Neural network modelling of interference in electronic devices caused by nanosecond pulses in the power supply network
Neural network modelling of interference in electronic devices caused by nanosecond pulses in the power supply network
Abstract
Modern component bases in electronic devices are highly sensitive to electromagnetic interference. One of the main routes through which interference affects these devices is the power supply network. The work proposes a neural network model for simulating interference occurring in electronic devices when nanosecond pulses are applied via the power supply network. The model is trained using experimental data obtained at discrete values of the pulse amplitude. The paper presents the neural network training parameters, as well as the results of interference modelling under impulse impacts of various polarities within a specified amplitude range. The suggested solution serves as an example of the transition to intelligent data analysis in the field of electromagnetic compatibility.
1. Введение
Современный этап развития общества характеризуется глобальным переходом к непрерывному использованию современных электронных, электронно-вычислительных и радиоэлектронных устройств. Основой этих технологий являются современная элементная база, микросхемы, работающие на высоких частотах при сверхнизких напряжениях питания (менее 1,5 В). Эта технологическая эволюция породила некоторые актуальные задачи из области электромагнитной совместимости, чем совершеннее становятся электронные устройства (ЭУ), тем больше требуется внимания к уязвимости электромагнитным помехам .
Среди всех разновидностей электромагнитных помех особое место занимают высоковольтные импульсные помехи, распространяющиеся по сетям электропитания , , . Актуальность моделирования воздействия таких помех на ЭУ, обусловлена следующими основными факторами:
1. Кратковременные импульсы частот характеризуются чрезвычайно малой длительностью фронта (от 1 до 5 нс) и высокой амплитудой (до нескольких киловольт). Благодаря широкому спектру частот, такие импульсы легко преодолевают традиционные барьеры защиты (трансформаторы, низкочастотные фильтры) за счет паразитных емкостей и индуктивностей. Помеха проникает непосредственно на шины питания микросхем, вызывая не только обратимые сбои («зависание» программного обеспечения, ошибки вычислений), но и физическую деградацию полупроводниковых структур (пробой диэлектрика и др.) .
2. Сегодня основными источниками импульсных помех являются: коммутационные процессы в мощных силовых установках; блоки питания соседних устройств в стойке или на плате; электростатические разряды или другие природные источники , . В результате реальная электромагнитная обстановка в сети электропитания становится непредсказуемой, что снижает эффективность классических детерминированных моделей, а проведение полномасштабных физических измерений становиться технически сложным и затратным.
Цель работы — построение зависимости амплитуды помех, проникающих через блок питания электронного устройства при воздействии наносекудных импульсов по сети электропитания, путем применения искусственной нейронной сети (ИНС) на основе данных о дискретных физических измерениях.
Научная новизна исследования заключается в разработке и применении методики на основе нейросетевой модели, позволяющей с достаточной точностью моделировать уровни помех в электронном устройстве при воздействии по сети электропитания наносекудных импульсов в определенном диапазоне амплитуд без проведения полномасштабных физических измерений.
2. Методы и принципы исследования
Современное состояние оценки помехоустойчивости ЭУ опирается на три направления:
– аналитические расчеты;
– имитационное, наиболее часто схемотехническое, моделирование;
– физические испытания.
Однако при переходе в наносекундный диапазон в каждом из этих направлений начинают проявляться определенные недостатки:
– аналитические математические модели не позволят учитывать реальные конструкции исследуемых ЭУ, которые начинают существенно влиять на результат , ;
– классические схемотехнические модели компонентов ЭУ (конденсаторов, резисторов и др.) являются идеализированными, но на высоких частотах существенную роль начинают играть паразитные параметры;
– классические модели компонентов не позволяют полноценно учитывать определенные нелинейные эффекты, например, при больших напряжениях, токах или частотах;
– физические испытания проводятся по принципу «черного ящика». Испытатель часто видит только результат, произошел сбой или нет, и зачастую не знает, какие уровни помех проникают к компонентам ЭУ .
Таким образом, в существующих подходах наблюдается компромисс между точностью и скоростью вычислений, и ресурсоемкостью процесса.
В данной работе предлагается применение нейросетевого моделирования, которая позволяет перейти от прямого вычисления физики процесса к аппроксимации функций отклика, которая учитывает явные и неявные закономерности в исследуемых данных , , . Преимущества моделирования на основе ИНС:
– после обучения нейросеть выдает результат очень быстро, что позволяет проводить многовариантные расчеты и проводить оптимизацию необходимых решений в реальном времени;
– ИНС хорошо справляются с нелинейными эффектами, которые сложно описать уравнениями или классическими схемотехническими моделями;
– ИНС обладает хорошей адаптивностью, модель можно «дообучать» на новых данных, полученных в ходе последующих физических исследований или эксплуатации ЭУ;
– нейросети, благодаря своей структуре и методам регуляризации, обладают естественной устойчивостью и способны выделять особенности исследуемых сигналов даже на фоне значительных искажений.
3. Основные результаты
Обучение и тестирование нейросетевой модели проводилось на существующем датасете, который содержит 300 значений напряжения электромагнитных помех (4 столбец, размах, в вольтах) на выходе блока питания электронного устройства при воздействии по сети электропитания наносекундных импульсов различной амплитуды и полярности . Входными параметрами в данном датасете являются:
– амплитуд импульсов в сети электропитания (1 столбец: 0,5, 1, 2 кВ);
– тип импульсов (2 столбец: 0 — с микросекундными параметрами, 1/50 мкс; 1 — с наносекундными параметрами, 5/50 нс);
– полярность (3 столбец: 0 — отрицательная; 1 — положительная).
Наносекундные импульсы в сети электропитания сформированы тестовым генератором, который соответствует ГОСТ 30804.4.4 — 2013 «Совместимость технических средств электромагнитная. Устойчивость к наносекундным импульсным помехам. Требования и методы испытаний». Параметры импульсов стандартизованы и не меняются в процессе измерений:
– передний фронт — 5 нс;
– длительность на уровне 50% — 50 нс;
– частота следования импульсов — 5 кГц;
– амплитуд импульсов положительной или отрицательной полярности 0,5 кВ; 1 кВ; 2 кВ.
Структура и параметры ИНС выбраны опытном путем с минимально достаточными значениям для достижения требуемой точности в области рассматриваемой задачи (не более 15%). Оценка качества решения задачи по тестовой выборке (25%) проведена вычислением средней абсолютной процентной ошибки (MAPE). Для достижения точности MAPE менее 15% достаточно конфигурация нейронной сети 5-3-1. При конфигурации сети 7-5-3-1 (рис. 1) удалось достичь среднего значения MAPE менее 10% при многократном запуске ИНС. При этом, количество параметров сети остается намного меньше обучающих данных, чтобы избежать переобучения. Дальнейшее увеличение параметров сети не дает стабильно существенного увеличения точности.
Параметры ИНС
Динамика процесса обучения ИНС
Рисунок 3 - Распределение MAPE в пяти поддиапазонах
Рисунок 4 - Результат нейросетевого моделирования помех
4. Обсуждение
Значения помех в ЭУ при воздействии по сети электропитания наносекундных импульсов в заданном диапазоне амплитуд получены на основе дискретных физических измерений, дополненных результатами нейросетевого моделирования.
Конкретные значения амплитуды помех, путем сопоставления с требованиями уровней помехоустойчивости компонентов, позволяют в дальнейшем прогнозировать возможное поведение ЭУ в данных условиях:
– работоспособность ЭУ не нарушается (критерий А);
– временная утрата работоспособности только в момент воздействия помехи (критерий B);
– утрата работоспособности в момент воздействия помехи и после, требующая сброса питания, ручной перезапуск операционной системы, перезапуск системы по специальным сигналам или командам (критерий С);
– полная или частичная утрата работоспособности ЭУ в момент или после воздействия помехи без возможности восстановления при помощи оператора (критерий D, выход из строя электронных модулей).
– Например, в работе указывается, что при воздействии наносекундных импульсов по сети электропитания, возникающая электромагнитная помеха напряжением 13 В приводит к временной утрате работоспособности (критерий В) системы контроля управления доступов к объектам.
5. Заключение
В рамках данного исследования предложен и практически реализован подход на основе нейросетевого моделирования, позволяющий с достаточной точностью моделировать величину помех в ЭУ при воздействии по сети электропитания наносекундных импульсов в заданном диапазоне амплитуд.
При решении поставленной задачи рассмотрены простые архитектуры нейронной сети с минимальным количеством параметров, при которых удовлетворяется требования к точности моделирования, при ограниченном количестве данных измерений. При этом, судя по полученным результатам анализа, можно подтвердить достаточно хорошее качество исходных данных (воспроизводимость, полнота и др.).
Таким образом, предложенное решение на основе нейросетевого моделирования является примером перехода на интеллектуальный анализ данных в области электромагнитной совместимости, и может быть предложена к использованию для моделирования других типов помех.