电子元件分段建模方法的有效性

作者：张学军 夏晓东 单位：吉林大学口腔医学院 电子科学与工程学院

1引言

在电路仿真中,电子器件的建模方法主要有物理模型法、宏模型法和神经网络法[1-2].所谓物理模型,就是根据电子器件的物理特性建立模型,但由于器件的参数只有通过生产器件的厂家才能获得,因此普通用户一般不采用此方法建模.宏模型是电路子系统的等效电路,以端点变量对原电路进行精确的描述.电路仿真标准软件PSpice中提供了多项式法、函数法和查表法等用于构造电路的宏模型,但多项式法和函数法都要求器件特性可以用多项式或函数来表达,而大多数电器件特性是不能写出表达式的;查表法则需要大量数据才能保证模型的精度.神经网络用于电子器件建模是近几年提出的新方法,已经用于隧道二极管[3]和传感器建模[4],但目前主要应用于具有简单非线性、可用单神经网络逼近的器件建模.本文针对具有复杂非线性的电子器件建模,提出了分段建模的方法,并应用于建立稳压二极管的电路仿真模型.

2单神经网络用于稳压二极管特性逼近

神经网络用于器件建模一般分为3个过程:a.获取被建模元件的输入输出数据,并作为神经网络的输入输出矢量;b.利用上述输入输出矢量对神经网络进行训练,按期望精度获得网络的权值和阈值;c.在Pspice中建立单个神经元和神经网络的模型.选取1N4732A稳压二极管作为研究对象,其伏安特性数据如（表略）对数据归一化处理后,选取具有单隐层的BP神经网络进行特性逼近,结果当隐层神经元个数为65个时,才达到精度要求.由于隐层神经元个数多,所建器件模型过于复杂,会造成仿真过程时间长甚至不收敛等现象.因此,采用单个神经网络无法建立满意的1N4732A稳压二极管模型.

3稳压二极管模型的分段建模实现

根据1N4732A的电压电流特性,将其分为正向特性曲线部分和反向特性曲线部分,并分别采用BP神经网络进行逼近.正向和反向训练结果分别（图略）为了适应神经网络训练,在反向特性训练前,先将电流值取反,在PSpice描述时再将电流取反即可.训练结果表明,对正向特性的逼近所需要的神经网络隐层神经元个数为4个,对反向特性的逼近所需要的神经网络隐层神经元个数为5个,作用函数均采用S型函数.将正向特性神经网络和反向特性神经网络分别在PSpice中进行描述[2-3],并采用如图3所示结构形成子电路,即完成建模过程.图中,SW1和SW2为电压控制开关,E1和E2为电压控制电压源,受节点1和2之间的电压控制;G(V5+V8)为电压控制电流源,其电流受节点5和8电压之和的控制.通过对SW1和SW2导通和关断电压的控制可以完成特性曲线的切换.为验证模型的有效性,在PSpice中,对该模型加一直流扫描电压,其伏安特性曲线如图4所示,符合精度要求.

4结束语

采用分段建模方法可以解决单个神经网络不能建立具有复杂非线性特性的稳压二极管仿真模型问题,采用单一神经网络建模时,所需隐层神经元个数为65,而采用分段建模方法,隐层神经元个数减为9个,因此使所建模型复杂度大大降低.这种方法可以用于其他器件建模,为复杂非线性电子器件建模提供了一种新的方法.具体分段个数以及每个段采用何种神经网络逼近,视所建模器件的特性不同而不同.