CN115221833B - 一种pcb板布线排序方法、***、装置及可读存储介质 - Google Patents
一种pcb板布线排序方法、***、装置及可读存储介质 Download PDFInfo
- Publication number
- CN115221833B CN115221833B CN202210893200.9A CN202210893200A CN115221833B CN 115221833 B CN115221833 B CN 115221833B CN 202210893200 A CN202210893200 A CN 202210893200A CN 115221833 B CN115221833 B CN 115221833B
- Authority
- CN
- China
- Prior art keywords
- pcb
- wiring
- model
- routing
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012549 training Methods 0.000 claims abstract description 46
- 238000012163 sequencing technique Methods 0.000 claims description 66
- 238000013178 mathematical model Methods 0.000 claims description 22
- 238000013499 data model Methods 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 6
- 150000003071 polychlorinated biphenyls Chemical class 0.000 claims 2
- 238000005457 optimization Methods 0.000 abstract description 10
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/394—Routing
- G06F30/3947—Routing global
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2115/00—Details relating to the type of the circuit
- G06F2115/12—Printed circuit boards [PCB] or multi-chip modules [MCM]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出的一种PCB板布线排序方法、***、装置及可读存储介质,为了解决PCB布线顺序的问题,将其类比为组合优化中常见的CVRP问题,以PCB板中的网络为基本单元,将PCB板中的网络看成为CVRP问题中的车辆,将网络中需要排序的点看成为CVRP中的客户点,对基于attention模型进行改进,并利用以往已布成功的布线排序数据集进行深度学习训练,获得PCB板的布线排序模型,从而在有新的PCB板需要进行布线排序时,直接使用该模型进行预测推理即可。本发明能够在一定程度上提高PCB布线工程师的效率,提高PCB板的布通率。
Description
技术领域
本发明涉及计算机技术领域,更具体的说是涉及一种PCB板布线排序方法、***、装置及可读存储介质。
背景技术
布线是PCB设计中至关重要的一个环节,也是PCB设计中非常耗时耗力的一个环节,同时,布线效果的好坏,也将会直接影响到后续PCB板是否可用。目前,在PCB设计中,针对一些单层或者两层的PCB板,布线可以直接使用设计软件中的自动布线功能进行自动布线,但是对于复杂的多层板,自动布线功能不尽如人意,通常效果会特别差,结果无法使用,因此,目前对于PCB的自动布线算法的研究,依然是学术界和工业界需要解决的问题。
在PCB的自动布线算法研究中,布线的顺序选择问题也是一个必不可少的研究方向。一般的自动布线,会依据一些简单的规则如按照欧式距离最短等,来进行布线的排序,但是,先布的线会对后续未布的线产生直接或者间接的影响,从而最终影响pcb整体的布线效果,因此采用简单的规则获取的布线结果往往不太理想。
专利号为202011439839.7的发明专利公开了一种基于联合蒙特卡洛搜索树的PCB板自动布线方法,该方法中提出在进行布线之前,采用蒙特卡洛树对布线顺序进行模拟排序,并对排序后的布线对进行自动布线,通过多次的模拟打分等,最后获取最后的布线顺序及布线结果,实现PCB的自动布线。
该方法通过采用蒙特卡洛数对布线顺序进行模拟排序,同时采用深度神经网络进行自动布线,然后对自动布线结果进行打分,并进行多次的迭代,获取效果最优的结果。该方法相对来说可以在一定的迭代次数能获取较优的结果,但是需要消耗大量的时间来进行计算,同时,如果是复杂的多层板的情况,需要布线的线对量非常大,那么需要消耗的时间也会非常大;该布线方法将布线对作为基本的单元,以每个布线对的起始点和终止点进行排序,但是却未考虑网络的信息。
发明内容
针对以上问题,本发明的目的在于提供一种PCB板布线排序方法、***、装置及可读存储介质。
本发明为实现上述目的,通过以下技术方案实现:一种PCB板布线排序方法,包括:
获取多组已布线成功的PCB板的布线数据;
将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型;
以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型;
当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果。
进一步,所述获取多组已布线成功的PCB板的布线数据,包括:
获取不少于1000组的已布线成功的PCB板的布线数据,将布线数据以布线网络分为多个单元,获取每个PCB板所有的网络及网络中所包含的布线的点的坐标信息和布线的顺序信息。
进一步,所述将用于解决CVRP问题的布线模块作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型,包括:
将用于解决CVRP问题的基于attention的布线模型作为基本网络,将CVRP问题转换为PCB板的布线排序问题,针对PCB的布线排序问题进行优化,建立数学模型。
进一步,所述将CVRP问题转换为PCB板的布线排序问题包括:
针对PCB板的布线排序问题,将用于解决CVRP问题的基于attention的布线模型中的限定条件进行如下修改:
将CVRP问题中的每个客户点只能被同一个车辆访问一次,修改为每个客户点可以被同一个车辆访问多次;
将每个车辆视为一个布线网络;
将车辆需要经过的客户点视为布线网络中需要布线的点。
进一步,所述以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型,包括:
采用建立的数学模型,以采集或模拟得到已布线成功的PCB板的布线数据为训练数据进行模型训练;
经过预设次数的迭代训练,得到输出的深度网络模型,该模型即为PCB板布线排序模型。
进一步,所述当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果,包括:
当有一个PCB板需要进行布线排序时,将该PCB板的网络及网络所包含的待布线点坐标作为输入PCB板布线排序模型,经过PCB板布线排序模型推理预测,输出预测的布线排序结果,即为最终的PCB板布线排序结果。
相应的,本发明还公开了一种PCB板布线排序***,包括:
数据采集模块,用于获取多组已布线成功的PCB板的布线数据;
建模模块,用于将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型;
模型训练模块,用于以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型;
模型预测模块,用于当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果。
进一步,所述建模模块,具体用于:
将用于解决CVRP问题的基于attention的布线模型作为基本网络,将CVRP问题转换为PCB板的布线排序问题,针对PCB的布线排序问题进行优化,建立数学模型。
相应的,本发明公开了一种PCB板布线排序装置,包括:
存储器,用于存储PCB板布线排序程序;
处理器,用于执行所述PCB板布线排序程序时实现如上文任一项所述PCB板布线排序方法的步骤。
相应的,本发明公开了一种可读存储介质,所述可读存储介质上存储有PCB板布线排序程序,所述PCB板布线排序程序被处理器执行时实现如上文任一项所述PCB板布线排序方法的步骤。
对比现有技术,本发明有益效果在于:本发明提供了一种PCB板布线排序方法、***、装置及可读存储介质,为了解决PCB布线顺序的问题,将其类比为组合优化中常见的CVRP问题,以PCB板中的网络为基本单元,将PCB板中的网络看成为CVRP问题中的车辆,将网络中需要排序的点看成为CVRP中的客户点。采用基于attention模型,用解决CVRP问题的思路来解决PCB布线排序问题,引入深度学习、强化学习,并将CVRP问题进行针对性的优化,以使其可近似为PCB的布线问题,从而以布线路径作为决策对象,采用以往已布成功的布线排序数据集进行模型的训练,学习到除了一些基本的、简单的规则之外,隐式的PCB布线排序规则,从而最终能够得到全局的最优结果,从而能够在一定程度上提高PCB布线工程师的效率,提高PCB板的布通率。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著的进步,其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明具体实施方式的方法流程图。
图2是本发明具体实施方式的***结构图。
图中,1、数据采集模块;2、建模模块;3、模型训练模块;4、模型预测模块。
具体实施方式
本发明的核心是提供一种PCB板布线排序方法,现有技术中,会依据一些简单的规则如按照欧式距离最短等,来进行布线的排序,但是,先布的线会对后续未布的线产生直接或者间接的影响,从而最终影响pcb整体的布线效果,因此采用简单的规则获取的布线结果往往不太理想。
而本发明提供的PCB板布线排序方法,首先,获取多组已布线成功的PCB板的布线数据。然后,将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型,建模完成后,以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型。最后,当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果。由此可见,本发明将PCB布线排序问题,类比为组合优化中的CVRP问题,采用基于attention网络,以采集到的已布成功PCB板的布线顺序数据作为训练数据集,对attention网络模型进行深度学习训练,获得PCB板的布线排序模型,从而在有新的PCB板需要进行布线排序时,直接使用该模型进行预测推理,自动输出布线排序结果。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
如图1所示,本实施例提供了一种PCB板布线排序方法,包括如下步骤:
S1:获取多组已布线成功的PCB板的布线数据。
具体来说,获取不少于1000组的已布线成功的PCB板的布线数据,将布线数据以布线网络分为多个单元,获取每个PCB板所有的网络及网络中所包含的布线的点的坐标信息和布线的顺序信息。
S2:将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型。
具体的,将PCB的布线顺序问题看成为类似组合优化中的CVRP问题,以基于attention的布线模型为基本网络,针对问题进行优化。其中,将CVRP问题中的每个客户点只能被同一个车辆访问一次,修改为每个客户点可以被同一个车辆访问多次,不用考虑车辆的行驶成本,将每个网络看成为一个车辆,将网络中需要布线的点看成为车辆需要经过的客户点。这样就将PCB的布线排序问题类比为了一个CVRP问题,基于此,针对PCB的布线排序问题进行优化,建立数学模型。
S3:以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型。
首先,采用步骤S2建立的数学模型,以步骤S1采集或模拟得到已布线成功的PCB板的布线数据为训练数据进行模型训练.经过预设次数的迭代训练,得到输出的深度网络模型,该模型即为PCB板布线排序模型。
S4:当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果。
当有一个PCB板需要进行布线排序时,将该PCB板的网络及网络所包含的待布线点坐标作为输入PCB板布线排序模型,经过PCB板布线排序模型推理预测,输出预测的布线排序结果,即为最终的PCB板布线排序结果。
本实施例提供了一种PCB板布线排序方法,将PCB板布线排序类比为组合优化中常见的CVRP问题,以PCB板中的网络为基本单元,将PCB板中的网络看成为CVRP问题中的车辆,将网络中需要排序的点看成为CVRP中的客户点。采用基于attention模型,用解决CVRP问题的思路来解决PCB布线排序问题,引入深度学习、强化学习,并将CVRP问题进行针对性的优化,以使其可近似为PCB的布线问题,从而以布线路径作为决策对象,采用以往已布成功的布线排序数据进行模型的训练,学习到除了一些基本的、简单的规则之外,隐式的PCB布线排序规则,从而最终能够得到全局的最优结果,从而能够在一定程度上提高PCB布线工程师的效率,提高PCB板的布通率。
实施例二:
基于实施例一,如图2所示,本发明还公开了一种PCB板布线排序***,包括:数据采集模块1、建模模块2、模型训练模块3和模型预测模块4。
数据采集模块1,用于获取多组已布线成功的PCB板的布线数据。数据采集模块1具体用于:获取不少于1000组的已布线成功的PCB板的布线数据,将布线数据以布线网络分为多个单元,获取每个PCB板所有的网络及网络中所包含的布线的点的坐标信息和布线的顺序信息。
建模模块2,用于将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型。建模模块2具体用于:将用于解决CVRP问题的基于attention的布线模型作为基本网络,将CVRP问题转换为PCB板的布线排序问题,针对PCB的布线排序问题进行优化,建立数学模型。
模型训练模块3,用于以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型。模型训练模块3具体用于:采用建立的数学模型,以采集或模拟得到已布线成功的PCB板的布线数据为训练数据进行模型训练;经过预设次数的迭代训练,得到输出的深度网络模型,该模型即为PCB板布线排序模型。
模型预测模块4,用于当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果。模型预测模块4具体用于:当有一个PCB板需要进行布线排序时,将该PCB板的网络及网络所包含的待布线点坐标作为输入PCB板布线排序模型,经过PCB板布线排序模型推理预测,输出预测的布线排序结果,即为最终的PCB板布线排序结果。
本实施例提供了一种PCB板布线排序***,将PCB板布线排序类比为组合优化中常见的CVRP问题,以PCB板中的网络为基本单元,将PCB板中的网络看成为CVRP问题中的车辆,将网络中需要排序的点看成为CVRP中的客户点。采用基于attention模型,用解决CVRP问题的思路来解决PCB布线排序问题,引入深度学习、强化学习,并将CVRP问题进行针对性的优化,以使其可近似为PCB的布线问题,从而以布线路径作为决策对象,采用以往已布成功的布线排序数据集进行模型的训练,学习到除了一些基本的、简单的规则之外,隐式的PCB布线排序规则,从而最终能够得到全局的最优结果,从而能够在一定程度上提高PCB布线工程师的效率,提高PCB板的布通率。
实施例三:
本实施例公开了一种PCB板布线排序装置,包括处理器和存储器;其中,所述处理器执行所述存储器中保存的PCB板布线排序程序时实现以下步骤:
1、获取多组已布线成功的PCB板的布线数据。
2、将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型。
3、以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型。
4、当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果。
进一步的,本实施例中的PCB板布线排序装置,还可以包括:
输入接口,用于获取外界导入的PCB板布线排序程序,并将获取到的PCB板布线排序程序保存至所述存储器中,还可以用于获取外界终端设备传输的各种指令和参数,并传输至处理器中,以便处理器利用上述各种指令和参数展开相应的处理。本实施例中,所述输入接口具体可以包括但不限于USB接口、串行接口、语音输入接口、指纹输入接口、硬盘读取接口等。
输出接口,用于将处理器产生的各种数据输出至与其相连的终端设备,以便于与输出接口相连的其他终端设备能够获取到处理器产生的各种数据。本实施例中,所述输出接口具体可以包括但不限于USB接口、串行接口等。
通讯单元,用于在PCB板布线排序装置和外部服务器之间建立远程通讯连接,以便于PCB板布线排序装置能够将镜像文件挂载到外部服务器中。本实施例中,通讯单元具体可以包括但不限于基于无线通讯技术或有线通讯技术的远程通讯单元。
键盘,用于获取用户通过实时敲击键帽而输入的各种参数数据或指令。
显示器,用于运行服务器供电线路短路定位过程的相关信息进行实时显示。
鼠标,可以用于协助用户输入数据并简化用户的操作。
实施例四:
本实施例还公开了一种可读存储介质,这里所说的可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动硬盘、CD-ROM或技术领域内所公知的任意其他形式的存储介质。可读存储介质中存储有PCB板布线排序程序,所述PCB板布线排序程序被处理器执行时实现以下步骤:
1、获取多组已布线成功的PCB板的布线数据。
2、将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型。
3、以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型。
4、当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果。
综上所述,本发明为了解决PCB布线顺序的问题,将其类比为组合优化中常见的CVRP问题,以PCB板中的网络为基本单元,将PCB板中的网络看成为CVRP问题中的车辆,将网络中需要排序的点看成为CVRP中的客户点,对基于attention模型进行改进,并利用以往已布成功的布线排序数据进进行深度学习训练,获得PCB板的布线排序模型,从而在有新的PCB板需要进行布线排序时,直接使用该模型进行预测推理即可。本发明能够在一定程度上提高PCB布线工程师的效率,提高PCB板的布通率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的方法而言,由于其与实施例公开的***相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的***、***和方法,可以通过其它的方式实现。例如,以上所描述的***实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,***或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。
同理,在本发明各个实施例中的各处理单元可以集成在一个功能模块中,也可以是各个处理单元物理存在,也可以两个或两个以上处理单元集成在一个功能模块中。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的PCB板布线排序方法、***、装置及可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (7)
1.一种PCB板布线排序方法,其特征在于,包括:
获取多组已布线成功的PCB板的布线数据;
将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型;
以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型;
当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果;
所述将用于解决CVRP问题的布线模块作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型,包括:
将用于解决CVRP问题的基于attention的布线模型作为基本网络,将CVRP问题转换为PCB板的布线排序问题,针对PCB的布线排序问题进行优化,建立数学模型;
所述将CVRP问题转换为PCB板的布线排序问题包括:
针对PCB板的布线排序问题,将用于解决CVRP问题的基于attention的布线模型中的限定条件进行如下修改:
将CVRP问题中的每个客户点只能被同一个车辆访问一次,修改为每个客户点可以被同一个车辆访问多次;
将每个车辆视为一个布线网络;
将车辆需要经过的客户点视为布线网络中需要布线的点。
2.根据权利要求1所述的PCB板布线排序方法,其特征在于,所述获取多组已布线成功的PCB板的布线数据,包括:
获取不少于1000组的已布线成功的PCB板的布线数据,将布线数据以布线网络分为多个单元,获取每个PCB板所有的网络及网络中所包含的布线的点的坐标信息和布线的顺序信息。
3.根据权利要求1所述的PCB板布线排序方法,其特征在于,所述以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型,包括:
采用建立的数学模型,以采集或模拟得到已布线成功的PCB板的布线数据为训练数据进行模型训练;
经过预设次数的迭代训练,得到输出的深度网络模型,该模型即为PCB板布线排序模型。
4.根据权利要求3所述的PCB板布线排序方法,其特征在于,所述当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果,包括:
当有一个PCB板需要进行布线排序时,将该PCB板的网络及网络所包含的待布线点坐标作为输入PCB板布线排序模型,经过PCB板布线排序模型推理预测,输出预测的布线排序结果,即为最终的PCB板布线排序结果。
5.一种PCB板布线排序***,其特征在于,包括:
数据采集模块,用于获取多组已布线成功的PCB板的布线数据;
建模模块,用于将用于解决CVRP问题的布线模型作为基本网络,针对PCB的布线排序问题进行优化,建立数学模型;
模型训练模块,用于以获取的布线数据作为训练数据对数学模型进行训练,输出PCB板布线排序模型;
模型预测模块,用于当有一个PCB板需要进行布线排序时,将该PCB板的输入PCB板布线排序模型,输出布线排序结果;
所述建模模块,具体用于:将用于解决CVRP问题的基于attention的布线模型作为基本网络,将CVRP问题转换为PCB板的布线排序问题,针对PCB的布线排序问题进行优化,建立数学模型;
所述将CVRP问题转换为PCB板的布线排序问题包括:
针对PCB板的布线排序问题,将用于解决CVRP问题的基于attention的布线模型中的限定条件进行如下修改:
将CVRP问题中的每个客户点只能被同一个车辆访问一次,修改为每个客户点可以被同一个车辆访问多次;
将每个车辆视为一个布线网络;
将车辆需要经过的客户点视为布线网络中需要布线的点。
6.一种PCB板布线排序装置,其特征在于,包括:
存储器,用于存储PCB板布线排序程序;
处理器,用于执行所述PCB板布线排序程序时实现如权利要求1至4任一项权利要求所述的PCB板布线排序方法的步骤。
7.一种可读存储介质,其特征在于:所述可读存储介质上存储有PCB板布线排序程序,所述PCB板布线排序程序被处理器执行时实现如权利要求1至4任一项权利要求所述的PCB板布线排序方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210893200.9A CN115221833B (zh) | 2022-07-27 | 2022-07-27 | 一种pcb板布线排序方法、***、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210893200.9A CN115221833B (zh) | 2022-07-27 | 2022-07-27 | 一种pcb板布线排序方法、***、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115221833A CN115221833A (zh) | 2022-10-21 |
CN115221833B true CN115221833B (zh) | 2023-11-03 |
Family
ID=83614619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210893200.9A Active CN115221833B (zh) | 2022-07-27 | 2022-07-27 | 一种pcb板布线排序方法、***、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115221833B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117829083B (zh) * | 2024-03-01 | 2024-05-28 | 上海励驰半导体有限公司 | 基于神经网络的布线方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113569523A (zh) * | 2021-07-29 | 2021-10-29 | 电子科技大学 | 一种基于线序模拟的pcb自动布线方法及*** |
WO2022001132A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州浪潮智能科技有限公司 | 印制电路板的走线检测方法、装置及计算机可读存储介质 |
-
2022
- 2022-07-27 CN CN202210893200.9A patent/CN115221833B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022001132A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州浪潮智能科技有限公司 | 印制电路板的走线检测方法、装置及计算机可读存储介质 |
CN113569523A (zh) * | 2021-07-29 | 2021-10-29 | 电子科技大学 | 一种基于线序模拟的pcb自动布线方法及*** |
Non-Patent Citations (2)
Title |
---|
Comparison of Four Population-Based Meta-Heuristic Algorithms on Pick-and-Place Optimization;Tian He等;Procedia Manufacturing;第944-951页 * |
PCB assembly optimization in a single gantry high-speed rotary-head collect-and-place machine;Debiao Li 等;Int J Adv Manuf Technol;第2819–2834页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115221833A (zh) | 2022-10-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950225B (zh) | 一种芯片布局方法、装置、存储介质和电子设备 | |
CN110610052B (zh) | Pcb自动布线***及方法 | |
CN115221833B (zh) | 一种pcb板布线排序方法、***、装置及可读存储介质 | |
CN112163394B (zh) | 一种cpu芯片设计方法、装置及电子设备 | |
CN109885452A (zh) | 性能监控方法、装置及终端设备 | |
CN108595815B (zh) | 人工智能体训练***及无源电路优化设计***及方法 | |
CN107402859B (zh) | 软件功能验证***及其验证方法 | |
CN103065067B (zh) | 短序列组装中序列片段的过滤方法及*** | |
CN108121814A (zh) | 搜索结果排序模型生成方法和装置 | |
CN111475355A (zh) | 高速链路信号完整性评估方法、***、终端及存储介质 | |
CN116108789B (zh) | 一种模拟电路版图结构化特性表示还原方法及组件 | |
CN115526093A (zh) | Smt印刷参数优化模型的训练方法、设备和存储介质 | |
CN112700006A (zh) | 网络架构搜索方法、装置、电子设备及介质 | |
CN114970357A (zh) | 节能效果评价方法、***、装置及存储介质 | |
CN114253539A (zh) | 一种页面自动配色方法、装置、设备及存储介质 | |
KR20220027870A (ko) | 딥 러닝을 위한 비주얼 프로그래밍 | |
CN114595656A (zh) | 电子器件的算法模型和版图的生成方法、装置、设备及介质 | |
CN110516164A (zh) | 一种信息推荐方法、装置、设备及存储介质 | |
CN117610491A (zh) | 一种芯片设计方法、装置、设备及计算机可读存储介质 | |
CN115081389B (zh) | 一种印刷电路板走线检查方法、装置、设备、存储介质 | |
CN116127837A (zh) | 像素电路版图的绘制方法、装置及相关产品 | |
CN110275880A (zh) | 数据分析方法、装置、服务器及可读存储介质 | |
CN105184170A (zh) | 一种基于形式化程度的领域软件可信性评估方法 | |
CN115130424B (zh) | 一种多层pcb板自动布线方法、装置、设备及介质 | |
CN117473939B (zh) | Pcb模块化布局器件匹配方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |