Сравнительная оценка точности выходного параметра суммирующий усилитель

 

Министерство образования Республики Беларусь

Учреждение образования «Белорусский государственный университет информатики и радиоэлектроники»

Факультет компьютерного проектирования

Кафедра проектирования информационно-компьютерных систем






ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

к курсовому проекту

на тему

Сравнительная оценка точности выходного параметра суммирующий усилитель

БГУИР КП 1-38 02 03 003 ПЗ




Студент:

Кардымон И.Д.

Руководитель:

Боровиков С. М.






Минск 2013


Содержание


Введение

1.Постановка задачи

2.Определение характеристик точности выходного параметра вероятностным расчетно-аналитическим методом

2.1Пояснение расчетно-аналитических методов анализа

2.2Описание исходных данных

2.3Результаты решения задачи

3.Моделирование на ЭВМ точности выходного параметра каскада

3.1Процедура моделирования

3.2Вычисление алгоритма моделирования

3.3Характеристики первичных параметров, используемые для моделирования на ЭВМ производственного рассеяния

3.4Список идентификаторов

3.5Программа для ЭВМ

3.6Обоснование числа реализаций каскада

3.7Результаты моделирования точности выходного параметра

4. Сравнение точности выходного параметра

Заключение

Список использованных источников

Приложение А



Введение


Конструкция РЭУ постепенно усложняется в связи с поставленными перед ними задачами. Поэтому одним из важнейших требований к РЭУ является точность выходного параметра, а основной задачей их конструирования - определение допусков выходных параметров. Для оценки точности выходных параметров чаще всего применяются метод Монте-Карло (метод статических испытаний) и вероятностный метод (расчётно-аналитический).

Метод Монте-Карло использует математическое моделирование. Для его реализации обычно используют ЭВМ, так как это повышает технический уровень изделия, а так же уменьшает стоимость и трудоемкость испытаний РЭУ.

Решение задачи вероятностным методом, а иначе расчетно-аналитическим методом с учетом вероятностного рассеивания первичных параметров, выполняется аналитически с помощью математических методов.

Цель курсового проекта - сравнение этих методов оценки точности выходных параметров, определение оптимальных условий для использования того или иного метода.

Суммирующие усилители в РЭУ применяются для получения выходного сигнала, пропорционального сумме нескольких входных сигналов. В данном суммирующем усилителе водными параметрами являются десять напряжений определенной величины. В системах безопасности суммирующие усилители могут использоваться для суммирования сигналов от различных источников.



1.Постановка задачи


Для описания точности выходного параметра каскада будут использованы R1, R2, R3, R4, R5, R6, R7, R8, R9, R10, RN - значения сопротивления резисторов, входящих в состав каскада, и U1, U2, U3, U4, U5, U6, U7, U8, U9, U10 - значения напряжений, подаваемых на вход каскада. Эти параметры были выбраны исходя из математической модели каскада, которая приведена ниже.


- математическая модель каскада


Из приведенной выше математической модели видно, что выходным параметром каскада является - выходное напряжение. На значение которого влияют значения параметров: . В таблице 1.1 приведены характеристики этих элементов.


Таблица 1.1 - Выбранные типы элементов и их характеристики

ЭлементТипНоминальное значениеДопуск, %R1, R3, R5, R7, R9C2 - 33H10 кОм±5R2, R4, R6, R8, R10C2 - 33H10 кОм±10RNC2 - 33H39 кОм±10


2.Определение характеристик точности выходного параметра вероятностным расчетно-аналитическим методом


2.1Пояснение расчетно-аналитических методов анализа


Формулы, используемые для расчёта точности выходного параметра вероятностным методом и пояснение параметров всех формул, приведены в таблице 2.1.


Таблица 2.1 - Расчетные формулы и пояснение параметров этих формул

Формулы- коэффициент влияния - го первичного параметра.№- математическое ожидание (среднее значение) относительной производственной погрешности выходного параметра(2.1)- среднее квадратическое отклонение относительной производственной погрешности выходного параметра (2.2) - коэффициент относительного рассеивания i-го первичного параметра, показывающий, насколько закон его распределения отличается от нормального закона;(2.3)- коэффициент гарантированного обеспечения допуска.

(2.4) - Показатель допуска на выходной параметр(2.5)(2.6)


2.2Описание исходных данных


Численные значения данных, используемых для получения с помощью вероятностного расчетно-аналитического метода интересующих характеристик точности каскада, сведены в таблицу 2.2.


Таблица 2.2 - Данные для получения данных с помощью расчетно-аналитического метода

Первичный параметрM(среднее значение) математическое ожиданиеПоловина поля рассеивания ?, %R1, R3, R5, R7, R910 кОм51,73R2, R4, R6, R8, R1010 кОм101RN39 кОм101U1 … U1050 мВ21

2.3Результаты решения задачи


Пример расчета коэффициента влияния первичного параметра для Ri:



Так как допуск на первичные параметры симметричен, то


При i = 1 … 10.


В таблице 2.3 показаны значения коэффициентов влияния всех первичных параметров при i = 1 … 10.



Таблица 2.3 - Значения коэффициентов влияния первичных параметров

Позиционные обозначенияЗначение коэффициента влияния BiR1, R2, R3. R4, R5, R6, R7, R8, R9, R10U1, U2, U3, U4, U5, U6, U7, U8, U9, U10

Примем вероятность, с которой гарантируется допуск на выходной параметр равной ? = 0,9973. Тогда коэффициент гарантированного обеспечения допуска:. точность выходной параметр каскад

Случайную составляющую допуска частоты определяем по формуле (2.5)



С учетом значений величин и производственный допуск может быть установлен по формуле (2.1.6)



Полученное значение допуска гарантируется с вероятностью g = 0,9973.


3.Моделирование на ЭВМ точности выходного параметра каскада


3.1Процедура моделирования


Укрупнённая структурная схема алгоритма решения задачи методом моделирования РЭУ на ЭВМ представлена в приложении А.

В таблице 3.1 приводится пояснение функциональных частей укрупнённой структурной схемы решения задачи методом моделирования РЭУ на ЭВМ.


Таблица 3.1 - Пояснение функциональных частей укрупнённой структурной

НазначениеНомер функциональной частиВвод N - количество реализаций выходного параметра; 1Организация цикла по индексу i. Индексом i учитываются первичные параметры xi; i =1,…, n2,4Получение значений случайных параметров, соответствующих i-й реализации РЭУ. Определение значения , соответствующего i-й реализации РЭУ. Находят путем подстановки в математическую модель РЭУ (иначе математическую модель выходного параметра РЭУ) набора значений xi, i=1,…, n, полученного для i-й реализации РЭУ3Статистическая обработка результатов и определение интересующих характеристик для выбранного параметра 5Вывод на экран интересующей информации6

3.2 Вычисление алгоритма моделирования


Формулы, используемые для получения на ЭВМ значений параметров элементов с учетом их производственного разброса и формулы обработки на ЭВМ результатов моделирования, приведены в таблице 3.2.


Таблица 3.2 - Формулы обработки данных на ЭВМ

ФормулыОписание№x - нормально распределенная случайная величина; mx, ?x - математическое ожидание и СКО x; ri - равномерно распределенное число в диапазоне (0…1); i - индекс учета равномерных чисел ri.(3.1)М(y) - математическое ожидание выходного параметра; yi- значение выходного параметра вi-ой реализации; N - количество реализаций.(3.2)s(y) - среднее квадратическое отклонение выходного параметра; yi- значение выходного параметра вi-ой реализации; N- количество реализаций.(3.3) - половина поля допуска (иначе половина поля рассеивания).(3.4)N- количество реализаций; ? - заданная до проведения моделирования допустимая погрешность в определении характеристики М(у). - это коэффициент, зависящий от доверительной вероятности .(3.5)

3.3 Характеристики первичных параметров, используемые для моделирования на ЭВМ производственного рассеяния


Численные значения величин, используемых для получения на ЭВМ случайных значений параметров элементов с учетом их производственного разброса в той или иной реализации приведены в таблице 3.3.


Таблица 3.3 - Исходные данные для моделирования РЭУ

Первичный параметрЗакон распределенияПараметры законаФормула нахождения параметров по нормальному законуR1, R3, R5, R7, R9Равномерный R2, R4, R6, R8, R10Нормальный кОм U1 … U10Нормальный мВ


3.4 Список идентификаторов


Список идентификаторов переменных вычислительного алгоритма программы представлен в таблице 3.4.


Таблица 3.4 - Список идентификаторов переменных

Обозначение параметровПояснение параметра в формулах, соотношенияхв программев формулахnNЧисло реализаций РЭУn, n_ekspNНеобходимое число реализаций РЭУiiИндекс количества реализаций РЭУu[i]-Значение выходного параметра в i-ой реализацииp-Массив смоделированных значений параметров R1…R10, U1 … U10q, u ,x ,ys, r-Вспомогательные массивы и переменныеm-Значения МО при моделировании значений параметровs, s_n-Значения СКО при моделировании значений параметровs- M(y)Переменная для накопления суммы квадратов отклонений выходного параметра от среднего его значенияmoМатематическое ожидание выходного параметраdp, dop?(y)Половина поля допуска выходного параметраskos(y)Средне квадратичное отклонение выходного параметраr_n_min, r_n_max, r_min, r_max-Максимальные и минимальные возможные значения при моделировании значений параметровgen_u-Функция для генерации значений Uigen_r-Функция для генерации значений Riu_vih-Функция расчета значений выходного параметра Uвыхimat_o-Функция расчета МОПродолжение таблица 3.4 .sko-Функция расчета СКОdop-Функция расчета половины поля допускаn_eksp-Функция расчета необходимого числа реализаций

3.5Программа для ЭВМ


Программа реализована на языке программирования Python 3.2.

Программа позволяет находить производственный допуск выходного параметра при известных номинальных значениях первичных параметров и их допусков. Рассчитывает требуемое число реализаций.

Листинг текста программы приведен в Приложении Б.


3.6Обоснование числа реализаций каскада


Для определения требуемого числа реализаций можно воспользоваться формулой (3.5)



где -это коэффициент, зависящий от доверительной вероятности .

В данном случае =0.95 это значит что

При определении значения N предполагается известным . Если же неизвестно, то поступают следующим образом. Задаются определенным числом реализаций устройства или процесса N1(N1 500...1000).

Выполняют N1 реализаций. Оценивают значение и проверяют условие (3.5). Если оно выполняется, то заданная точность в определении М(у) уже достигнута. В противном случае увеличивают число реализаций процесса или устройства, корректируют значение и вновь по условию (3.5) проверяют, достигнута ли заданная точность.

На требуемое число реализаций N заметно влияет допустимая ошибка ?, см. формулу (3.5). Значение ?, как правило, заказчиком не указывается. Выбор этой величины должен быть сделан разработчиком. Если интересующими показателями являются математическое ожидание и среднеквадратическое отклонение выходного параметра РЭУ или технологического процесса, то выбор ? можно сделать следующим образом. Исходя из начальных сведений или по результатам обработки реализаций определяют примерное значение M(y). Далее, принимая во внимание функциональное назначение РЭУ или процесса и физический смысл выходного параметра y, определяют, какое значение половины поля допуска (y), устанавливаемое на этот параметр, может быть приемлемым для практики. В качестве ? следует брать такое значение, которое как минимум в 20…100 раз меньше(y):


??(0,01…0,05) (y).


В нашем случае примерное значение M(y), определенное по N1=1000 реализаций составляет 1952,1972 мВ.


(y)=19,6355*0,02=0,3926 мВ,

?=0,02*0,3926=0,0078 мВ.


В соответствии с формулой (3.5) рассчитаем необходимое число реализаций каскада:



3.7Результаты моделирования точности выходного параметра


Результаты моделирования на ЭВМ в виде 5 реализаций каскада с указанием для элементов значений параметров, полученных при моделировании с учетом их производственного разброса в той или иной реализации, а так же значение выходного параметра, соответствующего каждой реализации каскада приведены в таблице 3.7.



Таблица 3.7 - Результаты моделирования на ЭВМ

12345U150,269049,976550,173850,078050,4321U249,882749,686350,111349,999650,4754U349,908749,876550,724550,188250,0095U449,944650,002850,500850,134649,6904U550,104150,183049,850749,502650,2172U650,252649,724250,012149,930749,8176U750,387850,173949,771349,808949,8652U849,364249,591550,349949,832550,1403U949,891149,582149,799350,064850,3766U1049,543850,022950,305749,717849,6447R19,94519,93999,54599,594610,4414R29,99979,79719,70179,79219,8569R39,927410,45789,89809,868810,4578R410,107710,270810,293610,19069,9503R59,85909,77689,56919,825910,2532R610,26409,468810,62359,696810,1546R79,516910,22259,837210,07189,5703R810,04569,95319,658610,53239,8578R910,310110,160110,466710,15729,7699R1010,202010,396010,49359,676610,2063Uвых19461938195819531944


4. Сравнение точности выходного параметра


Результирующие характеристики точности выходного параметра, полученные вероятностным расчетно-аналитическим методом и моделированием поведения устройства на ЭВМ, приведены в таблице 4.1.


Таблица 4.1 - Характеристики точности выходного параметра, расчетно-аналитическим методом и методом Монте-Карло

Характеристика точности выходного параметраВероятностный МетодМетод Монте-КарлоПроизводственный допуск ?пр, %3,0196

По результатам, приведенным для вероятностного метода и для метода Монте-Карло, можно говорить об равнозначности этих методов. Величины производственных допусков различны лишь на десятые доли процента. Однако не следует забывать, что метод Монте-Карло является методом статистических испытаний, а вероятностный - расчетно-аналитическим методом. Метод Монте - Карло позволяет варьировать законами распределения входных (первичных) и выходных параметров, что придает этому методу универсальность. Данный метод более точный по сравнению с любым другим методом, так как в реализации данного метода можно численно задавать ошибку в определении математического ожидания выходного параметра, что требует только машинных затрат.

Однако не следует отбрасывать вероятностный метод расчета допусков. Он является наиболее совершенным из расчетно-аналитических методов и позволяет наиболее правильно учитывать случайный характер как входных, так и выходных параметров.


Заключение


В результате работы, двумя различными способами была получена характеристика точности выходного параметра напряжение, устройства «суммирующий усилитель». Поскольку результаты, полученные обоими методами, имеют небольшое расхождение, т.е. методы подтверждают правильность друг друга, можно сделать вывод, что оба метода дают приемлемые результаты, и могут быть использованы на практике.

Математическая модель выходного параметра устройства «суммирующий усилитель» содержит достаточно много входных параметров, поэтому в рассматриваемом случае не целесообразно пользоваться расчетно-аналитическим методом, поскольку теоретический расчет потребует больших временных затрат, в то время как написание и отладка программы, реализующей метод Монте-Карло, потребует меньшее количество времени.

В случае когда математическая модель выходного параметра имеет мало параметров или имеет достаточно простой вид, целесообразно использовать расчетно-аналитический метод. Дифференцирование сложной математической модели является достаточно сложной, требующей значительных временных затрат задачей, вероятность совершение ошибки при которой достаточно высока, именно поэтому при нахождении точности выходного параметра сложных устройств расчетно-аналитический метод стараются не применять.


Список использованных источников


1.Боровиков С.М. Теоретические основы конструирования, технологии надежности: Учебник для студентов инженерно-технических специальностей ВУЗов. - Мн.: Дизайн ПРО, 1998. - 336 с.

.Единая система программной документации. Схемы алгоритмов, программы данных и систем. Условные обозначения и правила выполнения. ГОСТ 19.701-90. Введ. с 01.01.92. Взамен ГОСТ 19.002-80, ГОСТ 19.003-80. - Мн.: Изд-во стандартов, 1991. - 26с.

3.С.М. Боровиков, Е.Н. Шнейдеров, Т.В. Малышева, Р.П. Гришель Применение математических методов в проектировании электронных устройств - Минск, БГУИР 2011. - 47с.

.Корис Р., Шмидт-Вальтер X. Справочник инженера-схемотехника 2008, 604с



Приложение А


Структурная схема моделирования на ЭВМ






Рисунок А.1 - Структурная схема


Приложение Б


Листинг программы для ЭВМ


#!/usr/bin/python

import sysrandcalcpr(p):= 5= 0= range(20)i < n0:j in x:[i][j] = round(p[i][j], 4)[i][-1] = round(p[i][-1])p[i]+= 1p= int(sys.argv[1])= rand.gen_r(rand.gen_u(n0))= rand.u_vih(p)= calc.mat_o(mv)= calc.sko(mv, mo)= calc.dop(sko, mo)_eksp = calc.n_eksp(sko, mo)(p)'mat. oszidanie = ',mo'sko = ',sko'dopusk = +/-',dop,'%''chislo realizaciy = ',n_eksp

Модуль calcmathmat_o(mv):= len(mv), s = 0, 0i < n0:+= mv[i]+= 1= round(s/n0, 4)mosko(mv, mo):= len(mv), s = 0, 0i <n0:+= math.pow(mv[i]-mo, 2)+= 1= math.sqrt(s/(n0-1))= round(s, 4)sdop(sko, mo):= round(sko*3/mo*100, 4)dpn_eksp(sko, mo):= 0.02*0.02*mo= round(4*math.pow(sko, 2)/math.pow(delt, 2))n

Модуль randrandomgen_u(n0):, q = [], []= 0= range(10)_min, u_max = 50-50*0.02, 50+50*0.02, s = 50, 50*0.02/3i < n0:j in x:= 0= 0ys != 1:= random.normalvariate(m, s)u_min <= ra <= u_max:= 1.append(ra).append(q)= []+= 1pgen_r(p):= [], r, ys = 0, 0, 0= len(p)= range(5)_min, r_max = 10-10*0.1, 10+10*0.1_n_min, r_n_max = 10-10*0.05, 10+10*0.05= 10_n, s = 10*0.05/3, 10*0.1/3i < n0:j in x:= random.uniform(r_n_min, r_n_max).append(r), r = 0, 0ys != 1:= random.normalvariate(m, s)r_min <= r <= r_max:= 1.append(r), r = 0, 0[i].append(q[0])[i].append(q[1])= []+= 1pu_vih(p):= []= len(p), u = 0, 0= range(10)i < n0:j in x:+= p[i][j]*39/p[i][j+10][i].append(u).append(u)= 0+= 1

return uv


Приложение В


Рисунок В.1- Графическая реализация программы


Министерство образования Республики Беларусь Учреждение образования «Белорусский государственный университет информатики и радиоэлектроники» Фак

Больше работ по теме:

КОНТАКТНЫЙ EMAIL: [email protected]

Скачать реферат © 2019 | Пользовательское соглашение

Скачать      Реферат

ПРОФЕССИОНАЛЬНАЯ ПОМОЩЬ СТУДЕНТАМ