1. Многовариантный анализ.
Одновариантный анализ позволяет получить информацию о
состоянии.
Поведении проектируемой схемы в одной точке пространства
внутренних X параметров и внешних Q параметров. Очевидно, что для оценки свойств проектируемой схемы этого недостаточно. Нужно выполнять многовариантный анализ, то есть
исследовать поведение схемы в ряде точек упомянутого пространства, которое для
краткости далее будем называть пространством аргументов.
Чаще всего многовариантный анализ в САПР
осуществляется в интерактивном режиме, когда разработчик неоднократно меняет в
математической модели те или иные параметры из множеств X или Q,
выполняет одновариантный анализ и фиксирует значения выходных параметров.
Подобный многовариантный анализ позволяет оценить область работоспособности, степень выполнения условий
работоспособности, а следовательно, степень выполнения
ТЗ на проектирование.
Примечание: Областью
работоспособности называют область в пространстве аргументов, в пределах
которой значения всех выходных параметров находятся в пределах ТЗ.
Среди процедур многовариантного анализа можно выделить
типовые, выполняемые по заранее составленным
программам. К таким процедурам относятся анализ чувствительности и
статистический анализ.
2. Анализ
чувствительности.
Цель анализа чувствительности заключается в нахождении
тех элементов схемы и параметров X этих
элементов, отклонение которых от номинальных значений приводит к наибольшему
отклонению выходных параметров схемы Y.
Примеры выходных параметров схем:
потребляемая мощность, выходная мощность, помехоустойчивость, динамические
параметры (задержка, длительность фронта, …), частотные параметры (коэфф. усиления, полоса пропускания, ….).
Наиболее просто анализ чувствительности реализуется
путем численного дифференцирования. Пусть анализ проводится в некоторой точке Xном пространства аргументов, в
которой предварительно проведен одновариантный анализ и найдены значения
выходных параметров yj ном . Выделяется N параметров-аргументов xi (из числа элементов векторов X и Q),
влияние которых на выходные параметры подлежит оценить, поочередно каждый из
них получает приращение Δxi , выполняется одновариантный анализ, фиксируются
значения выходных параметров yj и подсчитываются значения абсолютных:
Aji = (yj – yj ном) / Δxi ,
и
относительных коэффициентов чувствительности:
Bji = Aji xi ном / yj ном .
Такой метод численного дифференцирования называют методом приращений. Для анализа
чувствительности методом приращений требуется выполнить N + 1 раз
одновариантный анализ. Результат его применения – матрицы абсолютной и
относительной чувствительности, элементами которых являются коэффициенты Aji и Bji.
Примечание: Анализ чувствительности – это расчет векторов
градиентов выходных параметров, который входит составной частью в программы
параметрической оптимизации, использующие градиентные методы.
3. Статистический
анализ.
Целью статистического анализа является определение
процента выхода годных схем, соответствующих ТЗ, при данном конкретном разбросе параметров X.
В результате анализа определяется вероятность P(X) того, что вектор внутренних параметров X, определяющий состояние схемы в момент ее
изготовления, находится в области работоспособности G(X).
Исходной информацией являются характеристики законов
распределения внутренних параметров X, а
результатом расчета – характеристики законов распределения выходных параметров Y. Статистический анализ ограничивается лишь расчетом
начальной надежности схемы, без учета старения.
В САПР статистический анализ проводится численным
методом – методом Монте-Карло.
В соответствии с этим методом осуществляется N статистических испытаний, каждое статистическое
испытание представляет собой одновариантный анализ, выполняемый при случайных
значениях параметров-аргументов. Эти случайные значения выбираются в
соответствии с заданными законами распределения аргументов xi.
Полученные в каждом испытании значения выходных параметров накапливают и
обрабатывают. Испытание считается неудачным, если нарушено хотя бы одно условие
работоспособности. Если число неудачных испытаний М, то отношение М / N с
некоторой точностью характеризует вероятность P(X).
В итоге расчета могут быть получены следующие
результаты:
-
гистограммы
выходных параметров;
-
оценки матожиданий и дисперсий выходных параметров;
-
оценки
коэффициентов корреляции и регрессии между избранными выходными и внутренними
параметрами, которые в частности модно использовать для оценки коэффициентов
чувствительности.
Статистический анализ, выполняемый методом Монте-Карло – трудоемкая процедура, поскольку число
испытаний приходится выбирать довольно большим, чтобы достичь приемлемой
точности анализа. Другая причина, затрудняющая применение метода Монте-Карло – трудности в получении достоверной исходной
информации о законах распределения параметров-аргументов xi.
Более типична ситуация, когда законы распределения xi
не известны, но известны предельно допустимые отклонения Δxi параметров от номинальных значений xi ном (такие
отклонения указываются в паспортных данных). В таких случаях более реалистично
применять метод анализа на наихудший
случай.