使用参数抽样(GUI)探索设计可靠性

这个例子使用了:

打开脚本

的用法灵敏度分析仪探讨直流电机的PI控制器的行为。该控制器易受部件公差变化的影响，并探讨了其对控制器可靠性的影响。

您可以通过使用概率分布描述组件来探索控制器的可靠性。使用这些分布来生成随机样本，并在这些样本点上对控制器设计进行蒙特卡罗评估。您可以评估组件公差对控制器行为的影响，并使用统计分析来确定哪些组件对控制器是否满足其要求的影响最大。此分析指导元件公差的选择。

本示例需要统计和机器学习工具箱™。

直流电机控制器的实现

该控制器使直流电机的角位置匹配所需的参考值。电机上的负载受到干扰，控制器需要拒绝这些干扰。Simulink®模型可用于探测控制器在1秒内拒绝阶跃干扰的情况。

open_system (“sdoMotorPosition”）;

PI控制器的增益，Kp而且Ki，使用下面电路中的电阻设置:

的抗性R1通过R4分别为47、180、10和10。这些都是用来固定的Kp而且Ki到使控制器能够满足干扰抑制要求的值。然而，在实际操作中，实际电阻值与标称电阻值有一定的偏差。这引起了人们对实际控制器是否仍然满足要求的关注。为了探究不同电阻值的影响，使用灵敏度分析仪．在Simulink模型中从应用程序选项卡上,单击灵敏度分析仪下控制系统打开应用程序。

设计要求

控制器需要在出现干扰时将电机保持在参考位置。如果发生阶跃干扰，电机需要偏离不超过20度，并需要在干扰发生后4秒内恢复到与参考位置5度以内。

负载预先规定的抗干扰设计要求。在应用程序中，单击公开会议并选择从模型工作区打开在下拉菜单中。

您可以绘制需求图，并在电阻具有标称值时验证它们是否满足。在需求区域中，右键单击下界，并选择绘制和模拟．对UpperBound要求。

参数抽样

当电阻在其标称值时，电机位置满足抗干扰要求。然而，在实际操作中，实际电阻值会与标称电阻值不同，我们需要确定控制器是否仍然满足要求。点击选择参数建立一个新的参数集。这就产生了ParamSet在参数设置区域。指定R1，R2，R3,R4均在参数集中，单击好吧．

点击生成值并生成随机值。为了获得可重复的结果，在MATLAB®中重置随机数生成器的状态。

rng (“默认”）

在Generate Random Parameters对话框中，指定要生成的500个样本。

指定每个参数的概率分布。标准精密电阻匹配其标称分量值在5%的公差内。这可以用均匀概率分布来建模。然而，由于测量值在标称值的1%以内的电阻被分离出来，并作为更高价格的精密电阻出售，5%的电阻可以更精确地通过概率分布与井排除值在标称值的1%以内建模。如果统计和机器学习工具箱™可用，这可以使用分段线性概率分布建模。

指定R1分段线性4个点。指定x值为[0.95 0.99 1.01 1.05]乘以47(电阻器的标称值)。指定Fx值为[0 0.5 0.5 1];这些是每个x值对应的累积分布函数的值。类似地，设置的分布R2，R3而且R4以4点分段线性，x值为[0.95 0.99 1.01 1.05]乘以标称值(分别为180、10和10)，Fx值为[0 0.5 0.5 1]。

点击好吧来生成参数值。生成的值存储在ParamSet变量参数集(注意，由于使用了随机数生成器，下表中的具体值可能与运行示例时得到的值不同。)

要绘制参数集，单击ParamSet在参数设置应用程序浏览器区域。在情节选项卡上,选择散点图在图片库。该图在对角线上显示生成的参数的直方图，在对角线外显示成对的参数散点图。图上的每个标记代表一行ParamSet表，每一行同时显示在所有散点图上。您可以使用视图选项卡来安排表和绘图的布局，使它们都可见。

用5%的组件评估需求

评估表中每一行参数值的需求，以查看需求是否满足。在敏感性分析选项卡上,单击选择进行评估．默认情况下，选择所有需求进行评估。点击评估模型评估UpperBound而且下界中的每一行参数值的要求ParamSet．注意，如果您有并行计算工具箱™，可以通过使用并行计算加快计算速度，或者通过使用快速重启。有关更多信息，请参见使用并行计算进行灵敏度分析而且灵敏度分析时使用快速重启模式．

在模型评估期间，会更新显示每个需求与每个参数的结果散点图。最后给出了评价结果表。评估结果表中的每一行包含的值R1，R2，R3，R4和产生的需求值UpperBound而且下界．评估结果存储在EvalResult变量结果区域。您可以使用视图选项卡来安排表和绘图的布局，使它们都可见。

通过单击表中的列标题，可以对评估结果表进行排序。的下界仍然满足要求，这由所有对信号界要求的评估结果都是负的这一事实表明。但情况并非如此UpperBound需求，它有几个正的值。通过选择表中具有这些正值的行，还可以在散点图中看到高亮显示的对应点。

评价结果分析

使用5%公差的元件导致违反UpperBound要求。1%公差的精密元件可以满足设计要求，但它们的成本更高，所以最好只使用必要的数量。您可以使用统计分析来确定对设计需求影响最大的组件。

在统计数据选项卡，选择要做的各种分析，包括相关而且标准化的回归方法,线性而且排名处理的类型。点击计算统计数据．分析结果存储在StatsResult在结果面积的应用程序，和龙卷风图显示的分析结果。对于每个需求，龙卷风图在顶部显示最具影响力的参数，而其他参数则按其对需求影响的大小递减顺序显示。为UpperBound要求,R3而且R4具有最大的影响力，所以我们将尝试用更高精度的1%组件取代这些。