作者简介:王天皓(1988-),男,在站博士后.研究方向:汽车电子,电磁兼容及车辆测试技术.E-mail:wangtianhao2006@126.com
针对线束导线在实际情况中为非确定性几何布置的这一问题,提出了一种基于混沌多项式展开法的线束串扰统计分析方法。该方法根据线束导线位置变量的分布类型选取相应的正交多项式对线束导线分布参数进行展开,结合边界条件,采用模式理论对基于混沌多项式展开的多导体传输线方程扩展形式进行求解,进而得到电压和电流向量的混沌多项式展开表达式,并利用混沌多项式展开法的相关性质得到表征线束串扰统计特征的相关参数。通过与传统的蒙特卡法进行对比可知,该方法在保证计算结果准确可靠的同时,计算效率也得到了大幅度的提高,从而实现复杂系统线束电磁兼容性能的高效预测。
For the phenomenon that the position of cable bundle in reality is non-deterministic geometric, this paper proposes the statistical analysis method of cable bundle crosstalk model based on Polynomial Chaos Expansion. The orthogonal polynomial basis functions are chosen based on the distribution pattern of the variables related to the positions of wires in the cable bundle, and the distributed parameters of the wires can be expressed by the Polynomial Chaos Expansion. With the boundary conditions, the extended MTL can be solved by the modeling methodology, and then the voltage vector and current vector can be expressed by the Polynomial Chaos Expansion. According to the properties of the Polynomial Chaos Expansion, the mean, standard deviation and variation range of the cable bundle crosstalk can be obtained, and the probability density function of the cable bundle crosstalk can also becalculatedthrough numerical method. Thus, the efficient prediction of electromagnetic compatibility of cable bundle in complex system has realized.
随着现代工业的不断发展, 越来越多的电气电子设备被广泛应用于飞机、舰艇、汽车等复杂系统中。线束作为系统中电路网络主体, 连接着各个电气电子部件, 并使之发挥功效。但其也为干扰信号的传播提供了载体, 不仅会提高临界设备及导线的噪声水平, 还会对系统的传导发射和辐射发射产生影响, 使得系统的整体电磁兼容性能剧烈下降[1]。因此, 对于复杂系统的前期电磁兼容性设计, 线束导线串扰是其预测的首要任务[2]。
在实际情况中, 由于线束在系统中的捆扎和安装方式具有一定的随机性, 以及系统所处的不同工作环境和工作状态(如飞机、舰艇、汽车的加速、减速、颠簸、振动等)都会导致线束导线的位置发生变化, 这使得线束导线表现为非确定性几何布置。美国肯塔基大学的PAUL通过实验发现, 串扰对线束导线的位置极为敏感, 由于线束导线之间位置的变化, 可导致串扰的变化高达20 dB[3]。但由于计算线束导线串扰的传统电磁学方法, 如多导体传输线理论[4, 5], 时域有限差分法[6, 7], 矩量法[8]等, 都是针对线束导线位置固定的理想情况进行计算, 对于非确定性几何布置的线束导线串扰计算, 其不仅会消耗大量的计算资源, 所获得的结果也并不理想。因此, 如何快速准确的描述出线束导线串扰的统计特性, 合理的预测线束导线串扰变化范围已成为了电磁兼容领域的研究热点。在目前已经开展的研究中, 主要有蒙特卡洛(Monte Carlo, MC)法[9, 10, 11]、分形图学法[12, 13, 14]、卷积法[15, 16]、配置法[17]、克里金法[18], 以及其他一些统计学方法[19, 20, 21]。但上述方法在计算线束导线串扰统计特性时, 普遍需要获得大量的线束导线在其横截面分布情况的样本, 存在计算效率低下的问题, 并不利于复杂系统线束导线串扰统计分析的工程应用。但上述方法在计算线束导线串扰统计特性时, 普遍需要获得大量的线束导线在其横截面分布情况的样本, 存在计算效率低下的问题, 并不利于复杂系统线束导线串扰统计分析的工程应用。
本文针对上述问题, 提出一种利用混沌多项式展开对线束导线串扰的统计特性进行快速预测的方法。首先, 根据与线束导线位置相关的参数分布类型和变化范围选定正交多项式的基函数, 再将线束导线分布参数进行混沌多项式展开, 同时获得各展开项所对应的系数。然后结合边界条件, 利用模式理论对扩展后的多导体传输线方程进行求解。并由混沌多项式展开的相关性质得到线束导线串扰的均值、标准差以及变化范围, 再利用数值方法得到某一频率下线束导线串扰的概率密度函数。最后通过与蒙特卡洛法的计算结果进行对比, 说明了PCE法在预测线束导线串扰的统计特性方面的准确性和高效性。
混沌多项式展开法来源于Wiener[22]所提出的同性混沌法, 它是一种严密高效的不确定分析方法, 具有很强的数学支撑。该方法利用正交多项式基对不确定变量进行展开, 通过正交多项式的性质, 将变量的随机特性转移至多项式系数上面。Wiener[22]最初利用PCE法提出并建立了湍流计算模型。随后许多学者将该理论推广至其它工程领域, 如结构力学领域[23, 24], 环境与声场领域[25], 随机差分方程领域[26], 瞬态热传导领域[27], 以及纳米材料电特性领域[28]等方面。Wiener采用与高斯型随机变量对应的Hermite正交多项式为基函数对随机过程谱展开[22]。其中Cameron-Martini定理证明了该展开能够以正交多项式的形式对任意随机过程进行描述[29]。因此, 将以Hermite正交多项式为基函数的PCE法视为一种响应面模型, 利用原始模型所包含的一个或多个独立标准正态随机变量对其进行正交多项式混沌展开, 从而实现对该随机过程的不同阶精度近似表示。
假设原始模型为Y=y(ξ ), 其中ξ =[ξ 1, ξ 2, …, ξ n]T表示模型的n维相互独立的随机变量输入, 则模型的输出响应也能够利用ξ =[ξ 1, ξ 2, …, ξ n]T来表示。针对高斯随机过程, Wiener[22]确定了以Hermite正交多项式为基函数进行混沌多项式展开的表达式:
式中:a0、ai、aij、aijk、…为待求解的确定性系数, Hp表示一个p阶Hermite正交多项。
对于一个n维p阶的Hermite正交多项式:H
将式(1)进行截断, 用p阶有限项来近似表达, 并设表达式共有m项, 则式(1)可简写为:
式中:
式中:δ ij为克罗内克函数, < · , · > 为希尔伯特空间下的内积, 此处可将其定义为:
式(5)中W(ξ )为正交多项式基φ i所对应的权重函数。当正交多项式基φ i为Hermite正交多项式时, 其权重函数表达式为n维正态分布函数:
对于待求解的确定性展开系数
当对式(3)进行多项式p阶截断时, 由于变量的维数为n, 则原始模型的正交多项式展开项数m可由式(8)求得:
利用式(7)和式(8)可分别得到原始模型混沌多项式展开后的展开系数和展开项数, 根据Hermite正交多项式所具有的正交性, 原始模型对输入随机变量的响应均值Ymean为[30]:
式中:Dξ 为ξ 的积分域, 由上式可知, 模型的响应均值Ymean为其混沌多项式展开的0阶展开项系数
图1为符合德国大众汽车线缆标准的线束横截面。它包含14条导线, 线束半径R=4.5 mm, 线束中心距地高度为H=25 mm, 线束中导体材料为铜, 导体半径r=0.4 mm, 绝缘层材料为聚氯乙烯(PVC), 其相对介电常数为ε r=3.0, 绝缘层厚度t=0.6 mm。线束长度L=1.25 m, 并假设线束导线为无耗若耦合。
线束中发射线与接收线之间产生串扰的根本原因在于导线间的分布参数矩阵, 图2为发射线、接收线与地之间构成的三导体传输线等效电路模型。对于无耗传输线, 其分布参数矩阵分别为单位长度电感矩阵L和单位长度电容矩阵C, 其中, L的计算表达式为:
式中:μ 0为真空磁导率; r1和r2分别为发射线和接收线的导体半径; h1和h2分别为发射线和接收线的对地高度; d为发射线和接收线之间的距离。
由于线束导线绝缘层的存在, 导体周围形成了非均匀介质。虽然它对单位长度电感矩阵L的影响可以忽略, 但对单位长度电容矩阵C会产生较大影响, 无法通过重要关系式LC=CL=μ 0ε 0计算获得。为了解决这一问题, 文献[31]利用镜像法原理推导得到了具有绝缘层的导线的单位长度电容矩阵C, 其表达式为:
式中:ε 0为真空介电常数; ε r为相对介电常数; ε e=(ε r-1)/ε r为有效介电常数; t1和t2分别为发射线和接收线的绝缘层厚度。
由式(11)和(12)可知, 当线束的型号确定后, 分布参数矩阵各元素的大小取决于线束导线的几何位置, 即发射线对地高度h1, 接收线对地高度h2, 以及发射线和接收线之间的距离d, 假设上述三个参数为符合正态分布的相互独立的随机变量。为了采用以Hermite正交多项式为基函数对分布参数矩阵进行展开, 需要将上述三个符合正态分布的随机变量利用标准正态分布变量表示如下:
式中:
接下来利用混沌多项式展开法对单位长度电感矩阵L和单位长度电容矩阵C进行展开, 可将其表示为:
式中:ξ 为3维随机序列, ξ =[ξ 1, ξ 2, ξ 3]T; {Li}和{Ci}为正交多项式{φ i}所对应的系数。
本文仅以展开阶数p=1时为例, 对如何利用PCE法求解线束导线串扰的统计特性进行说明, 由式(8)可知展开项数m=4, 利用式(2)能够获得Hermite正交多项式的表达式φ i, 而利用式(5)可计算获得<
对于分布参数矩阵中各元素的确定性展开系数
表2为利用式(15)得到的分布参数矩阵各元素的Hermite正交多项式展开系数。
无耗多导体传输线频域方程表达为:
式中:电压向量V
将图2所示的三导体传输线等效电路模型视为如图3所示的四端口电路, 当边界条件确定时, 根据戴维南定理可以将终端限定条件表示为:
式中:激励源VS=
由上述已知条件, 利用模式理论[32]可分别求得近端串扰电压VNE和远端串扰电压VFE等参数。
为了获得线束导线串扰的统计模型, 将电压向量V
再将式(14)、式(18)和式(20)代入式(16)所示的多导体传输线方程中得:
对式(21)做内积运算, 可以得到关于多导体传输线的一系列微分方程, 其表达式为:
经过整理、化简, 可将上式表示为:
式中:电压向量
以近端串扰电压为例分析线束导线串扰的统计特性, 上述求得的近端串扰电压为
同时, 为了求取线束导线近端串扰电压的概率密度函数, 将线束导线近端串扰电压在频域进行混沌多项式展开得:
因此, 可通过数值方法对式(25)进行求解得到线束导线近端串扰电压的概率密度函数。
以如图1所示的线束为例, 利用PCE法对其串扰电压的统计特性进行分析预测。由2.3节可知, 模型输入为利用式(13)求得的符合标准正态分布的三维随机变量ξ =
式(19)所示的边界条件可改写为:
式中各项可表示为:
接下来令ZS和ZL中的各阻抗值相等, 并分别考虑端接阻抗为高阻抗(RS=RL=RNE=RFE=1000 Ω )和低阻抗(RS=RL=RNE=RFE=50 Ω )两种情况下的线束导线近端串扰统计特征及其变化范围。
将式(25)和式(26)代入式(23), 经计算得到线束导线近端串扰电压在端接高阻抗和低阻抗两种情况下的统计特征, 并将其与N=3000次的蒙特卡洛法所得结果进行对比, 分别如图4和图5所示。
同时, 利用PCE法可计算得到VNEi, 因此采用数值方法通过式(24)能够求得各频率下线束导线在端接高阻抗和低阻抗情况下不同频率的近端串扰概率密度函数[33]。并将其与3000次MC法的统计结果进行对比, 如图6所示。
由图4~图6可知, 在将决定线束导线几何位置的发射线对地高度、接收线对地高度, 以及发射线和接收线之间的距离这3个变量视为符合正态分布的随机变量时, 利用本文提出的PCE法计算获得的线束导线串扰统计特性(包括均值、标准差、概率密度函数及合理的变化范围)与3000次MC法的计算结果具有良好的一致性。
同时, 由表3可知, 在利用配置为i7-3770@3.40 GHz, 内存8 GB的个人计算机对线束导线串扰变化范围进行预测时, PCE法在保证计算结果准确可靠的前提下, 其计算效率要远远的高于MC法。
本文针对复杂系统线束导线几何位置非确定的情况, 提出了一种利用PCE法快速预测线束导线串扰统计特性的方法。通过与被广泛应用的MC法计算结果进行对比可知, PCE法不仅计算结果准确可靠, 同时其计算效率也要远远高于MC法。随着现代复杂系统中的线束种类和数量的不断增加, 在预测线束导线串扰方面, PCE法高效、准确等特点将对系统的电磁兼容设计有着重要的指导意义。同时, 本文对线束导线串扰统计特性的预测是基于线束导线位置变量符合正态分布进行的, 在接下来的工作中, 可以针对不同的分布类型(如均匀分布、Gamma分布和Beta分布等)对线束导线串扰统计特性进行更深入的研究。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|
[30] |
|
[31] |
|
[32] |
|
[33] |
|