سود:
- توانایی تجزیه یک مسئله مدار به مفروضات، فرمول ها و مراحل واحد و پرسش از هوش مصنوعی به روشی ساختاریافته
- امکان تأیید مقادیر مقاومت، ظرفیت و بهره توصیه شده توسط هوش مصنوعی در برابر محدودیت های سری استاندارد و توان
- امکان تشخیص خطاهای حسابی و توپولوژی با بررسی متقاطع خروجی هوش مصنوعی با SPICE یا محاسبه دستی
تجزیه و تحلیل مدار ستون فقرات مهندسی برق و الکترونیک است: از قوانین اهم و کیرشهوف شروع می شود و به تقسیم کننده ها، فیلترها، تقویت کننده ها و مدارهای تغذیه گسترش می یابد. هوش مصنوعی می تواند کمک قدرتمندی در این وظایف باشد. فرمولها را ایجاد میکند، اولین عدد را تولید میکند، توپولوژیهای جایگزین را پیشنهاد میکند، و حتی یک فهرست شبکه SPICE مینویسد. اما هوش مصنوعی یک مدار را "درک" نمی کند. الگو را کامل می کند بنابراین، مقدار مقاومتی که توصیه می کند ممکن است در سری استاندارد نباشد، ممکن است از حد توان فراتر رود، یا ممکن است توپولوژی را به درستی تنظیم کند. در این واحد نحوه پرسیدن مشکل مدار به هوش مصنوعی، نحوه تایید خروجی با محاسبه دستی و SPICE و رایج ترین مشکلات را خواهیم دید.
تنظیم صحیح مشکل: فرض، فرمول، واحد
قبل از پرتاب یک مشکل مدار در هوش مصنوعی، آن را به سه قسمت تقسیم کنید: شناخته شده (ورودی ها)، خواسته (خروجی)، و محدودیت ها (قدرت، ولتاژ، سری استاندارد). این تمایز هم اعلان را روشن می کند و هم خروجی را قابل کنترل می کند.
یک مثال کلاسیک: مقاومت سری برای هدایت LED از منبع 5 ولت. شناخته شده: منبع تغذیه 5 ولت، ولتاژ LED جلو V_F ≈ 2.0 ولت، جریان مورد نظر I = 10 میلی آمپر. جستجو برای: R. فرمول ساده است:
R = (V_supply - V_F) / IR = (5.0 - 2.0) / 0.010 = 300 Ω افت توان مقاومت: P = I² · R = (0.010)² · 300 = 0.03 W → 1/8 W کافی است
300 Ω در سری استاندارد E24 موجود است. اگر نه، به نزدیکترین مقدار استاندارد گرد می کنیم (مثلاً 330 Ω) و بررسی می کنیم که چگونه جریان تغییر می کند: I = (5-2)/330 ≈ 9.1 میلی آمپر. این جریان دقیقی است که هنگام تأیید خروجی هوش مصنوعی باید دنبال شود: فرمول → عدد → سری استاندارد → بررسی قدرت.
نکته: وقتی مقدار مقاومت یا ظرفیت خازنی از هوش مصنوعی دریافت می کنید، همیشه دو چیز را بپرسید: "آیا این مقدار در سری E12/E24/E96 موجود است؟" و "آیا رتبه بندی توان/ولتاژ این قطعه کافی است؟" هوش مصنوعی اغلب مقادیر ایده آل و تولید نشده را برمی گرداند.
اعلان ضعیف / اعلان قوی
ضعیف:"مقاومت برای LED را محاسبه کنید."(نتیجه: کدام LED، کدام منبع تامین می شود، کدام جریان نامشخص است؛ یک عدد واحد.) STRONG:"مقاومت سری را برای هدایت یک LED قرمز در 10 میلی آمپر از یک منبع تغذیه 5 ولت محاسبه کنید. ولتاژ جلو LED 2.0 ولت است. نمایش جداگانه: 1) فرمول مقاومت با مقدار استاندارد (Ω)24) اتلاف مقاومت و رتبه بندی توصیه شده "نوشتن واحدها در همه مراحل."
تأیید ارزش مقاومت، ظرفیت و به دست آوردن
رایج ترین اشتباه هوش مصنوعی این است که مقادیری را برمی گرداند که از نظر ریاضی "درست" هستند اما در عمل غیرقابل استفاده هستند. سه حوزه کنترل:
کنترل سریال استاندارد مقاومت ها و خازن ها در سری E (E12، E24، E96...) تولید می شوند. اگر AI می گوید 4737 Ω، شما تصمیم می گیرید که از 4.7 kΩ (E24) یا 4.75 kΩ (E96) بر اساس تحمل استفاده کنید.
رتبه بندی قدرت و ولتاژ. توانی که یک مقاومت تلف میکند به اندازه مقدار آن مهم است. مقاومت ولتاژ یک خازن به اندازه ظرفیت آن حیاتی است. هوش مصنوعی بیشتر اوقات از این موارد صرف نظر می کند.
بهره و پهنای باند. در یک مدار op-amp، هوش مصنوعی میتواند بهره را به صورت R_f/R_in بدهد اما محدودیت محصول پهنای باند افزایش (GBW) را نادیده بگیرد. اگر 100 برابر با یک آپ امپ با 1 مگاهرتز GBW می خواهید، پهنای باند فقط 10 کیلوهرتز است.
جزء
توسط هوش مصنوعی ارائه شده است
کنترل اضافی
مقاومت
مقدار (Ω)
سری E، تلفات برق (I²R)
خازن
مقدار (F)
استحکام کششی، نوع (سرامیک/الکترولیتی)
بهره عملیات تقویت کننده
R_f/R_in
GBW، نرخ کشش، فاصله تغذیه
فیلتر کنید
فرکانس قطع
تحمل واقعی جزء، اثر بار
اعتبارسنجی متقاطع با SPICE و محاسبه دستی
قبل از اعتماد به یک مدار تولید شده توسط هوش مصنوعی، آن را به دو روش مستقل آزمایش کنید: محاسبه دستی (بررسی خشن) و شبیه سازی SPICE (بررسی دقیق). هوش مصنوعی حتی میتواند فهرست شبکه SPICE را برای شما بنویسد. اما وظیفه شما اجرای netlist و تفسیر نتیجه است.
نمونه ای از فیلتر پایین گذر RC: R = 1.6 کیلو اهم، C = 100 nF. فرکانس برش:
f_c = 1 / (2π · R · C)f_c = 1 / (2π · 1600 · 100e-9)f_c ≈ 995 هرتز ≈ 1 کیلوهرتز
اگر همان مدار را با آنالیز AC در SPICE اسکن کنید و ببینید که نقطه -3 دسی بل در ~1 کیلوهرتز است، دو مسیر با هم همپوشانی دارند و اطمینان افزایش می یابد. اگر آنها با هم تداخل نداشته باشند، در محاسبه دست یا فهرست شبکه خطایی وجود دارد. شما هر دو را تعقیب می کنید.
* لیست شبکه فیلتر RC توصیه شده توسط هوش مصنوعی (بررسی کنید!) V1 در 0 AC 1R1 در خروجی 1.6kC1 از 0 100n.ac دسامبر 100 10 100k.end
توجه: به صورت بصری اتصال نام گره ها را در لیست شبکه SPICE که توسط هوش مصنوعی نوشته شده است دنبال کنید. رایج ترین خطا اتصال یک جزء به گره اشتباه یا فراموش کردن گره زمین (0) است. حتی اگر به نظر میرسد نتلیست «کار میکند»، ممکن است مدار اشتباهی را شبیهسازی کند.
گرفتن خطاهای توپولوژی
گاهی اوقات هوش مصنوعی مقادیر مؤلفه ها را به درستی می دهد، اما توپولوژی را به اشتباه تنظیم می کند: اتصال پایه بازخورد به عقب، هدایت op-amp از ورودی اشتباه، یا فراموش کردن خازن بای پس منبع. راه برای گرفتن اینها این است که مدار را با دست خود دوباره ترسیم کنید و گره به گره آن را دنبال کنید. "این چیزی است که هوش مصنوعی گفت" توپولوژی را توجیه نمی کند. شما باید منطق عملکرد مدار را بررسی کنید.
کیف کوچک
طراح آنالوگ Kaan دارای یک مدار عملیاتی معکوس کننده است که برای تقویت سیگنال سنسور طراحی شده است. AI R_in = 1 kΩ و R_f = 220 kΩ را توصیه می کند. افزایش -220. Kaan به دیتاشیت نگاه می کند: GBW آپ امپ انتخاب شده 1 مگاهرتز است. در بهره 220، پهنای باند فقط در 4.5 کیلوهرتز باقی می ماند، در حالی که باید سیگنال را تا 20 کیلوهرتز ارسال کند. کان یا آپ امپ با GBW بالاتر را انتخاب می کند یا بهره را به دو مرحله تقسیم می کند. هوش مصنوعی ریاضیات را درست فهمید. اما کان به حد فیزیکی رسید. درس: فرمول بهره هوش مصنوعی ممکن است درست باشد، اما شما محدودیت های واقعی جزء را از صفحه داده کنترل می کنید.
اشتباهات رایج
- استفاده از مقدار داده شده توسط هوش مصنوعی صرف نظر از اینکه در سری استاندارد باشد یا خیر.
- نادیده گرفتن اتلاف توان مقاومت و مقاومت در برابر ولتاژ خازن.
- محاسبه بهره آپ امپ و فراموشی حد GBW/slew rate.
- اعتماد به نتیجه بدون تأیید بصری فهرست شبکه SPICE.
- دور زدن گره زمین یا خازن بای پس.
- پذیرش توپولوژی بدون سوال، "اینگونه است که هوش مصنوعی آن را ساخته است."
به طور خلاصه
- مسئله با تفکیک مسئله مدار به فرض، جستجو و محدودیت در هوش مصنوعی ساختار یافته است.
- هر مقدار مقاومت/خازن را با سری استاندارد، توان و رتبه بندی ولتاژ بررسی کنید.
- محدودیتهای فیزیکی مانند GBW، سرعت حرکت و شکاف تغذیه را در محاسبات افزایش بررسی کنید.
- خروجی هوش مصنوعی را با محاسبه دستی و SPICE به دو روش مستقل تأیید کنید.
- گره به گره netlist و توپولوژی را مشاهده کنید. رایج ترین خطا اتصال نادرست است.
- حتی اگر ریاضی درست باشد، مهندس مرز فیزیکی و توپولوژی را تأیید می کند.
وظیفه کاربردی
یک مدار ساده (فیلتر RC، تقسیم کننده ولتاژ یا تقویت کننده معکوس) انتخاب کنید. از هوش مصنوعی مقادیر مؤلفه و فهرست شبکه SPICE را بخواهید. سپس: (1) فرکانس قطع/بهره/خروجی را به صورت دستی محاسبه کنید، (2) فهرست شبکه را در ابزار SPICE اجرا کنید، (3) دو نتیجه را با هم مقایسه کنید و اینکه آیا اجزای انتخاب شده در سری استاندارد هستند یا خیر. اگر ناهماهنگی پیدا کردید، منبع آن را شناسایی کنید (فرمول، پیوند شبکه، یا گرد کردن مقدار) و آن را برطرف کنید.