Академический Документы
Профессиональный Документы
Культура Документы
1.1.1.Классификация параметров
варианта РЭА, играющего роль начального приближения; в настоящее время ведутся работы
по автоматизации этого этапа проектирования;
− Доводки полученного варианта до кондиции, соответствующих техническому заданию (ТЗ), с
помощью программ автоматизированного проектирования.
Иерархия функциональных
уровней автоматизированно- Математический аппарат
Иерархия уровней го проектирования
сложности РЭА Численные ме-
Теоретические ме-
Уровень Подуровень тоды реализа-
тоды
ции
Функциональные Автоматизи- Системный анализ, Численные ме-
комплексы (радио- рованное сис- исследование опе- тоды непрерыв-
измерительные и темное проек- раций, теория мас- ной и дискрет-
радио управляющие тирование сового обслужива- ной оптимиза-
системы, вычисли- (АСП) ния и др. ции, статистиче-
тельные системы и Автоматизир. Информаци- ское моделиро-
др.) структурное онный вание
Функциональные проектирова- Точностный Спектральный ана- Численные ме-
устройства (пере- ние (АСтП) лиз, ТАУ и рег-я, тоды моделиро-
датчики, приемники, Автоматизир. Функцио- теория цифровых вания преобра-
МП запоминающие функцио- нальный автоматов, алгебра зования сигна-
устройства и др.) нальное и ло- Регистровый логики и др. лов
гическое про-
ектирование Логический
(АФЛП)
Функц. узлы (тракты Авоматизиро- Макромо- Теория электриче- Численные ме-
ВЧ, тракты НЧ, ре- ванное схемо- дельный ских цепей с сосре- тоды решения
гистры, счетчики, техническое Элементный доточенными па- конечных и
дешифраторы, муль- проектирова- раметрами обыкновенных
типлексоры, сумма- ние (АСхП) диф. уравнений
торы и др.)
Функц. элементы Автоматизир. Модели со- Методы математи- Численные ме-
(генераторы, усили- проектирова- средоточен- ческой физики и тоды решения
тели, детекторы, ние компо- ными пара- физики твердого уравнений в ча-
фильтры, триггеры, нентов (АПК) метрами тела стных произ-
логические эл-ты и водных
др)
Компоненты (тран- Модели с
зисторы, диоды, ре- распреде-
зисторы, конденса- ленными па-
торы, полупровод- раметрами
никовые структуры
и др.)
3 Конспект лекций по САПР
Теоретически можно различать 2 основных типа процессов проектирования: сверху вниз (от
ФУС к ФЭ) и снизу вверх (от ФЭ к ФУС). Практически процесс проектирования носит комбини-
рованный характер: с одной стороны, проектирование сложной РЭА типа систем и устройств ве-
дется сверху вниз, с другой, ― проектирование относительно простой РЭА типа элементов и уз-
лов ведется снизу вверх. На некотором промежуточном этапе эти два независимых процесса
встречается и производится процесс «покрытия» требований к ФУ и ФЭ, выдвигаемых процессом
сверху вниз номенклатурой тех ФУ и ФЭ, которые изготовлены по процессу снизу вверх. Граница,
где встречаются эти процессы, непостоянна и зависит от типа РЭА, уровня технологии, сложив-
шейся методики проектирования и др.
В процессе проектирования сверху вниз РЭА высшего уровня сложности разбивается (де-
композируется) на более простые устройства. При этом для каждого устройства формируется ча-
стное техническое задание (ЧТЗ), обеспечиваемое на более нижних уровнях проектирования. Да-
лее процесс декомпозиции и формирования ЧТЗ повторяется для более простых устройств.
При решении трудно формализуемых или неформализуемых задач, например задач синтеза
новых технических решений или выбора наилучшего из многих вариантов по нескольким крите-
риям одновременно;
При решении формализуемых задач, которые ЭВМ на основе строгих методов решает мед-
леннее, чем человек на основе своих эвристических возможностей.
Поиска и упорядочивания
Графов информации
Проблемной ориентации
Множеств
Предметной ориентации
Численные методы
Решения системных задач
ЭВМ
Банки данных
Параметры
моделей эле-
Базы данных Системы управления базами
ментов
данных
Способы
организа- Способы
Параметры ции разме- структуриро- Программы
Язык СУБД
материалов щения дан- вания данных СУБД
ных
Параметры и
Последо- Ассоциа- Язык Програм-
схемы типо-
ватель- тивная описания мы загруз-
вых фрагмен-
ная орга- структура данных ки данных
тов РЭУ
низация
Прямая Последо-
органи- вательная Програм-
Параметры и
зация структура Язык об- мы поис-
структуры ти-
работки ка, выбор-
повых процес-
Библио- данных ки и кор-
сов проекти-
течная рекции
рования Иерархи-
органи- данных
ческая
зация
структура
Конечные и Индексно- Язык ма- Програм-
промежуточ- последо- нипуля- мы вос-
ные результа- вательная Реляцион- ции дан- становле-
ты проектиро- организа- ная струк- ния дан-
ными
вания ция тура ных
11 Конспект лекций по САПР
Либо располагаться в различных местах носителя информации. В этом случае записи органи-
зуются в виде связного списка, когда в конце каждой записи имеется указание адреса начала сле-
дующей записи (А2, А3 и т.д.).
Прямая организация записей состоит в том, что ключ логической записи однозначно опреде-
ляет физический адрес ее начала.
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Раздел 2 Раздел 1
1 1
2 3 4 2 3 4
5 6 7 5 6 7
СУБД играет роль интерфейса между пользователями и базой данных и представляет собой
автономную программную систему, не входящую в операционную систему и состоящую из 3-х
групп программ:
1. Обработки и организации вводимых данных;
2. Создания и корректировки файлов;
3. Поиска данных в файлах.
Язык СУБД состоит из 3-х частей:
− Языка описания данных, не зависящего от прикладных программ и описывающего способ
организации, размещения и связи данных;
− Языка манипулирования данными, позволяющего связать БД с прикладными программа-
ми или пользователем, т.е. сформировать нужную конфигурацию из отдельных частей;
− Языка обработки данных (ввода, вывода, стирания, корректировки данных и их восста-
новления, если они испорчены).
Операционная система
Библиотеч- Вспомога-
Супервизор ная орга- тельные
времени низация программы
(таймер) данных (утилиты)
Директива
Сигнал окончания
работы подпрограммы
Расшифровка директивы
…
…
Работа подпрограммы Работа подпрограммы Работа подпрограммы
ПП1 ПП2 ППN
Специализированная ОС
Язык ОС
Среда ОС общего назначения
3. СТРУКТУРНОЕ МОДЕЛИРОВАНИЕ
Система не годна
Система годна
где k ― специально подобранное большое целое число, а операция умножения k·ξn произво-
дится по модулю М, т.е. если результат k·ξn ≥ М, то в качестве ξn+1 берется остаток от деления k·ξn/
М. Числа ξi ― целые. В качестве М берется максимальное целое число, размещаемое в машин-
ном слове ЭВМ.
Функция вида (3.1) представляет собой множество прямых линий в квадрате с длиной сторо-
ны, равной М. Наклон и количество линий определяется величиной k.
Для получения хороших «случайных» чисел с помощью процедур вида (3.1) надо, чтобы
график этой функции представлялся большим числом линий и плотно заполнил квадрат, т.е. k д.б.
достаточно большим.
Дополнив процедуру (3.1) преобразованием
ξn+1✶ =ξn+1/ M, (3.2)
получим случайные числа, равномерно распределенные на интервале (0…1), являющиеся базовы-
ми для формирования случайных чисел с произвольным законом распределения.
Если необходимо получить ряд дискретных случайных величин ε1, ε2, … εn с вероятностями
появления Р1, Р2, … Рn, то, используя равномерно распределенную последовательность случай-
ных чисел εi, можно это сделать следующим образом.
21 Конспект лекций по САПР
Разделим интервал (0…1) на n отрезков δi, длина каждого из которых равна Рi (заметим, что
∑ δi=1).
Для каждого ξк определим интервал δi, в который оно попадает, т.е. определим εi в соответ-
ствии с условием:
1
ξ FP
ξi F(x)
P(x)
0 xi
4. ФУНКЦИОНАЛЬНОЕ МОДЕЛИРОВАНИЕ
4
Рис.4.1. Функциональная схема
Под формой сигнала понимается либо зависимость сигнала от времени x(t) при моделирова-
нии во временной области, либо эквивалентное представление сигнала в виде изображения по Ла-
пласу х(р) или зависимость от комплексной частоты jw при моделировании в частотной области.
Основным требованием при ФМ является высокая скорость моделирования, необходимая
для того, чтобы за короткое время можно было исследовать большое число различных вариантов
функциональных схем.
Первым основным допущением, характерным для ФМ, является развязка отдельных блоков
функциональной схемы, т.е. независимость характеристик отдельных блоков от режима работы
других блоков.
Условие развязки блоков эквивалентно выполнению условий Rвх=∞, Rвых=0 для каждого из
блоков.
Вследствие этого преобразование сигнала зависит только от характеристик вход-выход каж-
дого блока, а не от их взаимного влияния друг на друга.
Вторым основным допущением является допущение об однонаправленности элементов, т.е.
сигнал на выходе любого элемента не влияет на сигнал на его входе.
Это позволяет считать, что сигнал в функциональных схемах распространяется однонаправ-
ленно — от входа к выходу каждого элемента.
Функциональные элементы можно свести к 4-м основным типам, которые будем называть
базовыми: генераторы сигналов, безынерционные элементы, инерционные линейные элементы,
инерционные нелинейные элементы.
Основной характеристикой элемента при ФМ является его функция преобразования, связы-
вающая его входной и выходной сигналы.
Этот тип элементов включает две разновидности — независимые генераторы, задающие сиг-
нал x(t) на входе функциональной схемы, и управляемые генераторы, формирующие ту или иную
форму сигнала x(t) в зависимости от управляющего воздействия u. Функция преобразования
управляемого генератора имеет вид:
y ( p) = k ( p) ⋅ x( p) (4.3.б)
Его ф-я преобразования есть некоторый нелинейный оператор А(х), например диф. ур-е, ста-
вящий в соответствие каждой реализации x(t) реализацию y(t).
В большинстве случаев реальный инерционный элемент можно описать системой диф. урав-
нений вида:
dy i (t ) dx (t )
+ g i ( y (t )) = i + f i ( x(t )) , i = 1, n (4.4)
dt dt
Моделирование элементов без памяти сводится к вычислению функции y=f(x) для любого
заданного значения х, а моделирование элемента с памятью — к вычислению одной из функций:
24 Конспект лекций по САПР
f1 ( x)приS = S1
y=
f 2 ( x)приS = S 2
Эти элементы моделируются на ЭВМ путем численного расчета интеграла свертки (4.3.а).
Это выполняется методом скользящего суммирования.
h(t)
x(t)
∆t τ=k∆t
t=n∆t
Рис. 4.2.
Таким образом, вычисление выходного сигнала yn-1, yn, yn+1, … в каждый момент времени tn-1,
tn, tn+1 сводится к вычислению сумм:
y n −1 = ∆t ( x 0 ⋅ hn −1 + x1 ⋅ hn − 2 + ... + x n −1 ⋅ h0 ),
y n = ∆t ( x 0 ⋅ hn + x1 ⋅ hn −1 + ... + x n ⋅ h0 ),
y n +1 = ∆t ( x 0 ⋅ hn +1 + x1 ⋅ hn + ... + x n +1 ⋅ h0 )
методом скользящего суммирования значений xk cо скользящим весом hn-k.
Выражение (4.6) называют дискретной сверткой интеграла (4.3а).
dy n +1
или в общем виде: ≈ ∑α i ⋅ yi ,
dt i = n − k
где αi — коэффициенты, соответствующие различным способам дискретизации производ-
ных.
В результате дискретизации производных уравнение (4.4) превращается в алгебраическое
уравнение относительно уn+1 :
n n +1
α n +1 ⋅ y n +1 + ∑α i yi + g ( y p ) =
i =n−k
∑β x
i =n−k
i i + f (x p )
Дискретизация производной dx/dt может выполняться либо в точке tn+1, либо в какой-нибудь
предыдущей точке. Функции g(yp), dx/dt, f(xp) должны вычисляться в той же точке.
Для этого нужно представить входной сигнал X(jw), коэффициент передачи K(jω) и выход-
ной сигнал Y(jω) в виде комплексных чисел в алгебраической или показательной форме.
Для алгебраической формы, полагая:
X ( jw) = X 1 ( w) + jX 2 ( w),
K ( jw) = K1 ( w) + jK 2 ( w),
Y ( jw) = Y1 ( w) + jY2 ( w) и учитывая, что
Y ( jw) = K ( jw) ⋅ X ( jw), получаем
Y1 ( w) = X 1 ( w) ⋅ K1 ( w) − X 2 ( w) ⋅ K 2 ( w),
Y2 ( w) = X 1 ( w) ⋅ K 2 ( w) + X 2 ( w) ⋅ K1 ( w)
Если используется показательная форма
X ( jw) = X ( w) ⋅ e jYx ( w) ,
то
K ( jw) = K ( w) ⋅ e jYk ( w) ,
Y ( jw) = X ( w) ⋅ K ( w) ⋅ e j (Yx ( w +Yk )( w))
При этом
26 Конспект лекций по САПР
1
K ( w) = ( K12 ( w) + K 22 ( w)) 2
Yk ( w) = arctg ( K 2 ( w) / K1 ( w))
аналогично рассчитывается X(w) и Yx(w).
Переход от показательной формы к алгебраической выполняется по формулам:
K1 ( w) = K ( w) ⋅ cos Yk ( w) ; K 2 ( w) = K ( w) ⋅ sin Yk ( w)
Пусть имеем входной непрерывный сигнал х(t). При моделировании на ЭВМ х(t)вычисляется
лишь в отдельные моменты времени tn. можно cчитать, что непрерывный сигнал х(tn) заменяется
дискретными значениями xn=x(tn). В промежутках между дискретами, т.е. при tn,< t< tn+1, значение
сигнала не определено, поэтому его можно доопределить различными способами. Например, по-
лагая его постоянным на интервале tn- tn+1 и равным хn. Тогда можно считать, что на вход инерци-
онного элемента поступает не непрерывный сигнал, а последовательность скачков, и «непрерыв-
ный» элемент с коэффициентом передачи К(р) и непрерывным входным сигналом
x(t)эквивалентен дискретному элементу с дискретным коэффициентом передачи КD(z)и дискрет-
ным сигналом хn.
Если известен способ перехода от К(р) к КD(х) и если К — дробно-рациональная функция,
т.е.:
a + a1 ⋅ z + a 2 ⋅ z 2 + ... + a k ⋅ z k
K ∗ ( x) = 0 (4.9)
1 + b1 ⋅ x + b2 ⋅ x 2 + ... + bm ⋅ x m
то можно показать, что выходной сигнал y(tn) связан с входным сигналом xn рекуррентной
формулой
k k
y n = ∑ a i ⋅ x n −i − ∑ bi ⋅ y n −i (4.10)
i =0 i =0
Эта формула позволяет найти первое значение уn по известной старой m-предыстории (m то-
чек) для y и k-предысторий для х.
Поскольку все полюса звеньев равны нулю, то для каждого звена i-го порядка легко найти
соответствие Ki(p) и K*i(z).
i
1 1
Поскольку K i ( p) = i = = (K 1 ( p) ) , то дискретный коэффициент передачи интегри-
i
p p
рующего звена i-го порядка
27 Конспект лекций по САПР
i
∆t 1 + z
( ) i
K i∗ ( z ) = K 1∗ ( z ) = ⋅ (4.13)
2 1− z
Заменяя в (4.12) Ki(p) на K*i(z), приводя получившееся выражение к виду (4.9) и переходя к
(4.10), получаем рекуррентное выражение для вычисления сигналов уn на выходе линейного инер-
ционного элемента с коэффициентом передачи K(p) достаточно общего вида (4.11).
t
1
S y (t ) = ∫ H (τ ) ⋅ S x (t − τ ) ⋅ dτ (4.17),
20
Можно выделить два общих подхода при построении алгоритмов моделирования ФС.
Формальный подход состоит в рассмотрении ФС как обычной ненаправленной структуры,
описываемой уравнениями связей элементов (топологическими уравнениями) и уравнениями са-
мих элементов (компонентными уравнениями). Далее к этим уравнениям можно применять любые
алгоритмы решений систем уравнений соответствующего класса.
Формальность изложенного подхода заключается в том, что при построении алгоритма мо-
делирования не учитываются особенности ФМ — развязка и однонаправленность элементов.
Причинно-следственный или имитационный подход к построению алгоритмов ФМ учитыва-
ет эти особенности и состоит в организации процесса моделирования так, чтобы он имитировал
последовательное прохождение сигналов от одного элемента к другому в соответствии с принци-
пом: сначала вычисляется причина — входной сигнал, а затем следствие — сигнал на выходе эле-
мента.
Обязательным условием реализации этого подхода является ранжирование ФС.
Ранжировать схему — значит расположить ее элементы так, чтобы входами элементов i-го
ранга (i=0, 1, 2…) были выходы элементов только меньшего ранга.
Пусть на вход ФС подан сигнал x(t), изменяющийся настолько медленно, что инерционно-
стью элементов ФС можно пренебречь и считать схему безынерционной.
Получающиеся при этом зависимости y(t) на входе и во внутренних точках ФС назовем ста-
тическими временными диаграммами (СВД).
Пусть сигнал x(t) вычисляется в моменты времени t1, t2, t3 … Вычисление СВД может быть
выполнено двумя способами:
Способ мгновенного сигнала состоит в расчете в каждый момент времени ti значений y1(ti),
y2(ti),… yn(ti) во всех точках ФС на основе одного из алгоритмов, после чего расчет повторяется для
момента времени ti+1 и т.д.
30 Конспект лекций по САПР
Способ последовательного полного сигнала (ППС) состоит в вычислении всех значений сиг-
нала y1(t1), y!(t2),… сначала на выходе элементов первого рангов, затем на их основе всех значений
сигнала y2(t1), y2(t2),… на выходе элементов второго ранга и т.д.
Множество всех значений сигнала на входе или выходе элемента назовем полным сигналом.
∏ K ( p)
i =1
i
K общ ( p ) = n
1 + K oc ( p ) ⋅ ∏ K i ( p )
i =1
6. ЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ
Наиболее просто представлены сигналы в виде логических 0 и 1. При этом один из элемен-
тарных уровней принимается за 0, другой за 1.
Переход сигнала из одного состояния в другое считается мгновенным и не отражается в мо-
дели сигнала.
анализа реакции устройства на эти сигналы. Каждому входному набору соответствует эталонный
результат, полученный н исправной аппаратуре.
Входной набор и соответствующий ему выходной набор называется элементарной провер-
кой.
Совокупность входных наборов и соответствующих им эталонных выходных результатов на-
зывают тестом данного устройства.
Тесты бывают контролирующими и диагностическими.
При помощи контролирующих тестов определяется наличие или отсутствие неисправности в
устройстве.
При помощи диагностических тестов локализуется тип и место неисправности в устройстве.
7. СХЕМОТЕХНИЧЕСКОЕ МОДЕЛИРОВАНИЕ
F x( )
(k )
— вектор невязок;
F′ x( )(k )
— матрица Якоби.
Решая (7.3) при заданном начальном приближении х(0) относительно ∆х(0), находим затем
х = ∆х(0)+ х(0), далее, вновь решая (7.3) относительно ∆х(1), определим х(2) и т.д. до сходимости.
(1)
Для повышения надежности сходимости методов решения системы (7.1) часто применяется
специальный прием — метод движущейся области сходимости.
В этом методе система F(x)=0 заменяется эквивалентной системой F(x,ν)=0, где ν ∈( νмин
,νмакс) выбирается так, что решение х(0) системы F(x,νмин)=0 известно, а F(x, νмакс)≡F(х). Однократ-
ное решение системы (7.1) заменяется серией решений с изменяющимся от решения к решению
параметром ν.
Для удобства описания этого метода введем оператор A lg F ( x) , обозначающий решение сис-
x
темы F(x)=0 любым численным методом, и оператор a lg F (x) , обозначающий результат одной
x
итерации.
Тогда метод ДОС можно записать в виде:
x p +1 = A lg F ( x p ,ν p +1 ) , р=0, 1, …, n-1;
(7.5а)
x
В этом методе статический режим рассматривается как состояние схемы, к которому она
стремится асимптотически при затухании переходных процессов, возникающих в схеме при пода-
че на нее напряжения источника питания.
35 Конспект лекций по САПР
Этот метод основан на эквивалентности результатов решения схемы (7.1) прямыми методами
и минимизации какого-либо из функционалов:
Φ1( x) = ∑ Fi2 ( x) , Φ 2 ( x) = ∑ Fi ( x) , Φ 3 ( x) = max Fi ( x) (7.7)
i i i
Наиболее распространены две формы представления исходной модели схемы для расчета
переходных процессов — явная и неявная.
Явная форма в общем случае состоит из двух подсистем:
dx i
= F1i ( x, v, w, ), i=1, … , n; (7.21 a)
dt
F2 j ( x, v, w, ) = 0, j=1, … , n; (7.21 б)
Тогда первый этап методики заключается в том, что на основе законов Кирхгоффа перемен-
ные ic, uL выражаются через токи и напряжения остальных ветвей.
ic = f1 (остальные _ переменные)
i , i , i ,.... (7.24 а)
R E L
u L = f 2 (остальные _ переменные)
u , u , u ,.... (7.24 б)
R I c
Расчет переходных процессов с помощью модели схемы в явной форме (7.21) требует реше-
ния двух принципиально различных по характеру систем уравнений: системы конечных уравне-
ний (7.21б) для расчета квазистатического режима и системы дифференциальных уравнений
(7.21а) для расчета переменных состояния uc, iL.
Организация вычислений для системы (7.21) заключается в поочередном решении систем
(7.21а) и (7.21б). Пусть из расчета статического режима известны начальные значения uc0, iL0 пе-
ременных состояния и w0 резистивных переменных. Тогда:
Подставляя uc0, iL0, w0 в систему ОДУ (7.21а) и решая ее любым численным методом, опре-
деляем значения uc1, iL1;
Считая uc1, iL1 постоянными источниками напряжения и тока, рассчитываем квазистатиче-
ский режим схемы, т.е. решаем систему конечных уравнений (7.21б) и определяем вектор w1=w(t1)
токов и напряжений нелинейных и резистивных элементов.
После этого опять выполняем пункт 1.
Вторая форма представления динамической модели схемы — неявная. В общем случае она
имеет вид:
dx(t )
Fi , ∫ x(t )dt , x(t ) = 0 i=1, …, p (7.33)
dt
37 Конспект лекций по САПР
∫ x(t )dt ≈ f (x
a
и n +1 , x n ,...x n − k ) (7.34 б)
( ) (
F ′ x (k ) , x n ,...x n − k ∆x (k ) = − F x (k ) , x n ,...x n − k
n +1 n +1 n +1
) (7.36)
F ( jw) = =
N ( jw) bn ( jw) + bn −1 ( jw) + ... + b0
n n −1
зисе узловых потенциалов этот источник напряжения преобразуется в единичный источник тока
Iвх(jw)=1·е jw с большой параллельно включенной проводимостью.
Таким образом при указанном входном сигнале будет верно соотношение
u ( jw)
F ( jw) = вых = u вых ( jw)
E вх ( jw)
F(jw) — комплексная АЧХ.
Следовательно, рассчитывая uвых(jw) в любой ветви схемы, мы тем самым рассчитываем
АЧХ схемы для этой ветви. Если один из полюсов ветви с входным сигналом — земляной, то
Евх=ϕвх; тогда вместо uвых(jw) можно рассчитать ϕвых(jw).
Метод узловых потенциалов позволяет легко формировать узловые уравнения не только для
временной, но и для частотной области. В этом случае изменяются лишь компонентные уравнения
реактивных ветвей, принимающее вид:
j
ic = jwC (ϕ нач − ϕ кон ) , iL = − (ϕ нач − ϕ кон ) (7.48)
wL
Где ϕнач, ϕкон — потенциалы на концах реактивных ветвей; j — мнимая единица; w — частота.
Проводимости реактивных ветвей равны:
Уравнения (7.48) используются при формировании вектора узловых токов, а (7.49) — матри-
цы узловых проводимостей. При этом в схеме замещения постоянные источники напряжения Е
закорачиваются, а постоянные источники тока I размыкаются. В результате получим узловое
уравнение линейной схемы в частотной области:
Y(jw)·ϕ(jw)=-I(jw) (7.50)
где (Ij, Uj) — соответствующие j-й экспериментальной точке характеристики диода значения
тока и напряжения на диоде;
N — число известных экспериментальных точек.
Параметры I0, m, Rд вычисляются, например, методом наименьших квадратов.
Барьерная емкость Сбар моделирует приращение пространственного заряда при изменении
напряжения на p-n-переходе.
Диффузионная емкость Сдиф отражает влияние перераспределения подвижных носителей.
Диффузионная емкость является доминирующей при прямом смещении, а барьерная — при
обратном.
i1 i1 i2
Uэ Uk
Rэ Rk
Э К
>> <<
Iэ Ik
iэ ik
Сэ Сk
б´
Ryэ Ryk
Rб
Uэб iб Ukб
Для расчета токов Iэ(Uэ, Uk) и Iк(Uэ, Uk) используются модифицированные уравнения Эберса-
Молла:
u BI u
I Э = I Э 0 exp Э − 1 − I K 0 exp K − 1
mЭϕ T BI + 1 mϕ T (10.9)
uK BN u
I K = I K 0 exp − 1 − I Э 0 exp Э − 1 (10.10)
mK ϕT BN + 1 mЭϕ T
u
I K 0τ K exp K
CK0 mK ϕT (10.13)
CK ∑ = +
(ϕ K − u K ) 0 ,3 2πf I m K ϕ T
(
Fψ ψ m , Φ m m m
n ,Φ p ,t =0 )
F (ψ
n
m
,Φm m m
n ,Φ p ,t )= 0 (10.22)
F (ψ
p
m
,Φm m m
n ,Φ p ,t )= 0
tm — момент времени, соответствующий m-му шагу.
При анализе статических режимов система аналогичного вида получается для каждого набо-
ра внешних смещений на выводах прибора.
Каждая из трех систем (10.22) чаще всего нелинейная, поэтому для их решения применяются
итерационные методы. Обычно выбирается метод Ньютона, обладающий квадратичной сходимо-
стью.
Для решения задач моделирования полупроводниковых приборов разработаны методы одно-
временного решения указанных систем уравнений, где применяется LU-разложение, упорядочение
строк и столбцов матрицы Якоби, специальные методы работы с ленточными матрицами, а также
ряд других приемов с целью преодоления проблем сходимости и повышения эффективности мо-
делирования.
Блок передаточных
Блок входных характеристик (ста- Блок выход- … Y
X … характеристик тических и динами- ных характе-
ческих)
ристик
Б) I II III
Управляемые ис-
Входные цепи точники и инер- Входные цепи … Y
X …
ционные элемен-
ты
В) I II III
Обработка Формирование
входных сиг- Преобразование выходных … Y
X …
налов и задержка сиг- сигналов
нала
Типовая структура макромоделей для программ АсхП: А) — общий вид; Б) — для физиче-
ской макромодели; В) — для информационной макромодели.
Типовые блоки I и III макромодели осуществляют требуемое сопряжение внешних перемен-
ных программы и внутренних переменных макромодели.
Они могут отражать инерционные свойства входных и выходных цепей, а также влияние
объединения по входу и разветвления по выходу эквивалентными схемами или уравнениями раз-
ного уровня точности и сложности.
Основной преобразовательный блок II макромоделей связан с блоками I и III только по
управлению (управляется переменными из блока I и выдает управляющие переменные для блока
III) и не связан явно с внешними цепями. В блоке II в ряде макромоделей учитывается суммарная
инерционность внутренних цепей функционального узла.
44 Конспект лекций по САПР
Этими методами могут быть построены как физические, так и информационные макромоде-
ли аналоговых или цифровых подсхем.
Структура физических макромоделей, состоящих из традиционных схемных элементов, мо-
жет отличаться от структуры исходной модели, ибо подобие требуется только для внешних рабо-
чих характеристик. В этом случае классификация на физические и информационные модели явля-
ется условной и отражает лишь форму представления макромодели.
45 Конспект лекций по САПР
Для решения специальных задач СхМ могут быть построены макромодели с учетом внеш-
них факторов Q, к которым относятся эксплуатационные факторы (температура окружающей сре-
ды, влажность, воздействия радиации, изменение напряжения питания, параметры входных сигна-
лов); структурные факторы (коэффициенты разветвления по выходу и объединения по входу для
логических схем, виды нагрузки); конструктивные факторы (геометрические размеры, конфигура-
ция элементов, параметры линий связи и т.п.).
Такие макромодели строятся как функциональные модели преобразования входного сигнала
в выходной. Форма выходного сигнала (статического или динамического) описывается аппрокси-
мирующей функцией, параметры которой являются функциями внешних факторов.
стики
Линейность фазочастотной харак- ψ ( fi − f0 )
γ = , где fi — частота определения γ
теристики в диапазоне частот γ y( f i ) − 1
Коэффициент нелинейных искаже- ∞
p
ний kг kг = ∑ p1i , где pi — мощность i-ой гармоники; p1 —
i =2
Простейшим видом анализа, необходимым для любого комплекса программ СхП, является
многовариантный расчет, т.е. многократное вычисление выходных параметров у для заданных на-
боров (вариантов) внутренних параметров х.
Многовариантный расчет позволяет провести всестороннее изучение схемы, определить за-
висимость выходных параметров у от внутренних параметров х, от разброса этих параметров ∆x в
широком диапазоне внешних воздействий G (температурных, радиационных и т.д.) и получить
семейство характеристик y=f(x,G).
Только при наличии таких семейств можно судить о поведении схемы во всей области рабо-
тоспособности, о возможностях реализации схемы на данных элементах и о соответствии схемы
техническому заданию (ТЗ).
Aij = ∂y j ∂xi
∂y1 ∂y1 ∂y1
∂x ...
∂x 2 ∂x n
1
∂y 2 ∂y 2
... ∂y 2
A = ∂x1 ∂x 2 ∂x n (12.1)
... ... ...
∂y m ∂y m
...
∂y m
∂x1 ∂x 2 ∂x n
48 Конспект лекций по САПР
Каждая j-я строка матрицы А является вектором — градиентом j-го выходного параметра yj в
пространстве внутренних параметров X, а каждый і-й столбец характеризует влияние i-го внут-
реннего параметра xi на все выходные параметры Y.
По значениям коэффициентов чувствительности можно определить направление изменений
внутренних параметров для улучшения выходных параметров, оценить влияние каждого внутрен-
него параметра на выходные параметры и определить сильно влияющие для того, чтобы отделить
их от слабо влияющих.
Метод присоединенной схемы наиболее эффективен при расчете статических выходных па-
раметров схемы.
В основе этого метода лежит теорема Теллегена, доказывающая, что алгебраическая сумма
произведений токов и напряжений всех ветвей схемы равна 0:
n
U t I = I tU = 0 или ∑U
k =1
k Ik = 0 (12.4)
∑ k k
U I
k =1
∑U k I k = 0 k =1
(12.5)
или
n ) n )
∑ dU k I k = 0 ,
k =1
∑U
k =1
k dI k = 0
∑ (dU )
n ) )
k I k − dI k U k = 0 (12.6)
k =1
Соотношение (12.6) лежит в основе метода присоединенной схемы. Для получения присое-
диненной схемы на основе (12.6) необходимо при расчете статического режима схемы закоротить
все источники напряжения; на выходе схемы подключить единичный источник тока; заменить все
нелинейные компоненты специальными линейными моделями.
Так как присоединенная схема линейна, то объем вычислений определяется только одно-
кратным расчетом статического режима исходной нелинейной схемы. Таким образом, метод при-
соединенной схемы позволяет вычислять чувствительность только одного выхода.
При наличии нескольких выходов необходимо производить расчет соответствующее число
раз.
При наличии динамического режима на основании формулы (12.6) можно найти формулы
для коэффициентов чувствительности выходного напряжения в любой момент времени tk:
∂U (t k ) / ∂xi .
Тогда начальные условия для присоединенной схемы необходимо задавать в момент времени
)
tk: U c (t r ) = 0 и интегрирование системы дифференциальных уравнений надо производить в обрат-
ном направлении с изменением времени, т.е. начиная с момента времени t=tk и кончая при t=0.
Таким образом, присоединенную схему для анализа в динамическом режиме получают в ре-
зультате изменений: замены «+» емкости на «-» и подключения к выходу схемы источника
I = δ (t − t r ) вместо единичного источника в статическом режиме.
Пусть задано условие работоспособности i-го выходного параметра в виде yi<yiдоп. С т.з. не-
выполнения данного неравенства или условия работоспособности интерес представляют наи-
большие значения yi или верхняя граница диапазона рассеяния. Выходной параметр yi достигает
верхней границы своего диапазона рассеяния, когда все аргументы функциональной зависимости
yi=f(x) принимают самые неблагоприятные значения.
50 Конспект лекций по САПР
Расчет схемы
да
k≤N
нет
Построение гистограмм
Рис.12.1
Другим подходом к построению единого критерия оптимальности для задачи векторной оп-
тимизации является свертка векторного критерия в скалярный.
Первый способ состоит в нормировании всех выходных параметров схемы с помощью ве-
совых коэффициентов и последующем объединении их в обобщенный формальный скалярный
критерий оптимальности, который затем и подвергается максимизации или минимизации.
Второй способ сводится к построению минимаксного обобщенного критерия оптимально-
сти, заключающегося в использовании на каждом шаге оптимизации максимального отклонения
какого-либо из выходных параметров от своего оптимального (или номинального) значения и ре-
шения задачи минимизации данного максимального отклонения.
Человеко- Априор-
Детермини- Частные с Формаль-
машинные ная одно-
рованные в учетом ог- ные обоб-
или диа- временная
форме ча- раничений щенные:
логовые свертка в
стных кри- аддитивные
скаляр
териев и мультип-
ликативные
Детермини-
Апостери-
рованные в Обобщен-
орные по-
форме ха- ные: вклю-
следова-
рактери- чающие в Максимин- Автома- тельные
стик себя огра- ные и ми- тические методы
ничения на нимаксные принятия
Статиче- выходные
решения
ские параметры
всех разноразмерных выходных параметров в безразмерные величины, которые уже можно срав-
нивать между собой и объединять в скалярные критерии или свертки. Такое преобразование дос-
тигается путем масштабирования или нормирования выходных параметров. При этом назначение
коэффициентов нормирования или весовых коэффициентов для некоторых критериев оптималь-
54 Конспект лекций по САПР
ности определяет степень влияния каждого отдельного выходного параметра на целевую функ-
цию.
В этом случае процесс нормирования, по своей сути, представляет собой ранжирование вы-
ходных параметров, т.е. упорядочивание по степени важности.
где fi+(x) — i-й выходной параметр, для которого желательно максимальное увеличение.
TTi — значение технического требования, предъявляемое к i-му выходному параметру;
или не равенства:
fi-(x)≤TTi (13.6)
При представлении условий работоспособности в виде неравенств (13.15) или (13.16) макси-
минный критерий приводится к виду:
F ( x) = min[a i ( f i ( x) − TTi )]
i∈[1, m ]
(13.14)
56 Конспект лекций по САПР
Для того, чтобы оптимизировать схему по критерию надежности, необходимо знать помимо
статических характеристик внутренних параметров схемы законы их изменения от времени, тем-
пературы, влажности и др. факторов старения.
57 Конспект лекций по САПР
Критерий надежности работы схемы характеризует вероятность того, что в течение опреде-
ленного времени выходные параметры схемы не выйдут за границы области работоспособности, и
может формулироваться следующим образом:
F ( x) = min t i
i∈[1, m ] (13.17)
где ti — технический ресурс i-го параметра, т.е. время, в течение которого выходной параметр fi(x)
находится в области работоспособности:
( f i (x ) − TTi )
ti = (13.18)
∆f i
Под общей задачей НЛП понимается задача нахождения максимального F(X) или минималь-
ного F(X), т.е. максимизации или минимизации скалярной функции F(X) при условиях:
X = ( x1 , x 2 ,..., x n ) ∈ D x (14.1)
и
g1 = ( x1 , x 2 ,..., x n ) ≤ 0,
g 2 = ( x1 , x 2 ,..., x n ) ≤ 0, (14.2)
g m = ( x1 , x 2 ,..., x n ) ≤ 0
[ ] T
Вектор X ∗ = x1∗ , x 2∗ ,..., x n∗ , удовлетворяющий соотношениям (14.1), (14.2) и максимизирую-
щий (минимизирующий) целевую функцию F(X), называется оптимальной или экстремальной
точкой, а соответствующее ему значение F(X*) — оптимальным значением (максимумом или ми-
нимумом) целевой функции.
Множество точек, для которых целевая функция двух переменных имеет постоянное значе-
ние, называется линией уровня функции F(X).
Если целевая функция непрерывна и дифференцируема, то существует градиент функции
F(X), определяемый как вектор-столбец из первых частных производных F(X) по Х в данной точке
Х(к):
∇F X ( (k )
) =
( ...
)
∂F X ( k ) ∂F X (k ) ( ) T
(14.3)
∂x1 ∂x n
( )
∂ 2 F X (k ) ∂ 2 F X (k )
K
(
∂ 2 F X (k ) ) ( )
∂x1
2
∂x1 ⋅ ∂x 2 ∂x1 ⋅ ∂x n
(
H X (k ) ) = LLLLLLLLLLLLLLLLL (14.5)
2
∂ F X (
(k )
)
∂ 2 F X (k )
L
(
∂ 2 F X (k ) ) ( )
∂x ⋅ ∂x ∂x n ⋅ ∂x 2 ∂x n2
n 1
Целевая функция F(X) называется одноэкстремальной, если она имеет одну точку, удовле-
творяющую условиям 1)-3) и многоэкстремальной, если она имеет несколько таких точек.
Глобальным экстремумом называется точка, в которой минимизируемая (максимизируемая)
целевая функция имеет наименьшее (наибольшее) значение среди всех остальных экстремумов,
носящих название локальных экстремумов.
Методы оптимизации, основанные на предположении одноэкстремальности целевой функ-
ции F(X),называются методами локального поиска, а методы, основанные на предположении мно-
гоэкстремальности F(X) и ставящие своей целью нахождение глобального экстремума, — метода-
ми глобального поиска.
Предсказать одноэкстремальность функции F(X) можно только в том случае, если заранее
известно, что F(X) — выпукла (при минимизации) или вогнута (при максимизации) во всей облас-
ти допустимых значений X.
В том случае, если в задаче оптимизации отсутствуют ограничения (14.1), (14.2), т.е. экстре-
мум ищется в пределе неограниченного пространства варьируемых внутренних параметров X, за-
дача носит название безусловной оптимизации, а найденный экстремум — безусловного экстре-
мума.
Наличие ограничений приводит к задаче условной оптимизации, а решением ее является ус-
ловный экстремум.
Градиент целевой функции ∇F(X) в любой точке Х(к) есть вектор в направлении наибольшего
локального увеличения F(X). Следовательно, при поиске минимума нужно двигаться в направле-
нии, противоположном градиенту F(X), поскольку антиградиент F(X) в точке Х(к) направлен в сто-
рону наибольшего уменьшения F(X) по всем переменным Х и ортогонален линии уровня F(X) в
точке Х(к).
Антиградиент дает только направление минимизации, но не длину шага. Известно очень
большое число различных модификаций градиентного метода в зависимости от выбора значения
α(к).
Одной из самых распространенных является та, в которой α(к) выбирается из условия мини-
мума F(X) в направлении вектора Р(к) , т.е. из условия
( ( )) ( ( ) (
F X − α ( k ) ⋅ ∇F X (k ) = min F X (k ) − α ⋅ ∇F X ( k ))) (14.11)
α ≥0
Если в градиентных методах используется только линейный член разложения F(X) в ряд
Тейлора (линейная аппроксимация целевой функции), то в методах второго порядка, среди кото-
рых наиболее известен метод Ньютона, используется также и квадратный член этого разложения
(квадратичная аппроксимация целевой функции) (14.4).
Минимум функции (14.4.) в направлении ∆Х(к) определяется дифференцированием F(X) по
каждой из переменных ∆Х и приравниванием нулю полученных выражений. Это приводит к вы-
ражению:
−1
(
∆X (k ) = − ∇ 2 F X (k ) ∇F X (k ) ,( )) (14.12)( )
( (
где ∇ 2 F X (k )))
−1
— матрица, обратная матрице Гессе Н(Х(к)).
Подстановка (14.12) в (14.4) определяет переход из точки Х(к) в точку Х(к+1) по обобщенному
методу Ньютона:
(−1
X (k +1) = X ( k ) − ∇ 2 F X (k ) ∇F X (k ) ( )) ( )
(14.13)
X ( k +1)
=X (k )
−α ∗( k )
H −1
(X (k )
)∇F (X ( ) )
k
(14.14)
Можно считать, что в этом алгоритме реализуется градиентный метод с автоматической ре-
( )
гулировкой обобщенного шага α ∗(k ) H −1 X (k ) . Выбор значений α ∗(k ) производится так же, как и в
градиентном методе.
Одной из модификаций метода Ньютона является метод сопряженных градиентов, в котором
поиск организуется вдоль векторов, являющихся сопряженными.
Понятия Q-сопряженности векторов C и B при заданной матрице Q основано на соблюдении
условия равенства нулю скалярного произведения:
<C, QB>=0,
где Q – квадратная матрица того же порядка, что и размерность векторов C и B.
Алгоритм метода сопряженных градиентов строится следующим образом:
1. В точке X(0) вычисляется градиент целевой функции и определяется первое направление
поиска: S ( 0 ) = −∇F ( X ( 0 ) ) .
2. На любом k-м шаге с помощью одномерного поиска в направлении S(k) находится минимум
целевой функции F(X). Это определяет новую точку поиска X(k+1)
3. В новой точке поиска определяется целевая функция F(X(k+1)) и градиент целевой функции
∇F ( X ( k +1) ) .
4. Новое направление поиска определяется из соотношения: S ( k +1) = −∇F ( X ( k +1) ) + S ( k )ϖ R , где
ϖ R = (∇ Τ F ( X ( k +1) )∇F ( X ( k +1) )) /(∇ Τ F ( X ( k ) )∇F ( X ( k ) )) .
a. Определяется из условия сопряженности направлений поиска S(k+1) и S(k).
b. После (n+1)-й итерации (k=n) процедура поиска циклически повторяется с заменой
X(0) на X(n+1).
5. Поиск заканчивается, когда S ( k ) < ε , где ε – заданная заранее константа.
Если задача оптимизации ставится в постановке (14.1), (14.2), то идея внешних штрафных
функций сводится к замене исходной целевой функции F(X) функцией Ф(X), которая макси-
мально совпадает с функцией F(X) в области работоспособности G(X) при выполнении всех огра-
ничений и существенно превосходит ее вне этой области. Таким образом, нарушение ограничений
карается наложением штрафа на целевую функцию, приводящего к ее ухудшению:
Φ( X ) = F ( X ) + Θ k ( X ) ,
в качестве штрафа выбирается функция:
m
Θ k ( X ) = γ k ∑ [max{0, g i ( X )}] ,
2
i =1
В другом варианте метода штрафные функции носят характер барьерных функций, не позво-
ляющих траектории поиска покидать область работоспособности.
Этот метод носит также название метода барьерных функций или метода внутренней точки.
Здесь новая целевая функция формируется следующим образом:
Φ( X ) = F ( X ) − Θ k ( X ) ,
m
где Θ k ( X ) = −γ k ∑ (1 / g i ( X )) , γk >0
i =1
Начальная точка X0 должна быть выбрана в области работоспособности. Если траектория
поиска приближается к границе области, начинает стремиться к 0 какое-либо из ограничений gi(X),
в результате чего неограниченно возрастает по абсолютному значению барьерная функция
Θ k ( X ) , что не позволяет траектории поиска приближаться к границам области
Рекомендуется решать последовательность задач безусловной минимизации Φ ( X ) с моно-
тонно уменьшающимися коэффициентами γ k . Эта последовательность минимумов Φ ( X ) сходит-
ся к минимуму целевой функции F(X).
65 Конспект лекций по САПР
где множество Dx не является связным, например, может быть конечным либо счетным
множеством.
Наиболее распространенными задачами дискретной оптимизации являются целочис-
ленные задачи линейного программирования, т.е. задачи, в которых критерий оптимальности
F(x) - линейная функция переменных х1, х2, ..., хn, а на сами переменные х1, х2, ..., хn либо на часть
их наложено дополнительное требование целочисленности. Тогда (15.1.) называется условием
дискретности либо частичной дискретности.
В задачах дискретной оптимизации область допустимых значений (или об-
ласть работоспособности) Dx является невыпуклой и несвязной. При проектировании
технических объектов условия дискретности подразделяются по отдельным переменным
Таким образом, что
x j ∈ D j , j = 1,2,..., k (15.2)
∑ ai = ∑ b j
i =1 j =1
(15.3)
∑x
j =1
ij = ai i = 1,2,..., m (15.5)
m
∑x
i =1
ij = bj j = 1,2,..., n (15.6)
m n
∑∑ c
i =1 j =1
ij xij → min (15.7)
∑c j =1
j x j → max (15.8)
∑a
j =1
j xj ≤ A (15.10)
Эта задача может всевозможным образом усложняться (каждый предмет может загру-
жаться в нескольких экземплярах, может быть ограничен не только суммарный вес, но и
суммарный объем), но она всегда представляет собой целочисленную задачу ЛП.
из n городов и вернуться в исходный город с номером 0. Расстояние между i-м и j-м городом обо-
значается cij. Тогда c=[cij] представляет собой матрицу расстояний между городами. Задача за-
ключается в том, чтобы установить порядок объезда городов, при котором суммарный путь,
пройденный коммивояжером, будет минимальным.
Наиболее употребимая формулировка данной задачи сводится к следующему виду:
Вводятся переменные
хij = 1, если коммивояжер из i-го города переезжает в j-й город; (15.11)
0 в противном случае;
здесь i,j=0, 1, 2, ..., n.
Рассматривается задача минимизации
n n
∑∑ c
i =0 j =0
ij xij → min (15.12)
при условиях
n
∑x
i =1
ij = 1, j=1, 2, ..., n (15.13)
n
∑x
j =1
ij = 1, i=0, 1, 2, ..., n (15.14)
(второе выражение справедливо для взвешенной задачи о покрытии, где cj - заданные дей-
ствительные числа) при условии
68 Конспект лекций по САПР
∑a
j =1
ij x j ≥ 1 , i=1, 2, …, m (15.19)
Эти задачи включают в себя модели, в которых к обычным условиям задачи ЛП присое-
динены некоторые дополнительные условия, превращающие область допустимых решений Dx в
невыпуклую или несвязную.
В теории дискретной оптимизации разработаны специальные приемы, позволяющие све-
сти эти задачи к частично целочисленным задачам ЛП.
Простейшим примером такого рода является введение дополнительных ограничений
на переменные x1 и x2, например x1x2=0, x1+x2≥1, которые, будучи присоединены к условиям не-
отрицательности этих переменных в задаче ЛП, дают несвязную область, изображенную на рис.
15.1.
0 Х1
1
Рис.15.1.
Из задач этого типа наиболее важной и изученной является т.н. транспортная задача с
фиксированными доплатами. Она отличается от обычной транспортной задачи тем, что мини-
мизируемая функция (15.7.) имеет вид:
∑∑ c (x ) → min
m n
ij ij (15.23)
i =1 j =1
Методы ветвей и границ относятся к группе комбинаторных методов, основную идею ко-
торых составляет замена полного перебора всех решений их частичным перебором, что осуще-
ствляется отбрасыванием некоторых подмножеств вариантов, т.е. допустимых решений, заведомо
не дающих оптимума; перебор при этом ведется лишь среди остающихся вариантов, яв-
ляющихся в определенном смысле "перспективными".
Таким образом, основная идея всех методов ветвей и границ базируется на исполь-
зовании конечности множества вариантов и переходе от полного перебора к сокращенному (на-
правленному) перебору.
В основе методов ветвей и границ лежат следующие основные алгоритмы, позволяю-
щие уменьшить объем перебора.
1. Вычисление нижней границы (оценки) значений целевой функции f(x) на исходном мно-
жестве G (или на некотором его подмножестве). т.е. такого ϕ (G ) , что для X∈G имеет место
f(х)≥φ(G).
2. Последовательное разбиение (или ветвление) множества решений G на постепенно
уменьшающиеся подмножества, т.е. образование дерева решений.
3. Пересчет оценок. Разбивая в процессе решения исходное множества G на подмножества
G1, G2, ..., Gs всегда будем считать, что оценка (граница) для любого подмножества
Gi не меньше оценки для множества G: ϕ (Gi ) ≥ ϕ (G ) , i=1, 2, ...,s.
Задачи синтеза решаются в два этапа, первый направлен на создание структуры про-
ектируемого объекта и называется структурным синтезом, а второй - на поиск параметров спро-
ектированной структуры, при которых объект будет функционировать при действии всех
дестабилизирующих факторов, и называется параметрическим синтезом.
Cтруктурный синтез включает в себя три основных этапа: генерацию или поиск варианта
структуры, оценку сгенерированного или найденного варианта и принятие решения о его пригод-
ности или непригодности и о продолжении или прекращении дальнейшего поиска вариантов.
71 Конспект лекций по САПР
Задача компоновки элементов устройства в блоки обычно ставится как задача оптимального
разбиения (разрезания) устройства, для которого задана функциональная, логическая или принци-
пиальная схема. Это значит, что известен набор элементов и их соединения в проектируемой ап-
паратуре. Необходимо разбить заданное множество элементов А на множество R групп элементов
Аi, таких, что:
N
R = {Ai ∈ A, i = 1,2,...N }, U Ai = A , Ai I Aj = ∅ (i≠j) (16.3)
i =1
N — число групп элементов (блоков, панелей или типовых элементов замены (ТЭЗов) в за-
висимости от уровня, на котором осуществляется разбиение).
При решении задач компоновки используются математические формулировки задач цело-
численного (дискретного) линейного или нелинейного программирования.
ройства при учете конструктивных ограничений. Обычно трасса формируется в виде множества
связанных отрезков, соединяющих элементарной цепи.
При решении задачи трассировки используются следующие критерии и условия:
1. Минимальная суммарная длина соединений.
2. Минимальное число соединений, длина которых превышает заданное значение.
3. Минимальное число переходов между слоями.
4. Минимальное число слоев.
5. Минимальные паразитные помехи.
6. Максимальная удаленность трасс соединений.
7. Число слоев не превышает заданного значения.
8. Длина соединения не превышает заданного значения.
9. Уровень помех, наводимых в каждой трассе, не превышает допустимого значения.
10. Число соединений (паек) к одному выводу не превышает заданного значения.
11. Задается преимущественное направление трасс в каждом слое.
При проектировании многослойных структур отдельно решается задача оптимально-
го расслоения, в которой минимизируется показатель
z M −1 M
∏= ∑ ∑ ∑π
ϑ =1 k =1 S = k +1
ks δ ksϑ (16.9)
Литература