У вас вопросы?
У нас ответы:) SamZan.net

вариантный анализ и анализ выходных параметров схем 1.

Работа добавлена на сайт samzan.net: 2016-03-13

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 5.4.2025

Многовариантный анализ и анализ выходных параметров схем

1. Многовариантный анализ.

Одновариантный анализ позволяет получить информацию о состоянии и

Поведении проектируемой схемы в одной точке пространства внутренних X параметров и внешних Q параметров. Очевидно, что для оценки свойств проектируемой схемы этого недостаточно. Нужно выполнять многовариантный анализ, то есть исследовать поведение схемы в ряде точек упомянутого пространства, которое для краткости далее будем называть пространством аргументов.

Чаще всего многовариантный анализ в САПР осуществляется в интерактивном режиме, когда разработчик неоднократно меняет в математической модели те или иные параметры из множеств X или Q, выполняет одновариантный анализ и фиксирует значения выходных параметров. Подобный многовариантный анализ позволяет оценить область работоспособности, степень выполнения условий работоспособности, а следовательно, степень выполнения ТЗ на проектирование.

Примечание: Областью работоспособности называют область в пространстве аргументов, в пределах которой значения всех выходных параметров находятся в пределах ТЗ.

Среди процедур многовариантного анализа можно выделить типовые, выполняемые по заранее составленным программам. К таким процедурам относятся анализ чувствительности и статистический анализ.

2. Анализ чувствительности.

Цель анализа чувствительности заключается в нахождении тех элементов схемы и параметров X этих элементов, отклонение которых от номинальных значений приводит к наибольшему отклонению выходных параметров схемы Y.

Примеры выходных параметров схем: потребляемая мощность, выходная мощность, помехоустойчивость, динамические параметры (задержка, длительность фронта, …), частотные параметры (коэфф. усиления, полоса пропускания, ….).

Наиболее просто анализ чувствительности реализуется путем численного дифференцирования. Пусть анализ проводится в некоторой точке Xном пространства аргументов, в которой предварительно проведен одновариантный анализ и найдены значения выходных параметров yj ном . Выделяется N параметров-аргументов xi (из числа элементов векторов X и Q), влияние которых на выходные параметры подлежит оценить, поочередно каждый из них получает приращение Δxi , выполняется одновариантный анализ, фиксируются значения выходных параметров yj и подсчитываются значения абсолютных:

Aji = (yjyj ном) / Δxi ,

и относительных коэффициентов чувствительности:

Bji = Aji xi ном  / yj ном .

Такой метод численного дифференцирования называют методом приращений. Для анализа чувствительности методом приращений требуется выполнить N + 1 раз одновариантный анализ. Результат его применения – матрицы абсолютной и относительной чувствительности, элементами которых являются коэффициенты Aji и Bji.

Примечание: Анализ чувствительности – это расчет векторов градиентов выходных параметров, который входит составной частью в программы параметрической оптимизации, использующие градиентные методы.

3. Статистический анализ.

Целью статистического анализа является определение процента выхода годных схем, соответствующих ТЗ, при данном конкретном разбросе параметров X.

В результате анализа определяется вероятность P(X) того, что вектор внутренних параметров X, определяющий состояние схемы в момент ее изготовления, находится в области работоспособности G(X).

Исходной информацией являются характеристики законов распределения внутренних параметров X, а результатом расчета – характеристики законов распределения выходных параметров Y. Статистический анализ ограничивается лишь расчетом начальной надежности схемы, без учета старения.

В САПР статистический анализ проводится численным методом – методом Монте-Карло. В соответствии с этим методом осуществляется N статистических испытаний, каждое статистическое испытание представляет собой одновариантный анализ, выполняемый при случайных значениях параметров-аргументов. Эти случайные значения выбираются в соответствии с заданными законами распределения аргументов xi. Полученные в каждом испытании значения выходных параметров накапливают и обрабатывают. Испытание считается неудачным, если нарушено хотя бы одно условие работоспособности. Если число неудачных испытаний М, то отношение М / N с некоторой точностью характеризует вероятность P(X).

В итоге расчета могут быть получены следующие результаты:

  •  гистограммы выходных параметров;
  •  оценки матожиданий и дисперсий выходных параметров;
  •  оценки коэффициентов корреляции и регрессии между избранными выходными и внутренними параметрами, которые в частности модно использовать для оценки коэффициентов чувствительности.

Статистический анализ, выполняемый методом Монте-Карло – трудоемкая процедура, поскольку число испытаний приходится выбирать довольно большим, чтобы достичь приемлемой точности анализа. Другая причина, затрудняющая применение метода Монте-Карло – трудности в получении достоверной исходной информации о законах распределения параметров-аргументов xi.

Более типична ситуация, когда законы распределения xi не известны, но известны предельно допустимые отклонения Δxi параметров от номинальных значений xi ном (такие отклонения указываются в паспортных данных). В таких случаях более реалистично применять метод анализа на наихудший случай.

4. Анализ на наихудший случай.

Согласно этому методу сначала выполняют анализ чувствительности с целью определения знаков коэффициентов чувствительности. Далее осуществляют m раз одновариантный анализ, где m – число выходных параметров. В каждом варианте задают значения аргументов, наиболее неблагоприятные для выполнения условия работоспособности выходного параметра yj, .

Однако следует заметить, что, проводя анализ на наихудший случай, можно получить завышенные значения разброса выходных параметров, и если добиваться выполнения условий работоспособности в наихудших случаях, то это может привести к неоправданному увеличению стоимости, габаритов и других показателей проектируемых схем.

5. Спектральный анализ.

Спектральный анализ является мощным средством анализа сигналов, особенно распознавания слабых сигналов с ярко выраженной периодичностью на фоне посторонних сигналов и шумов. Получаемые на основе расчета спектры, полезны при анализе модулированных сигналов, изучении результатов взаимной модуляции сложных сигналов и искажений, анализе шума и т.д.

На практике для расчета спектров сигналов используют математический аппарат на основе дискретного преобразования Фурье (ДПФ).

Как известно непрерывное прямое преобразование Фурье описывается выражением:

   (1)

где X(jw) – функция спектральной плотности для сигнала x(t).

Выражению (1) можно поставить в соответствие его дискретный аналог. Пусть сигнал x(t) измерен на интервале (0,T) в N равноотстоящих на Δt точках t0, t1, …tn,…, tN-1. Тогда дискретное преобразование Фурье описывается выражением:

  (2)

где X(k) – спектральная составляющая на частоте кратной основной частоте: , ;  .

Для восстановления последовательности x(n) (то есть исходных отсчетов) используется обратное ДПФ:

    (3)

В случае ДПФ предполагается, что исходная функция x(n) является периодической с периодом T = NΔt и дискретной, с шагом дискретизации Δt. Из свойств преобразования Фурье следует, что результат преобразования будет периодической и дискретной функцией.

Замечание: ДПФ исходит из предположения, что сигнал x(t) имеет ограниченный спектр, то есть в нем отсутствуют частоты больше Fmax, а частота дискретизации:

   (4)

Рассмотрим алгоритм ДПФ. Как прямое, так и обратное ДПФ можно выполнить с помощью одного и того же алгоритма. Для этого используется выражение:

,     k = 0,1 …N-1;  (5)

Для прямого ДПФ a(n) = x(n), а искомое X(k):   .

Для обратного ДПФ a(n) = X(N-n), а искомое x(n) = A(k).

Таким образом, для вычисления ДПФ и ОДПФ можно воспользоваться единым алгоритмом:

Временная сложность алгоритма ДПФ пропорциональна N2 , что предусматривает большой объем операций умножения (в общем случае над парами комплексных чисел).

На практике часто используют так называемое быстрое преобразование Фурье (БПФ). Одна из модификаций БПФ сводит N – точечное ДПФ к совокупности N двухточечных ДПФ (в этом случае N должно представляться степенью 2: N = 2n). Временная сложность для такого алгоритма пропорциональна , что значительно меньше, чем N2.

Замечание: Алгоритм БПФ базируется на свойствах симметрии и периодичности множителей  в формулах ДПФ.


Т

1

2

x(n)

n

Δt

Рисунок 1. Дискретный периодический сигнал.

Рисунок 2. Спектр периодического дискретного сигнала.

Замечание: составляющие спектра показаны условно и не соответствуют сигналу на рисунке 1

1/Т

k

X(k)

N

2

1

1/Δt

k = 0

n = 0;  A(k) =0

A(k) =A(k) + a(n)Wnk

n = n+1

n = N

k = k+1

k = N

END

нет

нет




1. Техническое перевооружение производства
2. Однако познакомившись с этим документом вы поймете что не так страшен черт как его малюют
3. Математические и программные модели движения кораблей
4. Курсовая работа- Забывание как процесс памят
5. 01] КРАТКАЯ ХАРАКТЕРИСТИКА ЭПОХИ [1
6. Правила поведения и действия населения в очагах поражения
7. Анализ качества продукции на конкурентоспособность предприятия
8. вариантов Максимальная Ширина Mximum Width для столбца может быть выбрана
9. Практикум по гештальттерапии BBYY FineReder 11 Практикум по гештальттерапии.html
10. частицы Заряд электрона Заряд атома углерода Минимального заряда не существует