本發(fā)明屬于電源器件建模技術(shù)領(lǐng)域，尤其涉及一種基于VHDL-AMS的電路輻照效應(yīng)的建模方法。

背景技術(shù)：

在輻照不同劑量的情況下，電子器件受到電離輻射的影響導致其電特性的改變，即通過電路中的電壓電流變化表示出來。在系統(tǒng)級建模時，電源器件的制造廠商并不會提供內(nèi)部電路結(jié)構(gòu)。在這種情況下，產(chǎn)品的數(shù)據(jù)手冊也只是提供實際應(yīng)用的通用規(guī)范，如果想對電源類行為特性建模，生產(chǎn)廠商并不會提供內(nèi)部電路結(jié)構(gòu)，也不會提供電源類器件的白盒模型，從數(shù)據(jù)手冊上并不能得到足夠的信息。并且目前并沒有輻照效應(yīng)的仿真模型。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于VHDL-AMS的電路輻照效應(yīng)建模方法，旨在解決輻照環(huán)境下，通過仿真建立電路行為特性模型的問題。

本發(fā)明是這樣實現(xiàn)的，一種基于VHDL-AMS的電路輻照效應(yīng)的建模方法，所述基于VHDL-AMS輻照模型的建模方法由于核輻射環(huán)境與電子技術(shù)的關(guān)系越來越密切，集成電路的特征尺寸不斷減小，輻射損傷效果更加顯著，為了提高電子元器件的抗核輻射的能力，對電路器件進行輻照環(huán)境下計算機仿真模擬勢在必行，通過輻照不同的劑量，反應(yīng)電子器件受到輻照效應(yīng)后電特性的變化，即電路中電流電壓的變化；采用等效電路對電源器件進行行為級建模，將復雜電路的行為抽象到以電阻、電容和受控源的基本元件組成的電路，減化了電路模型，降低電路的復雜程度，在達到電路同樣效果的前提下，提高仿真效率；使用VHDL-AMS語言建模，進行數(shù)字和模擬電路的混合建模，優(yōu)點是能夠廣泛應(yīng)用于混合信號電路，在模擬和混合信號的描述上，最終實現(xiàn)模擬電路以及數(shù)模混合電路的語言級描述、仿真和綜合，較好的支持自頂向下的設(shè)計思想，且?guī)旌瘮?shù)比較全面。

進一步，加入輻照，對電源注入不同劑量的輻照，在不同劑量下，分別進行輸入端階躍實驗和輸出端階躍實驗；收集不同劑量下，輸入電壓、輸入電流、輸出電壓、輸出電流的采樣值。

進一步，輸入電壓、輸入電流、輸出電壓、輸出電流的采樣值設(shè)計方法包括：

初步測試：在估計兩端口網(wǎng)絡(luò)輸入導納Y_i，反向電流增益H_i，正向電壓增益G_o和輸出阻抗Z_o四個參數(shù)的傳遞函數(shù)之前，根據(jù)公式基爾霍夫電壓定律和基爾霍夫電流定律對上述兩端口網(wǎng)絡(luò)進行電路分析，得到關(guān)于輸入電壓V_i，輸入電流I_i，輸出電壓V_o和輸出電流I_o的關(guān)系式如(1)(2)；分析每個參數(shù)對于輸入電壓和輸出電流的獨立性或者線性；測試結(jié)果是線性的，黑盒模型使用公式(3)-(6)；非線性參數(shù)，使用包含若干小信號線性時不變模型的多面體結(jié)構(gòu)來代替參數(shù)的傳遞函數(shù)；

I_i＝Y(jié)_iV_i+H_iI_o (1)

V_o＝G_oV_i-Z_oI_o (2)

當ΔI_o＝0時，

當ΔI_o＝0時，

當ΔV_i＝0時，

當ΔV_i＝0時，

進一步，針對不同的電子器件特性，在帶外加輸入的自回歸模型(ARX)，帶外加輸入的自回歸滑動平均模型(ARMAX)，輸出誤差模型(OE)，Box-Jenkins(BJ)模型中選擇估計模型；并設(shè)置該模型結(jié)構(gòu)的多項式階次、時延的數(shù)量；

根據(jù)選擇的模型結(jié)構(gòu)辨識模型傳遞函數(shù)參數(shù)；

將模型的傳遞函數(shù)進行拉普拉斯變換，將離散系統(tǒng)傳遞函數(shù)轉(zhuǎn)換為連續(xù)系統(tǒng)的傳遞函數(shù)；

檢驗?zāi)Ｐ偷挠行院瓦m應(yīng)性；對比不同劑量下模型的幅頻特性，得到Bode圖，評估劑量不同對模型的影響情況。

進一步，使用VHDL-AMS語言對該模型仿真描述，并得到電特性曲線，即輸入電壓、輸入電流、輸出電壓、輸出電流的曲線圖；觀察總結(jié)不同劑量下輻照對電特性的影響。

本發(fā)明的另一目的在于提供一種利用所述基于VHDL-AMS的電路輻照效應(yīng)的建模方法建立的具有單輸入單輸出的兩端口網(wǎng)絡(luò)模型，例如電源器件模型等。

本發(fā)明提供的使用VHDL-AMS語言仿真描述，可以進行數(shù)字和模擬電路的混合建模，能夠反應(yīng)和描述電流和電壓在電路中的具體特性。其中，數(shù)字部分的行為用并發(fā)語句描述，模型部分的行為用聯(lián)立語句描述，兩者結(jié)合起來描述一個設(shè)計的行為或結(jié)構(gòu)；行為級建模是一類非常有效地提高電路模擬和驗證速度的思想，通過描述相對簡單的等效模型來代替原先大規(guī)模的復雜電路描述，大大降低求解電路的難度，從而在短時間內(nèi)對電路的功能和性能進行快速驗證，以便對電路的設(shè)計方案及時加以改進。對電源器件進行行為級建模，采用等效電路方法，等效電路方法是將一個復雜電路的行為抽象到以電阻、電容和受控源等基本元件組成的電路；輻照對電子器件的影響，通過電特性的方式表征出來，直觀易行；采用黑盒模型的建模方法，避免器件行為特性信息不足的缺陷；數(shù)?；旌辖ＵZ言的使用，使仿真過程簡便且更加完善，使得容易得到輻照對電源類模型電特性的影響。

附圖說明

圖1是本發(fā)明實施例提供的基于VHDL-AMS輻照模型的建模方法

圖2是本發(fā)明實施例提供的實施例1的流程圖。

圖3是本發(fā)明實施例提供的電源模型的基本電路示意圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明進行進一步詳細說明。應(yīng)當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

在不同劑量下，輻照效應(yīng)對電子器件的影響，導致電路電流電壓變化；建立電源類模型的黑盒模型，辨識不同劑量下的黑盒模型傳遞函數(shù)；使用VHDL-AMS數(shù)?；旌戏抡娼ＵZ言，搭建電源模型，體現(xiàn)輻照效應(yīng)對電源的影響。

下面結(jié)合附圖對本發(fā)明的應(yīng)用原理作詳細的描述。

如圖1所示，本發(fā)明實施例提供的基于VHDL-AMS的電路輻照效應(yīng)的建模方法包括以下步驟：

S101：加入輻照，對電源注入不同劑量的輻照，從輻照劑量為0開始，逐漸增加輻照的劑量進行對比實驗；

S102：數(shù)據(jù)獲取，獲取激勵信號和訓練數(shù)據(jù)；在不同劑量下，分別進行輸入端階躍實驗和輸出端階躍實驗；收集不同劑量下，輸入電壓、輸入電流、輸出電壓、輸出電流的采樣值；

S103：數(shù)據(jù)預(yù)處理，用于辨識的數(shù)據(jù)需要經(jīng)過數(shù)據(jù)處理，這個處理在辨識之前，稱為數(shù)據(jù)預(yù)處理；輸入輸出數(shù)據(jù)通常都含有直流成分或高頻成分，或由于數(shù)據(jù)采用了不同量綱，可能導致錯誤的辨識結(jié)果。因此，為使所辨識的模型不受這些因素的影響，必須對數(shù)據(jù)進行預(yù)處理，以提高辨識的精度和辨識模型的可用性。對采集到的數(shù)據(jù)進行預(yù)處理過程，即去均值和重采樣。去均值以除去大信號的干擾；重采樣即濾掉高頻分量；

S104：模型結(jié)構(gòu)的選擇；針對不同的器件特性，在帶外加輸入的自回歸模型(ARX)，帶外加輸入的自回歸滑動平均模型(ARMAX)，輸出誤差模型(OE)，Box-Jenkins(BJ)模型中選擇合適的估計模型。并設(shè)置該模型結(jié)構(gòu)的參數(shù)值，如多項式的階次、時延的數(shù)量；

S105：模型參數(shù)估計，根據(jù)選擇的模型結(jié)構(gòu)辨識模型傳遞函數(shù)參數(shù)；

S106：傳遞函數(shù)變換，將模型的傳遞函數(shù)進行拉普拉斯變換，將離散系統(tǒng)傳遞函數(shù)轉(zhuǎn)換為連續(xù)系統(tǒng)的傳遞函數(shù)；

S107：模型評估，檢驗?zāi)Ｐ偷挠行院瓦m應(yīng)性；對比不同劑量下模型的幅頻特性，得到Bode圖，評估劑量不同對模型的影響情況；

S108：仿真建模，使用VHDL-AMS語言對該模型仿真描述，并得到電特性曲線，即輸入電壓、輸入電流、輸出電壓、輸出電流的曲線圖；觀察總結(jié)不同劑量下輻照對電特性的影響。

下面結(jié)合具體實施例對本發(fā)明的應(yīng)用原理作進一步的描述。

實施例1；

本發(fā)明實施例提供的基于VHDL-AMS的電路輻照效應(yīng)的建模方法具體包括以下步驟：

(1)輻照效應(yīng)注入

從輻照劑量為0開始，對實驗電路中的電源部分逐漸增加輻照劑量，觀察不同劑量下電路電特性的變化。以輻照劑量分別為0Gy、1000Gy、2000Gy、3000Gy、5000Gy對電源器件進行照射。在不同輻照劑量下采集電特性的變化，進行后續(xù)實驗步驟。

(2)采集數(shù)據(jù)--LTSpice

黑盒模型的系統(tǒng)辨識，需要同時采集多組電壓電流值。因此需要建立電源電路模型，并且得到仿真波形圖，采集到輸入電壓，輸入電流，輸出電壓和輸出電流的多組數(shù)據(jù)。同時，該波形圖也用于在得到估計后的黑盒模型仿真電路圖的波形比較，來驗證辨識黑盒模型的過程和結(jié)果是否正確。凌特公司提供仿真軟件LTSpice，包含了所有的SPICE模型，即可用于電源模型的建模。電源模型在LTSpice中的建模如圖3所示，以LT1963A為例。

(3)獲取原始數(shù)據(jù)，包括輸入電壓激勵測試和輸出電流激勵測試。參考公式(1)，在輸入電壓激勵測試時，改變輸入電壓，保持輸出電路固定不變。同時，當進行輸出電流激勵測試時，輸入電壓保持不變，輸出電流被改變?；谝陨蟽煞N激勵測試，收集數(shù)據(jù)的過程被分為兩種測試實驗：初步測試和瞬態(tài)測試。

初步測試：在估計兩端口網(wǎng)絡(luò)輸入導納Y_i，反向電流增益H_i，正向電壓增益G_o和輸出阻抗Z_o四個參數(shù)的傳遞函數(shù)之前，根據(jù)公式基爾霍夫電壓定律和基爾霍夫電流定律對上述兩端口網(wǎng)絡(luò)進行電路分析，得到關(guān)于輸入電壓V_i，輸入電流I_i，輸出電壓V_o和輸出電流I_o的關(guān)系式如(1)(2)；分析每個參數(shù)對于輸入電壓和輸出電流的獨立性或者線性；測試結(jié)果是線性的，黑盒模型使用公式(3)-(6)；非線性參數(shù)，使用包含若干小信號線性時不變模型的多面體結(jié)構(gòu)來代替參數(shù)的傳遞函數(shù)；

I_i＝Y(jié)_iV_i+H_iI_o (1)

V_o＝G_oV_i-Z_oI_o (2)

當ΔI_o＝0時，

當ΔI_o＝0時，

當ΔV_i＝0時，

當ΔV_i＝0時，

(4)系統(tǒng)辨識--MATLAB/System Identification Toolbox

在系統(tǒng)辨識之前，需要在MATLAB里對LTSpice收集到的原始數(shù)據(jù)預(yù)處理。首先，需要對數(shù)據(jù)重采樣，以產(chǎn)生均勻采樣速率的數(shù)據(jù)序列。同時，如果收集到的數(shù)據(jù)有噪聲，重采樣可以移除高頻成分。

接著，移除重采樣數(shù)據(jù)的均值。目的是確保系統(tǒng)傳遞函數(shù)被辨識只是針對電源的小信號特性，而不是大信號行為。當然，當電源的均值被移除后，在最后的黑盒模型中要把穩(wěn)態(tài)值再加回到電源模型中。

最后，進行系統(tǒng)辨識，系統(tǒng)辨識主要包括兩個過程。一，在完成初步激勵測試后，兩端口網(wǎng)絡(luò)的傳遞函數(shù)結(jié)構(gòu)已經(jīng)確定。如果參數(shù)是線性的，就可以使用單個傳遞函數(shù)(3)到(6)。如果參數(shù)是非線性的，用多面體結(jié)構(gòu)代替，多面體結(jié)構(gòu)是由許多小信號線性時不變模型組成的，每個線性時不變模型都有具體的操作點。二，基于瞬態(tài)測試結(jié)果來使用系統(tǒng)辨識方法估計傳遞函數(shù)。在系統(tǒng)辨識過程中，要選擇合適的模型結(jié)構(gòu)，設(shè)置合適的模型參數(shù)，先選擇多項式模式，再為輸出故障模型的設(shè)置。兩端口網(wǎng)絡(luò)的每個參數(shù)都有自己傳遞函數(shù)，當所有的傳遞函數(shù)被估計后，最終的黑盒模型建模方法的兩端口網(wǎng)絡(luò)就可以被仿真。

(5)建模仿真--System Vision

為了驗證上述黑盒模型的估計是否正確，需要將得到的傳遞函數(shù)帶入到數(shù)?；旌辖Ｖ?，建立兩端口網(wǎng)絡(luò)模型，并且得到電流電壓的仿真曲線圖，和最開始在LTSpice中的仿真波形進行比較，在誤差范圍內(nèi)，既可認為該估計方法是正確的。

接著，加入輻照效應(yīng)的影響之后，通過輻照下電壓電流仿真曲線圖可以得到輻照對電路的影響的表現(xiàn)。

由于采用數(shù)模混合建模，所以采用System Vision軟件，使用VHDL-AMS數(shù)模混合仿真建模語言。通過VHDL-AMS可以進行層次式、結(jié)構(gòu)化的模擬集成電路和數(shù)模混合集成電路的建模。可以通過VHDL-AMS建立該系統(tǒng)的行為級模型。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。