第四章：最坏情况分析方法论

极值分析法（EVA）

极值分析法，说白了就是「把所有坏运气都算上」。

我刚开始做电源设计那会儿，总觉得这方法太保守。你想想看，所有参数同时往最差的方向跑，概率得多低？但后来有一次，一个批次的电感在高温下感值掉了20%，偏偏那批芯片的驱动能力也偏弱，结果输出纹波直接超标了。嗯，从那以后我再也不敢小看EVA了。

EVA的核心思路很简单：

• 找出每个参数的最坏情况上限和下限
• 把所有上限或下限组合在一起
• 计算电路在这种极端条件下的表现

举个例子，计算一个电阻分压网络的输出电压：

Vout = Vin * R2 / (R1 + R2)

考虑最坏情况：
R1_min = R1_nom * (1 - tol)
R1_max = R1_nom * (1 + tol)
R2_min = R2_nom * (1 - tol)
R2_max = R2_nom * (1 + tol)

Vout_max = Vin_max * R2_max / (R1_min + R2_max)
Vout_min = Vin_min * R2_min / (R1_max + R2_min)

均方根法（RSS）

RSS方法，我习惯叫它「统计学思维」。它承认参数会波动，但不认为所有参数会同时往最坏方向跑。

为什么会这样？因为大多数元器件的参数分布是正态的。你想想看，1000颗电阻里，标称值±1%的占大多数，真正跑到±5%边缘的没几颗。所有参数同时跑到边缘的概率，更是微乎其微。

RSS的计算公式：

总偏差 = sqrt( (Δ1)² + (Δ2)² + ... + (Δn)² )

其中 Δi 是第i个参数的标准差或容差

举个例子，一个输出电压由三个因素决定：

• 基准电压：±1%
• 反馈电阻：±0.5%
• 运放失调：±0.2%

用EVA算：总偏差 = 1% + 0.5% + 0.2% = 1.7%

用RSS算：总偏差 = sqrt(1² + 0.5² + 0.2²) = 1.14%

敏感度分析法

敏感度分析，说白了就是「找出哪个参数最要命」。

我记得有一次调试一个Buck电路，输出纹波总是偏大。我挨个检查了电感、电容、开关频率，都没发现问题。后来做了个敏感度分析，才发现罪魁祸首是PCB布局的寄生电感。嗯，那之后我养成了先做敏感度分析的习惯。

敏感度的数学定义：

S = (∂Vout / ∂X) * (X_nom / Vout_nom)

其中 X 是某个参数，S 是敏感度系数

敏感度系数越大，说明这个参数对输出的影响越大。我一般这样分类：

• S > 1：高敏感度，必须严格控制
• 0.5 < S < 1：中等敏感度，需要关注
• S < 0.5：低敏感度，可以放宽要求

参数	标称值	变化量	输出变化	敏感度系数
基准电压	1.25V	±1%	±1.2%	1.2
反馈电阻R1	10kΩ	±1%	±0.8%	0.8
反馈电阻R2	2.2kΩ	±1%	±0.3%	0.3

三种方法的对比与选择

这三种方法没有绝对的好坏，关键看场景。我个人的经验是这样的：

• 安全关键电路（比如过压保护、过流保护）：用EVA，保守但可靠
• 量产产品（参数多、批量大）：用RSS，成本更优
• 调试阶段（找问题根源）：用敏感度分析，快速定位

你想想看，一个电源设计里可能有几十个参数。如果每个都用EVA，那成本肯定扛不住。但如果都用RSS，万一某个参数真的跑到边缘了呢？所以我的做法是：先做敏感度分析，找出关键参数，对关键参数用EVA，对非关键参数用RSS。