收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于进化方法的模拟电路仿真技术研究

岑朝辉  
【摘要】: 电路仿真技术是进行电路产品设计、测试、诊断以及维护的重要手段,其中电路方程组的优化求解是模拟电路仿真技术的重点和难点。针对模拟电路仿真电路直流方程求解中传统Newton-Raphson(NR)方法存在的收敛不确定性、反复数值求导以及限于单次解等缺陷,本文深入探讨了电路仿真技术的原理和发展,引入进化方法以优化直流分析过程,重点研究了基于进化方法与传统NR方法相结合的电路仿真算法,并将其应用于模拟电路仿真系统中。所作的工作包含: 介绍了模拟电路仿真的发展背景及研究现状。重点讨论了模拟电路正常仿真与故障仿真研究存在的问题,分析了通过优化电路方程求解以提高仿真效率的必要性。 以SPICE为对象讨论了模拟电路仿真原理及算法。介绍了电路仿真中电路方程建立与分析求解两个关键步骤,重点讨论了直流分析与交流分析中的收敛性约束问题。 研究了基于进化方法的电路方程组求解优化问题。通过对原始蚁群算法(ACA)的初始值分布、适应度函数、转移规则以及更新机制进行改进以适应连续域电路方程组的求解,进而提出了基于蚁群算法的电路方程组求解直接优化方法。鉴于直接法在精度上的缺陷,在其基础上提出了基于蚁群算法与传统NR方法相结合的新型直流分析电路方程组求解优化方法-ACA-NR方法。 介绍了ACA-NR方法的SPICE仿真算法实现与改进SPICE仿真算法在模拟电路仿真系统中的应用。通过基准电路的仿真实验数据分析比较了NR方法、ACA方法、ACA-NR方法的电路仿真性能,并给出了同一电路中平均个体自适应度随迭代进化的变化趋势。实验分析结果表明:ACA方法具有方程求解收敛的稳定性和多解寻优能力,ACA-NR方法相比NR、ACA方法能够达到决策最优。 本课题的研究对于模拟电路仿真效率的提高具有一定的理论研究价值及工程实践意义。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吕聪颖,于哲舟,周春光,王康平,庞巍;动态自适应蚁群算法在二次分配问题中的应用[J];吉林大学学报(理学版);2005年04期
2 刘小梅;张君静;;蚁群优化算法基本原理及其应用[J];西部探矿工程;2008年10期
3 刘文;郑丽英;;基于蚁群算法的模糊C均值聚类[J];太原科技;2009年01期
4 孙云山;王学深;刘健;白婧;刘凯;赵冬青;;蚁群算法及其在物流系统中的应用研究[J];科技情报开发与经济;2010年16期
5 李方洁;刘希玉;;基于渐进蚁群算法的DNA多序列比对[J];网络安全技术与应用;2010年09期
6 于连伯;;蚁群算法的研究[J];江苏科技信息;2010年09期
7 陈烨;带杂交算子的蚁群算法[J];计算机工程;2001年12期
8 丁滢颍,何衍,蒋静坪;基于蚁群算法的多机器人协作策略[J];机器人;2003年05期
9 高尚;武器-目标分配问题的蚁群算法[J];计算机工程与应用;2003年03期
10 陈崚,沈洁,秦玲,陈宏建;基于分布均匀度的自适应蚁群算法[J];软件学报;2003年08期
11 纪竹亮,戴连奎;一种改进的自适应路由算法[J];计算机工程;2004年09期
12 杨燕,靳蕃,Mohamed Kamel;一种基于蚁群算法的聚类组合方法[J];铁道学报;2004年04期
13 闻育,吴铁军;求解复杂多阶段决策问题的动态窗口蚁群优化算法[J];自动化学报;2004年06期
14 许毅,李腊元;基于蚁群算法的QoS多播路由优化算法[J];计算机应用研究;2005年02期
15 王俊峰,朱庆保;基于蚁群算法的知识约简[J];南京师范大学学报(工程技术版);2005年02期
16 师凯,蔡延光,邹谷山,王涛;运输调度问题的蚁群算法研究[J];计算技术与自动化;2005年03期
17 胡燕海,叶飞帆;基于蚁群算法的平行流水作业计划方法[J];机械制造;2005年09期
18 冯远静,冯祖仁,彭勤科;一类自适应蚁群算法及其收敛性分析[J];控制理论与应用;2005年05期
19 肖伟;全惠云;;具有调和特性的蚁群改进算法[J];计算机工程与应用;2005年34期
20 黄永青;梁昌勇;张祥德;;基于均匀设计的蚁群算法参数设定[J];控制与决策;2006年01期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
3 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
4 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
5 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
6 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
7 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
8 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
9 师凯;蔡延光;邹谷山;王涛;;运输调度问题的蚁群算法研究[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年
10 陈峻;沈洁;秦玲;;蚁群算法进行连续参数优化的新途径[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(下册)[C];2002年
中国博士学位论文全文数据库 前10条
1 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
2 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
3 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
4 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
5 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
6 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
7 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
8 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
9 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年
10 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
中国硕士学位论文全文数据库 前10条
1 岑朝辉;基于进化方法的模拟电路仿真技术研究[D];华中科技大学;2007年
2 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
3 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
4 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
5 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
6 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
7 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
8 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
9 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年
10 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
中国重要报纸全文数据库 前2条
1 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
2 本报记者 张巍巍;瞧瞧“机器游侠”特种兵[N];科技日报;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978