def test(): """ Тестирует последовательное планирование :return: """ xstart=[1, 100] xend=[20,200] c={"a":1000} funcf=lambda x,b,c: np.array ( [ b[0]+b[1]*x[0]+b[2]*x[1]+b[3]*x[0]*x[1]+b[4]*x[0]*x[0]+b[5]*x[1]*x[1], b[6]+b[7]*x[0]+b[8]*x[1]+b[9]*x[0]*x[1]+b[10]*x[0]*x[0]+b[11]*x[1]*x[1] ] ) jacf = lambda x,b,c,y: np.matrix([ [1, x[0], x[1], x[0]*x[1], x[0]*x[0], x[1]*x[1], 0, 0, 0, 0, 0, 0], [0,0,0,0,0,0,1,x[0], x[1], x[0]*x[1], x[0]*x[0], x[1]*x[1]] ]) Ve=np.array([ [0.0001, 0], [0, 0.0001]] ) btrue=[8,4,2,2,9,3,4,2,2,3,4,5] bstart=np.array(btrue)-np.array([2]*len(btrue)) bend=np.array(btrue)+np.array([2]*len(btrue)) binit=[1]*len(btrue) N=32 #seqplanb=getbSeqPlanUltra (xstart, xend, N, btrue, binit, c, Ve, jacf, funcf, initplan=o_p.makeRandomUniformExpPlan(xstart, xend, 5), dotlim=500) print("performing aprior plan:") oplan=o_ap.grandApriornPlanning (xstart, xend, N, bstart, bend, c, Ve, jacf, func=None, Ntries=5)[1] measdata = o_p.makeMeasAccToPlan_lognorm(funcf, oplan, btrue, c,Ve ) gknu=o_e.grandCountGN_UltraX1(funcf, jacf, measdata, binit, c, NSIG=10, implicit=False, verbose=False) #получили оценку b binit=bs o_q.printGKNUNeat(gknu) o_q.printQualitatNeat(measdata, gknu[0], Ve, funcf, c) print("\n\nperforming sequence plan with uniform as seed:") seqplanb=o_sp.getbSeqPlanUltra(xstart, xend, N, btrue, binit, c, Ve, jacf, funcf, initplan=o_p.makeUniformExpPlan(xstart, xend, 4), dotlim=200, NSIG=10) measdata = o_p.makeMeasAccToPlan(funcf, seqplanb[3], btrue, c,Ve) gknu=o_e.grandCountGN_UltraX1(funcf, jacf, measdata, binit, c, NSIG=10, implicit=False, verbose=False) #получили оценку b binit=bs o_q.printGKNUNeat(gknu) o_q.printQualitatNeat(measdata, gknu[0], Ve, funcf, c) o_q.printSeqPlanData(seqplanb) #И самый огонь - последовательный план с априорным в затравке! print("\n\nperforming sequence plan with aprior as seed (hybrid):") seqplanb=o_sp.getbSeqPlanUltra(xstart, xend, N, btrue, binit, c, Ve, jacf, funcf, initplan=oplan, dotlim=200, NSIG=10) #seqplanb=o_sp.getHybridPlan(xstart, xend, N, btrue, binit, bstart, bend, c, Ve, jacf, funcf) measdata = o_p.makeMeasAccToPlan(funcf, seqplanb[3], btrue, c,Ve) gknu=o_e.grandCountGN_UltraX1(funcf, jacf, measdata, binit, c, NSIG=10, implicit=False, verbose=False) #получили оценку b binit=bs o_q.printGKNUNeat(gknu) o_q.printQualitatNeat(measdata, gknu[0], Ve, funcf, c) o_q.printSeqPlanData(seqplanb)
def testEstimate(): """ Пробуем произвести экстракцию параметров модели по параметрам транзистора Эрли :return: """ jacf=lambda x,b,c,y: outTransParamFormatJAC (x,b) funcf=lambda x,b,c: outTransParamFormat (x,b) c={} Ve=np.array([ [0.000001, 0], [0, 0.000001] ] ) #BF,BR,IS #коэфф передачи по току в схеме с оэ нормальный режим, -//- реверсный, ток утечки btrue=[120,1,1.28] binit=[110,2,1.28] bstart=[100,0.5,1] bend=[125,2,2] xstart=[0.001,0.001] xend=[5,5] N=50 print("performing normal research:") startplan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) #надо добавить скажем априорный план, с фильтрованием точек print ('Plan optimization: measdatalen={0} optimized={1}'.format(len(measdata), len(list(filter(for_filter, measdata)) ))) measdata = list(filter(for_filter, measdata)) gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c, NSIG=10) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) print (gknu[0]) return # aprior plan print("Performing aprior plan:") oplan = o_ap.grandApriornPlanning(xstart, xend, 10, bstart, bend, c, Ve, jacf, Ntries=2) o_p.writePlanToFile(oplan, 'Aprior_plan') measdata = o_p.makeMeasAccToPlan(funcf, oplan, btrue, c, Ve) filteredmeasdata=list(filter(for_filter, measdata)) print ('Plan optimization: measdatalen={0} optimized={1}'.format(len(measdata), len(filteredmeasdata) )) gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c, NSIG=10) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c))
def test(): """ Тестирует априорное планирование :return: """ xstart = [1, 100] xend = [20, 200] N = 10 c = {"a": 1000} funcf = lambda x, b, c: np.array([ b[1] + b[2] * x[1] + b[3] * x[2] + b[4] * x[1] * x[2] + b[5] * x[1] * x[1] + b[6] * x[2] * x[2], b[7] + b[8] * x[1] + b[9] * x[2] + b[ 10] * x[1] * x[2] + b[11] * x[1] * x[1] + b[12] * x[2] * x[2] ]) jacf = lambda x, b, c, y: np.matrix([[ 1, x[0], x[1], x[0] * x[1], x[0] * x[0], x[1] * x[1], 0, 0, 0, 0, 0, 0 ], [ 0, 0, 0, 0, 0, 0, 1, x[0], x[1], x[0] * x[1], x[0] * x[0], x[1] * x[1] ]]) #убрал .T Ve = np.array([[0.1, 0], [0, 0.1]]) bstart = [0.8, 0.4, 1.4, 0.2, 0.9, 0.3, 1.4, 0.2, 2.1, 3.1, 4.1, 5.1] blen = [0.3, 0.2, 0.2, 0.2, 0.2, 0.3, 0.2, 0.2] bend = [1.1, 0.6, 1.6, 0.4, 1.1, 0.6, 1.6, 0.4, 2.5, 3.3, 4.6, 5.6] #print (doublesearch ([1, 0.5], [10,10], [9,9], lambda x: x[0]*x[0]+2*x[1]*x[1]+10)) #тестирование поиска rs = o_ap.grandApriornPlanning(xstart, xend, N, bstart, bend, c, Ve, jacf, func=None, Ntries=1) print(rs[0]) print('Experimental plan') for r in rs[1]: print(r[0], '\t', r[1]) print(rs[1]) measdata = o_p.makeMeasAccToPlan(funcf, rs, bend, c, Ve) #надо добавить скажем априорный план, с фильтрованием точек gknu = o_e.grandCountGN_UltraX1(funcf, jacf, measdata, bstart, c, NSIG=10) print(gknu) print(o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) print(gknu[0])
def testNew(): funstr = [ "y[0]+y[1]-y[2]", "y[0]*b[0]-y[1]*b[1]-x[0]-x[1]", "y[1]*b[1]+y[2]*b[2]+x[1]" ] updfunstr = list(map(lambda x: x.replace('[', '').replace(']', ''), funstr)) dfdy = lambda y, x, b, c: np.array([[1, 1, -1], [b[0], -b[1], 0], [0, b[1], b[2]]]) dfdb = lambda y, x, b, c: np.array([[0, 0, 0], [y[0], -y[1], 0], [0, y[1], y[2]]]) #возвращает функцию function = lambda y, x, b, c: [ y[0] + y[1] - y[2], y[0] * b[0] - y[1] * b[1] - x[0] - x[1], y[1] * b[ 1] + y[2] * b[2] + x[1] ] #возвращает структурную матрицу #jacf=lambda x,b,c,y: jjacf(x,b,c,y,dfdb,dfdy) jacf = lambda x, b, c, y: np.dot(np.linalg.inv(dfdy(y, x, b, c)), dfdb(y, x, b, c)) #возвращает значение y funcf = lambda x, b, c: optimize.root( function, [1, 1, 1], args=(x, b, c), method='lm', jac=dfdy).x #теперь попробуем сделать эксперимент. c = {} Ve = np.array([[0.0001, 0, 0], [0, 0.0001, 0], [0, 0, 0.0001]]) btrue = [60, 60, 40] bstart = np.array(btrue) - np.array([2] * len(btrue)) bend = np.array(btrue) + np.array([2] * len(btrue)) binit = [60, 55, 45] xstart = [10, 40] #xend=[20,60] xend = [210, 340] N = 30 print("performing normal research:") startplan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) gknu = o_e.grandCountGN_UltraX1(funcf, jacf, measdata, binit, c, NSIG=6, sign=0) print(gknu) print(o_q.getQualitat(measdata, gknu[0], Ve, funcf, c))
def testDiodeParameterExtractionIMPLICIT(): """ 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: """ #возвращает значение y funcf = diodeResistorIMPLICITfunction jacf = diodeResistorIMPLICITJac #теперь попробуем сделать эксперимент. c = {} Ve = np.array([[0.000000001]]) btrue = [1.238e-14, 1.8, 50] bstart = np.array(btrue) - np.array(btrue) * 0.2 bend = np.array(btrue) + np.array(btrue) * 0.2 binit = [1.e-10, 1.1, 1] xstart = [0.01] #xend=[20,60] xend = [1.1] N = 50 print("performing normal research:") global numnone numnone = 0 startplan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) print('unsuccessful estimations: ', numnone, 'Проверка отключена') gknu = o_empm.grandCountGN_UltraX1_mpmath(funcf, jacf, measdata, binit, c, NSIG=6, sign=0) #как мы помним, в случае неявных функций должно ставить sign=0 print(gknu[0])
def testNew(): funstr= ["y[0]+y[1]-y[2]", "y[0]*b[0]-y[1]*b[1]-x[0]-x[1]", "y[1]*b[1]+y[2]*b[2]+x[1]"] updfunstr=list(map(lambda x: x.replace('[','').replace(']',''), funstr)) dfdy=lambda y,x,b,c: np.array( [ [1, 1, -1], [b[0], -b[1], 0], [0, b[1], b[2]] ]) dfdb=lambda y,x,b,c: np.array ([[ 0, 0, 0 ], [y[0],-y[1], 0 ], [0, y[1], y[2] ] ]) #возвращает функцию function=lambda y,x,b,c: [y[0]+y[1]-y[2], y[0]*b[0]-y[1]*b[1]-x[0]-x[1], y[1]*b[1]+y[2]*b[2]+x[1]] #возвращает структурную матрицу #jacf=lambda x,b,c,y: jjacf(x,b,c,y,dfdb,dfdy) jacf=lambda x,b,c,y:np.dot(np.linalg.inv(dfdy(y,x,b,c)), dfdb(y,x,b,c)) #возвращает значение y funcf=lambda x,b,c: optimize.root(function, [1, 1, 1], args=(x,b,c),method='lm', jac=dfdy).x #теперь попробуем сделать эксперимент. c={} Ve=np.array([ [0.0001, 0, 0], [0, 0.0001, 0], [0, 0, 0.0001] ] ) btrue=[60,60,40] bstart=np.array(btrue)-np.array([2]*len(btrue)) bend=np.array(btrue)+np.array([2]*len(btrue)) binit=[60,55,45] xstart=[10,40] #xend=[20,60] xend=[210,340] N=30 print("performing normal research:") startplan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c, NSIG=6, sign=0) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c))
def testDiodeParameterExtractionIMPLICIT(): """ 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: """ # возвращает значение y funcf = diodeResistorIMPLICITfunction jacf = diodeResistorIMPLICITJac # теперь попробуем сделать эксперимент. c = {} Ve = np.array([[0.000000001]]) btrue = [1.238e-14, 1.8, 50] bstart = np.array(btrue) - np.array(btrue) * 0.2 bend = np.array(btrue) + np.array(btrue) * 0.2 binit = [1.0e-10, 1.1, 1] xstart = [0.01] # xend=[20,60] xend = [1.1] N = 50 print("performing normal research:") global numnone numnone = 0 startplan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) print("unsuccessful estimations: ", numnone, "Проверка отключена") gknu = o_empm.grandCountGN_UltraX1_mpmath(funcf, jacf, measdata, binit, c, NSIG=6, sign=0) # как мы помним, в случае неявных функций должно ставить sign=0 print(gknu[0])
def testSimpleFunction (): #проходит, 2 итерации, если b=b+deltab*mu funcstrdict= {"y1":"u1* (r2+r3)", "y2":"u1* r3"} xstart=[1, 100] xend=[20,200] N=50 funcf=lambda x,b,c=None: [x[1]*x[0]*(b[0]+b[1]), x[0]*b[1]+x[1]*b[0]] jacf = lambda x,b,c=None,y=None: np.array([[x[0]*x[1],x[0]*x[1]],[x[1], x[0]]]) Ve=np.array([ [0.00001, 0], [0, 0.00001]] ) btrue= [20,30] binit=[1]*len(btrue) print("performing normal research:") startplan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, None, Ve) gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, None,NSIG=10) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, None)) print (gknu[0])
def test(): """ Тестирует априорное планирование :return: """ xstart=[1, 100] xend=[20,200] N=10 c={"a":1000} funcf=lambda x,b,c: np.array ( [ b[1]+b[2]*x[1]+b[3]*x[2]+b[4]*x[1]*x[2]+b[5]*x[1]*x[1]+b[6]*x[2]*x[2], b[7]+b[8]*x[1]+b[9]*x[2]+b[10]*x[1]*x[2]+b[11]*x[1]*x[1]+b[12]*x[2]*x[2] ] ) jacf = lambda x,b,c,y: np.matrix([ [1, x[0], x[1], x[0]*x[1], x[0]*x[0], x[1]*x[1], 0, 0, 0, 0, 0, 0], [0,0,0,0,0,0,1,x[0], x[1], x[0]*x[1], x[0]*x[0], x[1]*x[1]] ]) #убрал .T Ve=np.array([ [0.1, 0], [0, 0.1]] ) bstart=[0.8,0.4,1.4,0.2,0.9,0.3,1.4,0.2,2.1,3.1,4.1,5.1] blen= [0.3,0.2,0.2,0.2,0.2,0.3,0.2,0.2] bend= [1.1,0.6,1.6,0.4,1.1,0.6,1.6,0.4,2.5,3.3,4.6,5.6] #print (doublesearch ([1, 0.5], [10,10], [9,9], lambda x: x[0]*x[0]+2*x[1]*x[1]+10)) #тестирование поиска rs=o_ap.grandApriornPlanning (xstart, xend, N, bstart, bend, c, Ve, jacf, func=None, Ntries=1) print (rs[0]) print ('Experimental plan') for r in rs[1]: print(r[0], '\t', r[1]) print(rs[1]) measdata = o_p.makeMeasAccToPlan(funcf, rs, bend, c, Ve) #надо добавить скажем априорный план, с фильтрованием точек gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, bstart, c,NSIG=10) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) print (gknu[0])
def testSquareFunction(): #проходит за 9 итераций b=b+deltab*mu xstart=[1, 100] xend=[20,200] N=10 c={"a":1000} funcf=lambda x,b,c=None: [ b[0]+b[1]*x[0]+b[2]*x[1]+b[3]*x[0]*x[1]+b[4]*x[0]**2+b[5]*x[1]**2, b[6]+b[7]*x[0]+b[8]*x[1]+b[9]*x[0]*x[1]+b[10]*x[0]**2+b[11]*x[1]**2 ] jacf = lambda x,b,c=None,y=None: np.array([ [1, x[0], x[1], x[0]*x[1], x[0]*x[0], x[1]*x[1], 0, 0, 0, 0, 0, 0], [0,0,0,0,0,0,1,x[0], x[1], x[0]*x[1], x[0]*x[0], x[1]*x[1]] ]) #убрал .T Ve=np.array([ [0.0001, 0], [0, 0.0001]] ) bstart=[0.8,0.4,1.4,0.2,0.9,0.3,1.4,0.2,2.1,3.1,4.1,5.1] btrue= [1.1,0.6,1.6,0.4,1.1,0.6,1.6,0.4,2.5,3.3,4.6,5.6] bend=list(np.array(btrue)+np.array(btrue)-np.array(bstart)) binit=[1]*len(btrue) N=50 # print("performing normal research:") # startplan = o_p.makeUniformExpPlan(xstart, xend, N) # measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) # gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c,NSIG=10) # print (gknu) # print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) # print (gknu[0]) print("performing aprior research:") oplan = o_ap.grandApriornPlanning (xstart, xend, 10, bstart, bend, c, Ve, jacf, func=None, Ntries=1)[1] print(oplan) measdata = o_p.makeMeasAccToPlan(funcf, oplan, btrue, c, Ve) gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c,NSIG=10) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) print (gknu[0])
def getbSeqPlanUltra(xstart: list, xend: list, N: int, btrue: list, binit: list, c, Ve, jacf, funcf, initplan=None, NSIG=10, smallestdetVb=1e-6, implicit=False, lognorm=False, dotlim=500, verbose=False, terminationOptDict={}): """ Осуществляет последовательное планирование и оценку коэффициентов модели :param xstart: начало диапазона x :param xend: конец диапазона x :param N: количество точек в плане эксперимента :param binit: стартовое значение вектора коэффициентов :param btrue: истинное значение вектора коэффициентов :param c: словарь дополнительных переменных :param Ve: ковариационная матрица y :param jacf: функция, возвращающая якобиан модели, входящие x,b,c,y :param funcf: функция, возвращающая значение модели, входящие x,b,c :param initplan: - начальный план :param NSIG: :param implicit - неявность функции. Если функция неявна, то в gknu sign=0 :param lognorm - требуется ли использование логнорм для получения измеренных данных :param dotlim - предел добавленных точек :param verbose - выводить ли информацию по итерациям :param terminationOptDict - словарь опций завершения итеративного процесса: VdShelfPow - по умолчанию -1 math.fabs(detVb-prevdetVb)/prevdetVb<math.pow(10,-VdShelfPow) NSIG для полки по detVb :return: k, число итераций, лог Для переделывания на реальные измерения btrue=None и функции моделирования переводятся на измерительные // btrue вообще должен бы быть исключен из всех функций ofiura """ startplan = initplan if initplan else o_p.makeRandomUniformExpPlan( xstart, xend, N) origplan = copy.copy(startplan) measdata = o_p.makeMeasAccToPlan_lognorm( funcf, startplan, btrue, c, Ve) if lognorm else o_p.makeMeasAccToPlan( funcf, startplan, btrue, c, Ve) log = "" b = binit prevdetVb = None for numiter in range( dotlim ): #ограничитель цикла - если выход произошёл по ограничению, значит, возможна ошибка estim = o_e.grandCountGN_UltraX1( funcf, jacf, measdata, b, c, NSIG, implicit=implicit, verbose=False) #получили оценку b binit=b #measdata почему-то разная, причины неизвестны. b = estim[0] Sk = estim[1] Vb = o_p.countVbForMeasdata(b, c, Ve, jacf, measdata) #посчитали определитель detVb = np.linalg.det(Vb) if verbose: print( "Sequence Plan Iteration: {0}\nb={1}\ndetVb={2}\nprevdetVb={3} \nSk={4}" .format(numiter, b, detVb, prevdetVb, Sk)) VdShelfPow = terminationOptDict[ 'VdShelfPow'] if 'VdShelfPow' in terminationOptDict else -1 condition = prevdetVb != None and math.fabs( detVb - prevdetVb) / prevdetVb < math.pow( 10, VdShelfPow) #если вышли на плато prevdetVb = detVb if condition: return b, numiter, Sk, startplan, origplan, log, estim, measdata, detVb #то всё вернуть #иначе поиск следующей точки плана xdot = copy.copy( xstart ) #получили начальную точку начальное значение - ровно пополам диапазона for i in range(len(xstart)): #присвоили ей значение xdot[i] = xstart[i] + (xend[i] - xstart[i]) / 2 #объектная функция measure = lambda x, b, c: o_p.makeMeasOneDot_lognorm( funcf, x, b, c, Ve) if lognorm else o_p.makeMeasOneDot( funcf, xdot, b, c, Ve) function = lambda x: np.linalg.det( o_p.countVbForPlan(o_g.appendToList(startplan, x), b, c, Ve, jacf, measure)) #function = lambda x: np.linalg.det(o_p.countVbForPlan(o_g.appendToList(startplan, x),b,c,Ve,jacf, funcf)) #funcf заменено на measure, которая добавляет дисперсию. #function и measure есть разные функции - первая даёт идеальный результат, вторая - с дисперсией #создать функцию, которая будет возвращать полученные от func данные, налагая дисперсию. #каждый раз будет пытаться добавить в план точку и вернуть определитель с добавленной точкой #где тут добавлять дисперсию, а где - не добавлять, есть тащем-та вопрос открытый xdot = o_g.doublesearch(xstart, xend, xdot, function) #оптимизировали значение точки startplan.append(xdot) #measdata.append({'x':xdot, 'y':funcf(xdot,b,c)}) ymeas = o_p.makeMeasOneDot_lognorm( funcf, xdot, btrue, c, Ve) if lognorm else o_p.makeMeasOneDot( funcf, xdot, btrue, c, Ve) #примитивная защита от кривых результатов измерения if ymeas != None: measdata.append({'x': xdot, 'y': ymeas}) #measdata = o_p.makeMeasAccToPlan_lognorm(funcf, startplan, btrue, c, Ve) if lognorm else o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) #окончание этого цикла "естественным путём" говорит о том, что превышено максимальное число итераций return b, dotlim, Sk, startplan, origplan, log + "ERROR: maximum number of iterations archieved", estim, measdata, detVb
def extraction_Diode_Irev_Limited(): """ 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: """ global FT global foldername #возвращает значение y funcf=solver_Diode_Irev_Limited jacf = jac_Diode_Irev_Limited #теперь попробуем сделать эксперимент. c={} Ve=np.array([ [1.34e-7] ] ) #согласно погрешности на мультиметре CHROMA 12061 #btrue=[5.31656e-8,2 ,.0392384] #номинальные значения диода D1N4001 btrue=[5e-8, 400 ,.0422] #номинальные значения диода D1N4001 с сайта, вроде официальной модели производителя # V=x[0] #напряжение на диоде, в данном случае обратное # IBV=b[0] # BV=b[1] # R=b[2] bstart=np.array(btrue)-np.array(btrue)*0.1 bend=np.array(btrue)+np.array(btrue)*0.1 print('conditions:') print(bstart) print(bend) binit=[5e-8, 400 ,.0422] #номинальные значения диода D1N4001 с сайта, вроде официальной модели производителя xstart=[399] xend=[401] N=30 print("performing uniform plan:") plan = o_p.makeUniformExpPlan(xstart,xend, N) measdata = o_p.makeMeasAccToPlan(funcf, plan, btrue, c,None ) print (measdata) plotPlanAndMeas2D(measdata) exit(0) print("performing aprior plan:") #примитивная попытка автоматизировать, риальни надо кешировать в файл под хешем параметров import os filename =foldername+'/'+'RD_11N4004_'+os.path.basename(__file__).replace('.py','_plan') try: oplan=o_p.readPlanFromFile(filename) #переключение на чтение априорного плана из файла print ("Read file successful") except BaseException as e: oplan=o_ap.grandApriornPlanning (xstart, xend, N, bstart, bend, c, Ve, jacf, funcf, Ntries=6, verbose=True)[1] o_p.writePlanToFile(oplan, filename) # получаем измеренные данные measdata = o_p.makeMeasAccToPlan_lognorm(funcf, oplan, btrue, c,Ve ) # #чертим эти данные # #o_pl.plotPlanAndMeas2D(measdata, 'Aprior Disp{0} measdata'.format(Ve)) # # #оценка #grandCountGN_UltraX1_Limited_wrapper (funcf, jacf, measdata:list, binit:list, bstart:list, bend:list, c, A, NSIG=50, NSIGGENERAL=50, implicit=False, verbose=False, verbose_wrapper=False): gknuxlim = o_el.grandCountGN_UltraX1_Limited_wrapper(funcf,jacf,measdata,binit,bstart,bend, c, implicit=True, verbose=False, verbose_wrapper=False ) gknux = o_e.grandCountGN_UltraX1(funcf, jacf, measdata, binit, c, implicit=True) gknuxlim2=o_q.convertToQualitatStandart (gknuxlim, funcf, jacf, measdata, c, Ve, name='Limited Count Aprior') gknux2=o_q.convertToQualitatStandart (gknux, funcf, jacf, measdata, c, Ve, name='Normal Count Aprior') o_q.printQualitatStandart (gknuxlim2) o_q.printQualitatStandart (gknux2)
def extraction_Diode_Irev_Limited(): """ 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: """ global FT global foldername #возвращает значение y funcf = solver_Diode_Irev_Limited jacf = jac_Diode_Irev_Limited #теперь попробуем сделать эксперимент. c = {} Ve = np.array([[1.34e-7] ]) #согласно погрешности на мультиметре CHROMA 12061 #btrue=[5.31656e-8,2 ,.0392384] #номинальные значения диода D1N4001 btrue = [ 5e-8, 400, .0422 ] #номинальные значения диода D1N4001 с сайта, вроде официальной модели производителя # V=x[0] #напряжение на диоде, в данном случае обратное # IBV=b[0] # BV=b[1] # R=b[2] bstart = np.array(btrue) - np.array(btrue) * 0.1 bend = np.array(btrue) + np.array(btrue) * 0.1 print('conditions:') print(bstart) print(bend) binit = [ 5e-8, 400, .0422 ] #номинальные значения диода D1N4001 с сайта, вроде официальной модели производителя xstart = [399] xend = [401] N = 30 print("performing uniform plan:") plan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, plan, btrue, c, None) print(measdata) plotPlanAndMeas2D(measdata) exit(0) print("performing aprior plan:") #примитивная попытка автоматизировать, риальни надо кешировать в файл под хешем параметров import os filename = foldername + '/' + 'RD_11N4004_' + os.path.basename( __file__).replace('.py', '_plan') try: oplan = o_p.readPlanFromFile( filename) #переключение на чтение априорного плана из файла print("Read file successful") except BaseException as e: oplan = o_ap.grandApriornPlanning(xstart, xend, N, bstart, bend, c, Ve, jacf, funcf, Ntries=6, verbose=True)[1] o_p.writePlanToFile(oplan, filename) # получаем измеренные данные measdata = o_p.makeMeasAccToPlan_lognorm(funcf, oplan, btrue, c, Ve) # #чертим эти данные # #o_pl.plotPlanAndMeas2D(measdata, 'Aprior Disp{0} measdata'.format(Ve)) # # #оценка #grandCountGN_UltraX1_Limited_wrapper (funcf, jacf, measdata:list, binit:list, bstart:list, bend:list, c, A, NSIG=50, NSIGGENERAL=50, implicit=False, verbose=False, verbose_wrapper=False): gknuxlim = o_el.grandCountGN_UltraX1_Limited_wrapper(funcf, jacf, measdata, binit, bstart, bend, c, implicit=True, verbose=False, verbose_wrapper=False) gknux = o_e.grandCountGN_UltraX1(funcf, jacf, measdata, binit, c, implicit=True) gknuxlim2 = o_q.convertToQualitatStandart(gknuxlim, funcf, jacf, measdata, c, Ve, name='Limited Count Aprior') gknux2 = o_q.convertToQualitatStandart(gknux, funcf, jacf, measdata, c, Ve, name='Normal Count Aprior') o_q.printQualitatStandart(gknuxlim2) o_q.printQualitatStandart(gknux2)
def getbSeqPlanUltra (xstart:list, xend:list, N:int, btrue:list, binit:list, c, Ve, jacf, funcf, initplan=None, NSIG=10, smallestdetVb=1e-6, implicit=False, lognorm=False, dotlim=100, verbose=False): """ Осуществляет последовательное планирование и оценку коэффициентов модели :param xstart: начало диапазона x :param xend: конец диапазона x :param N: количество точек в плане эксперимента :param binit: стартовое значение вектора коэффициентов :param btrue: истинное значение вектора коэффициентов :param c: словарь дополнительных переменных :param Ve: ковариационная матрица y :param jacf: функция, возвращающая якобиан модели, входящие x,b,c,y :param funcf: функция, возвращающая значение модели, входящие x,b,c :param initplan: - начальный план :param NSIG: :param implicit - неявность функции. Если функция неявна, то в gknu sign=0 :param lognorm - требуется ли использование логнорм для получения измеренных данных :return: k, число итераций, лог Для переделывания на реальные измерения btrue=None и функции моделирования переводятся на измерительные """ startplan = initplan if initplan else o_p.makeRandomUniformExpPlan(xstart, xend, N) origplan = copy.copy(startplan) measdata = o_p.makeMeasAccToPlan_lognorm(funcf, startplan, btrue, c, Ve) if lognorm else o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) log="" b=binit prevdetVb=None for numiter in range(dotlim): #ограничитель цикла - если выход произошёл по ограничению, значит, возможна ошибка estim=o_e.grandCountGN_UltraX1(funcf, jacf, measdata, b, c, NSIG, implicit=implicit, verbose=False) #получили оценку b binit=b #measdata почему-то разная, причины неизвестны. b=estim[0] Sk=estim[1] Vb=o_p.countVbForMeasdata(b, c, Ve, jacf, measdata) #посчитали определитель detVb=np.linalg.det(Vb) if verbose: print ("Sequence Plan Iteration: {0}\nb={1}\ndetVb={2}\nprevdetVb={3} \nSk={4}".format(numiter, b, detVb, prevdetVb, Sk)) condition=prevdetVb!=None and math.fabs(detVb-prevdetVb)/prevdetVb<math.pow(10,-1) #если вышли на плато prevdetVb=detVb if condition: return b, numiter, Sk, startplan, origplan, log, estim, measdata, detVb #то всё вернуть #иначе поиск следующей точки плана xdot=copy.copy(xstart) #получили начальную точку начальное значение - ровно пополам диапазона for i in range(len(xstart)): #присвоили ей значение xdot[i]=xstart[i]+(xend[i]-xstart[i])/2 #объектная функция measure=lambda x,b,c:o_p.makeMeasOneDot_lognorm(funcf, x, b, c, Ve) if lognorm else o_p.makeMeasOneDot(funcf, xdot, b, c, Ve) function = lambda x: np.linalg.det(o_p.countVbForPlan(o_g.appendToList(startplan, x),b,c,Ve,jacf, measure)) #funcf заменено на measure, которая добавляет дисперсию. #function и measure есть разные функции - первая даёт идеальный результат, вторая - с дисперсией #создать функцию, которая будет возвращать полученные от func данные, налагая дисперсию. #каждый раз будет пытаться добавить в план точку и вернуть определитель с добавленной точкой #где тут добавлять дисперсию, а где - не добавлять, есть тащем-та вопрос открытый xdot=o_g.doublesearch (xstart, xend, xdot, function) #оптимизировали значение точки startplan.append(xdot) #measdata.append({'x':xdot, 'y':funcf(xdot,b,c)}) ymeas=o_p.makeMeasOneDot_lognorm(funcf, xdot, btrue, c, Ve) if lognorm else o_p.makeMeasOneDot(funcf, xdot, btrue, c, Ve) measdata.append({'x':xdot, 'y':ymeas}) #measdata = o_p.makeMeasAccToPlan_lognorm(funcf, startplan, btrue, c, Ve) if lognorm else o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) #окончание этого цикла "естественным путём" говорит о том, что превышено максимальное число итераций return b, dotlim, Sk, startplan, origplan, log+"ERROR: maximum number of iterations archieved", estim, measdata, detVb
def testEstimateErlie(): #за 14-16 итераций с единичного вектора к результирующему с нулевой ошибкой, несмотря на разные порядки!!! при дисперсии 0.1 на 50 точках при обычном плане (учитывать большее число точек на самом деле) #эпичная победа """ Пробуем произвести экстракцию параметров модели по параметрам транзистора Эрли :return: """ jacf=lambda x,b,c,y: outTransParamErlieFormatJAC (x,b) funcf=lambda x,b,c: outTransParamErlieFormat (x,b) c={} Ve=np.array([ [0.1, 0], [0, 0.1] ] ) #BF,BR,IS,VA #коэфф передачи по току в схеме с оэ нормальный режим, -//- реверсный, ток утечки, напряжение Эрли в активном режиме btrue=[120,1,1.28e-15, 10] #binit=[115,0.1,1, 11] binit=[1]*len(btrue) bstart=[100,0.5,1, 5] bend=[125,2,2, 15] xstart=[0.001,0.001] xend=[4,4] N=50 print("performing normal research:") startplan = o_p.makeUniformExpPlan(xstart, xend, N) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) #надо добавить скажем априорный план, с фильтрованием точек optimized_measdata=o_p.filterList(measdata, lim=1e55) print ('Plan optimization: measdatalen={0} optimized={1}'.format(len(measdata), len(optimized_measdata ))) measdata = optimized_measdata gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c, NSIG=10) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) print (gknu[0]) #aprior plan print("Performing aprior plan:") oplan = o_ap.grandApriornPlanning(xstart, xend, 10, bstart, bend, c, Ve, jacf, Ntries=5) o_p.writePlanToFile(oplan, 'Aprior plan Erlie') measdata = o_p.makeMeasAccToPlan(funcf, oplan, btrue, c, Ve) optimized_measdata=o_p.filterList(measdata, lim=1e55) print ('Plan optimization: measdatalen={0} optimized={1}'.format(len(measdata), len(optimized_measdata ))) measdata = optimized_measdata gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c, NSIG=10) print (gknu) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c))
def testDiodeParameterExtraction(): """ 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: """ jacf=jacdiode funcf=diode #теперь попробуем сделать эксперимент. c={} Ve=np.asmatrix( [0.1] ) btrue=[1.238e-14, 1.8] bstart=np.array(btrue)-np.array(btrue)*0.2 bend=np.array(btrue)+np.array(btrue)*0.2 binit=[1e-10,1.1] xstart=[0.01] xend=[2] N=30 print("performing normal research:") startplan = o_p.makeUniformExpPlan(xstart, xend, N) print(len(startplan)) measdata = o_p.makeMeasAccToPlan(funcf, startplan, btrue, c, Ve) planplot1=[x[0] for x in startplan] measplot1=[x['y'][0] for x in measdata] plt.plot(planplot1, measplot1, 'bo') plt.show() gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c, NSIG=6, sign=1) #как мы помним, в случае неявных функций должно ставить sign=0 print (gknu[0]) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) #plotting Sk graph #TODO better organize: this code to estimation or somewhere rng=np.arange(0,len(gknu[3])) plt.plot(rng , gknu[3], label='Sk drop') plt.legend(loc='upper left') plt.ylabel('Sk') plt.xlabel('Interation') plt.grid() plt.show() N=20 print("performing aprior plan:") oplan=o_ap.grandApriornPlanning (xstart, xend, N, bstart, bend, c, Ve, jacf, funcf, Ntries=6)[1] o_p.writePlanToFile(oplan) measdata = o_p.makeMeasAccToPlan(funcf, oplan, btrue, c,Ve ) planplot1=[x[0] for x in oplan] measplot1=[x['y'][0] for x in measdata] plt.plot(planplot1, measplot1, 'bo') plt.show() gknu=o_e.grandCountGN_UltraX1 (funcf, jacf, measdata, binit, c, NSIG=6, sign=1) print (gknu[0]) print (o_q.getQualitat(measdata, gknu[0], Ve, funcf, c)) #plotting Sk graph #TODO better organize: this code to estimation or somewhere rng=np.arange(0,len(gknu[3])) plt.plot(rng , gknu[3], label='Sk drop') plt.legend(loc='upper left') plt.ylabel('Sk') plt.xlabel('Interation') plt.grid() plt.show()