Por favor, use este identificador para citar o enlazar este ítem:
http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/450| Optimization of analog circuits by applying evolutionary methods | |
| IVICK GUERRA GOMEZ | |
| ESTEBAN TLELO CUAUTLE Peng Li | |
| Acceso Abierto | |
| Atribución-NoComercial-SinDerivadas | |
| Electronics design automation Electronic engineering computing Evolutionary computation. | |
| Analog circuit design is a difficult work due to the many parameters which are necessary to take into account and to the different objectives which are necessary to satisfy such as gain, band width , offset, impedances, etc. To achieve optimal performances, it is necessary to deal with all the parameters of an analog circuit in order to know exactly which elements are responsible to improve the design. In this manner, a CAD tool is useful here because it is possible to enhance analog circuit design since one have many solutions from which one is able to select that one accomplishing the desired performances. This thesis uses two evolutionary algorithms, NSGA-II and MOEA/D, to optimize analog circuits from a selected topology taking into account design constraints. The optimization is performed by sizing each transistor and there is not necessary to set initial conditions, only it is necessary to set boundary limits for each variable. The evolutionary algorithms are tested with two different genetic operators: basic cross-over/mutation and differential evolution. Both evolutionary methods use HSPICE to evaluate performances of the analog circuits by using
standard CMOS technology of 0.35 ¹m. The evolutionary algorithms are applied first to optimize unity-gain cells with three objectives: gain, bandwidth and offset, with different number of variables, from two to nine variables. Afterwards, the optimization is on current conveyors which are build of more than twenty transistors but this time they are optimized in four objectives: resistances in each port and gain. For all these circuits it is possible to add design constraints such as saturation conditions. Both evolutionary methods have been tested, and it is shown that the optimization results are into the set limits, while the objective functions are improved. Finally, from the optimization results, an analog designer is able to choose the best one which meet the desired specifications of the circuit.
El diseño de circuitos analógicos es una tarea difícil debido a muchos parámetros que son necesarios tomar en cuenta y los diferentes objetivos los cuales son necesarios satisfacer tales como ganancia, ancho de banda, offset, impedancias, etc. Para lograr un ´optimo desempeño es necesario contemplar todos los parámetros de un circuito analógico para saber exactamente cuales elementos son responsables de mejorar el diseño. De esta forma, una herramienta de CAD es útil porque es posible mejorar el diseño de circuitos analógicos y obtener muchas soluciones puesto que uno tiene muchas soluciones de las cuales es posible seleccionar una que cumpla con el desempeño deseado. En esta tesis se utilizan dos algoritmos evolutivos: NSGA-II y MOEA/D, para optimizar circuitos analógicos a partir de una topología seleccionada tomando en cuenta compromisos de diseño. La optimización se hace a partir del dimensionamiento de cada transistor y no es necesario establecer valores iniciales, solamente es necesario establecer límites para cada variable. Los algoritmos evolutivos son probados con dos diferentes operadores genéticos: cruza y mutación básica y evolución diferencial. Ambos métodos evolutivos utilizan HSPICE para evaluar los desempeños de los circuitos analógicos usando una tecnología estándar CMOS de 0.35 ¹m. Los algoritmos evolutivos son aplicados primero para optimizar celdas de ganancia unitaria con tres objetivos: ganancia, ancho de banda y offset, con diferente numero de variables, desde dos hasta nueve variables. Después, la optimización se hace en current conveyors los cuales son construidos con más de veinte transistores pero esta vez son optimizados con cuatro objetivos: resistencias en cada terminal y ganancia. Para todos estos circuitos es posible agregar compromisos de diseño tales como condiciones de saturación. Ambos métodos evolutivos han sido probados, y es demostrado que los resultados de la optimización están dentro de los límites establecidos mientras que las funciones objetivo son mejo radas. Finalmente, de los resultados de la optimización, un diseñador es capaz de escoger el mejor resultado que cumpla con las especificaciones del circuito. | |
| Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| 2008-06 | |
| Tesis de maestría | |
| Inglés | |
| Estudiantes Investigadores Público en general | |
| Guerra-Gómez I | |
| CIRCUITOS | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Electrónica |
Cargar archivos:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| GuerraGI.pdf | 1.8 MB | Adobe PDF | Visualizar/Abrir |