第8章 容差分析.pptVIP

3. 将性能矢量在x0点展开成台劳级数，略去二阶以上高阶项，可以得到器件参数变化Δx=x-x0时，电路性能的近似变化量Δf，即有： 8.3 多个器件参数变化对电路性能的影响 偏导数阵 : 表示电路的全部输出变量对所有器件参数的灵敏度，也称之为梯度。 故利用灵敏度分析的结果，可以 估计电路中多个器件参数发生变化时电路输出性能的变化量。 * 第30页，共75页，编辑于2022年，星期日 只有在所有器件参数的变化量都很小的情况下，上述方法才是正确的；当变化量较大时，不能忽略高阶项的影响。 另外：当只对电路中某一个或某几个输出变量有兴趣时，上述梯度矩阵的维数可大大降低。 8.3 多个器件参数变化对电路性能的影响 * 第31页，共75页，编辑于2022年，星期日 例8.3.1 差分大器如图所示，两个晶体管的参数为βF=60，IS=1E-13A，假设5个电阻的数值发生5%的变化，试估算节点电位V(4)、V(5)和V(4)-V(5)的变化量。 * 第32页，共75页，编辑于2022年，星期日 * 第33页，共75页，编辑于2022年，星期日 8.4 最坏情况分析 最坏情况：电路中器件参数在其容差范围内取某种组合时，所引起电路性能的偏差最大。这种情况称为最坏情况。 应用场合：已知电路器件参数的容差而不知道其统计分布规律的条件下，可以通过最坏情况分析估算出电路性能的这种最坏偏差。 * 第34页，共75页，编辑于2022年，星期日 2. 器件参数的容差域 假定电路中器件参数的标称值矢量为: 器件参数的容差矢量为t: 那么满足条件： 的器件参数矢量就构成了器件参数空间的容差域。 * 第35页，共75页，编辑于2022年，星期日 8.4 最坏情况分析 * 第36页，共75页，编辑于2022年，星期日 3. 最坏情况分析： 即在器件参数满足 的条件下，求电路性能偏离其标称值的最大值。 可以用下述两个数学规划来描述最坏情况分析： 8.4 最坏情况分析 最坏情况特别是全局最坏情况的求解，至今还没有对所有电路形式都适用的算法。 * 第37页，共75页，编辑于2022年，星期日 4. 一维参数空间的分析： (a) (b) * 第38页，共75页，编辑于2022年，星期日 8.4 最坏情况分析 * 第39页，共75页，编辑于2022年，星期日 8.4 最坏情况分析 * 第40页，共75页，编辑于2022年，星期日 5. 电路性能函数最坏情况分析的计算步骤： 8.4 最坏情况分析 * 第41页，共75页，编辑于2022年，星期日 8.4 最坏情况分析 * 第42页，共75页，编辑于2022年，星期日 6. 存在两种情况可能使最坏情况分析得出错误解： （1）最坏条件根本不出现在容差域的边界点上； （2）最坏情况虽然出现在容差域的边界点上，而上述算法却是错误的。如下图（a）、（b）所示。 直接用灵敏度信息不能得出电路性能函数的最坏解 采用灵敏度算法得到的结果根本就是错误解 * 第43页，共75页，编辑于2022年，星期日 7. 理论上可以证明： 如果电路性能函数是其器件参数的拟凸（凹）函数，性能函数的最坏情况一定出现在容差域的边界点。 如果电路的性能函数关于其器件参数连续，在参数容差不太大的条件下，即在器件参数标称值的一个较小的领域内，电路的性能函数都可以由拟凸（凹）函数很好地逼近。 所以，如果器件参数的容差不大，采用上述算法给出的最坏情况分析方法，可以得出相当精确的结果。 * 第44页，共75页，编辑于2022年，星期日 8 最坏情况分析的特点 （1）要求最严，最保守，成本最高 （2）在高风险的场合、成本不是最重要的场合适用 * 第45页，共75页，编辑于2022年，星期日 * 第46页，共75页，编辑于2022年，星期日 * 第47页，共75页，编辑于2022年，星期日 * 第48页，共75页，编辑于2022年，星期日 * 第49页，共75页，编辑于2022年，星期日 8.4 最坏情况分析 标称值情 况下输出 最大偏 差曲线 * 第50页，共75页，编辑于2022年，星期日 1. 蒙特卡罗方法 是一种统计模拟方法。 如果已知电路所有元器件参数的统计分布规律，根据这种分布规律随机地多次抽取元器件参数，并对随机抽取的电路进行计算机模拟，就可以估计出电路性能的统计分布规律，这就是蒙特卡罗分析方法。 8.5 蒙特卡罗分析 * 第51页，共75页，编辑于2022年，星期日 2. 蒙特卡罗方法的流程： 给定电路拓扑及元 器件参数的统计分布 产生均匀分布的伪随机数 产生给定分布的元件 参数的随机抽样序列 电路仿真 （DC,AC,TRAN） i=M？ i=i+1 对