CAD04-容差解答.ppt

* 输出信号带宽的直方图 根据直方图，从电路的稳定性出发,得到R为0.91。考虑到电路快速性要求，输出信号的带宽不应小于325 Hz，得到R为0.82。通过对电阻的偏差分布设置不同方差进行仿真发现，加大电阻方差，性能可靠度下降,电路的性能变差。 * 基于Pspice 的容差分析方法　 容差分析有两种方法:一种是统计的方法。在很多情况下,并不可能确切地知道一批产品中每个元器件参数实际偏离标称值的量,只是知道它们偏离范围和各个参数的随机分布规律,可以利用统计方法,通过已知的元器件参数的随机分布规律去计算电路特性的分布规律。 Pspice中的蒙特卡罗分析(MonteCarloAnalysis) 就是这种统计抽样的方法。第二种方法是以灵敏度为基础的分析方法,利用灵敏度信息解决多个元器件参数变化偏离标称值对电路性能的总影响。Pspice 中的最坏情况分析(Worst - CaseAnalysis) 就是这样一种方法。在利用Pspice 进行容差分析技术研究时,对引起电路容差问题的3种因素(参数偏差、温度效应、退化效应) 都要考虑。 * 1) 蒙特卡罗分析的实现首先根据需要对电路组成部分的参数设置偏差范围和分布类型,设置抽样次数n。PSpice 自动产生随机数,并在参数偏差范围内根据偏差的分布类型进行随机抽样,以改变所有设置偏差的模型参数。根据改变后的模型参数,再次重新对电路模型进行仿真计算,求出所有数据,并作为独立的一组输出。如此反复计算n次,得到n组随机数据,设计人员从而就可以对数据组中的数据如电压、电流甚至性能参数等进行统计分析,并画出直方图,求出不同容许偏差范围内的出现概率。在Pspice中允许对任意数量的元器件设置偏差,进行蒙特卡罗分析时要求有必要的内层分析,如直流分析、交流分析或暂态分析的支持。 * 2) 最坏情况分析的实现首先要设置电路组成部分的参数偏差。对于每一个元器件的模型参数,最坏情况分析使用它们的标称值、可能的最小值和最大值。由于电路仿真的结果往往是以曲线的形式表示,因此要确定最坏的含义。Pspice 就以确定的最坏含义来定向,实现最坏情况分析。最坏情况分析首先使用所有元器件的标称值进行运算,并初始化已定义的最坏含义,然后进行多重灵敏度分析,来确定模型参数对最坏含义的单独影响,即逐个改变元器件参数,并进行仿真,记录下模型参数的增加造成的最坏含义变化方向。最后用直接代入法,将每个参数值都改变为使最坏含义最坏的偏差限值,求出最坏情况输出。 * 由于生产工艺的不同或老化等原因，元件值与理想元件值（称为标称值）之间，都存在一定的偏差。比如，标为1kΩ的电阻，如果偏差为±10%，那么实际元件值可能是在1.1kΩ～900Ω之间的某一值。设计者不仅需要分析当电路元件为标称值的电路响应，还需分析当电路元件值在一定范围内变动时电路响应所发生的变化。所谓容差分析就是研究元件参数值的变化（公差）对电路特性的影响（公差）；或者相反，由给定的电路特性的公差，求元件参数值的公差。一般来说，保证电路在性能指标范围内，尽可能地扩大元件的容差范围以便降低成本，这是设计者几乎天天必须考虑的问题。 * 电路参数灵敏度的计算，反映了电路参数的改变对电路特性影响的大小，这对设计人员来说无疑是重要的。然而很多情况下，并不能确切知道各个参数的实际改变量，而只是知道各个参数的随机分布规律或者是变化范围。在这种情况下，怎样来分析电路特性的随机分布规律或者它的相应变化范围，这就是容差分析所要讨论的问题。由于这种不确定性，容差分析一般用概率统计分析，而且多用蒙特卡洛法。 * 在计算机上进行蒙特卡洛分析时关键在于用计算机产生随机数。然后用一组一组的随机数对各元件取值。元件的分布规律有： 　　1.均匀分布(FLAT) 　　任一元件值在容差的上下限范围内以相等的概率出现，该类元件值为均匀分布。又因其元件偏差和出现频率图为距形，所以也称距形分布，实际上，这种分布是很少的，因为它很简单。PSpice中用“DIST”设置元件值的分散性其默认值就是FLAT。 * 2.正态分布或称高斯（GAUSS）分布（常用） * * 3.双峰分布（BSIMG）；即在正负容差边界处出现的概率最大。 　　4．斜峰分布（SKEW）：即在正、负容差两个方向出现的概率不相等。 　　5.自定义分布 　　若想得到构成电路元件的准确分布，就必须进行实际测量以便取得精确数据，即测试和模拟相结合才能取得良好效果。 蒙特卡洛法优点是：对各种广泛问题都适用，并且十分灵活；该法也是在复杂条件下得到一个现实解的唯一可行的方法。不足之处是当电路模型不精确或者所用的概率分布不准确，这种计算将存在各种固有的误差。 * * * 图3 是输出信号带宽