The Modeling of Semiconductor Circuit Elements by Using Artificial Neural Networks

Yıl 2014, Cilt: 19 Sayı: 1-2, 48 - 53, 25.11.2014

Remzi Tuntas

Öz

In this study, the modeling of semiconductor circuit elements very frequently used in electronic circuits are carried out by using an Artificial Neural Networks (ANN). The modeling of electronic circuit elements is very important both in respect of engineering, and in respect of practical mathematics. The FNN modeling methods are especially suited for applications where physically justified analytical circuit element models lack the required accuracy. The main aim of these modeling systems is to shorten the simulation time and to examine the real physical system applications in computer environment easily by using the model elements instead of using the ones used in real applications. This for, a PNP bipolar transistor is used as the example application. The structure of the ANN which will be used for modeling of the PNP bipolar transistor is improved and trained in MATLAB toolbox. A hybrid learning algorithm consists of back-propagation and least-squares estimation is used for training the ANN network. The PNP bipolar transistor element is modeled successfully with the obtained ANN model. Results of obtained show that the ANN modeling technique can be simply used in software tools for modeling of the PNP bipolar transistor element and the other electronic circuit elements.

Anahtar Kelimeler

System modeling, Artificial neural networks, Bipolar transistor

Yapay Sinir Ağları Kullanarak Yarıiletken Devre Elemanlarının Modellenmesi

Öz

Bu çalışmada, elektronik devrelerde çok sık kullanılan yarıiletken devre elemanlarının Yapay Sinir Ağları (YSA) tarafından modellenmesi gerçekleştirilmiştir. Elektronik devre elemanlarının modellenmesi hem mühendislik hem de pratik matematik açısından çok önemlidir. YSA modelleme yöntemleri, özellikle fiziksel gerçekleştirmenin zor olduğu hassas uygulamalar için uygundur. Bu modelleme sistemlerinin temel amacı simülasyon zamanını kısaltmak ve gerçek uygulamalarda kullanılan elemanların yerine modelini kullanarak bilgisayar ortamında gerçek fiziksel sistem uygulamalarını incelemektir. Bunun için, bir PNP bipolar transistor, örnek olarak kullanılmaktadır. PNP bipolar transistörün modellemesi için kullanılacak YSA yapısı geliştirilmiş ve MATLAB araç kutusunda eğitilmiştir. YSA ağının eğitimi için bir hibrit öğrenme algoritması olan geriye yayılım algoritması ve en küçük kareler yöntemi kullanılmaktadır. Elde edilen YSA modeli ile PNP bipolar transistör elemanı başarılı bir şekilde modellenmiştir. Elde edilen sonuçlar göstermiştir ki YSA modelleme tekniği hem PNP bipolar transistör elemanı hem de diğer elektronik devre elemanlarının modellenmesi için basit bir yazılım aracı olarak kullanılabilir.

Anahtar Kelimeler

-

Kaynakça

• Antari, N. J., Chabaa, S., Iqdour, R., Zeroual, A., Safi, S., (2007). Neural network algorithm for parameter identification of dynamical systems involving time delays. Applied Soft Computing. 7:1084–1091.
• Jui, Y., (2011). MIMO CMAC neural classifier network classification problems. Applied Soft Computing. 11:2326–2333.
• Krishnaiah, J., Kumar, C. S., Faruqi, M. A., (2006). Modelling and control of chaotic processes through their
• Bifurcation Diagrams generated with the help of Recurrent Neural Network simulation Process Control. 16:53-66. B., of Litovski, V. Radjenovic, J., Milenkovic, M. S., (1992). MOS transistor modelling using neural network. Electron. Lett. 28:1766– 17
• Lu, J., Guo, Y., Xu, S., (2006). Global asymptotic stability analysis for cellular neural networks with time delays. Chaos Solitons & Fractals. 29:349-353.
• Norgaord, M., Ravn, O., Poulsen, N. K., Hansen, L. K., (2002). Neural Networks for Modelling and Cilt/Volume: 19, Sayı/Issue:1-2. 2014 Circuits,
• Tuntaş, R., Uçar, A., Demir, Y., (2004). Parça-Parça Yapay
• Modellenmesi ve Similasyonu İçin Yeni INISTA, 108-111, İstanbul. ASYU- Yildiz, A. B., (2012). Electrical equivalent circuit based modeling and analysis of direct current motors. International Journal of Electrical Systems. 43:1043-1047. & Energy