法律状态公告日
法律状态信息
法律状态
2012-06-20
授权
授权
2011-04-06
实质审查的生效 IPC(主分类):G06F17/50 申请日:20101015
实质审查的生效
2011-02-23
公开
公开
技术领域
本发明涉及一种基于近似概率转换的电路性能可靠性的估计方法,属于电子线路设计技术领域。
背景技术
在电路的优化设计和电路系统的故障诊断中,由于产品所用元件容差的不断积累会使电路的输出超出规定值而无法使用,在这种情况下,用故障隔离法无法指出某个器件是否故障或输出是否正常。在电路的容差分析中,为了消除这种现象,应进行电路系统性能的可靠性评估与分析,以便在设计阶段及早采取措施加以纠正。由于实际电路元件的参数值和其标称值之间总存在着随机误差,所以电路元件参数可以被看作是在一定容差范围内变化的随机变量,它符合一定的分布。若将电路的某个输出量作为电路性能的指标,则它是电路元件参数的多变量函数(即性能函数),其取值也是一个随机变量。它的大小并非评价系统可靠性的唯一标准,还要看其保持在特定容差范围内的概率是否高。电路性能可靠性评估就是要通过分析该性能指标落入某规定的容差范围内的概率(即性能可靠度)的大小,基于此对电路性能做出判断。
当对电路的可靠性要求较高时,通常可用容差分析中的蒙特卡罗方法得到电路性能指标的直方图或者概率分布,用它来评估系统性能可靠度是否满足要求。蒙特卡罗采用随机抽样的方法进行计算,其对性能可靠度的估计结果非常接近实际情况,但是必须保证足够多的抽样次数。抽样次数的多少与被估计变量的方差和所设定的估计误差有关。根据切比雪夫不等式可知,在被估计变量的标准差一定时,每提高一位数的精度,就要增加一百倍的抽样次数。并且,不论采取何种蒙特卡罗方法,它们得到的只是统计误差,亦即该误差含有一定的统计置信水平,当置信水平达到100%时,抽样次数趋近无穷大。所以一般都要在设定可计算的抽样次数的情况下,实施多次蒙特卡罗仿真过程得到多个估计值,将它们平均值作为最终的估计结果,所以实际需要的计算量并不能得以降低,这一定程度上限制了此方法在电路性能可靠性评估中的应用。
发明内容
本发明的目的是提出一种基于近似概率转换的电路性能可靠性的估计方法,克服已有技术的缺点,将近似(Pignistic)累积概率分布作为输出变量真实累积概率分布的近似,用以估计电路性能可靠度是否达到要求,以节省可靠性估计中的计算量。
本发明提出的基于近似概率转换的电路性能可靠性的估计方法,包括以下各步骤:
(1)设电路系统的系统性能函数为:y=g(u),其中u=(u1,…,ui,…un),i=1,…n,ui表示电路系统中第i个元件的参数,设定ui的标称值ui_0和公差Δui,则ui的容差区间为Ii=[ui_0-Δui,ui_0+Δui],取ui为在Ii上满足截断型正态分布的随机变量N(ui_0,σi),其中ui_0为ui的均值,σi为ui的标准差,且各随机变量之间相互独立,则电路系统的性能函数y为一随机变量;给定性能函数y的容差区间D=[yA,yB],则y∈D的概率Py(D)为:
Py(D)=Fy(yB)-Fy(yA)
其中,Fy(y)为y的累积概率分布函数,Fy(yA)和Fy(yB)分别为y在yA和yB点的累积概率分布函数值;
设定电路系统的性能可靠度阈值为Υ,则电路性能可靠性评估准则为:若Py(D)>Υ,则判断电路系统性能为可靠;若Py(D)<Υ,则判断电路系统性能为不可靠;若Py(D)=Υ,则判断电路系统性能为临界状态;
(2)将上述步骤(1)中性能函数y的输入u表示为区间证据(F,m),其过程为:将步骤(1)中各输入变量的容差区间Ii表示为笛卡尔积U=I1×…×In,则u=(u1,…,ui,…,un)∈U,将Ii划分为di个互不相交的子区间,则区间证据(F,m)中的F是U的一个划分,表示为F={Ak},k=1,…,|F|,其中表示对Ii进行划分后得到的一个子区间,|F|表示F的势,即F中元素Ak的个数,区间证据(F,m)中的m表示Ak的概率赋值函数,当输入u中的u1,…,un是相互独立的随机变量时,m由下式给出:
其中为输入ui落入的概率,且
(3)将上述步骤(2)得到的区间证据(F,m)输入到性能函数中,获得输出量y的区间证据(R,ρ),过程如下:首先获得区间证据(R,ρ)中的R:R={Rk=g(Ak)|Ak∈F},其中g(Ak)={g(u)|u∈Ak};获得区间证据(R,ρ)中的ρ:ρ(Rj)=∑{m(Ak)|Rj=g(Ak)},其中j=1,2,…,|R|,|R|为R中元素Rj的个数,且
(4)将上述步骤(3)中求得的Rj表示为区间Rj=[aj,bj],则Rj的概率赋值函数表示为ρ(Rj)=ρ([aj,bj]),通过可传递信度模型中的近似概率转换,将(R,ρ)转换为输出变量y的近似累积概率分布为上式中的求和项Bet F(y)j为:当y≥bj,则BetF(y)j=ρ([aj,bj]),当aj<y<bj,则当y≤aj,则BetF(y)j=0;
(5)根据上述步骤(1)的电路性能可靠性评估准则,用上述Bet F(y)代替电路性能y的累积概率分布Fy(y),得到电路性能可靠度的估计值
则即为y∈D的近似累积概率;
(6)将上述与设定的性能可靠度阈值Υ比较,若则电路系统性能为可靠;若则电路系统性能为不可靠;若则电路系统性能为临界状态。
本发明提出的基于近似概率转换的电路性能可靠性的估计方法,采用确定性区间采样代替蒙特卡罗方法的逐点随机抽样,从而输入变量采样步骤所花费的计算量得以降低;将输入变量的区间证据通过性能函数映射到输出,得到输出量(性能指标)的区间证据,该步骤中只有采样区间的端点参与计算,获得输出量的相应区间及其概率赋值,不需要像蒙特卡罗方法那样对输入采样点逐个计算得到单点输出结果,从而节省了计算量;利用可传递信度模型中的Pignistic概率转换,将输出变量的区间证据转化为它的Pignistic累积概率分布,将该Pignistic分布作为输出变量真实累积概率分布的近似,直接用其估计电路性能可靠度是否达到要求;在区间抽采样数(它由性能函数各输入变量的容差区间被划分的子区间的个数决定)确定的情况下,本方法只需实施一次仿真过程即可得到置信水平为100%的确定性估计误差,在同样的估计误差下,本发明方法所需计算量远远小于蒙特卡罗方法。
附图说明
图1是本发明方法的流程框图;
图2是使用本发明方法的一个实施例的串联谐振电路图;
图3是采用已有的蒙特卡罗方法得到的累积概率分布FMC(y)(3×107次采样)曲线与本发明实施例的累积概率分布BetF(y)(d1=d2=10)的曲线图;
图4是图3中两条曲线的比较图;
图5是采用已有的蒙特卡罗方法得到的累积概率分布FMC(y)(3×107次采样)曲线与本发明实施例的累积概率分布BetF(y)(d1=d2=30)的曲线图;
图6是图5中两条曲线的比较图;
具体实施方式
本发明提出的基于近似(pignistic)概率转换的电路性能可靠性的估计方法,其流程框图如图1所示,包括以下各步骤:
(1)设电路系统的系统性能函数为:y=g(u),其中u=(u1,…,ui,…un),i=1,…n,ui表示电路系统中第i个元件的参数,设定ui的标称值ui_0和公差Δui,则ui的容差区间为Ii=[ui_0-Δui,ui_0+Δui],取ui为在Ii上满足截断型正态分布的随机变量N(ui_0,σi),其中ui_0为ui的均值,σi为ui的标准差,且各随机变量之间相互独立,则电路系统的性能函数y为一随机变量;给定性能函数y的容差区间D=[yA,yB],则y∈D的概率Py(D)为:
Py(D)=Fy(yB)-Fy(yA) (1)
其中,Fy(y)为y的累积概率分布函数,Fy(yA)和Fy(yB)分别为y在yA和yB点的累积概率分布函数值;
设定电路系统的性能可靠度阈值为Υ,则电路性能可靠性评估准则为:若Py(D)>Υ,则判断电路系统性能为可靠;若Py(D)<Υ,则判断电路系统性能为不可靠;若Py(D)=Υ,则判断电路系统性能为临界状态;
(2)将上述步骤(1)中性能函数y的输入u表示为区间证据(F,m),其过程为:将步骤(1)中各输入变量的容差区间Ii表示为笛卡尔积U=I1×…×In,则u=(u1,…,ui,…,un)∈U,将Ii划分为di个互不相交的子区间,则区间证据(F,m)中的F是U的一个划分,表示为F={Ak},k=1,…,|F|,其中表示对Ii进行划分后得到的一个子区间,|F|表示F的势,即F中元素Ak的个数,区间证据(F,m)中的m表示Ak的概率赋值函数,当输入u中的u1,…,ui,…,un是相互独立的随机变量时,m由下式给出:
其中为输入变量ui落入的概率,且
(3)将上述步骤(2)得到的区间证据(F,m)输入到性能函数中,获得输出量y的区间证据(R,ρ),过程如下:首先获得区间证据(R,ρ)中的R:
R={Rk=g(Ak)|Ak∈F} (3)
其中g(Ak)={g(u)|u∈Ak};然后获得区间证据(R,ρ)中的ρ:
ρ(Rj)=∑{m(Ak)|Rj=g(Ak)} (4)
其中j=1,2,…,|R|,|R|为R中元素Rj的个数,且
这里给出一个实例说明如何用式(3)-(4)求解(R,ρ),若步骤(1)中给出的性能函数y=g(u)具有两个输入变量u=(u1,u2),且u1∈I1,u2∈I2,U=I1×I2,I1被划分为d1=3个子区间[u1,1,u1,2),[u1,2,u1,3),[u1,3,u1,4],I2被划分为d2=2个子区间[u2,1,u2,2),[u2,2,u2,3],则F中的区间元素共有6个,如下所示:
A1=[u1,1,u1,2)×[u2,1,u2,2),A2=[u1,1,u1,2)×[u2,2,u2,3],A3=[u1,2,u1,3)×[u2,1,u2,2)
A4=[u1,2,u1,3]×[u2,2,u2,3],A5=[u1,3,u1,4]×[u2,1,u2,2),A6=[u1,3,u1,4]×[u2,2,u2,3]
若y=g(u)关于u1和u2的偏导数存在且连续,并且u1在I1上是递增的,u2在I2上是递减的,则根据区间分析中的顶点映射方法,由式(3)可以求出以上A1~A6的像,这里以A2为例给出其对应在R中的像为:
g(A2)=[g(u1,1,u2,3),g(u1,2,u2,2)) (5)
根据式(4)给出g(A2)的概率赋值为:
由以上实例可知:根据顶点映射原理,若y=g(u)对每个输入变量u1,…,un的偏导数存在且连续,y=g(u)关于每个输入变量u1,…,ui,…,un都是单调的,那么总共只需进行((d1+1)(d2+1)…(dn+1)-2)次的计算就可以得到(F,m)在输出的像(R,ρ);
(4)将上述步骤(3)中求得的Rj表示为区间Rj=[aj,bj],则Rj的概率赋值函数表示为ρ(Rj)=ρ([aj,bj]),通过可传递信度模型中的pignistic概率转换,将(R,ρ)转换为输出变量y的近似累积概率分布为:
上式中的求和项Bet F(y)j为:当y≥bj,则BetF(y)j=ρ([aj,bj]),当aj<y<bj,则当y≤aj,则BetF(y)j=0;
(5)根据上述步骤(1)的电路性能可靠性评估准则,用上述Bet F(y)代替电路性能y的累积概率分布Fy(y),得到电路性能可靠度的估计值
则即为y∈D的近似累积概率;
(6)将上述与设定的性能可靠度阈值Υ比较,若则电路系统性能为可靠;若则电路系统性能为不可靠;若则电路系统性能为临界状态;
本发明方法可以在软件Matlab及其他电路仿真软件下实施,在电路设计及电路参数优化阶段评估电路参数是否达到规定的性能可靠性要求;
本发明方法中的系统性能函数y=g(u)需要满足以下条件:y=g(u)是连续的并且其偏导数也是连续的,y=g(u)关于每个变量u1,…,ui,…un是严格单调的;
以下给出几种典型的性能函数的形式:
(1)由电阻R1和R2串联组成的电路中电阻R2两端的输出电压:
其中u1和u2分别表示电阻R和R2的参数;
(2)RLC串联谐振电路的谐振频率:
其中π=3.14,u1表示电感参数L,u2表示电容参数C;
(3)线性直流电阻电路的耗散功率:
其中ui,i=1,…,n,表示线性直流电路中的第i个电阻的参数,Ii表示流过第i个电阻的电流值,以上典型性能函数中的输入变量都为在它们各自容差区间中符合截断型正态分布的随机变量;
以下结合附图,详细介绍本发明方法的实施例:
本发明方法的流程框图如图1所示,核心部分是:构造电路性能函y=g(u)的输入变(电路参数)u=(u1,...,un)的区间证据(F,m),将(F,m)通过性能函数y=g(u)映射到输出,获得输出量(电路性能)y的区间证据(R,ρ),利用可传递信度模型中的Pignistic概率转换,将y的区间证据转化为它的Pignistic累积概率分布BetF(y),用BetF(y)近似y的真实累积分布Fy(y),并用其计算电路性能可靠度的估计值然后根据性能评估准则,对比Υ和取值,判断系统性能可靠性是否达标,最后输出评判结果;
以下结合图2中RLC串联谐振电路的谐振性能评估的最佳实施例,详细介绍各个步骤,并与蒙特卡罗方法作以比较,说明该方法的有效性:
1)待评估RLC串联谐振电路的参数设置实例
RLC串联谐振电路的硬件结构如图2所示,电路分别由一个电阻R、电感L和电容C组成,要求系统输出谐振频率的标称值为f0=1700Hz,允许最大频率漂移为±11Hz,选用电感L=97.3±1%μH,电容C=90±2%μF,假定电感L和电容C的偏差符合正态分布,并且相互统计独立,标准差分别为σL=0.24μH,σC=0.45μF;
2)确定电路性能函数及性能可靠度指标
根据上述步骤(1),确定电路谐振性能函数为:
上式中,设随机变量u1=L,均值u1_0=50μH,标准差σ1=σL=0.24μH,公差Δu1=97.3×1%=0.973;随机变量u2=C,均值u2_0=90μF,标准差σ2=σC=0.45μF,公差Δu1=90×2%=1.8,u1,u2分别是在容差区间I1=[96.327,98.273]μH,I2=[88.2,91.8]μF内符合正态分布的随机变量,并且相互独立;
谐振性能y的标称值为1700Hz,则定容差区间为:
D=[(1711-11),(1711+11)]Hz=[1689,1711]Hz (13)
并设定性能可靠性指标Υ=0.95;
3)构造输入变量(电路参数)u=(u1u2)的区间证据(F,m)
输入变量u1,u2的容差区间分别为I1=[96.327,98.273]μH,I2=[88.2,91.8]μF,根据上述步骤(2),本实施例中将两个容差区间都划分为d1=d2=10个子区间,u1,u2的子区间分别表示为I1,p=[u1,p,u1,p+1),(p=1,…,d1)和I2,k=[u2,k,u2,k+1),(k=1,…,d2)
由上述步骤(2)可构成的关于u=(u1,u2)的划分为:
F={I1,p×I2,k|p=1,…,d1;k=1,…,d2} (14)
F包含元素个数|F|=d1×d2=100,因为u1,u2是相互独立的,由上述步骤(2)中的式(2)可知F中元素I1,p×I2,k的概率赋值为:
其中,表示概率密度函数,m1(I1,p),m2(I2,k)是u1,u2在各自子区间I1和I2中的概率赋值,如表1所示
表1 u1,u2被划分成的子区间m1(I1,p),m1(I1,k)及其概率赋值(p,k=1,...,10)
4)构造电路性能y的区间证据(R,ρ)
由式(12)可知,谐振性能函数y=g(u1u2)关于输入变量u1,u2的偏导数存在且连续,g(u1u2)关于u1,u2是单调递减的,根据上述步骤(3)中的式(3)可以得到(R,ρ)中的R
R={R=g(I1,p×I2,k)|p=1,…,d1;k=1,…,d2} (16)
其中
g(I1,p×I2,k)=[g(u1,p+1,u2,k+1),g(u1,p,u2,k)] (17)
根据上述步骤(3)中的式(4)可以得到(R,ρ)中的ρ:
ρ(R)=∑{m(I1,p×I2,k)|R=g(I1,p×I2,k)} (18)
区间证据(F,m)和(R,ρ)的部分元素及其概率赋值如表2所示,那么总共只需进行((d1+1)(d2+1)-2)=119次的计算就可以得到(F,m)在输出的像(R,ρ);
表2 (F,m)和(R,ρ)的部分元素及其概率赋值
5)构造电路性能y的Pignistic累积概率BetF(y)
根据上述步骤(4)中的式(7)可构造性能函数输出y的Pignistic累积分布如下:
图3中给出了BetF(y)曲线以及通过抽样次数为3×107蒙特卡罗采样得到的分布曲线FMC(y)作为y真实分布Fy(y)的参考值;图4给出了两者之间的差(FMC(y)-BetF(y));从图4可见,两者的绝对误差的最大值为0.018,如果想进一步缩小BetF(y)对FMC(y)的差,可以将输入变量u1,u2划分的更细,如d1=d2=30,则此时需要计算输入到输出映射的输入变量子区间端点的次数为(30+1)×(30+1)-2=959;图5和图6分别给出了在此情况下FMC(y)和BetF(y)的曲线和两者的差,可见,绝对误差最大值降为0.0021,所以,当对输入各变量的划分越来越细时,利用本文方法求得的BetF(y)将逐渐趋近于真实的Fy(y);
6)用BetF(y)近似y的真实累积分布Fy(y),计算电路性能可靠度的估计值
根据上述步骤(5)中的式(8)可以得到电路性能可靠度估计值如表3中给出了和参考真实性能可靠度ΥMC(由3×107次随机抽样的蒙特卡罗仿真得到)其中表示绝对估计误差:
表3和参考真实值ΥMC之间的比较
7)依据上述步骤(1)中的电路性能可靠性评估准则,对比Υ和取值,判断系统性能可靠度是否达标
由于Υ=0.95小于(d1=d2=10时),也小于(d1=d2=30时),所以在此电路的电阻R、电感L和电容C的参数设计下,该电路的谐振性能达到了要求;
8)本发明方法和蒙特卡洛方法的比较
当采用蒙特卡罗方法进行性能可靠性估计时,根据切比雪夫不等式,可推导出方差σΥ、采样次数N和绝对估计误差εMC之间的关系:
其中,α是估计误差小于εMC的置信水平,若设ε=εMC,α=99%,则本文方法和蒙特卡罗方法有相同的估计误差,将本方法的计算量和蒙特卡罗方法的计算量进行比较,如表4所示:
表4 本文方法和蒙特卡罗方法计算量比较
其中σΥ=0.022来自100次3×107蒙特卡罗采样计算得到的性能可靠度的方差;上表说明:蒙特卡罗方法若以99%的概率使得估计误差εMC≤0.009需要采样27160次,若εMC≤0.001,需要采样2200000次,所以在同样的估计误差下,本发明方法需要的计算次数远远小于蒙特卡罗方法。
机译: 人员保护装置气囊,一种用于车辆的控制方法,涉及基于分配给模型的概率根据事故情况自动确定估计值,以及与概率有关的控制装置
机译: 一种连续近似寄存器模数转换器中的数字到模拟转换器失配校准的方法和连续近似寄存器模数转换器
机译: 一种两阶段直逼式近似模拟数字转换器的增益校准方法及两阶段直逼式近似模拟数字转换器的增益校准方法