统计推断组(顾婕昱)课程设计报告.docxVIP

统计推断在数模、模数转换中的应用第008组 顾婕昱 5110309388，毕雨来5110309514摘要：本论文在工程实践与科技创新[3A]的实验结果数据的基础上，探究统计推断在数模、模数转换中的应用。报告中利用DC-DC开关电源输出的电压值与PWM信号占空比的53组数据，采用选取7个特征点，运用随机函数和遗传算法并结合退火算法，来寻求满足所有数据的统一形式的函数，并得到满足评价函数的局部最优解。关键词：统计推断，曲线拟合，三次条样插值，模拟退火算法，遗传算法Application of Statistic Model in A/D and D/A Converse SystemABSTRACT:The paper is to explore the application of statistic model in module-digital-analog conversion system on the basis of the experimental data from technological innovation[3A]. The report uses DC-DC switching power supply output voltage and PWM duty cycle of 53 sets of data to and picks seven characteristic points to find a consensus function for all groups of data by means of random selection, genetic algorithm and simulated annealing algorithm to get the partial optional result.Key words: Statistic Model, Curve Fitting, Spine Interpolation, Simulated Annealing Algorithm, Genetic Algorithm1 引言在工程实践与科学实验中通常面对的对象是一个由多个变量组成的一个系统，当我们需要寻找两个变量间的关系时，在理论上我们可以通过计算得出两个变量之间的确定的函数关系，但实际却很难找到非常精确描述两个变量的函数。通常采取的方法是通过多种不同曲线拟合，算出多种不同的方案，并选择某一统计量作为评定优劣标准，从而选出最优的方案。1.1问题的提出本次课题面对的对象是一个含有微处理器智能器件的开关电源（DC—DC系统），通过输出一定的占空比的PWM波来控制输出的电压。电路板的D-U特性关系个体差异较大，实验室中，我们可以逐点测定53个电压设点对应的占空比D值，但是涉及到大批量的工业生产时，逐块测定势必会增加生产成本，降低可行性。那么是否可以通过几组事前观测值来完成对系统的定标？系统定标准确度评价函数定义为： (1-1)说明：（1）对应(V)，对应(V)，此2点不纳入评价范围（2）式中，增加(-2)项使满分取到100，与百分制习惯相符合（3）限定A的最小取值为01.2数据来源实验课程中制作的可调电源模块，在本报告中视为一个黑盒抽象对象如图所示：图1-1 测量对象模型[1]数据来源为实验课程中所有小组的有效数据。每一组数据输出电压从4.9V到10.1V，每隔0.1V取样得到相应的占空比，共53个数据对。总共有544组数据。1.3课程目标限测7点事前观测值，获得平均得分不低于94分的估测方法。2方案设计2.1数据点观察通过观察发现，随着采样点电压的增大，有些图像具有良好的线性性和平滑度，有些图像则分段具有较好的平滑度，但是有明显的分段跳变。另外观察到有一部分的曲线抖动比较厉害，平滑度较差。2.2数学背景给出一组对应的模拟量，要求确定一个函数逼近原函数，要求不要求过所有的点而且尽可能表现数据的趋势，靠近这些点。判断最优的准则可以是最小二乘、加权最小二乘、极大似然等。这里使用最小二乘法，是使观测数据的误差平方和达到最小值的一种预测方法。设为某一占空比的数值，为在该占空比下对应的电压值，当函数表达式确定好后，将某一占空比带入表达式即可得到理论的电压值，但是它与实际测量值之间必定存在一定的误差，用随机误差来表示。即 (2-1)样本总得分可依据每个点的对应课程所给的评价函数求取,并加和求取总评分，即 (2-2)评判一个数学模型的好坏的方式就是：计算平均得分，即 (2-3)2.3特征点选取观察到