Учет влияния разброса параметров компонентов схем на характериски РЭС

Страницы работы

Уважаемые коллеги! Предлагаем вам разработку программного обеспечения под ключ.

Опытные программисты сделают для вас мобильное приложение, нейронную сеть, систему искусственного интеллекта, SaaS-сервис, производственную систему, внедрят или разработают ERP/CRM, запустят стартап.

Сферы - промышленность, ритейл, производственные компании, стартапы, финансы и другие направления.

Языки программирования: Java, PHP, Ruby, C++, .NET, Python, Go, Kotlin, Swift, React Native, Flutter и многие другие.

Всегда на связи. Соблюдаем сроки. Предложим адекватную конкурентную цену.

Заходите к нам на сайт и пишите, с удовольствием вам во всем поможем.

Содержание работы

Учет влияния разброса параметров компонентов схем на хар-ки РЭС

Разброс параметров схемы указывается в техническом задании. Реальные выходные хар-ки всегда отличаются от расчетных:

1. невозможно найти точные номиналы   2. Каждый номинал компоненты имеет технологич.разброс   3. В процессе эксплуатации изделие стареет, его харак-ки меняются.

Еще на пар-ры компонента влияет окр.среда.

Для анализа и синтеза РЭС вводят след.классификацию:

1. допусковый анализ(схема спроектирована),известны допуски на пар-ры компонентов, найти отклонение внешних хар-к от расчетных это требуется для введения подстроечных элементов схемы   2. Допусковый синтез (известна схема РЭС, рассчитаны пар-ры компонентов) требуется определить допуски на пар-ры компонентов.   3. Статистический параметрический синтез (известны границы изменения пар-ов схемы, допуски на внешние хар-ки) требуется определить значения пар-ов компонентов схемы.     4. Статистический структурный синтез (известны допуски на внешние хар-ки, допуски на компоненты схемы) требуется найти схему.      

Для осущ-ия этих операций нужно связать допуски на внешних хар-ах с допусками пар-ов схемы. Вводят функцию кач-ва F(V0+∆V). Разложим в ряд Тейлора:

1. отклонения пар-ов компонентов малы(5-10%) – пренебрегают всеми членами ряда кроме первых    

2. Отклонение >10% - использ-ся метод коэф-ов чувствит-ти или влияния. Коэф-ом чувствит-ти или влияния называется первая производная. У каждого компонента свой коэф-т влияния.

Виды коэф-ов влияния:  а) абсолютный   б) относит-ый в) интегральный

Чем больше коэф-т влияния у компонента, тем лучше этот коэф-т подстраивает реальную хар-ку  к расчетной.

Анализ по методу Монте-Карло

1. задание наклона по которому изменяется значение пар-ов компонентов схемы. Разброс параметров 10%.    2. Вычисляем реализации внешних хар-к.

По гистограмме можно определить % брака:

Если % большой необходимо: 1. Взять более кач-ую элементную базу (заменяются только те компоненты кот-ые влияют на выходные хар-ки)

2. ввести подстроечные компоненты     3. Разработать новую схему

Синтез по методу Монте-Карло

1. задаются исходные разбросы    2. Производ-ся анализ по монте-карло    3. Производится сравнение полученных внешних хар-к  с требуемыми.

Если получ-ые хар-ки имеют большой разброс, то происходит автоматич. Изменение разброса некоторых пар-ов компонентов.

Оптимальное проектирование на основе  решения задачи линейного программирования.

Для получения заданных хар-к РЭС необходимо записать целевую функцию. Если схема сложная записывают несколько целевых функций.

FCN=

Если частные целевые функции неравнозначны, тогда каждая функция складывается со своим весовым коэф-ом

Если выходные пар-ры не мощности, то целевые функции составляются так, чтобы их максимизировать.

Если функция имеет несколько экстремумов на (а,b) то определяем интервал, где находится самый минимальный экстремум. После нахождения мин применяются более точные методы оптимизации:

А) Метод дихотомии – половинного деления.

Б) Метод Фибоначи.

В) Метод золотого сечения.

Метод Дихотомии.

Задается Х1, Х2

Определяются функции в этих точках. Отрезок делится пополам.

Где Δ – малая величина, обычно ε/10

Если F(x2)>F(X1), то B=X2 критерием данного метода является |B-A|< ε

 


Метод Фибоначчи.

Использует числа Фибоначчи – числа Фибоначчи F0=1    F1=1

Fi=Fi-1+Fi-2 – очень быстро растущие числа.

Основан на нахождении большого числа Фибоначчи, которое соответствует заданной точности.

Пошаговым методом определяем где находятся а и b.  Минимум целевой функции достигнут если |b-a|=3∆

1. определяем число Фибоначчи, которое будет соответствовать ∆.

2.Х1 и Х2вычисляются

X1=A- ΔFi-2=B- ΔFi-1

X2=A- ΔFi-1=B- ΔFi-2

3. вычисляем F(x1) и F(x2)

Метод золотого сечения.

В алгоритме отсутствует 2, 3, 4, 5 действия (вычисление чисел Фибоначчи)

Условие золотого сечения τ=1,618

1)  AB/X1B=X1B/AX1= τ

2)  AB/AX2=AX2/AX1= τ

Исходя из соотношений и зная τ вычисляем х1 и х2.

Задача минимизации многомерной целевой функции.

Похожие материалы

Информация о работе

Уважаемые коллеги! Предлагаем вам разработку программного обеспечения под ключ.

Опытные программисты сделают для вас мобильное приложение, нейронную сеть, систему искусственного интеллекта, SaaS-сервис, производственную систему, внедрят или разработают ERP/CRM, запустят стартап.

Сферы - промышленность, ритейл, производственные компании, стартапы, финансы и другие направления.

Языки программирования: Java, PHP, Ruby, C++, .NET, Python, Go, Kotlin, Swift, React Native, Flutter и многие другие.

Всегда на связи. Соблюдаем сроки. Предложим адекватную конкурентную цену.

Заходите к нам на сайт и пишите, с удовольствием вам во всем поможем.