新闻详情

新闻详情

首页 / 资讯中心 / 详情

【电路设计】Cadence软件部分使用方法(1)- Orcad

发布时间:2026/11/11 21:28:55来源:尧图网络
【电路设计】Cadence软件部分使用方法(1)- Orcad
本文章用于记录我使用cadence过程中碰到的一些不知道的使用方法。1. Title box如何进行设置1.1 首先先从其他页或者创建一个title box在新的page里面1.2选中整体工程之后点击如下顺序进入配置之后全选这个页面出现的选项然后全选之后再点击edit 中的Properties即可进入title box编辑界面之后根据自己的需求来修改2. 页面的大小如何调整选中自己想变更的页面之后按照如下步骤点击3. Cadence如何批量替换器件第一步选中自己的design右键点击part manager第二步之后就会进入part manager的界面选中自己需要替换的器件点击link datapart第三步搜索自己需要替换换的器件点击替换即可需要注意的是你在这个步骤中替换的器件可能会出现连线错误的情况因此需要好好检查连线。4. 网格连线如何设置cadence 画图有两个模式这个按键为snap to grid图片显示的图标表示目前处于网格模式你的连线及移动器件的距离会按照最小网格来进行移动。当你再点击以下的时候就会变成如下的状态表示目前你可以进行非常细致的调整针对封装绘制单位不一致的情况很有用。5. 如何导出Bom当我们完成原理图绘制的时候需要导出对应器件bom按照如下图片进行点击之后选择对应需要的bom属性进行添加之后就可以生成对应的bom表格。6. 如何设置位号弄成递增或者“”号取消底下图片这个地方的勾选后面的器件复制添加的时候就自动会赋值成“”我们在绘制原理图的时候经常会复制其他地方的器件到我们当前的原理图上若是自动编号的话碰到调整器件的时候就会导致一些位号被跳过所以一半来说我们可以先设置添加新位号的时候先设定为 等到完成原理图绘制的时候我们再统一赋予位号这样就避免很多位号被跳过的情况。如何设置位号点击如下步骤进入位号设置界面之后按照如图设置就可以对当前没赋值的器件进行赋值此处要注意谨慎对ACTION部分的选项进行操作有可能导致之前的位号都被覆盖或者清楚这样有可能会导致兼容性问题因此再赋值位号之前最好对自己的design进行备份操作。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/11 9:31:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/11 5:36:08

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉