Анализ Монте-Карло прогон

Шаг А теперь выведите на экран диаграмму частотной характеристики выходного 24, напряжения полосового фильтра для всех десяти прогонов анализа Монте-Карло (рис. 9.39). [c.201]

Рис. 9.42. Выходное напряжение схемы с общим эмиттером после десяти прогонов анализа Монте-Карло

Если вы хотите создать диаграмму с изображением прогонов анализа Монте-Карло внутри границ наихудшего случая, действуйте следующим образом [c.207]

Программа PSPI E позволяет приписывать допуски параметрам компонентов. И тогда в ходе одного анализа Монте-Карло одна и та же схема может моделироваться ( прогоняться ) до двадцати тысяч раз каждый раз с новым набором параметров, заданным по принципу случайной выборки. Затем отдельные результаты оцениваются программой PSPI E по тем критериям, которые вы заранее оговариваете во время предварительной установки анализа. Например, определяется максимальное отклонение напряжения от его номинального значения, то есть от того значения, какое имело бы это напряжение, если бы все компоненты точно соответствовали своим номинальным параметрам. [c.197]

Диаграммы, создаваемые на основе результатов анализа Монте-Карло, особенно наглядны, когда, к примеру, на одной общей диаграмме изображаются результаты всех прогонов, совершенных при моделировании схемы, то одного взгляда бывает достаточно, чтобы определить чувствительность схемы к допускам компонентов. На одну диаграмму PROBE могут быть одновременно выведены данные [c.197]

Программа PSPI E позволяет проводить анализ Монте-Карло в сочетании с анализом D Sweep, A Sweep и с анализом переходных процессов. В ходе моделирования первый прогон анализа Монте-Карло всегда является номинальным , то есть при нем все компоненты имеют свои номинальные значения. [c.197]

Проведите в этом окне предварительную установку, как показано на рис. 9.38. В ходе моделирования будет проведено десять прогонов анализа Монте-Карло (опция МС Run) на основе анализа АС Sweep (опция Analysis Туре). [c.200]

Наряду с анализом Монте-Карло в программе PROBE можно выполнить стохастический эквивалент анализа производительности на экране будет показано статистическое распределение величин, которые извлекаются из каждого отдельного прогона анализа Монте-Карло с помощью целевых функций. В качестве примера изобразим в виде гистограммы статистическое распределение ширины полосы на уровне З-dB десяти полученных выше кривых. [c.201]

RUN - предоставляет результаты только указанных в поле Value прогонов анализа Монте-Карло [c.203]

Теперь вы понимаете, что анализ наихудшего случая выдает достоверный результат только тогда, когда для всех параметров выходная величина монотонно изменяется при монотонном изменении параметра. Иными словами если параметры оказывают на выходную величину самое большое влияние в момент, когда находятся на одной из границ своего допуска. Сверх этого, отдельные параметры, что касается их тенденции к наихудшему случаю, не мохут оказывать взаимного влияния друг на друга. Остается только удивляться, что при таких серьезных ограничениях анализ наихудшего случая, тем не менее, чаще всего выявляет реальный наихудший случай. Но абсолютной гарантии относительно правильности результата нет. Вы сможете быть уверены в полученных данных только тогда, когда все результаты анализа Монте-Карло с большим количеством прогонов МС Runs останутся в пределах границ (Hi и Lo) наихудшего случая. [c.206]

Воспользовавшись опцией PROBE Append (см. рецепт б в главе 5), объедините результаты, полученные в пунктах 2-4. Ваша диаграмма частотной характеристики активного фильтра (см. рис. 9.32) после успешного завершения работы должна быть аналогична той диаграмме, которую вы видите на рис. 9.46. Здесь изображены оба прогона наихудшего случая с самым большим отклонением вверх и вниз, а также двадцать прогонов анализа Монте-Карло со статистически установленными значениями разброса резисторов и конденсаторов. [c.207]

В разделе Analysis Туре укажите, какой анализ лежит в основе прогонов Монте-Карло. [c.214]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...