def __init__(self):
# .MODEL KT315 NPN (IS=10F BF=584.517 VAF=100 IKF=29.2714M ISE=131.803P
# 3: + NE=2.08337 BR=1.95214 IKR=9.99996M ISC=100.316P RE=0 RC=0 RB=0
# 4: + CJE=27.3893P VJE=700.001M MJE=500.287M CJC=27.3893P VJC=700.001M
# 5: + MJC=500.287M TF=450.287P XTF=499.984M VTF=10 ITF=10.2268M TR=153.383P)
#
Fianora_MainScripts.AbstractMainScript.__init__(self)
self.options.verbose = 1
self.options.verbose_wrapper = 1
inf=10e10
#числовые значения изменены шоб было по 7 значимых
IS = 11.23456e-15
BF = 584.5171
VAF = 112.3456
VAR = inf
IKF = 29.27141e-3 # ток перехода к высококу уровню инжекции inf
ISE = 131.8031e-12 # генерационно-рекомбинационный ток насыщения эмиттерного перех 0
NE = 2.083371 # коэфф. неидеальности ген-рек тока эмиттерного перех 1
NR = 1 # коэфф неидеальности для диффузного тока в инв режиме 1
NF = 1 # коэфф неидеальности для диффузионного тока в нормальном режиме 1
NC = 1 # коэфф неидеальности генерационно-рекомбинацоинного тока коллектора 1
BR = 1.952141 # инверсный коэфф усиления тока в схеме с ОЭ 1
IKR = 9.999961e-3 # ток перехода к высокому уровню инжекции в инверсном включении inf
ISC = 100.3161e-12 # генерационно-рекомбинационный ток насыщения колекторного перех 0
RE = 1 # сопротивления эмиттера, коллектора, базы 0 0 0
RC = 5.48635
RB = 0
parameter_str_list = ['IS', 'BF', 'NR', 'NF', 'BR'] # список параметров
btrue = [IS, BF, NR, NF, BR]
Ve = np.diag([1.9e-5]*3)
bstart = np.array(btrue)-np.array(btrue)*0.3
bend = np.array(btrue)+np.array(btrue)*0.3
binit = f_sf.uniformVector(bstart, bend)
xstart = np.array([0.001, 0.001])
xend = np.array([1, 1])
N = 30
self.ec = f_sf.EstimationContext(bstart, bend, btrue, binit, xstart, xend, Ve, N) #упаковывание в контекст
self.model = f_m.StringEMTransistorModel ('Q_NPN_KT513')
self.measurer = f_me.ModelMeasurer(self.ec.Ve, self.model, self.ec.btrue) # сделали измерителя
self.plan_measurer = f_me.PlanMeasurer(self.measurer) # сделали измеритель по плану
self.planner = f_p.UniformPlanner(self.ec)
#формирование цепочки
self.estimator = f_e.NGEstimator()
self.measdata=None
self.plan = self.planner.give_us_a_plan(nocache = True) # чтоб каждый раз не менять план, как оно делается,
def main_diode():
"""
Главная функция, осуществляющая эксперимент
:return:
"""
bstart = [6.15200000e-08, 1.16000000e00, 3.37600000e-02] # 20%
bend = [9.22800000e-08, 1.74000000e00, 5.06400000e-02] # 20%
# bstart = [ 4.61400000e-08, 8.70000000e-01, 2.53200000e-02] # 40%
# bend = [ 1.07660000e-07, 2.03000000e+00, 5.90800000e-02] # 40%
iia = IterationInfoAcceptor("resfiles/M1_Diode.txt", verbose=1)
msa = DiodeMainScriptMantissaEx1()
for i in range(50):
btrue1 = f_sf.rangomNormalvariateVector(bstart, bend)
# msa.ec.btrue = btrue1
msa.ec.bstart = bstart
msa.ec.bend = bend
try:
rs = msa.proceed()
iia.accept(numiter=rs["numiter"], Sk=rs["Sk"], AvDif=rs["AvDif"])
except:
print("uno problemo")
pass
plt.hist([x["numiter"] for x in iia], 20)
plt.show()
plt.savefig("resfiles/MantissaResDiode.png")
def test():
#dm = TransistorMainScript()
dm = DiodeMainScript()
#http://habrahabr.ru/post/157537/ - как накрутить производительность с помощью ctypes
with f_sf.Profiler() as p:
#print (dm.proceed(nocacheplan=False))
dm.proceed(nocacheplan=False)
def __init__(self):
AbstractMainScript.__init__(self)
_btrue = [
7.69e-8, 1.45, .0422
] #номинальные значения диода D1N4001 с сайта, вроде официальной модели производителя
Ve = np.array([[1.9e-5]])
bstart = np.array(_btrue) - np.array(_btrue) * 0.2
bend = np.array(_btrue) + np.array(_btrue) * 0.2
binit = _btrue
btrue = f_sf.rangomNormalvariateVector(bstart, bend)
print(btrue)
#btrue = _btrue
xstart = [0.001]
xend = [1]
N = 100
self.ec = f_sf.EstimationContext(bstart, bend, btrue, binit, xstart,
xend, Ve, N)
self.model = f_m.SimpleDiodeModel('Diode_1N') # сделали модель
self.ec.model = self.model
self.measurer = f_me.ModelMeasurer(self.ec.Ve, self.model,
self.ec.btrue) # сделали измерителя
self.plan_measurer = f_me.PlanMeasurer(
self.measurer) # сделали измеритель по плану
#self.planner = f_p.DOptimalPlanner(self.ec)
self.planner = f_p.UniformPlanner(self.ec)
#self, ec, plancachefoldername='cache', verbose = False)
self.measdata = None
#формирование цепочки
estimator = f_e.NGEstimator()
estimator.init_parameters(self.ec, self.model)
self.estimator = f_e.ConsoleEstimatorDecorator(estimator)
def __init__(self):
# .MODEL KT315 NPN (IS=10F BF=584.517 VAF=100 IKF=29.2714M ISE=131.803P
# 3: + NE=2.08337 BR=1.95214 IKR=9.99996M ISC=100.316P RE=0 RC=0 RB=0
# 4: + CJE=27.3893P VJE=700.001M MJE=500.287M CJC=27.3893P VJC=700.001M
# 5: + MJC=500.287M TF=450.287P XTF=499.984M VTF=10 ITF=10.2268M TR=153.383P)
#
Fianora_MainScripts.AbstractMainScript.__init__(self)
self.options.verbose = 1
self.options.verbose_wrapper = 1
inf = 10e10
# числовые значения изменены шоб было по 7 значимых
IS = 11.23456e-15
BF = 584.5171
VAF = 112.3456
VAR = inf
IKF = 29.27141e-3 # ток перехода к высококу уровню инжекции inf
ISE = 131.8031e-12 # генерационно-рекомбинационный ток насыщения эмиттерного перех 0
NE = 2.083371 # коэфф. неидеальности ген-рек тока эмиттерного перех 1
NR = 1 # коэфф неидеальности для диффузного тока в инв режиме 1
NF = 1 # коэфф неидеальности для диффузионного тока в нормальном режиме 1
NC = 1 # коэфф неидеальности генерационно-рекомбинацоинного тока коллектора 1
BR = 1.952141 # инверсный коэфф усиления тока в схеме с ОЭ 1
IKR = 9.999961e-3 # ток перехода к высокому уровню инжекции в инверсном включении inf
ISC = 100.3161e-12 # генерационно-рекомбинационный ток насыщения колекторного перех 0
RE = 1 # сопротивления эмиттера, коллектора, базы 0 0 0
RC = 5.48635
RB = 0
parameter_str_list = ["IS", "BF", "NR", "NF", "BR"] # список параметров
btrue = [IS, BF, NR, NF, BR]
Ve = np.diag([1.9e-5] * 3)
bstart = np.array(btrue) - np.array(btrue) * 0.3
bend = np.array(btrue) + np.array(btrue) * 0.3
binit = f_sf.uniformVector(bstart, bend)
xstart = np.array([0.001, 0.001])
xend = np.array([1, 1])
N = 30
self.ec = f_sf.EstimationContext(bstart, bend, btrue, binit, xstart, xend, Ve, N) # упаковывание в контекст
self.model = f_m.StringEMTransistorModel("Q_NPN_KT513")
self.measurer = f_me.ModelMeasurer(self.ec.Ve, self.model, self.ec.btrue) # сделали измерителя
self.plan_measurer = f_me.PlanMeasurer(self.measurer) # сделали измеритель по плану
self.planner = f_p.UniformPlanner(self.ec)
# формирование цепочки
self.estimator = f_e.NGEstimator()
self.measdata = None
self.plan = self.planner.give_us_a_plan(nocache=True) # чтоб каждый раз не менять план, как оно делается,
def countMeanVbForAprior_S4000(self, expplan:list):
"""
:return: среднее значение определителя [0] и его дисперсию [1]
"""
DS=0 #среднее определителя
SD=0 #дисперсия определителя
for sss in range(1, 30): #30 - количество попыток в выборке
b=o_g.uniformVector (self.bstart, self.bend)
Vb=self.countVbForPlan(expplan, b)
D=np.linalg.det(Vb)
if D:
DS=(D+(sss-1)*DS)/sss #среднее определителя
SD=((DS-D)*(DS-D)+(sss-1)*SD)/sss #дисперсия определителя
return DS, SD
def countMeanVbForAprior_S4000(self, expplan: list):
"""
:return: среднее значение определителя [0] и его дисперсию [1]
"""
DS = 0 #среднее определителя
SD = 0 #дисперсия определителя
for sss in range(1, 30): #30 - количество попыток в выборке
b = o_g.uniformVector(self.bstart, self.bend)
Vb = self.countVbForPlan(expplan, b)
D = np.linalg.det(Vb)
if D:
DS = (D + (sss - 1) * DS) / sss #среднее определителя
SD = ((DS - D) * (DS - D) +
(sss - 1) * SD) / sss #дисперсия определителя
return DS, SD
def main_diode():
"""
Главная функция, осуществляющая эксперимент
:return:
"""
bstart = [ 6.15200000e-08 , 1.16000000e+00, 3.37600000e-02] # 20%
bend = [ 9.22800000e-08 , 1.74000000e+00 , 5.06400000e-02] # 20%
# bstart = [ 4.61400000e-08, 8.70000000e-01, 2.53200000e-02] # 40%
# bend = [ 1.07660000e-07, 2.03000000e+00, 5.90800000e-02] # 40%
iia = IterationInfoAcceptor ('resfiles/M1_Diode.txt', verbose=1)
msa = DiodeMainScriptMantissaEx1()
for i in range (50):
btrue1 = f_sf.rangomNormalvariateVector(bstart, bend)
#msa.ec.btrue = btrue1
msa.ec.bstart = bstart
msa.ec.bend = bend
try:
rs = msa.proceed()
iia.accept(numiter=rs['numiter'], Sk=rs['Sk'], AvDif=rs['AvDif'])
except:
print ('uno problemo')
pass
plt.hist ([x['numiter'] for x in iia],20)
plt.show()
plt.savefig('resfiles/MantissaResDiode.png')
def __init__(self):
Fianora_MainScripts.AbstractMainScript.__init__(self)
self.options.verbose = 0
self.options.verbose_wrapper = 0
btrue = [7.69e-8, 1.45 ,.0422] #номинальные значения диода D1N4001 с сайта, вроде официальной модели производителя
binit = btrue
Ve=np.array([[1.9e-4]])
bstart=np.array(btrue)-np.array(btrue)*0.4
bend=np.array(btrue)+np.array(btrue)*0.4
xstart=[0.001]
xend=[1]
N=100
self.ec =f_sf.EstimationContext(bstart, bend, btrue, binit, xstart, xend, Ve, N)
self.model = f_m.SimpleDiodeModel ('Diode_1N') # сделали модель
#self.planner = f_p.DOptimalPlanner(self.N, self.xstart, self.xend, self.bstart, self.bend, self.model, verbose=1)
self.planner = f_p.UniformPlanner(self.ec)
self.measdata=None
#формирование цепочки
self.estimator = f_e.NGEstimator()
self.plan = self.planner.give_us_a_plan(nocache = True) # чтоб каждый раз не менять план, как оно делается,
def __init__(self):
AbstractMainScript.__init__(self)
_btrue = [7.69e-8, 1.45 ,.0422] #номинальные значения диода D1N4001 с сайта, вроде официальной модели производителя
Ve=np.array([[1.9e-5]])
bstart=np.array(_btrue)-np.array(_btrue)*0.2
bend=np.array(_btrue)+np.array(_btrue)*0.2
binit=_btrue
btrue = f_sf.rangomNormalvariateVector(bstart, bend)
print (btrue)
#btrue = _btrue
xstart=[0.001]
xend=[1]
N=100
self.ec =f_sf.EstimationContext(bstart, bend, btrue, binit, xstart, xend, Ve, N)
self.model = f_m.SimpleDiodeModel ('Diode_1N') # сделали модель
self.ec.model = self.model
self.measurer = f_me.ModelMeasurer(self.ec.Ve, self.model, self.ec.btrue) # сделали измерителя
self.plan_measurer = f_me.PlanMeasurer(self.measurer) # сделали измеритель по плану
#self.planner = f_p.DOptimalPlanner(self.ec)
self.planner = f_p.UniformPlanner(self.ec)
#self, ec, plancachefoldername='cache', verbose = False)
self.measdata=None
#формирование цепочки
estimator = f_e.NGEstimator()
estimator.init_parameters(self.ec, self.model)
self.estimator = f_e.ConsoleEstimatorDecorator(estimator)
def make_plan(self):
"""
Реализует априорное планирование эксперимента
:param xstart: начало диапазона x (вектор)
:param xend: конец диапазона x (вектор)
:param N: размер плана (количество контрольных точек)
:param bstart: начало диапазона b (вектор)
:param bend: конец диапазона b (вектор)
:param c: словарь дополнительных переменных
:param Ve: Ковариационная матрица y, реально её диагональ (вектор)
:param jac: Якобиан функции, принимает на вход x,b,c,y
:param verbosePlan: если true, пишет все планы в файлы, иначе только оптимальный
:param initplan: начальный план. По умолчанию случаен, но может быть задан (в этом случае делается одна попытка)
:param verbose: выдавать ли в консоль информацию optimized-original
:return: кортеж: 0: оптимизированное значение определителя Vb, 1: оптимальный план эксперимента
"""
verbose = self.verbose
dopt = 100000000
planopt = None
Ntries1 = 2
if verbose:
print('\n\nДанные априорного планирования:')
print('Неоптимизированное-оптимизированное значение среднего det(Vb)')
prevtime=time.time()
#ec = o_g.EstimationContext(None,None,None,None,self.xstart, self.xend,None, self.N)
unifplanner = UniformPlanner(self.ec)
rndplanner = RandomPlanner(self.ec)
pln = unifplanner
for i in range(0,Ntries1):
try:
#if i>0:
if 1:
pln = rndplanner # композиция, основанная на полиморфизме - интерфейс один, но объекты подставляются разные
# маленькое применение паттерна "стратегия"
m=len(self.xstart) #длина вектора входных параметров
plan = pln.give_us_a_plan(nocache=True)
if verbose:
print('plan length:', len(plan))
unopt=self.countMeanVbForAprior_S4000(plan)[0]
#оптимизация
for j in range(self.N):
if verbose:
print('point:',j)
xdot=copy.deepcopy(plan[j])
function = lambda x: self.countMeanVbForAprior_S4000(o_g.replaceInList(plan,j,x))[0]
boundsarr=list()
for k in range(len(self.xstart)):
boundsarr.append((self.xstart[k],self.xend[k]))
#sol = optimize.minimize (function, xdot, bounds=boundsarr)
#plan[j]=sol.x
#В этом варианте не работает, хоть результат и проходит быстрее
plan[j]=o_g.doublesearch(self.xstart, self.xend, xdot, function)
dcurr=self.countMeanVbForAprior_S4000(plan)[0]
if verbose:
curtime = time.time() #in seconds
st = datetime.datetime.fromtimestamp(time.time()-prevtime).strftime('%H:%M:%S')
print ("{0} unoptimized-optimized: {1} {2} time spent: {3}".format('uniform' if i==0 else '',unopt, dcurr, st))
prevtime=copy.copy(curtime)
#FIXME починить отображение времени, кривизна ж неимоверная и ниработает!!!!
if dcurr<dopt or planopt==None:
dopt=dcurr
planopt=plan
except BaseException as e:
print ('This try failed, due to exception e=',e)
tb = traceback.format_exc()
print(tb)
return planopt
def main_transistor():
"""
Главная функция, осуществляющая эксперимент
:return:
"""
# bstart = [ 6.15200000e-08 , 1.16000000e+00, 3.37600000e-02] # 20%
# bend = [ 9.22800000e-08 , 1.74000000e+00 , 5.06400000e-02] # 20%
# bstart = [ 4.61400000e-08, 8.70000000e-01, 2.53200000e-02] # 40%
# bend = [ 1.07660000e-07, 2.03000000e+00, 5.90800000e-02] # 40%
# transistor
inf = 10e10
# числовые значения изменены шоб было по 7 значимых
IS = 11.23456e-15
BF = 584.5171
VAF = 112.3456
VAR = inf
IKF = 29.27141e-3 # ток перехода к высококу уровню инжекции inf
ISE = 131.8031e-12 # генерационно-рекомбинационный ток насыщения эмиттерного перех 0
NE = 2.083371 # коэфф. неидеальности ген-рек тока эмиттерного перех 1
NR = 1 # коэфф неидеальности для диффузного тока в инв режиме 1
NF = 1 # коэфф неидеальности для диффузионного тока в нормальном режиме 1
NC = 1 # коэфф неидеальности генерационно-рекомбинацоинного тока коллектора 1
BR = 1.952141 # инверсный коэфф усиления тока в схеме с ОЭ 1
IKR = 9.999961e-3 # ток перехода к высокому уровню инжекции в инверсном включении inf
ISC = 100.3161e-12 # генерационно-рекомбинационный ток насыщения колекторного перех 0
RE = 1 # сопротивления эмиттера, коллектора, базы 0 0 0
RC = 5.48635
RB = 0
btrue = [IS, BF, NR, NF, BR]
bstart = np.array(btrue) - np.array(btrue) * 0.3
bend = np.array(btrue) + np.array(btrue) * 0.3
from Cases.Mantissa2 import IterationInfoAcceptor
iia = IterationInfoAcceptor("resfiles/M1.txt")
msa = TransistorMainScriptMantissaEx1()
for i in range(50):
btrue1 = f_sf.rangomNormalvariateVector(bstart, bend)
msa.ec.btrue = btrue1
msa.ec.bstart = bstart
msa.ec.bend = bend
try:
print("entering")
rs = msa.proceed()
iia.accept(numiter=rs["numiter"], Sk=rs["Sk"], AvDif=rs["AvDif"])
except:
print("uno problemo")
pass
try:
plt.hist([x[0] for x in iia], 20)
plt.show()
plt.savefig("resfiles/MantissaResTransistor.png")
except:
pass
def estimate_method(self, measdata, options):
binit = self.binit
NSIG = options.NSIG if options.NSIG else 8
NSIGGENERAL = options.NSIGGENERAL if options.NSIGGENERAL else 8
#NSIG определяется рабочей точностью вычислителя. Матрицы мы считаем с точностью 9 значащих, возьмём один в запас
verbose = options.verbose if options.verbose else False
verbose_wrapper = options.verbose_wrapper if options.verbose_wrapper else False
isBinitGood = options.isBinitGood if options.isBinitGood else False
lst_data_abt_iteration = options.list_data_abt_iteration if options.list_data_abt_iteration else None
# объект, имеющий свойство Accept - туда отправляют нечто, он это записывает в список
if isinstance(self.model, Fianora.Fianora_Models.ImplicitModel
): #если модель - это подкласс неявной модели, то...
implicit = True
else:
implicit = False
"""
Обёртка для grandCountGN_UltraX1_Limited для реализации общего алгоритма
:param funcf callable функция, параметры по формату x,b,c
:param jacf callable функция, параметры по формату x,b,c,y
:param measdata:list список словарей экспериментальных данных [{'x': [] 'y':[])},{'x': [] 'y':[])}]
:param binit:list начальное приближение b
:param bstart:list нижняя граница b
:param bend:list верхняя граница b
:param c словарь дополнительных постоянных
:param A матрица коэффициентов a
:param NSIG=3 точность (кол-во знаков после запятой)
:param implicit True если функция - неявная, иначе false
:param verbose Если True, то подробно принтить результаты итераций
:returns b, numiter, log - вектор оценки коэффициентов, число итераций, сообщения
"""
maxiter = 50
b, bpriv = binit, binit
gknux = None
gknuxlist = list()
A = self.makeAinit(measdata, isBinitGood)
log = ''
if verbose_wrapper:
print('==grandCountGN_UltraX1_Limited_wrapper is launched==\n\n')
maxiter = 1
for numiter in range(maxiter):
bpriv = copy.copy(b)
if verbose_wrapper:
with f_sf.Profiler() as p:
gknux = self.grandCountGN_UltraX1_Limited(
A, measdata, NSIG, implicit, verbose,
options) #посчитали b
else:
gknux = self.grandCountGN_UltraX1_Limited(
A, measdata, NSIG, implicit, verbose,
options) #посчитали b
if gknux is None:
print(
"grandCountGN_UltraX1_Limited_wrapper crashed on some iteration"
)
return None
gknuxlist.append(gknux)
if verbose_wrapper:
print('Iteration \n', numiter, '\n', gknux)
b = gknux['b']
if not gknux['log'] == '':
#log+="On gknux iteration "+numiter+": "+ gknux[2]+"\n"
log += "On gknux iteration {0}: {1}\n".format(
numiter, gknux['log'])
for j in range(len(binit)): #уменьшили в два раза
A[j][0] *= 0.5
A[j][1] *= 0.5
condition = False
for i in range(len(b)):
if math.fabs((b[i] - bpriv[i]) / bpriv[i]) > math.pow(
10, -1 * NSIGGENERAL):
condition = True
if not condition:
break
#мол если хоть один компонент вектора b значимо изменился, тогда продолжать. Иначе программа дойдёт до break и цикл прекратится
if verbose_wrapper:
print('grandCountGN_UltraX1_Limited_wrapper iterations number:',
numiter)
print(gknux, log)
gknux['log'] = log
return gknux
def __init__(self):
AbstractMainScript.__init__(self)
# .MODEL KT315 NPN (IS=10F BF=584.517 VAF=100 IKF=29.2714M ISE=131.803P
# 3: + NE=2.08337 BR=1.95214 IKR=9.99996M ISC=100.316P RE=0 RC=0 RB=0
# 4: + CJE=27.3893P VJE=700.001M MJE=500.287M CJC=27.3893P VJC=700.001M
# 5: + MJC=500.287M TF=450.287P XTF=499.984M VTF=10 ITF=10.2268M TR=153.383P)
#
inf = 10e10
#IS = 10e-15
IS = 1
BF = 584.517
VAF = 100
VAR = inf
IKF = 29.2714e-3 # ток перехода к высококу уровню инжекции inf
ISE = 131.803e-12 # генерационно-рекомбинационный ток насыщения эмиттерного перех 0
NE = 2.08337 # коэфф. неидеальности ген-рек тока эмиттерного перех 1
NR = 1 # коэфф неидеальности для диффузного тока в инв режиме 1
NF = 1 # коэфф неидеальности для диффузионного тока в нормальном режиме 1
NC = 1 # коэфф неидеальности генерационно-рекомбинацоинного тока коллектора 1
BR = 1.95214 # инверсный коэфф усиления тока в схеме с ОЭ 1
IKR = 9.99996e-3 # ток перехода к высокому уровню инжекции в инверсном включении inf
ISC = 100.316e-12 # генерационно-рекомбинационный ток насыщения колекторного перех 0
RE = 1 # сопротивления эмиттера, коллектора, базы 0 0 0
RC = 5.48635
RB = 0
parameter_str_list = ['IS', 'BF', 'NR', 'NF',
'BR'] # список параметров
b_nominal = [IS, BF, NR, NF, BR]
bstart = np.array(b_nominal) - np.array(b_nominal) * 0.3
bend = np.array(b_nominal) + np.array(b_nominal) * 0.3
#btrue = f_sf.rangomNormalvariateVector(bstart, bend)
btrue = [
1.1204058410408533, 587.71110706589764, 1.0110737035569517,
0.97217262436055318, 1.7709083403162802
]
#btrue = b_nominal
binit = b_nominal
print('Btrue set to:', btrue)
Ve = np.diag([1.9e-5] * 3)
xstart = np.array([0.001, 0.001])
xend = np.array([.6, .6])
N = 60
ec = f_sf.EstimationContext(bstart, bend, btrue, binit, xstart, xend,
Ve, N) #упаковывание в контекст
self.model = f_m.StringEMTransistorModel('Q_NPN_KT513')
ec.model = self.model
self.measurer = f_me.ModelMeasurer(ec.Ve, self.model,
ec.btrue) # сделали измерителя
self.plan_measurer = f_me.PlanMeasurer(
self.measurer) # сделали измеритель по плану
#self.planner = f_p.DOptimalPlanner(ec, 'cache', verbose=True)
self.planner = f_p.UniformPlanner(ec)
#формирование цепочки
estimator = f_e.NGEstimator()
estimator.init_parameters(ec, self.model)
ce = f_e.ConsoleEstimatorDecorator(estimator)
self.estimator = f_e.GraphPackEstimatorDecorator(
ce, '../Cases/resfiles', 'NPN_KT315')
def main_transistor ():
"""
Главная функция, осуществляющая эксперимент
:return:
"""
#bstart = [ 6.15200000e-08 , 1.16000000e+00, 3.37600000e-02] # 20%
#bend = [ 9.22800000e-08 , 1.74000000e+00 , 5.06400000e-02] # 20%
# bstart = [ 4.61400000e-08, 8.70000000e-01, 2.53200000e-02] # 40%
# bend = [ 1.07660000e-07, 2.03000000e+00, 5.90800000e-02] # 40%
# transistor
inf=10e10
#числовые значения изменены шоб было по 7 значимых
IS = 11.23456e-15
BF = 584.5171
VAF = 112.3456
VAR = inf
IKF = 29.27141e-3 # ток перехода к высококу уровню инжекции inf
ISE = 131.8031e-12 # генерационно-рекомбинационный ток насыщения эмиттерного перех 0
NE = 2.083371 # коэфф. неидеальности ген-рек тока эмиттерного перех 1
NR = 1 # коэфф неидеальности для диффузного тока в инв режиме 1
NF = 1 # коэфф неидеальности для диффузионного тока в нормальном режиме 1
NC = 1 # коэфф неидеальности генерационно-рекомбинацоинного тока коллектора 1
BR = 1.952141 # инверсный коэфф усиления тока в схеме с ОЭ 1
IKR = 9.999961e-3 # ток перехода к высокому уровню инжекции в инверсном включении inf
ISC = 100.3161e-12 # генерационно-рекомбинационный ток насыщения колекторного перех 0
RE = 1 # сопротивления эмиттера, коллектора, базы 0 0 0
RC = 5.48635
RB = 0
btrue = [IS, BF, NR, NF, BR]
bstart = np.array(btrue)-np.array(btrue)*0.3
bend = np.array(btrue)+np.array(btrue)*0.3
from Cases.Mantissa2 import IterationInfoAcceptor
iia = IterationInfoAcceptor ('resfiles/M1.txt')
msa = TransistorMainScriptMantissaEx1()
for i in range (50):
btrue1 = f_sf.rangomNormalvariateVector(bstart, bend)
msa.ec.btrue = btrue1
msa.ec.bstart = bstart
msa.ec.bend = bend
try:
print ('entering')
rs = msa.proceed()
iia.accept(numiter=rs['numiter'], Sk=rs['Sk'], AvDif=rs['AvDif'])
except:
print ('uno problemo')
pass
try:
plt.hist ([x[0] for x in iia],20)
plt.show()
plt.savefig('resfiles/MantissaResTransistor.png')
except:
pass
def make_plan(self):
res = list()
for i in range(0, self.N):
res.append(o_g.uniformVector(self.xstart, self.xend))
return res
def extraction_Diode_In_mpmath():
"""
пробуем экстрагировать коэффициенты из модели диода
коэффициенты модели: Ток утечки Is, коэффициент неидеальности N, омическое сопротивление, параллельное диоду R
входные параметры: напряжение, приложенное источником к системе резистор-диод
+-----------|||||---------->|--------- -
Резистор подключен до диода
:return:
"""
btrue = [mpm.mpf('1.238e-14'), mpm.mpf('1.3'), mpm.mpf('10')]
c = None
global FT
funcf = solver_Diode_In_mpmath
jacf = jac_Diode_In_mpmath
#теперь попробуем сделать эксперимент.
Ve = np.array([[1e-7]])
bstart = [mpm.mpf('1.0e-14'), mpm.mpf('1.0'), mpm.mpf('9')]
bend = [mpm.mpf('1.5e-14'), mpm.mpf('1.5'), mpm.mpf('14')]
#binit=[mpm.mpf('1.1e-14'), mpm.mpf('1.1'), mpm.mpf('11')]
binit = mpm.matrix([['1.1e-14', '1.1', '11.1']]).T
xstart = [mpm.mpf('0.0001')]
xend = [mpm.mpf('2')]
N = 100
NAprior = 20
unifplan = o_pmpm.makeUniformExpPlan(xstart, xend, N)
unifmeasdata = o_pmpm.makeMeasAccToPlan_lognorm(funcf, unifplan, btrue, c,
Ve)
#print (unifmeasdata[0]['y'][0])
import Fianora.Fianora_static_functions as f_sf
for dps in [20, 10, 7]:
with f_sf.Profiler():
print()
print('mantissa', dps)
gknux = o_empm.grandCountGN_UltraX1_mpmath_mantissa(funcf,
jacf,
unifmeasdata,
binit,
c,
NSIG=dps,
implicit=True,
verbose=False,
mantissa=[dps])
with mpm.workdps(dps):
print('b', gknux[0])
print('numiter', gknux[1])
print('log', gknux[2])
print('Sk', gknux[4])
for f**k in range(10):
with f_sf.Profiler():
print()
print('mantissa', 'variable')
gknux = o_empm.grandCountGN_UltraX1_mpmath_mantissa(
funcf,
jacf,
unifmeasdata,
binit,
c,
NSIG=7,
implicit=True,
verbose=False,
mantissa=[4, 5, 6, 7])
with mpm.workdps(dps):
print('b', gknux[0])
print('numiter', gknux[1])
print('log', gknux[2])
print('Sk', gknux[4])
def make_plan(self):
"""
Реализует априорное планирование эксперимента
:param xstart: начало диапазона x (вектор)
:param xend: конец диапазона x (вектор)
:param N: размер плана (количество контрольных точек)
:param bstart: начало диапазона b (вектор)
:param bend: конец диапазона b (вектор)
:param c: словарь дополнительных переменных
:param Ve: Ковариационная матрица y, реально её диагональ (вектор)
:param jac: Якобиан функции, принимает на вход x,b,c,y
:param verbosePlan: если true, пишет все планы в файлы, иначе только оптимальный
:param initplan: начальный план. По умолчанию случаен, но может быть задан (в этом случае делается одна попытка)
:param verbose: выдавать ли в консоль информацию optimized-original
:return: кортеж: 0: оптимизированное значение определителя Vb, 1: оптимальный план эксперимента
"""
verbose = self.verbose
dopt = 100000000
planopt = None
Ntries1 = 2
if verbose:
print('\n\nДанные априорного планирования:')
print(
'Неоптимизированное-оптимизированное значение среднего det(Vb)'
)
prevtime = time.time()
#ec = o_g.EstimationContext(None,None,None,None,self.xstart, self.xend,None, self.N)
unifplanner = UniformPlanner(self.ec)
rndplanner = RandomPlanner(self.ec)
pln = unifplanner
for i in range(0, Ntries1):
try:
#if i>0:
if 1:
pln = rndplanner # композиция, основанная на полиморфизме - интерфейс один, но объекты подставляются разные
# маленькое применение паттерна "стратегия"
m = len(self.xstart) #длина вектора входных параметров
plan = pln.give_us_a_plan(nocache=True)
if verbose:
print('plan length:', len(plan))
unopt = self.countMeanVbForAprior_S4000(plan)[0]
#оптимизация
for j in range(self.N):
if verbose:
print('point:', j)
xdot = copy.deepcopy(plan[j])
function = lambda x: self.countMeanVbForAprior_S4000(
o_g.replaceInList(plan, j, x))[0]
boundsarr = list()
for k in range(len(self.xstart)):
boundsarr.append((self.xstart[k], self.xend[k]))
#sol = optimize.minimize (function, xdot, bounds=boundsarr)
#plan[j]=sol.x
#В этом варианте не работает, хоть результат и проходит быстрее
plan[j] = o_g.doublesearch(self.xstart, self.xend, xdot,
function)
dcurr = self.countMeanVbForAprior_S4000(plan)[0]
if verbose:
curtime = time.time() #in seconds
st = datetime.datetime.fromtimestamp(
time.time() - prevtime).strftime('%H:%M:%S')
print(
"{0} unoptimized-optimized: {1} {2} time spent: {3}".
format('uniform' if i == 0 else '', unopt, dcurr, st))
prevtime = copy.copy(curtime)
#FIXME починить отображение времени, кривизна ж неимоверная и ниработает!!!!
if dcurr < dopt or planopt == None:
dopt = dcurr
planopt = plan
except BaseException as e:
print('This try failed, due to exception e=', e)
tb = traceback.format_exc()
print(tb)
return planopt
def make_plan(self):
res=list()
for i in range(0, self.N):
res.append(o_g.uniformVector(self.xstart, self.xend))
return res