Тестирование программы

10.1 Преобразование из C в TFCM

Для решения задачи преобразования моделей для идеального конденсатора C и монолитного TFCM. Для этого разгрузим программу GAAprox.exe. Файл исходных измерений нужно получить из MWO, для этого нажимаем кнопку ‘получить из MWO’. Теперь, задаем схему, на которой расположен интересующий элемент и график, куда выводятся результаты измерений как на рис. 17.

Рисунок 17 – Получение файла измерений из MWO

Рисунок 18. – Настройки идеального элемента

Перед проведением расчетов нужно удостовериться, что мы правильно задали параметры идеального элемента. Задаем пределы варьируемых параметров элемента. Необходимо задать шаг изменения каждого параметра, в примере, изображенном на рис. 18, это значение 0.1пФ и его нужно задать как текущее значение элемента.

Кроме того, необходимо задать настройки проекта, такие как частотный диапазон. Необходимо отметить, что число точек расчета определяется шагом и диапазоном варьируемых элементов, а так же числом частот, на которых проходит моделирование. После того, как элемент настроен, необходимо нажать на кнопку «Произвести расчет базы». В проекте MWO можно будет наблюдать циклический обход всех возможных параметров элемента и соответствующий ему анализ характеристик. После завершения этого процесса файл база готов и сохранен по заданному адресу.

Такой же файл базы необходимо создать и для монолитного элемента. Для элемента TFCM настройки параметров могут быть заданы как на рис. 19.

Рисунок 19 – Настройка монолитного элемента

Очень важно задать такие параметры идеального и монолитного элемента, чтобы полученные базы были адекватны решаемой задачи. Все возможные наборы параметров идеального элемента подставляют в полиномы преобразований. Выходы полиномов – параметры монолитного элемента. Рассчитываются s-параметры монолитного элемента и сравниваются с s-параметрами из базы. Важно чтобы область параметров базы идеального элементы была меньше базы монолитного.

После настройки базы измерений необходимо нажать кнопку «Инициализировать».

Рисунок 20 – Форма настройки полиномов преобразований

На данной форме необходимо нажать кнопку «Применить настройки полинома». На данном этапе разработки настройки полинома недоступны.

Рисунок 21 – Форма оптимизации

На вкладке «Оптимизация» необходимо нажать кнопку «Поиск». На форме можно наблюдать размер полученной ошибки преобразования.

Рисунок 22 – файл полиномов преобразований

Полученные полиномы можно наблюдать в файле по адресу ‘c:\polinom.txt’.

Полученные полиномы можно прямо вставить в проект MWO на схему и пронаблюдать полученную ошибку полиномов преобразования.

Рисунок 23 – Использование полинома в MWO

Так же можно наблюдать график полученной ошибки как на рис. 24.

Рисунок 24 – График ошибки s-параметров

График позволил пронаблюдать, что полученная ошибка низка и, кроме того, описанный полином качественно описывается поведение идеального конденсатора и за пределами диапазона с границей в 10 пФ. Ошибка составляет порядка 1%.

10.2 Преобразование из IND в MRIND

Была решена задача преобразования идеальной катушки индуктивности(IND) в монолитную (MRIND). Для тестирования был взят диапазон частот от 1 до 4 ГГц и диапазон изменения индуктивности от 1 до 5 нГн.

Рисунок 25 - Ошибка s-параметров для катушки индуктивности L и MRIND

Заключение

В результате проделанных работ была исследована предметная область и разработан макет программного обеспечения, позволяющего эффективно решать задачу получения полиномов преобразования из идеальных элементов в эквивалентные элементы выполненные по монолитной технологии.

Практика использования среды моделирования MWO показала, что возможно эффективное использование внутренних инструментов среды для решения частных задач.

Тестирование показало, что разработанный генетический алгоритм качественно решает поставленные задачи, позволяя добиться хороших результатов. Ошибка при решении задачи преобразования модели не превышает 7-ми процентов для катушки индуктивности и 1-го процента для конденсатора в заданном диапазоне значений параметров элементов и частот. Авторы находят исследования в данной области привлекательными с научной и коммерческой точек зрения.

Список литературы

1. Бабак Л.И. и др. Отчет по научно-исследовательской работе «Разработка моделей, методов и программных средств для автоматизированного проектирования СВЧ монолитных интегральных схем, выполняемых по отечественной технологии». – Томск: ТУСУР, НПФ «МИКРАН», Исследовательский институт СВЧ и оптической связи (Франция).

2. Marin Golub, Andrea Budin Posavec Using genetic algorithms for adapting approximation functions. Faculty of Electrical Engineering and Computing, University of Zagreb, Department of Electronics, Microelectronics, Computer and Intelligent Systems Unska 3, 10000 Zagreb, Croatia

3. Holland J.H.. Adaptation in Natural and Artificial Systems. The University of Michigan Press.1975

4. Hererra F. Tackling Real-Coded Genetic Algorithms: Operators and Tools for Behavioural Analysis.1998.

5. Wright A. Genetic Algorithm for Real Parameter Optimization (Foundations of Genetic Algortihms 1, G.J.E. Rawlin (Ed.)), (Morgan Kaufman, San Mateo) 205-208.

6. Michalewicz Z. Genetic Algorithms + Data Structures = Evolution Programs. Spring-Verlag, New-York. 1992

Дата добавления: 2015-07-08