路的设计[J].计算机测量与控制，2010，18（12）：2842-2845.

[9]岳亚杰，杨慧晶，张宏国.集成电路设计与集成系统专业人才培养模式的探究[J].黑龙江教育（高教研究与评估），2013（3）：62-63.