HFTA-15.0熱敏電阻網(wǎng)絡(luò)與遺傳算法

本應(yīng)用筆記討論熱敏電阻在溫度補(bǔ)償中的應(yīng)用，簡要介紹快速確定最佳電路條件的遺傳算法。通過一個實(shí)例可以看出，利用該算法可以很容易得到最佳電阻值和NTC熱敏電阻值，實(shí)現(xiàn)特定的電壓溫度關(guān)系曲線。

簡介

問題：對于圖1所示電路拓?fù)?，如何獲得電阻值和NTC熱敏電阻值，以實(shí)現(xiàn)圖2所示的電壓與溫度關(guān)系曲線(注意：或許只能使用標(biāo)稱值)?

圖1. 熱敏電阻網(wǎng)絡(luò)

圖2. 電壓與溫度關(guān)系曲線

這個問題也許不會出現(xiàn)在教科書中，但是當(dāng)采用熱敏電阻網(wǎng)絡(luò)對有源元件進(jìn)行溫度補(bǔ)償時，就會面臨這樣一個實(shí)際問題。有人可能會按照圖1電路，通過不斷的電路實(shí)驗(yàn)和無數(shù)個方程的求解來確定方案；有些人可能會將數(shù)值代入仿真器或電子表格，然后通過慢長的調(diào)整后得到盡可能匹配的曲線。

考慮到上述方案涉及到的眾多變量和溫度效應(yīng)，利用上述任何一種方法尋求這個電路的最佳方案都將充滿挑戰(zhàn)。實(shí)際設(shè)計(jì)中只能采用標(biāo)稱值，也在一定程度上增加了難度。針對某組條件求解電路方案也許是一種可以接受的途徑，但當(dāng)條件、網(wǎng)絡(luò)或預(yù)期響應(yīng)條件較多時，求解過程就變得單調(diào)乏味。網(wǎng)絡(luò)越復(fù)雜(為了得到更好的溫度響應(yīng))，求解最佳方案的過程也更困難或更耗時，甚至無法得到象征性或經(jīng)驗(yàn)性的數(shù)據(jù)。而利用數(shù)值方法，例如：遺傳算法，可以方便地解決這些問題。

遺傳和電路這兩個詞很少會用在同一場景，但是，如同下文將要看到的，遺傳算法可以用來求解圖1所示電路的元件值。本應(yīng)用筆記將討論溫度補(bǔ)償時熱敏電阻的使用，并簡要介紹遺傳算法，最后會通過算法的一個實(shí)例快速求解上述問題。

熱敏電阻網(wǎng)絡(luò)的應(yīng)用

需要進(jìn)行溫度補(bǔ)償?shù)南到y(tǒng)大多選用熱敏電阻網(wǎng)絡(luò)。比如，熱敏電阻網(wǎng)絡(luò)可以用來調(diào)整電源電壓、PWM輸出等，也可以為晶體管、放大器、激光二極管等提供經(jīng)過溫度補(bǔ)償?shù)钠?a href="http://srfitnesspt.com/tags/電流/" target="_blank">電流。熱敏電阻網(wǎng)絡(luò)具有如廣泛的應(yīng)用，而每個應(yīng)用、每個設(shè)備所需要的補(bǔ)償(網(wǎng)絡(luò)值)卻不盡相同。

圖2所示范例是光通信鏈路中激光二極管的補(bǔ)償電路。為了保證通信質(zhì)量，激光二極管的偏置電路必須隨著溫度的變化進(jìn)行調(diào)整。溫度補(bǔ)償后的偏置電流可以采用圖3所示電路注入激光器，但是，為了使目標(biāo)電壓與溫度一致(圖2)，必須確定最佳數(shù)值。通過遺傳算法可以在幾秒鐘內(nèi)找到近乎理想的方案。

圖3. 采用MAX3643突發(fā)模式激光驅(qū)動器的熱敏電阻網(wǎng)絡(luò)

遺傳學(xué)算法

遺傳算法是一種最優(yōu)化算法，它通過模擬遺傳過程找到解決多變量問題的最佳方案。雖然遺傳算法早在1950年， 1 就被首次使用，但也只是在最近的15到20年，由于計(jì)算機(jī)技術(shù)和處理器速度的發(fā)展，才得到廣泛應(yīng)用。

按照最簡單形式，算法首先創(chuàng)建一個隨機(jī)的群體或一個有預(yù)定起始點(diǎn)的群體。群體(圖4)中的每個群體單元(個體)由一列可以確定其結(jié)構(gòu)(其遺傳代碼)的變量組成。一旦群體單元完成初始化，就可以通過一系列標(biāo)準(zhǔn)衡量它的特性，并與其它單元進(jìn)行比較。群體單元隨后根據(jù)它們的特性進(jìn)行分類，排名差的個體將被去除(自然淘汰)，同時通過混合來自前一代中最佳群體單元的變量(基因代碼)會生成新一代的個體(圖5)。

圖4. 具有K個群體單元，每個單元由N個變量組成的群體示例

圖5. 從上一代到下一代變量(比如遺傳代碼)混合的過程示例

如果過程在完成各步驟后容許循環(huán)，那么群體將會很快在一個共同且唯一的遺傳代碼上飽和。由此可以得到一個最小值，但它或許不是總體最小值。為了防止群體飽和或收斂于一個局部的最小值，必須在群體中引入新的隨機(jī)單元和對群體單元變量的突變(圖6)。

圖6. 在一代群體中引入隨機(jī)單元的過程示例

每個應(yīng)用中應(yīng)該引入的隨機(jī)因素在頻率和數(shù)量上都不同。如果引入的隨機(jī)因素過多，那么算法將無法收斂于一個理想的方案；如果引入的太少，找到總體最小值將會需要很長時間。因此，引入的隨機(jī)量應(yīng)該通過反復(fù)試驗(yàn)調(diào)整，或者當(dāng)群體飽和度增加時動態(tài)引入更多的隨機(jī)性。

還有一些優(yōu)化算法比遺傳學(xué)算法速度更快，但是，它們通常對于多變量問題來講編程更加復(fù)雜，并且通常收斂于一個局部最小值。遺傳學(xué)算法克服了這些問題。

遺傳學(xué)算法基于一個隨機(jī)過程，所以收斂于一個絕對最佳方案所需的時間也是隨機(jī)的。平均收斂時間將會隨著每一個群體單元的變量數(shù)目的增加而增加。對于某些應(yīng)用來講，針對某個特定情況確定、計(jì)算特性標(biāo)準(zhǔn)也很困難。簡而言之，有時很難用方程式表示出最佳方案。對于簡單的有源電路，比如圖1所示的熱敏電阻電路，可以很好地定義并很容易寫出特征標(biāo)準(zhǔn)。考慮到變量數(shù)量，在一個合理的時間段內(nèi)就可以找到解決方案。因此，遺傳學(xué)算法很適合解決這種類型的電路。

實(shí)例

利用免費(fèi)的visual basic編譯器，2 可以通過一段例程求解熱敏電阻網(wǎng)絡(luò)值(圖1)，使其與圖2所需的響應(yīng)匹配。本例的源程序和可執(zhí)行文件可供下載。

軟件采用的算法基于下面的基本步驟：

將可用的電阻值和熱敏電阻值定義為每個群體單元的可能變量，為可用的電阻和可用的熱敏電阻分別定義一個數(shù)組。

建立個體的一個隨機(jī)群體(對于本例，群體應(yīng)該包含有100個單元)。每個群體單元就是一個數(shù)組，其中包含電路中(圖1)每個元件的入口。

使不同溫度下網(wǎng)絡(luò)所需的電壓值或電阻值與之相等，畫出響應(yīng)特性；然后將所需的電壓值/電阻值代入多項(xiàng)式方程代碼中。

計(jì)算每個群體單元的均方根誤差

從最低誤差到最高誤差將群體排序，用圖形表示最佳方案。

去除最差方案，然后隨機(jī)或系統(tǒng)地將剩余單元組合，生成下一代群體單元。

通過引入新的隨機(jī)群體單元或者通過隨機(jī)改變一個或者多個現(xiàn)有群體單元的一個或多個變量來引入隨機(jī)性。

返回步驟4并重復(fù)，直至均方根差足夠低，用戶決定停止這一過程。

到了這一步您也許會提出疑問："如何解決網(wǎng)絡(luò)值問題?"。如同遺傳和進(jìn)化一樣，這個方案是從一個狀態(tài)"成長"到另一個狀態(tài)。最佳方案本質(zhì)上就是針對環(huán)境(所需的電流響應(yīng))的最佳遺傳代碼(電路元件值)。如果仍然感到困惑，那么好吧，通過下面的實(shí)例結(jié)果很快就會消除您的擔(dān)憂。

圖7所示為軟件的圖形用戶界面。通過這個界面，可以選取熱敏電阻網(wǎng)絡(luò)的配置，并通過一個多項(xiàng)式輸入預(yù)期的響應(yīng)。可以通過選擇求解所有的電阻或某個電壓，需要優(yōu)化的溫度范圍以及是否選用1%或5%倍增電阻值。點(diǎn)擊"Run"按鈕開始算運(yùn)行算法。隨著程序的運(yùn)行，均方根誤差、迭代次數(shù)以及當(dāng)前最佳方案的元件值都會不斷更新。

圖7. 應(yīng)用軟件簡化了求解熱敏電阻值與所需響應(yīng)匹配的過程

同時還會生成預(yù)期的響應(yīng)曲線(綠色)和當(dāng)前最佳的方案曲線(紅色)。圖8所示為計(jì)算機(jī)運(yùn)行30次迭代后的圖形輸出。從圖中可以看到，響應(yīng)并不理想。圖9為經(jīng)過500次迭代后得到的一個非常好的響應(yīng)，大概需要10秒鐘?？梢孕枰晕和Ｒ幌?，然后繼續(xù)運(yùn)行程序，圖10所示為運(yùn)行結(jié)果，它已經(jīng)近乎完全匹配。

圖8. 經(jīng)過30次迭代后實(shí)際與預(yù)期的電壓溫度關(guān)系曲線

圖9. 經(jīng)過500次迭代后實(shí)際與預(yù)期的電壓溫度關(guān)系曲線

圖10. 實(shí)際與預(yù)期的電壓溫度關(guān)系曲線非常匹配

以圖1為例，方案中包含下列元件值：

R1 = 8.2k, R2 = 3.6k, R3 = 2.2k, R4 = 1.1k

TH1 = 47k Beta = 4700, TH2 = 40 Beta = 2750

不同測試，收斂速度也不一樣。對于較簡單的網(wǎng)絡(luò)收斂速度較快，對于稍復(fù)雜的網(wǎng)絡(luò)，或者使用了1%電阻值，因?yàn)橛懈嗟淖兞靠晒┻x擇，所以通常需要的收斂時間較長。

考慮到上述所有因素，由兩個熱敏電阻和四個電阻組成的網(wǎng)絡(luò)，在只使用標(biāo)稱值情況下，可以在不到30秒的時間內(nèi)近似匹配預(yù)期的溫度響應(yīng)。

如果您仍然對遺傳學(xué)算法解決電路問題感到疑惑，請下載程序，親自嘗試一下。您可能會對遺傳學(xué)算法在熱敏電阻網(wǎng)絡(luò)方案中的快速求解過程感到驚訝。

審核編輯：郭婷