Upload
hakan
View
51
Download
0
Embed Size (px)
DESCRIPTION
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Επιτάχυνση σύγκλισης των επαναληπτικών επιλύσεων Gauss - Seidel , κατά την προσομοίωση αναλογικών και μικτών ηλεκτρονικών κυκλωμάτων, με μέθοδο χαλάρωσης μητρικών μεταβλητών. - PowerPoint PPT Presentation
Citation preview
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα
Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Επιτάχυνση σύγκλισης των επαναληπτικών επιλύσεων Gauss-Seidel, κατά την προσομοίωση αναλογικών και μικτών ηλεκτρονικών κυκλωμάτων, με μέθοδο χαλάρωσης μητρικών μεταβλητών.
ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
του TANCIC NENAD (Α.Ε.Μ.: 3800)
Επιβλέπων:Σταύρος Π. Δοκουζγιάννης
Επίκουρος Καθηγητής
Θεσσαλονίκη, Α.Π.Θ. 2006
Σύντομη περιγραφή διπλωματικής εργασίας
• Εισαγωγή στις μεθόδους χαλάρωσης
• Περιγραφή της μεθόδου μερικής χαλάρωσης
Gauss-Seidel (PGS)
• Περιγραφή των κριτηρίων σφάλματος
• Εφαρμογή της PGS σε ένα προσομοιωτή κυκλώματος
• Σύγκριση της PGS με άλλες επαναληπτικές μεθόδους
• Υλοποίηση των εξισώσεων του Gummel Poon του
SPICE με Μatlab
• Συμπεράσματα
Εισαγωγή στις μεθόδους χαλάρωσης• Έστω ότι έχουμε μια εξίσωση:
• Η φασματική ακτίνα του πίνακα Β :
• Ο μέσος ρυθμός σύγκλισης του πίνακα Β :
• Ο μέσος αριθμός των επαναλήψεων :
• Η εξάρτηση των μέσων αριθμών επαναλήψεων από τη φασματική ακτίνα:
1 1 1 1( ) m m m m mAx b M N x b Mx Nx b x M Nx M b Bx k
1 1
1 1
max | | max | | 1n n
ij iji n i nj j
B B B Bb b
lim ( ) ( ) ln( ( )) ( ) ln( ( ))m
R B R B B R B B
1
kN R B x x
N N
0.99 100.0 0.1 0.43
0.9 10.0 0.01 0.22
0.5 1.42 0.001 0.15
B
Εισαγωγή στις μεθόδους χαλάρωσης
• Οι μέθοδοι Gauss-Seidel και Gauss-Jacobi
• Ο πίνακας Α πρέπει να είναι αυστηρά διαγώνιος
δεσπόζων
• Ο διαγώνιος πίνακας καθορίζεται εξαρχής
• Η φασματική ακτίνα
• Η σύγκλιση τους είναι συνήθως αργή
• Σε ορισμένες περιπτώσεις αποκλίνουν
bxULDxJacobiGauss
bUxxLDSeidelGaussmm
mm
1
1
:
:
1D U L
D L U
Μέθοδος μερικής χαλάρωσης Gauss Seidel
• Η διαδικασία PGS παραγοντοποίηση:
• Η PGS προς τα εμπρός αντικατάσταση
• Η PGS προς τα πίσω αντικατάσταση
• Η χαλάρωση των fill in ορών στους πίνακες LU
1 1( )m mUx L b Nx
Ax b M N x b ( )LU N x b
1m mLUx b Nx
11 12 13
21 22 23
31 32 33
1 0 0
1 0 0
1 0 0
u u u
ύ LU l u u
l l u
1 1 1( )m mx U L b Nx 1 1( )m mUx L b Nx
Μέθοδος Μερικής Χαλάρωσης Gauss Seidel
• Αλγόριθμος PGS παραγοντοποίησης
Περιγραφή των κριτηρίων σφάλματος
• Η διαδικασία προσδιορισμού μικρών προς
χαλάρωση ορών είναι ευρηματική
• Για κάθε εξίσωση του πίνακα ορίζονται
περιθώρια
• Η φασματική ακτίνα περιορίζεται από το άθροισμα
μέτρων της σειράς
• Θα μπορούσαμε να προσδιορίσουμε τα κριτήρια
χαλάρωσης συγκρίνοντας μονό τους ορούς της
ιδίας σειράς με τα διαγώνια τους;
L
Περιγραφή των κριτηρίων σφάλματος• Παράδειγμα : Έστω ότι θέλουμε να χαλαρώσει ο ορός
0.101 0.01 0
0.01 1.01 1
0 1 1
A
21a
0.101 0.01 0 0 0 0
0 1.01 1 0.01 0 0
0 1 1 0 0 0
M N
1 1 1 1m m m mM N x b Mx Nx b x M Nx M b
1 1 1 1 1m mx U L Nx U L b
1 1
0.9900099 0 0
1 0 0
1 0 0
U L N 1 1 0.990099U L N
Περιγραφή των κριτηρίων σφάλματος• Προσδιορισμός των κανόνων περιθωρίου Έστω ότι δίνεται ο πίνακας και έστω ότι χαλαρώνει το
Αν ο πίνακας Α είναι αυστηρά διαγώνιος δεσπόζων και όλα τα μη διαγώνια στοιχειά είναι της ιδίας τάξης τότε θα προκύψει:
• First-level error terms
5 5A 31a
11 12 13 14 15
21 22 23 24 25
32 33 34 35 31
41 42 43 44 45
51 52 53 54 55
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0
0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0
a a a a a
a a a a a
M a a a a N a
a a a a a
a a a a a
11 12 13 14 15
21 22 23 24 25
31 32 33 34 35
41 42 43 44 45
51 52 53 54 55
a a a a a
a a a a a
A a a a a a
a a a a a
a a a a a
53 43 541 1 1l l l 54 43 53l l l
53 31 54 43 31 53 31l a l l a l
1 1 1 131
43 31
53 31 54 43 31
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
M N U L N U a
l a
l a l l a
Περιγραφή των κριτηρίων σφάλματος
Μετά από απλοποίηση του πίνακα και πολλαπλασιασμού του με πίνακα
Το μέγιστο άθροισμα νορμών σειράς τc:
1L N
1 1 131
43 31
53 31
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
E U L N U a
l a
l a
1U
13 31
33 11
23 31
33 22
1 1 31
33
43 31
44
53 31
55
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
U a
U U
U a
U U
aE U L N
U
l a
U
l a
U
13 31 23 31 31 43 31 53 31
33 11 33 22 33 44 55
c c c c c
U a U a a l a l a
U U U U U U U
1 1 1 131
43 31
53 31 54 43 31
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
0.0 0.0 0.0 0.0
B M N U L N U a
l a
l a l l a
Περιγραφή των κριτηρίων σφάλματος
• Εκφράζοντας ως προς το : • Συνοπτικά ισχύει :
• To μέγιστο περιθώριο χαλάρωσης τι:
• Το μέγιστο σφάλμα των μέτρων σειράς τc
31a
33 11 33 2231 31
13 23
31 33
554431 31
43 53
c c
c
c c
U U U Ua a
U U
a U
UUa a
l l
3331
3
31 33
313
3
3
3
kkc
k
c
kkc
k
U Uk a
U
k a U
Uk a
l
• Καταλήγουμε:
Για j<i:
3331 33 3 3
3 3
min ,min ,minkk kkc c ck k
k k
U U Ua U
U l
min ,min ,minkk ii kkij c ii c c
k i k iki ki
U U Ua U
U l
min ,min ,minkk ii kk
i c ii c ck i k iki ki
U U UU
U l
iija
Περιγραφή των κριτηρίων σφάλματος • Γενικά ισχύει ότι το τι περιορίζει τους ορούς που χαλαρώνουν να μην
προκαλέσουν ένα νέο σφάλμα μεγαλύτερο από στην εξίσωση κ ;
Αν στην εξίσωση κ τότε:
• Στάδια παραγωγής εσφαλμένων ορών:
1. Εσφαλμένοι οροί από ορούς που χαλαρώνουν:
2. Εσφαλμένοι οροί από τους ορός που έχουν ήδη χαλαρώσει:
• Στάδια υπολογισμού περιθωρίων :
kkc U
c kkU
1min ,min ,minii
i k k kk i k iki ki
U
U l
c kkU
min ,min ,minkk ii kki c ii c c
k i k iki ki
U U UU
U l
` 1N L N
`` 1 `N U N
i c iiU i min ,min 1,iii i k
k i ki
Ui n
U
1min ,min ,1i i k
k i ki
i nl
Περιγραφή των κριτηρίων σφάλματος
• Παράδειγμα 2: Έστω ότι δίνεται o πίνακας Α και θεωρούμε ένα μη αποδεκτό σφάλμα
κάθε σφάλμα μεγαλύτερο από 0.02 στον πίνακα Β και θέλουμε να χαλαρώσει το
Εφόσον τ2= <0.02 έχουμε:
21a
1 0.01 0 0 1 0.01 0 0 0 0 0 0
0.01 1.01 1 0 0.01 1.01 1 0 0.1 0 0 0
0 1 2 1 0 1 2 1 0 0 0 0
0 0 1 1.001 0 0 1 1.001 0 0 0 0
A M N
1 1
0.0009 0 0
0.09 0 0
0.09 0 0
0.09 0 0
B U L N
0.00001 0 0 0
0.001 0 0 0
0.001 0 0 0
0.01 0 0 0
E
min , min ,minkk ii kki c ii c c
k i k iki ki
U U UU
U l
0001.0
0001.0
01.0
01.0
0.01c iiU
1min ,min ,minii
i k k kk i k i
ki ki
U
U l
0.01
0.0001
0.0001
0.0001
a
Περιγραφή των κριτηρίων σφάλματος• Παράδειγμα 1:
Έστω ότι δίνεται o πίνακας Α και θεωρούμε μη αποδεκτό όρο κάθε όρο στον πίνακα Β που είναι μεγαλύτερο από 0.02 και έστω ότι χαλαρώνει
Εφόσον το τότε δεν μπορεί να χαλαρώσει το
31a
02.1101.0
110
01.001
A
1 0 0.01 0 0 0
0 1 1 0 0 0
0 1 1.02 0.01 0 0
M N
1 1
0.005 0 0
0.5 0 0
0.5 0 0
B U L N
0.005 0 0
0.5 0 0
0.5 0 0
E
min ,min ,minkk ii kki c ii c c
k i k iki ki
U U UU
U l
0002.0
0002.0
01.0
31 3a
31a
21 31c cb b
Περιγραφή των κριτηρίων σφάλματος
• Συμπεράσματα :1. Τα περιθώρια σφάλματος περιορίζουν το άθροισμα νορμών σειράς
2. Στην πράξη τα περιθώρια υπολογίζονται κατά την PGS παραγοντοποίηση
3. Δυνατότητα διόρθωσης εσφαλμένων ορών (fill in)
• Σύγκριση της PGS με την Gauss Seidel (τc=0.1)
Matrix #Equations
Gauss-Seidel #PGS %LU Ops
#Iteration Iterations Skipped
#1 153 4 4 79%
#2 1.013 5 5 100%
#3 3313 47.349 60 56%
#4 6130 1937 50 99%
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• Δυναμικός έλεγχος των αριθμών επαναλήψεων PGS
• Κριτήρια βέλτιστης επιλογής του τc
• Ευρηματικές προϋπόθεσεις για τη μείωση του
αθροίσματος των μέτρων της σειράς
• Ανάλυση αποτελεσμάτων
• Τελικές παρατηρήσεις
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• Συνδυασμός των μεθόδων Newton και PGS1. Προβλήματα σύγκλισης τάσεων στα μεγάλα κυκλώματα με
πολλά μη γραμμικά στοιχειά
2. Προσδιορισμός των σημαντικών τάσεων
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• Ένα παράδειγμα οπού δεν παρατηρείται πρόβλημα σύγκλισης τάσεων
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• Υπόλοιπες τάσεις δεν πρέπει να αλάξουν μέχρι να
σταθεροποιηθούν οι σημαντικές τάσεις
• Προβλήματα σύγκλισης των γραμμικών στοιχειών
• Απαραίτητη εκτίμηση του αριθμού των PGS
επαναλήψεων για να συγκλίνουν οι σημαντικές τάσεις
σε μια προκαθορισμένη τιμή
• Σύγκλιση των σημαντικών τάσεων καθορίζεται από
την επιλογή των περιθωρίων
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• Η διαδικασία πρόβλεψης των αριθμών των PGS επαναλήψεων έχει στόχο:
1. Σύγκλιση όλων των σημαντικών τάσεων
2. Επίτευξη μέγιστης ταχύτητας σύγκλισης
• Ο Αλγόριθμος πρόβλεψης των αριθμών PGS επαναλήψεων :
1. Η PGS mode συμβολίζει τον αριθμό PGS επαναλήψεων
2. Όλες οι PGS modes απαιτούν μόνο μια PGS παραγοντοποίηση
3. Η mode PGS = 0 χρησιμοποιείται για την πρώτη επανάληψη κατά το μεταβατικό στάδιο προσομοίωσης οπού υλοποιείται η LU παραγοντοποίηση
4. Η PGS mode συνήθως αυξάνεται από 1-10 κατά την διαδοχική εκτέλεση των επαναλήψεων Newton.
5. Χρησιμοποιείται η ρουτίνα η οποία επιστρέφει το νέο προβλεπόμενο χρόνο που απαιτεί το CPU για την επίλυση.
6. Συγκρίνουμε αυτό το νέο χρόνο του PGS mode με τον προβλεπόμενο χρόνο της PGS mode-1 και αν είναι μεγαλύτερος τότε η PGS mode μειώνεται στην PGS mode-1 στο τέλος της επανάληψης Newton.
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• Ο στόχος της βέλτιστης επιλογής του τc είναι:1. Ο προσδιορισμός των απαραιτήτων αριθμών PGS επαναλήψεων
2. Η καλή απόδοση της μεθόδου PGS
• Υπολογισμός του τc εξαρτάται από :1. Το περιθώριο σύγκλισης των κομβικών τάσεων VNTOL
2. Το απόλυτο περιθώριο σύγκλισης των κομβικών τάσεων TSVTOL
3. Το μέσο αριθμό των PGS επαναλήψεων Ν που απαιτούνται για να μειωθεί η νόρμα του διανύσματος σφάλματος στην τιμή του ε
• Υπολογισμός του τc για μια PGS επανάληψη : Αν θέλουμε να μειώσουμε την για μια επανάληψη ορίζουμε το
kx x 1aN
11. ln
2.
1 13. 1
ln lnln
4. exp exp ln
a
c
c c
c
VNTOLa
e TSTOL
B
aN
B
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος • Αντίστοιχα όταν έχουμε 2 επαναλήψεις PGS :
• Ενώ για n επαναλήψεις PGS θα έχουμε :
• Υπάρχουν και αλλά κριτήρια που συσχετίζονται με τα προηγούμενα κριτήρια επιλογης του τc που πρεπει να λαβουμε υποψη ;
1. Το περιθώριο σφάλματος ρεύματος IRTΟLi του κόμβου i
2. Το απόλυτο περιθώριο σφάλματος ρεύματος ABSTOL 3. H αγωγιμότητα Gij του κλάδου που συνδέει τους κόμβους i και j
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• H νέα τιμή για το τc προκύπτει :
• Ανάλυση αποτελεσμάτων :
Circuit # MOS # BJT # Diodes #Linear# Matrix Ops # Equations
loht 3714 0 16 3356 2.3Μ 3404
joeh 11 298 1194 292 9611 2.4Μ 13 707
vdram 8818 0 0 4271 5.8Μ 6137
rnads1 1600 0 0 1691 8.5Μ 1625
rnads2 3222 0 0 3381 68.5Μ 3245
,mini i jIRTOL G ABSTOL
min , ii
VNTOL IRTOL
TSVTOL
Direct Solution PGS Solution
Circuit # Newton itts Total Solve Time # Newton itts Total Solve Time
Solve Gain
loht 1364 5879 1364 2146 2.73
joeh 6630 23 335 6642 21 068 1.11
vdram 1005 6385 1017 1747 3.65
rnads1 1230 11 713 1320 2436 4.81
rnads2 1421 110 547 1509 11 530 9.59
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος
• Γραμμικότητα του ρυθμού σύγκλισης της PGS σε ένα κύκλωμα τυχαίας παραγωγής δικτύου αντιστάσεων :
• Σωστή λειτουργία της PGS σε κυκλώματα με μεγάλο αριθμό πράξεων
Circuit
Ratio of Matrix Ops, Speedup of PGS Solver Over
to Matrix Nonzero Entries Direct Solver
loht 26 2.73
joeh 12 1.11
vdram 35 3.65
rnads1 78 4.81
rnads2 170 9.59
Εφαρμογή της PGS σε ένα Προσομοίωτη Κυκλώματος • Σωστή λειτουργία και στα κυκλώματα με πολλές αναδράσεις οπού
παρατηρείται μεγάλος αριθμός fill in ορών
• Ο αριθμός των πράξεων κατά τον υπολογισμό περιθωρίου είναι πολύ
μικρότερος από τον αριθμό της LU παραγοντοποίησης
• Ο αριθμός των μαθηματικών πράξεων που χρειάζονται για τον υπολογισμό του περιθωρίου:
1. Απαιτείται ένας πολλαπλασιασμός για κάθε εξίσωση του πίνακα.
2. Απαιτείται ένας πολλαπλασιασμός και μια διαίρεση για κάθε στοιχείο του πάνω τριγωνικού πίνακα.
3. Απαιτείται μια διαίρεση για κάθε στοιχείο του κάτω τριγωνικού πίνακα
• Αντίστοιχα για συμμετρικούς πίνακες είναι 1.5 φορές όσο είναι τα μη μηδενικά στοιχεία του πίνακα
Circuit
PGS Tolerance Direct Solution
Operations LU Factorization
Operations
lohf 133K 2.3M
joeh 288K 2.4M
vdram 246K 5.8M
rnands1 163K 8.5M
rnands2 603K 68.5M
Σύγκριση της PGS με άλλες επαναληπτικές μεθόδους
• Jacobi :
• Gauss-Seidel :
• SOR (διαδοχική μέθοδος υπερχαλάρωσης) :
• CG ( μέθοδος συζυγών κλίσεων) : Tο διάνυσμα τυχαίων διευθύνσεων:
Tα διανύσματα υπολοίπων:
Η επιλογη του συντελεστη α: ελαστικοποιει το διανυσμα
Η ανανέωση του διανυσματος σφάλματος τυχαίων διευθύνσεων γίνεται
με την επιλογή ώστε να ισχύει
( ) 1 ( 1) 1( )k kx D L U x D b
)()( )1(1)( bUxLDx kk
bLDxDULDx kk 1)1(1)( 1)( 211
2
opt
)(ip
)()( ii Axbr )()()1()1( / iiii
i ApprrTT
)1(1
)()( iii prp
)1()1()()( / iiiii rrrr
TT
)(1)( ii rArT
( ) ( 1) ( ) ( 1)( _ _ )i i i ip Ap r r
Σύγκριση της PGS με άλλες επαναληπτικές μεθόδους
• Η PGS ήταν αποδοτική μονό σε παραλλαγές της CG• Σύγκριση της απόδοσης μεθόδου CG ως προς τη μέθοδο
αρχικών συνθηκών: 1. H μέθοδος PGS ως αρχική συνθήκη
2. Η μέθοδος μερικής LU παραγοντοποίησης PLUCGS
• H PLUCGS είχε τα χαρακτηρίστηκα:
1. Μειωμένη χρησιμοποίηση μνήμης
2. Πιο αργή σύγκλιση
3. Περιλαμβάνει μονό fill in ορούς πρώτου επιπέδου
Circuit
Speedup of PLUCGS Speedup of PGS Solver Over
Solver Over Direct Solver Direct Solver
loht 0.66 2.73
vdram 1.11 3.65
Σύγκριση της PGS με άλλες επαναληπτικές μεθόδους
• Σύγκριση της PGS με τη μέθοδο CGS που χρησιμοποιεί
την PGS σαν μέθοδο αρχικών συνθηκών:
1. Απαιτεί περισσότερη μνήμη από τη μέθοδο PGS
2. Αυξάνει την ταχύτητα επίλυσης μέχρι 15%
3. Έχει αυξημένη περιπλοκότητα κατά το υπολογισμό του
περιθωρίου
4. Προσφέρει πιο εύκολη software υλοποίηση
5. Πιθανός διάδοχος των μεθόδων που χρησιμοποιούνται στα
προγράμματα προσομοίωσης των κυκλωμάτων
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
Βήμα 1:
LH0024 High Slew Rate Operational Amplifier
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Βήμα 2:
Break Transistor και Break Diode
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Βήμα 3: Τα αποτελέσματα των παραμέτρων του τρανζίστορ καθώς και η εξάρτηση τους από
τη θερμοκρασία, κατά τον υπολογισμό στο MATLAB
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Βήμα 4: Yπολογισμός των ρευμάτων του Gummel Poon μοντέλου
MATLAB DC solution for BJT break TEMPERATURE=10.00 DEG C
Ibc2 Ibe2 Ibc1p
0 0 -6.31E-18
Ibe1p Rb Ie
2.21E-06 0 0.00022131
Temp=10 deg VBE VBC Ib Ic
Spice Q(1) 0.761 -5.43 0.77948 0.77948
Matlab Q(1) 0.761 -5.43 2.21E-06 0.0002213
MATLAB DC solution for BJT break TEMPERATURE=27.00 DEG C
Ibc2 Ibe2 Ibc1p
0 0 -1.00E-16
Ibe1p Rb Ie
2.19E-06 0 0.00021942
Temp=27 deg VBE VBC Ib Ic
Spice Q(1) 0.735 -5.45 0.77948 0.77948
Matlab Q(1) 0.735 -5.45 2.19E-06 0.0002194
MATLAB DC solution for BJT break TEMPERATURE=40.00 DEG C
Ibc2 Ibe2 Ibc1p
0 0 -6.80E-16
Ibe1p Rb Ie
2.11E-06 0 0.00021059
Temp=40 deg VBE VBC Ib Ic
Spice Q(1) 0.714 -5.46 0.77948 0.77948
Matlab Q(1) 0.714 -5.46 2.11E-06 0.0002106
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Βήμα 5 : Xρήση των μοντέλων tnenadNPN, tnenadPNP, tnenadD
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Βήμα 6 : Υπολογισμός των παραμέτρων του Gummel Poon μοντέλου του tnenadNPN
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Βήμα 7 : Υπολογισμός των ρευμάτων του Gummel Poon μοντέλου του tnenadNPN
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Βήμα 8 :
Tο ισοδύναμο κύκλωμα Gummel Poon στις θέσεις των τρανζίστορ
Υλοποίηση των εξισώσεων του Gummel Poon του SPICE με Matlab
• Συμπεράσματα :
1. Για ορισμένο συνδυασμό παραμέτρων είχαμε μεγάλη
ανακρίβεια κατά το υπολογισμό με το ΜATLAB, δηλαδή
μεγάλη απόκλιση των τιμών σε σύγκριση με το SPICE.
2. Υπάρχει δυνατότητα, τα κυκλώματα που περιέχουν
τρανζίστορ και διόδους να απλοποιηθούν σε ένα κύκλωμα
όπου έχουμε μονό εξαρτημένες πηγές και αντιστάσεις. Κατά
συνέπεια είναι εφικτή και η υλοποίηση του κυκλώματος με
πίνακες καθώς και η επίλυση του με την μεθοδο PGS
Συμπεράσματα1. Εχει καλύτερη απόδοση από ότι οι συνηθισμένες επαναληπτικές
χαλαρωτικές μεθόδους
2. Χαρακτηρίζεται από ένα γρήγορο ρυθμό σύγκλισης ,το οποίο
ελέγχεται δυναμικά, με την ρύθμιση του περιθωρίου σφάλματος
3. Μέχρι και 10 φορές γρηγορότερη επίλυση από την άμεση μέθοδο
και μεγάλα κέρδη σε μεγάλα κυκλώματα
4. Σημειώνει μια εξαιρετική γραμμικότητα του ρυθμού σύγκλισης
5. Είναι ακριβής σε όλα τα κυκλώματα με πολλούς διαφορετικούς
τύπους στοιχείων
6. PGS βελτιώνουν το κέρδος και θα είναι περισσότερα αποδοτική στα
κυκλώματα με περισσοτέρους fill-in όρους στον πίνακα
7. PGS παρουσιάστηκε αποδοτική μονό σε παραλλαγές της μεθόδου
συζυγών κλίσεων
8. Ενδεχόμενη μελλοντική υλοποίηση στο SPICE
ΤΕΛΟΣ