CN113901752A - 一种器件仿真模型的构建方法及装置 - Google Patents

一种器件仿真模型的构建方法及装置 Download PDF

Info

Publication number
CN113901752A
CN113901752A CN202111201483.8A CN202111201483A CN113901752A CN 113901752 A CN113901752 A CN 113901752A CN 202111201483 A CN202111201483 A CN 202111201483A CN 113901752 A CN113901752 A CN 113901752A
Authority
CN
China
Prior art keywords
model
current
devices
preset
type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111201483.8A
Other languages
English (en)
Inventor
仲珩
王显赫
吴飞雪
童心
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingwei Hirain Tech Co Ltd
Original Assignee
Beijing Jingwei Hirain Tech Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingwei Hirain Tech Co Ltd filed Critical Beijing Jingwei Hirain Tech Co Ltd
Priority to CN202111201483.8A priority Critical patent/CN113901752A/zh
Publication of CN113901752A publication Critical patent/CN113901752A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Abstract

本发明实施例公开一种器件仿真模型的构建方法及装置，该方法包括：获得待构建器件的阻抗测量值序列；利用预设限制条件以及阻抗测量值序列，确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出待构建器件对应的仿真模型，其中，预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件，以实现对未知结构的器件的仿真模型的准确建立。

Description

一种器件仿真模型的构建方法及装置
技术领域
本发明涉及电子仿真技术领域，具体而言，涉及一种器件仿真模型的构建方法及装置。
背景技术
系统级导电对象的电子仿真结果的精准程度，依赖于系统级导电对象中各个部件的仿真模型的准确性，对于精度要求高的系统级电路仿真，各部件的仿真模型的精确程度至关重要。
目前，导电对象中各部件的仿真模型一般为RLC(Resistance-Inductance-Capacitance，电阻电容电感)模型，该类模型具有运算简单以及仿真效率高的优势。即使系统级电路中没有任何实际的电容和/或电感器件，寄生参数效应也会使系统级电路表现出容性/感性的特征。因此，虽然RLC模型元素简单，但只要建模得当，其可以描述具有电抗性的任何系统级导电对象如线性电气系统，因而是一种复现系统级导电对象的脉冲响应、级联和传递函数的高效模型。
在对系统级导电对象的部件构建RLC模型的过程中，对于其中一些没有提供现成RLC模型的目标器件，则需要自行测量其复阻抗并对其进行RLC模型构建，具体过程一般为：首先通过阻抗分析仪对该目标器件进行测量，得到其在一定频率内的阻抗特性，即得到一组阻抗测量值；在一个预设的RLC网络拓扑下进行参数拟合，优化R、L、C参数的值，得到RLC模型，使RLC模型的阻抗曲线贴近阻抗测量值。
可见，上述过程中在拟合之前需要根据经验，预设一个RLC网络拓扑，在拟合中仅进行其中的参数值的优化。对于已知详细结构的器件，对等效网络结构的经验性猜测可以较为精准；但对于一个完全的“黑盒子”器件，即其内部结构完全未知的器件，预设一个RLC网络拓扑是不合理的，也会限制拟合效果即建立出的最终RLC模型的准确性上限。
发明内容
本发明提供了一种器件仿真模型的构建方法及装置，以实现对未知结构的器件的仿真模型的准确建立。具体的技术方案如下：
第一方面，本发明实施例提供了一种器件的仿真模型的构建方法，所述方法包括：
获得待构建器件的阻抗测量值序列；
利用预设限制条件以及所述阻抗测量值序列，确定用于构建所述待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出所述待构建器件对应的仿真模型，其中，所述预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件。
可选的，所述阻抗测量值序列包括：幅值测量值序列以及相位测量值序列。
可选的，所述预设限制条件包括：
Figure BDA0003305093140000021
其中，p表示中间节点的数量，q表示模型器件数量，N表示模型器件的类型数。
可选的，所述利用预设限制条件以及所述阻抗测量值序列，确定用于构建所述待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出所述待构建器件对应的仿真模型的步骤，包括：
基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络，其中，所述当前待选网络包括：当前节点数量个节点、当前模型器件数量个模型器件，以及各模型器件之间的拓扑关系，所述当前模型器件数量个模型器件的类型属于所述预设模型器件类型；
基于所述当前待选网络中各类型模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型；
若所述目标模型达到预设收敛条件，则确定所述目标模型为所述待构建器件对应的仿真模型。
可选的，所述方法还包括：
若所述目标模型未达到预设收敛条件，判断所述当前待选网络对应的参数值调整次数是否超过预设调整次数；
若所述当前待选网络对应的参数值调整次数未超过所述预设调整次数，则调整所述各类型目标模型器件的参数值，并返回所述基于各类型目标模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型的步骤。
可选的，所述方法还包括：
若所述当前待选网络对应的参数值调整次数超过所述预设调整次数，判断更新所述当前待选网络中各类型模型器件的参数初始值的次数是否超过预设更新次数；
若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数未超过预设更新次数，更新所述当前待选网络中各类型模型器件的参数初始值，作为所述当前待选网络中各类型模型器件的当前的参数值，并返回所述基于所述当前待选网络中各类型模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型的步骤；
若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数超过预设更新次数，返回所述基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络的步骤。
可选的，所述目标模型达到预设收敛条件包括：所述目标模型对应的当前迭代次数未超过预设迭代次数；且基于所述目标模型中各类型目标模型器件的参数值及所述阻抗测量值序列，确定的所述目标优化函数的函数值小于预设精度阈值。
可选的，所述基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络的步骤，包括：
基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量；
基于所述当前节点数量以及所述当前模型器件数量，确定当前的网络拓扑；
基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑；
判断所述中间网络拓扑中每两个节点之间是否存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况；
若判断所述中间网络拓扑中每两个节点之间不存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，将所述中间网络拓扑确定为当前待选网络；并判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换已遍历完成，判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑是否遍历完成；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑未遍历完，返回所述基于所述当前节点数量、所述当前模型器件数量，确定当前的网络拓扑的步骤；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑已遍历完，则返回所述基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量的步骤；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换未遍历完成，返回所述基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑的步骤；
若判断所述中间网络拓扑中每两个节点之间存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，则返回所述判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成的步骤。
第二方面，本发明实施例提供了一种器件的仿真模型的构建装置，所述装置包括：
获得模块，被配置为获得待构建器件的阻抗测量值序列；
确定模块，被配置为利用预设限制条件以及所述阻抗测量值序列，确定用于构建所述待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出所述待构建器件对应的仿真模型，其中，所述预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件。
可选的，所述阻抗测量值序列包括：幅值测量值序列以及相位测量值序列。
可选的，所述预设限制条件包括：
Figure BDA0003305093140000041
其中，p表示中间节点的数量，q表示模型器件数量，N表示模型器件的类型数。
可选的，所述确定模块，包括：
第一确定单元，被配置为基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络，其中，所述当前待选网络包括：当前节点数量个节点、当前模型器件数量个模型器件，以及各模型器件之间的拓扑关系，所述当前模型器件数量个模型器件的类型属于所述预设模型器件类型；
第二确定单元，被配置为基于所述当前待选网络中各类型模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型；
第三确定单元，被配置为若所述目标模型达到预设收敛条件，则确定所述目标模型为所述待构建器件对应的仿真模型。
可选的，所述装置还包括：
第一判断单元，被配置为若所述目标模型未达到预设收敛条件，判断所述当前待选网络对应的参数值调整次数是否超过预设调整次数；
第一调整单元，被配置为若所述当前待选网络对应的参数值调整次数未超过所述预设调整次数，则调整所述各类型目标模型器件的参数值，并触发所述第二确定单元。
可选的，所述装置还包括：
第二判断单元，被配置为若所述当前待选网络对应的参数值调整次数超过所述预设调整次数，判断更新所述当前待选网络中各类型模型器件的参数初始值的次数是否超过预设更新次数；
更新单元，被配置为若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数未超过预设更新次数，更新所述当前待选网络中各类型模型器件的参数初始值，作为所述当前待选网络中各类型模型器件的当前的参数值，并触发所述第二确定单元；若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数超过预设更新次数，触发所述第一确定单元。
可选的，所述目标模型达到预设收敛条件包括：所述目标模型对应的当前迭代次数未超过预设迭代次数；且基于所述目标模型中各类型目标模型器件的参数值及所述阻抗测量值序列，确定的所述目标优化函数的函数值小于预设精度阈值。
可选的，所述第一确定单元，被具体配置为：
基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量；
基于所述当前节点数量以及所述当前模型器件数量，确定当前的网络拓扑；
基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑；
判断所述中间网络拓扑中每两个节点之间是否存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况；
若判断所述中间网络拓扑中每两个节点之间不存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，将所述中间网络拓扑确定为当前待选网络；并判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换已遍历完成，判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑是否遍历完成；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑未遍历完，返回所述基于所述当前节点数量、所述当前模型器件数量，确定当前的网络拓扑；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑已遍历完，则返回所述基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换未遍历完成，返回所述基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑；
若判断所述中间网络拓扑中每两个节点之间存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，则返回所述判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成。
由上述内容可知，本发明实施例提供的一种器件仿真模型的构建方法及装置，获得待构建器件的阻抗测量值序列；利用预设限制条件以及阻抗测量值序列，确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出待构建器件对应的仿真模型，其中，预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件。
应用本发明实施例，可以基于预设限制条件，限制所构建的仿真模型中节点数量与模型器件数量，进而结合待构建器件的阻抗测量值序列，共同确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以得到结构及其相应的模型器件的参数与待构建器件更贴合的仿真模型，并实现对未知结构的器件的仿真模型的准确建立。在模型构建过程中没有将待构建模型局限于固定的拓扑结构，从而避免了传统方法中人为指定RLC拓扑的不合理性，不再限制模型的网络拓扑，拟合精度不再受限。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
本发明实施例的创新点包括：
1、可以基于预设限制条件，限制所构建的仿真模型中节点数量与模型器件数量，进而结合待构建器件的阻抗测量值序列，共同确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以得到结构及其相应的模型器件的参数与待构建器件更贴合的仿真模型，并实现对未知结构的器件的仿真模型的准确建立。在模型构建过程中没有将待构建模型局限于固定的拓扑结构，从而避免了传统方法中人为指定RLC拓扑的不合理性，不再限制模型的网络拓扑，拟合精度不再受限。
2、结合拓扑网络的每两个节点之间至少包含一个模型器件的因素，以及对于无冗余模型器件的拓扑网络的考虑，即任意两个节点之间的串并联模型器件不超过仿真模型器件的类型的数量的因素，设置预设限制条件，以在保证得到与待构建器件更贴合的仿真模型的同时，在一定程度上降低仿真模型构建的资源消耗。
3、基于预设限制条件以及优先构建模型器件数量少的网络的原则，优先构建遍历节点数量以及所包含模型器件数量少的网络拓扑，进而优化其中的模型器件的参数值，并设置预设收敛条件，以在遍历得到与待构建器件更贴合的仿真模型的同时，在一定程度上降低仿真模型构建的资源消耗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的器件的仿真模型的构建方法的一种流程示意图；
图2为本发明实施例所提供的图1中S102的具体实施方式的一种示意图；
图3为本发明实施例所提供的图2中S201的具体实施方式的一种示意图
图4为本发明实施例提供的器件的仿真模型的构建装置的一种结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提供了一种器件仿真模型的构建方法及装置，以实现对未知结构的器件的仿真模型的准确建立。下面对本发明实施例进行详细说明。
图1为本发明实施例提供的器件的仿真模型的构建方法的一种流程示意图。该方法可以包括如下步骤：
S101：获得待构建器件的阻抗测量值序列。
本发明实施例所提供的方法，可以应用于任一具有计算能力的电子设备，该电子设备可以为终端或者服务器。在一种实现中，实现该方法的功能软件可以以单独的客户端软件的形式存在，也可以以目前相关的客户端软件的插件的形式存在，这都是可以的。
电子设备利用测量仪器获得待构建器件的复阻抗在一定频率范围内的变化，可以是：利用测量仪器测量得到待构建器件在预设频率范围内的n个频点对应的阻抗值，作为阻抗测量值，得到n个频点对应的阻抗测量值序列。其中，该测量仪器可以为阻抗分析仪，该n为正整数，可以基于需求进行设定。
一种情况中，该待构建器件可以为待构建其对应的仿真模型的未知结构的器件。
在一种实现方式中，阻抗测量值可以包括幅值测量值以及相位测量值，相应的，阻抗测量值序列可以包括：幅值测量值序列以及相位测量值序列。
S102：利用预设限制条件以及阻抗测量值序列，确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出待构建器件对应的仿真模型。
其中，预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件。该预设限制条件用于在构建待构建器件对应的仿真模型的过程中，限定所构建模型的节点数量与其中模型器件的数量，以构建出合理的仿真模型。
一种情况中，构建待构建器件所需的模型器件的类型包括但不限于：电阻、电容以及电感。
在一种实现方式中，假设所构建的仿真模型中包括p个中间节点和q个模型器件，由于每两个节点之间至少包含一个模型器件，可以设置限制条件p+1≤q；并且，考虑到对于一个无冗余模型器件的仿真模型来说，任意两个相邻节点之间的并联模型器件的数量不超过模型器件的类型数量，例如：模型器件的类型数量为3。任意两个相邻节点之间的并联模型器件的数量不超过3。即可以设置限制条件
Figure BDA0003305093140000081
其中，上述无冗余模型器件的仿真模型指不存在相同类型模型器件的直接并联和/或单独串联。
其中，直接并联可以指同类型的模型器件直接并联构成冗余，例如，一条并联电路中只包含两个并联的电阻类型的模型器件，则认为直接并联；若一条并联电路中包含一个电阻类型的模型器件和电感类型的模型器件串联，并与另一个电阻类型的模型器件并联，则不认为为直接并联。单独串联可以指同类型的模型器件单独串联，例如，两个电阻类型的模型器件直接单独串联，则认为为单独串联；若一个电阻类型的模型器件与电感类型的模型器件并联，进而与另一个电阻类型的模型器件串联，则不认为为单独串联。
相应的，在一种实现方式中，该预设限制条件包括：
Figure BDA0003305093140000082
其中，p表示中间节点的数量，q表示模型器件数量，N表示模型器件的类型数。中间节点可以指仿真模型的不含两个外部节点的节点，外部节点为仿真模型与外部模型或对象连接的节点。
本步骤中，电子设备可以基于预设限制条件，确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量和各个模型器件的类型，进而基于所确定的节点数量、模型器件数量和各个模型器件的类型，构建拓扑网络；并利用阻抗测量值序列，优化确定各拓扑网络中各个模型器件的参数值，以从各优化完成模型器件参数值的拓扑网络中，确定出与待构建模型更贴切的仿真模型。
应用本发明实施例，可以基于预设限制条件，限制所构建的仿真模型中节点数量与模型器件数量，进而结合待构建器件的阻抗测量值序列，共同确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以得到结构及其相应的模型器件的参数与待构建器件更贴合的仿真模型，并实现对未知结构的器件的仿真模型的准确建立。
并且，本发明实施例没有将输出模型局限于固定的拓扑结构，从而避免了传统方法中人为指定RLC拓扑的不合理性，不再限制模型的网络拓扑，拟合精度不再受限。理论上只要允许模型的网络足够复杂、器件数量足够多，输出的模型可以描述非常复杂的阻抗特征，以得到更贴合待构建器件的仿真模型。
在本发明的另一实施例中，如图2所示，所述S102，可以包括如下步骤S201-S204：
S201：基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络。
其中，当前待选网络包括：当前节点数量个节点、当前模型器件数量个模型器件，以及各模型器件之间的拓扑关系，当前模型器件数量个模型器件的类型属于预设模型器件类型。
S202：基于当前待选网络中各类型模型器件的当前的参数值、当前待选网络、阻抗测量值序列以及目标优化函数，确定当前待选网络对应的目标模型。
S203：若目标模型达到预设收敛条件，则确定目标模型为待构建器件对应的仿真模型。
为了可以得到更贴合待构建器件的仿真模型，即确定出包含合适数量以及类型合适的模型器件的仿真模型，以使得该仿真模型更贴合待构建器件，同时，降低构建仿真模型过程的计算量，本实现方式中，预先设置有优先构建模型器件数量少的网络的原则，基于预设限制条件以及优先构建模型器件数量少的网络的原则，从中间节点的数量为0开始，从低至高依次确定一个中间节点的数量即p的值，并从p+1到
Figure BDA0003305093140000091
从低至高依次确定一个模型器件数量及q的值，即确定当前节点数量以及当前模型器件数量。
基于当前节点数量、当前模型器件数量构建有效拓扑网络，并基于预设模型器件类型，确定有效拓扑网络内的模型器件的类型，确定当前待选网络。一种情况中，当前待选网络为无冗余器件的网络，即每相邻两个节点之间不存在直接并联的相同类型器件，和/或不存在单独串联的同类型模型器件。
随机初始化当前待选网络中各模型器件的参数的初始值，即当前的参数值，基于当前待选网络中各类型模型器件的当前的参数值、当前待选网络、阻抗测量值序列以及目标优化函数，确定当前待选网络对应的目标模型。
可以理解的是，确定当前待选网络中各模型器件的当前的参数值之后，该当前待选网络对应的目标模型的阻抗值即可以直接计算得到，基于当前待选网络以及当前待选网络中各模型器件的参数值，确定得到当前待选网络对应的阻抗计算值序列，即幅值计算值序列以及相位计算值序列。其中，当前待选网络中各模型器件确定其参数值后，被称为当前待选网络对应的目标模型。当前待选网络中包含的各类型的模型器件可以称为目标模型器件。
进而，利用目标优化函数、阻抗测量值序列即幅值测量值序列以及相位测量值序列，以及阻抗计算值序列即幅值计算值序列以及相位计算值序列，计算目标优化函数的函数值，基于目标优化函数的函数值，判断目标模型是否达到预设收敛条件，在确定目标模型达到预设收敛条件的情况下，则确定目标模型与待构建器件比较贴合，即目标模型中模型器件数量、节点数量、模型器件类型以及模型器件之间的拓扑关系比较优，确定目标模型为待构建器件对应的仿真模型。
在一种情况中，目标优化函数可以通过如下公式(1)表示：
Figure BDA0003305093140000101
其中，J表示目标优化函数的函数值，Zm(i)表示幅值测量值序列中第i个幅值测量值，Zc(i)表示幅值计算值序列中第i个幅值计算值，φm(i)表示相位测量值序列中第i个相位测量值，φc(i)表示相位计算值序列中第i个相位计算值，n表示频点个数；α表示预设的权重参数，一种情况中，可以设置α＝1/π。第i个幅值测量值、第i个幅值计算值、第i个相位测量值以及第i个相位计算值对应n个频点中的第i个频点。
目标优化函数同时包含了幅值和相位，可以实现对待构建器件对应的仿真模型的复阻抗的幅值和相位的同时拟合。在具体设置目标优化函数的过程中，考虑到幅值没有上限，若目标优化函数中幅值部分对应的权重与相位部分对应的权重相等，可能会出现最终优化得到的目标模型会较侧重于优化在幅值较大处的偏差，而幅值较小处的相对偏差则会较大的问题。为解决上述问题，目标优化函数中将幅值的偏差项对幅值的测量值进行归一化，即(1)中第一项分母上的[Zm(i)]2，以实现拟合权重的相对均衡；考虑到相位φ分布区间为[-π/2，π/2]，目标优化函数中无需进行权重归一化处理。
在一种情况中，为了能够得到与待构建器件更贴合的仿真模型，在构建过程中可以通过调整预设的权重参数α的取值，实现对幅值和相位的相对权重的微调。
在本发明的另一实施例中，目标模型达到预设收敛条件包括：目标模型对应的当前迭代次数未超过预设迭代次数；且基于目标模型中各类型目标模型器件的参数值及阻抗测量值序列，确定的目标优化函数的函数值小于预设精度阈值。
在一种情况中，预设精度阈值可以根据经验值进行设置。也可以根据频点数量进行设置，例如：预设精度阈值β＝n/100，这都是可以的。
在本发明的另一实施例中，如图2所示，所述方法还可以包括如下步骤S204-S205：
S204：若目标模型未达到预设收敛条件，判断当前待选网络对应的参数值调整次数是否超过预设调整次数；
S205：若当前待选网络对应的参数值调整次数未超过预设调整次数，则调整各类型目标模型器件的参数值，并返回S202。
本实现方式中，若判断目标模型未达到预设收敛条件，则判断当前待选网络对应的参数值调整次数是否超过预设调整次数，若当前待选网络对应的参数值调整次数未超过预设调整次数，则调整各目标模型器件的参数值，并返回基于当前待选网络中各类型模型器件的当前的参数值、当前待选网络、阻抗测量值序列以及目标优化函数，确定当前待选网络对应的目标模型，直至确定出达到预设收敛条件的目标模型，确定出待构建器件对应的仿真模型。
可以理解的是，在当前待选网络中各目标模型器件的参数值调整次数超过一定次数后，当前待选网络对应的目标模型还未达到预设收敛条件，在一定程度上可以认为该当前待选网络对应的目标模型为与待构建器件不够贴合的模型，即目标模型对应的各目标模型器件的参数初始值设置的不合适，或者，目标模型中所包含的目标模型器件的数量、模型器件的类型和/或之间的拓扑关系不合适。相应的，设置预设调整次数，用于限制对当前待选网络中各目标模型器件的参数值的调整次数，以在一定程度上避免计算资源的浪费，保证仿真模型的构建流程的顺利进行。其中，该预设调整次数为根据经验设置的值，一种情况中，预设调整次数可以设置为1000次。
在本发明的另一实施例中，如图2所示，所述方法还可以包括如下步骤S206-S207：
S206：若当前待选网络对应的参数值调整次数超过预设调整次数，判断更新当前待选网络中各类型模型器件的参数初始值的次数是否超过预设更新次数。
S207：若判断更新当前待选网络中各类型模型器件的参数初始值的次数未超过预设更新次数，更新当前待选网络中各类型模型器件的参数初始值，作为当前待选网络中各类型模型器件的当前的参数值，并返回S202；若判断更新当前待选网络中各类型模型器件的参数初始值的次数超过预设更新次数，返回所述S201。
考虑到在进行迭代优化即调整优化目标模型器件的参数的过程中，避免出现由于模型器件的参数初始值设置不当，导致在迭代优化过程中陷于局部最优值进而影响收敛的问题。
相应的，本实现方式中，设置有预设更新次数，若当前待选网络对应的参数值调整次数超过预设调整次数，判断更新当前待选网络中各类型模型器件的参数初始值的次数是否超过预设更新次数，即重新设置当前待选网络中各类型模型器件的参数初始值的次数是否超过一定次数，若判断更新当前待选网络中各类型模型器件的参数初始值的次数未超过预设更新次数，更新当前待选网络中各类型模型器件的参数初始值，即重新设置当前待选网络中各类型模型器件的参数初始值，得到当前待选网络中各类型模型器件的当前的参数值，并重新利用当前待选网络中各类型模型器件的当前的参数值、当前待选网络、阻抗测量值序列以及目标优化函数，迭代优化当前待选网络的参数值，确定当前待选网络对应的目标模型；并在目标模型达到预设收敛条件的情况下，将当前待选网络对应的目标模型确定为待构建器件对应的仿真模型。
若判断更新当前待选网络中各类型模型器件的参数初始值的次数超过预设更新次数，即预设更新次数次迭代优化结束，当前待选网络对应的目标模型仍未达到预设收敛条件，则切换拓扑网络，即返回基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络的步骤。
其中，重新确定当前待选网络可以是：更改当前待选网络中各目标模型器件的类型，或者是：重新确定当前节点数量和/或当前模型器件数据，重新构建新的当前待选网络。
在一种实现中，可以通过调整预设精度阈值和/或目标优化函数中的预设的权重参数，来调整迭代优化过程中的收敛速度和所构建的待构建器件对应的仿真模型的准确性。
其中，上述预设更新次数为基于实际需求所设置的数值，一种情况中，上述预设更新次数可以设置为5。
在本发明的另一实施例中，所述S201，可以包括如下步骤011-0：
011：基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量。
012：基于当前节点数量以及当前模型器件数量，确定当前的网络拓扑；
013：基于预设模型器件类型，变换当前的网络拓扑内当前模型器件数量个模型器件的类型，得到中间网络拓扑；
014：判断中间网络拓扑中每两个节点之间是否存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况；
015：若判断中间网络拓扑中每两个节点之间不存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，将中间网络拓扑确定为当前待选网络；
016：判断当前的网络拓扑内当前模型器件数量个模型器件的类型变换是否已遍历完成；
017：若判断当前的网络拓扑内当前模型器件数量个模型器件的类型变换已遍历完成，判断基于当前节点数量以及当前的模型器件数量所确定的网络拓扑是否遍历完成；
018：若判断基于当前节点数量以及当前的模型器件数量所确定的网络拓扑未遍历完，返回所述012；
019：若判断基于当前节点数量以及当前的模型器件数量所确定的网络拓扑已遍历完，则返回所述011；
020：若判断当前的网络拓扑内当前模型器件数量个模型器件的类型变换未遍历完成，返回所述013；
021：若判断中间网络拓扑中每两个节点之间存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，则返回所述016。
本实现方式中，电子设备在确定当前待选网络的过程中，可以结合预设限制条件以及优先构建模型器件数量少的网络的原则，从构建仿真模型所需的模型器件数量由低到高，也即所构建仿真模型所包含节点数量由低到高的原则，依次确定用于构建仿真模型对应的当前节点数量以及当前模型器件数量；基于当前节点数量、当前模型器件数量，确定当前的网络拓扑，该当前的网络拓扑中包含当前节点数量个节点以及当前模型器件数量个模型器件。如图3所示，初始化中间节点的数量即初始化p＝-1，跳转至p＝p+1，q＝p；进而跳转至q＝q+1，以确定出当前节点数量、当前模型器件数量，其中，当前节点数量为中间节点数量加2；基于当前节点数量以及当前模型器件数量，确定当前的网络拓扑，如图3中所示的“根据p、q取值更新网络拓扑”即确定当前的网络拓扑。
基于预设模型器件类型，变换当前的网络拓扑内当前模型器件数量个模型器件的类型，得到中间网络拓扑，即图3中所示的“变换RLC类型”。判断中间网络拓扑中是否存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，即图3中所示的“有同类器件单独直接串并联？”；若判断中间网络拓扑中每两个节点之间不存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，将中间网络拓扑确定为当前待选网络，进而后续流程，即“输出网络进行迭代求解”。
并判断当前的网络拓扑内当前模型器件数量个模型器件的类型变换是否已遍历完成，即判断当前的网络拓扑中当前模型器件数量个模型器件的类型的变换，是否已覆盖所有变换方式，若判断当前的网络拓扑内当前模型器件数量个模型器件的类型变换已遍历完成，即图3中所示的“若已完成器件类型遍历”；则判断基于当前节点数量以及当前的模型器件数量所确定的网络拓扑是否遍历完成，若判断基于当前节点数量以及当前的模型器件数量所确定的网络拓扑未遍历完，则基于当前节点数量以及当前的模型器件数量切换网络拓扑，即返回基于当前节点数量以及当前模型器件数量，确定当前的网络拓扑的步骤，重新确定新的当前的网络拓扑，并进行后续流程。若判断基于当前节点数量以及当前的模型器件数量所确定的网络拓扑已遍历完，即图3中所示的“若已完成网络拓扑遍历”，则重新确定节点数量和/或模型器件数量，即返回所述基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量的步骤。
其中，上述重新确定节点数量和/或模型器件数量的过程中，首先判断模型器件数量q是否已超过
Figure BDA0003305093140000141
如图3中所示的模型器件的类型包括电阻电容电感3种类型，相应的判断q是否已超过
Figure BDA0003305093140000142
若判断模型器件数量q未超过
Figure BDA0003305093140000143
则当前节点数量不变，增加一个模型器件，即当前模型器件数量q+1，以确定出当前节点数量以及当前模型器件数量。若判断模型器件数量q超过
Figure BDA0003305093140000144
如图3所示，则当前节点数量p+1，并基于预设限制条件以及优先构建模型器件数量少的网络的原则，从低到高依次确定当前模型器件数量，以确定出当前节点数量以及当前模型器件数量。
若判断当前的网络拓扑内当前模型器件数量个模型器件的类型变换未遍历完成，则变换当前的网络拓扑内当前模型器件数量个模型器件的类型，即返回基于预设模型器件类型，变换当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑的步骤。
若判断中间网络拓扑中每两个节点之间存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，则返回判断当前的网络拓扑内当前模型器件数量个模型器件的类型变换是否已遍历完成，若未遍历完成，则变换当前的网络拓扑内当前模型器件数量个模型器件的类型，若已遍历完成，则判断基于当前节点数量以及所述当前的模型器件数量所确定的网络拓扑是否遍历完成，并执行后续流程。
以通过上述遍历方式，实现对各节点数量和模型器件数量所构建的各网络拓扑的覆盖遍历即实现对每一阶网络拓扑的无重复、无遗漏的遍历，以及各网络拓扑中各模型器件的类型的覆盖变换。并且本发明实施例中，通过拓扑遍历的方式由简至繁进行迭代优化，可以保证输出的模型在满足精度要求的前提下拓扑结构尽可能简单。并且本发明实施例所确定出的简单且精确的仿真模型，也便于分析与理解目标“黑盒子”即未知结构的待构建器件的基本结构。
相应于上述方法实施例，本发明实施例提供了一种器件的仿真模型的构建装置，如图4所示，所述装置可以包括：
获得模块410，被配置为获得待构建器件的阻抗测量值序列；
确定模块420，被配置为利用预设限制条件以及所述阻抗测量值序列，确定用于构建所述待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出所述待构建器件对应的仿真模型，其中，所述预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件，并实现对未知结构的器件的仿真模型的准确建立。
应用本发明实施例，可以基于预设限制条件，限制所构建的仿真模型中节点数量与模型器件数量，进而结合待构建器件的阻抗测量值序列，共同确定用于构建待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以得到结构及其相应的模型器件的参数与待构建器件更贴合的仿真模型。
在本发明的另一实施例中，所述阻抗测量值序列包括：幅值测量值序列以及相位测量值序列。
在本发明的另一实施例中，所述预设限制条件包括：
Figure BDA0003305093140000151
其中，p表示中间节点的数量，q表示模型器件数量，N表示模型器件的类型数。
在本发明的另一实施例中，所述确定模块420，包括：
第一确定单元(图中未示出)，被配置为基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络，其中，所述当前待选网络包括：当前节点数量个节点、当前模型器件数量个模型器件，以及各模型器件之间的拓扑关系，所述当前模型器件数量个模型器件的类型属于所述预设模型器件类型；
第二确定单元(图中未示出)，被配置为基于所述当前待选网络中各类型模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型；
第三确定单元(图中未示出)，被配置为若所述目标模型达到预设收敛条件，则确定所述目标模型为所述待构建器件对应的仿真模型。
在本发明的另一实施例中，所述装置还包括：
第一判断单元(图中未示出)，被配置为若所述目标模型未达到预设收敛条件，判断所述当前待选网络对应的参数值调整次数是否超过预设调整次数；
第一调整单元(图中未示出)，被配置为若所述当前待选网络对应的参数值调整次数未超过所述预设调整次数，则调整所述各类型目标模型器件的参数值，并触发所述第二确定单元。
在本发明的另一实施例中，所述装置还包括：
第二判断单元(图中未示出)，被配置为若所述当前待选网络对应的参数值调整次数超过所述预设调整次数，判断更新所述当前待选网络中各类型模型器件的参数初始值的次数是否超过预设更新次数；
更新单元(图中未示出)，被配置为若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数未超过预设更新次数，更新所述当前待选网络中各类型模型器件的参数初始值，作为所述当前待选网络中各类型模型器件的当前的参数值，并触发所述第二确定单元；若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数超过预设更新次数，触发所述第一确定单元。
在本发明的另一实施例中，所述目标模型达到预设收敛条件包括：所述目标模型对应的当前迭代次数未超过预设迭代次数；且基于所述目标模型中各类型目标模型器件的参数值及所述阻抗测量值序列，确定的所述目标优化函数的函数值小于预设精度阈值。
在本发明的另一实施例中，所述第一确定单元，被具体配置为：
基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量；
基于所述当前节点数量以及所述当前模型器件数量，确定当前的网络拓扑；
基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑；
判断所述中间网络拓扑中每两个节点之间是否存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况；
若判断所述中间网络拓扑中每两个节点之间不存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，将所述中间网络拓扑确定为当前待选网络；并判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换已遍历完成，判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑是否遍历完成；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑未遍历完，返回所述基于所述当前节点数量、所述当前模型器件数量，确定当前的网络拓扑；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑已遍历完，则返回所述基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换未遍历完成，返回所述基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑；
若判断所述中间网络拓扑中每两个节点之间存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，则返回所述判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成
上述系统、装置实施例与系统实施例相对应，与该方法实施例具有同样的技术效果，具体说明参见方法实施例。装置实施例是基于方法实施例得到的，具体的说明可以参见方法实施例部分，此处不再赘述。本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种器件的仿真模型的构建方法，其特征在于，所述方法包括：
获得待构建器件的阻抗测量值序列；
利用预设限制条件以及所述阻抗测量值序列，确定用于构建所述待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出所述待构建器件对应的仿真模型，其中，所述预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件。
2.如权利要求1所述的方法，其特征在于，所述阻抗测量值序列包括：幅值测量值序列以及相位测量值序列。
3.如权利要求1所述的方法，其特征在于，所述预设限制条件包括：
Figure FDA0003305093130000012
Figure FDA0003305093130000011
其中，p表示中间节点的数量，q表示模型器件数量，N表示模型器件的类型数。
4.如权利要求1-3任一项所述的方法，其特征在于，所述利用预设限制条件以及所述阻抗测量值序列，确定用于构建所述待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出所述待构建器件对应的仿真模型的步骤，包括：
基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络，其中，所述当前待选网络包括：当前节点数量个节点、当前模型器件数量个模型器件，以及各模型器件之间的拓扑关系，所述当前模型器件数量个模型器件的类型属于所述预设模型器件类型；
基于所述当前待选网络中各类型模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型；
若所述目标模型达到预设收敛条件，则确定所述目标模型为所述待构建器件对应的仿真模型。
5.如权利要求4所述的方法，其特征在于，所述方法还包括：
若所述目标模型未达到预设收敛条件，判断所述当前待选网络对应的参数值调整次数是否超过预设调整次数；
若所述当前待选网络对应的参数值调整次数未超过所述预设调整次数，则调整所述各类型目标模型器件的参数值，并返回所述基于各类型目标模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型的步骤。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
若所述当前待选网络对应的参数值调整次数超过所述预设调整次数，判断更新所述当前待选网络中各类型模型器件的参数初始值的次数是否超过预设更新次数；
若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数未超过预设更新次数，更新所述当前待选网络中各类型模型器件的参数初始值，作为所述当前待选网络中各类型模型器件的当前的参数值，并返回所述基于所述当前待选网络中各类型模型器件的当前的参数值、所述当前待选网络、所述阻抗测量值序列以及目标优化函数，确定所述当前待选网络对应的目标模型的步骤；
若判断更新所述当前待选网络中各类型模型器件的参数初始值的次数超过预设更新次数，返回所述基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络的步骤。
7.如权利要求4所述的方法，其特征在于，所述目标模型达到预设收敛条件包括：所述目标模型对应的当前迭代次数未超过预设迭代次数；且基于所述目标模型中各类型目标模型器件的参数值及所述阻抗测量值序列，确定的所述目标优化函数的函数值小于预设精度阈值。
8.如权利要求4所述的方法，其特征在于，所述基于预设限制条件、优先构建模型器件数量少的网络的原则以及预设模型器件类型，确定当前待选网络的步骤，包括：
基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量；
基于所述当前节点数量以及所述当前模型器件数量，确定当前的网络拓扑；
基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑；
判断所述中间网络拓扑中每两个节点之间是否存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况；
若判断所述中间网络拓扑中每两个节点之间不存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，将所述中间网络拓扑确定为当前待选网络；并判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换已遍历完成，判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑是否遍历完成；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑未遍历完，返回所述基于所述当前节点数量、所述当前模型器件数量，确定当前的网络拓扑的步骤；
若判断基于所述当前节点数量以及所述当前的模型器件数量所确定的网络拓扑已遍历完，则返回所述基于预设限制条件以及优先构建模型器件数量少的网络的原则，确定当前节点数量以及当前模型器件数量的步骤；
若判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换未遍历完成，返回所述基于所述预设模型器件类型，变换所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型，得到中间网络拓扑的步骤；
若判断所述中间网络拓扑中每两个节点之间存在同类型模型器件直接并联和/或同类型模型器件单独串联的情况，则返回所述判断所述当前的网络拓扑内所述当前模型器件数量个模型器件的类型变换是否已遍历完成的步骤。
9.一种器件的仿真模型的构建装置，其特征在于，所述装置包括：
获得模块，被配置为获得待构建器件的阻抗测量值序列；
确定模块，被配置为利用预设限制条件以及所述阻抗测量值序列，确定用于构建所述待构建器件对应的仿真模型的节点数量、模型器件数量及其类型，以及各类型模型器件之间的拓扑关系，以构建出所述待构建器件对应的仿真模型，其中，所述预设限制条件包含：所构建的仿真模型中节点数量与模型器件数量之间的限制条件。
10.如权利要求9所述的装置，其特征在于，所述阻抗测量值序列包括：幅值测量值序列以及相位测量值序列。
CN202111201483.8A 2021-10-15 2021-10-15 一种器件仿真模型的构建方法及装置 Pending CN113901752A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111201483.8A CN113901752A (zh) 2021-10-15 2021-10-15 一种器件仿真模型的构建方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111201483.8A CN113901752A (zh) 2021-10-15 2021-10-15 一种器件仿真模型的构建方法及装置

Publications (1)

Publication Number Publication Date
CN113901752A true CN113901752A (zh) 2022-01-07

Family

ID=79192314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111201483.8A Pending CN113901752A (zh) 2021-10-15 2021-10-15 一种器件仿真模型的构建方法及装置

Country Status (1)

Country Link
CN (1) CN113901752A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258111A (zh) * 2023-05-15 2023-06-13 贝叶斯电子科技(绍兴)有限公司 一种静态模拟集成电路版图分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258111A (zh) * 2023-05-15 2023-06-13 贝叶斯电子科技(绍兴)有限公司 一种静态模拟集成电路版图分析方法
CN116258111B (zh) * 2023-05-15 2023-08-04 贝叶斯电子科技(绍兴)有限公司 一种静态模拟集成电路版图分析方法

Similar Documents

Publication Publication Date Title
CN105023058B (zh) 一种同时考虑开关动作的配电网智能软开关运行优化方法
CN109802406B (zh) 一种分析柔性直流输电接入系统谐振稳定性的方法
CN105529711B (zh) 一种基于bpa数据的交流系统谐波阻抗扫描方法
CN104794541B (zh) 一种基于模拟退火和锥优化的配电网运行优化方法
CN113901752A (zh) 一种器件仿真模型的构建方法及装置
CN112305485B (zh) 电容式电压互感器的谐波电压测量误差修正方法及装置
CN105680442B (zh) 考虑潮流和灵敏度一致性等值的期望缺供电量评估方法
CN111082541B (zh) 移动式无线电能传输系统的控制方法及装置
CN111967186A (zh) 一种用于功率晶体管大信号建模的神经网络空间映射方法
CN110298570A (zh) 配电网系统拓扑状态辨识方法、装置、存储介质及设备
CN110532587A (zh) 一种双重移相调制下双有源全桥变换器大信号建模方法
CN109816555A (zh) 一种基于支持向量机的负荷建模方法
CN113839396A (zh) 电网线损修复的动态无功补偿系统及方法
CN110765713A (zh) 高耦合分裂电抗器建模方法、装置、计算机设备及介质
Negi et al. Distributed control based power sharing strategy for an islanded AC microgrid
CN111079268A (zh) 一种lcc直流输电机电电磁混合系统的在线仿真方法及系统
CN107425519B (zh) 含分布式电源的三相配电网最大供电能力计算方法
CN115036962A (zh) 柔性直流输电系统潮流计算及交直流混联潮流计算方法
CN113435065A (zh) 一种基于“黑箱”dc/dc变换器的等效阻抗建模方法
CN112670992A (zh) 含能量路由器的配电网稳定性分析和失稳校正方法及系统
CN110633489A (zh) 一种基于参数综合可疑度的线路参数辨识方法
CN113394771B (zh) 一种求解非线性电力系统联络线可行域的方法
CN112182920B (zh) 一种确定直流输电线路合成电场的场强值的迭代方法
CN113868937B (zh) 基于动态空间映射的硅场效应管射频开关谐波预测方法
US20240070363A1 (en) Method and apparatus for simulating an electrical circuit, digital real-time simulator, computer program and computer-readable medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination