戴金玲，许爱强

（1.海军航空工程学院 研究生二队，山东 烟台 264001；2.海军航空工程学院 科研部，山东 烟台 264001）

一种变异真值表故障模型的神经网络测试生成算法

戴金玲1，许爱强2

（1.海军航空工程学院 研究生二队，山东 烟台 264001；2.海军航空工程学院 科研部，山东 烟台 264001）

针对传统测试生成算法计算复杂度高的问题，提出一种针对逻辑门功能异常的故障模型，并给出了基于遗传优化的神经网络测试生成算法。首先，与传统算法以固定值故障为目标不同，构建更全面的变异真值表故障模型，在考虑各输入条件下故障的不同权重的同时，按故障模型自动生成故障字典；然后，测试生成算法利用逻辑门的二值神经网络能量函数，构成数字电路的约束网络；最终，调用故障字典向约束网络注入故障，通过遗传算法求解出被测电路的测试集。仿真实验结果显示，所提的故障模型更加全面，且测试生成算法具有正确性和有效性。

变异真值表故障模型；神经网络；遗传算法；测试生成

Abstract:In order to solve the problem of the high complexity of the conditional test generation methods，a new fault model based on functional fails and neural network test generation algorithmare proposed.At first，different from conditional methods based on stuck-at fault model， a mutated truth table fault model is built considering the weights of faults under different inputs.The fault dictionary is automatically formed by fault model.Secondly，the constraint network is constructed with energy function of two-valued neural network.Lastly，faults are injected into the constraint network referring to the fault model，and the testing sets are get by genetic Algorithm.The experimental results show that the fault model and the test generation method are effective.

Key words:mutated truth table fault model； neural networks； genetic algorithm； test generation

传统的组合电路测试生成算法是一种确定性的生成方法，即分析被测电路（Circuit under test，CUT）的门级描述，以推导出目标故障的测试向量，或证明其是不可测的，主要有D算法，PODEM（Path-orientated decision making，PODEM）算法[1]，FAN（Fujiwara and Shimono）算法[2]等。随着数字集成电路越来越复杂，传统的测试生成方法因其高计算复杂度已经不再适用，建立真实的故障模型、研究新型有效的测试生成算法具有十分重要的理论价值和实际意义。近年来，神经网络在许多领域的应用[3-7]都取得了成功，许多学者提出利用神经网络模型和遗传算法来解决测试生成问题。……